今日AI圈聚焦三大动态：微软正式在Excel和Outlook中大规模启用自研MAI模型，替换OpenAI和Anthropic，成本直降30%，标志着巨头加速摆脱对外依赖；月之暗面开源Kimi K2.7 Code编程大模型，token消耗降30%且速度提升5倍，长上下文编程能力再进一步；阶跃星辰发布Step 3.7 Flash，以196B参数、11B激活的稀疏MoE架构实现400 TPS推理速度，兼顾效率与Agent能力。此外，Meta推出Muse图像生成器，Claude Cowork扩展至移动端，多款开源项目与实用教程上线。
对开发者极其实用，节省成本，信息全面且时效性好。
自2025年下半年起，国内大模型厂商展开“免费额度军备竞赛”，DeepSeek V4预览版上线（100万上下文，价格降幅73%）。本文盘点14个平台的免费额度，帮助用户分辨真伪与限制条件。
国内平台方面：智谱AI新用户赠送2000万Token（永久有效），GLM-4-Flash完全免费；硅基流动新用户2000万Token，9B以下模型永久免费；阿里百炼每个模型100万Token（有效期3个月）；火山引擎每天200万Token（按天重置）；百度智能云千帆的ERNIE-Speed-8K永久免费（QPS 50）；Kimi开放平台赠送15元代金券（永久有效）；腾讯云混元通用资源包100万Token（有效期1年）；科大讯飞星火每个模型20万Token。
国际平台方面：Google Gemini免费层每天1440次请求（Gemini 2.5 Flash），百万上下文窗口，永久有效；OpenAI新用户$5试用额度；Claude新用户$5额度（30天有效）；NVIDIA NIM APIs无限调用次数（默认40 RPM）。需要注意，所有免费额度均有速率限制，建议实现指数退避重试机制以避免429错误。
系统性对比，帮助用户按需选择，实用性强。
文章对9款主流AI大模型（Kimi、DeepSeek、Qwen、豆包系列、GLM、Gemini、Claude、ChatGPT、MiniMax）进行了深度评测，从定位、用法、优缺点及成本角度全面对比。文章指出，2026年AI大模型已进入精细化发展阶段，用户需根据自身需求选择最适配的模型。
各模型核心信息如下：
具体操作教程，提升AI编程工具实用性，对开发者有直接帮助。
Trae是一款轻量化AI编程工具，出厂默认搭载豆包系列代码模型。为满足不同开发场景需求（如复杂算法推理、超长上下文阅读、中文需求策划），Trae支持自定义大模型接入，无需代码开发，仅需API密钥与接口地址，5分钟即可完成配置。
主要可接入的模型包括：DeepSeek（擅长数学运算、逻辑推导、算法调试）、智谱GLM（超大上下文窗口，适合大型工程梳理）、通义千问Qwen（中文对话与文档撰写表现优秀），以及本地Ollama私有模型。用户可根据工作场景随时切换，且自有模型API额度可复用，降低使用成本。
接入前需准备两项必备条件：有效的API密钥和目标模型的接口地址。具体操作流程包括快捷切换、手动自定义、本地模型部署及常见报错排查。
面向AI开发者，解决实际使用问题，提升编程效率。
这波修复让远程控制和工作流终于稳了，以前被 silent drop 的文件和无线重试的 bug 都治好了，Claude Code 重度用户升级后体验会好一个档次。
变更内容
在 `/config` 中新增了“动态工作流大小”设置，用于控制 Claude 通常构建动态工作流的规模（智能体数量为小/中/大）——这是一项建议性指导，而非强制上限。
为工作流生成的智能体所发出的遥测数据添加了 `workflow.run_id` 和 `workflow.name` 这两个 OpenTelemetry 属性，从而可以通过 OTel 数据重构工作流运行的活动记录。
修复了在行内 Ctrl+R 历史搜索中，当搜索仍在扫描历史文件时接受或取消操作会导致崩溃的问题。
修复了在后台会话上执行 `/rename` 操作后，当任务重启时重命名被还原，导致无法通过新名称寻址该会话的问题。
修复了在客户端证书原地轮换期间，当设置被重新应用时出现的短暂 mTLS 握手失败问题。
修复了从远程控制（手机/网页）发送到交互式会话的命令提示“未知命令”失败的问题。
修复了从远程控制移动端或网页应用发送的不带说明的图片和文件被静默丢弃的问题。
修复了由 `claude auth login` 和 `claude mcp login --no-browser` 打印的登录 URL 在通过 SSH 换行时无法可靠点击的问题——现在该 URL 以单个超链接形式输出。
修复了从 `claude agents` 打开聊天时有时会提示“当前正在作为后台智能体运行”并随后导致工作进程崩溃/重启循环的问题。
修复了工作流脚本中字符串包含 Unicode 引号转义时在解析前被损坏的问题；现在工作流解析错误会显示有问题的行，而非总是将原因归咎于 TypeScript。
修复了当麦克风或录音器失败时语音听写陷入无限循环重试的问题——重复的捕获失败现在会暂停语音输入。
修复了 `/remote-control` 会话在移动端和网页应用中显示错误的权限模式的问题。
修复了通过名称恢复会话，或打开恢复选择器时，在拥有大量 git 工作树的仓库中需要数分钟并消耗大量内存的问题。
修复了当代理或网络在下载中途断开连接时，安装程序和更新程序立即提示“已中止”下载失败的问题——短暂的连接断开现在会进行重试。
修复了重新调用一个已加载的技能会向上下文中追加其指令副本的问题。
改进 /workflows agent 列表布局：更宽的标题、专门的时间列、更短的模型名称，并且不再显示每行的工具调用次数。
改进 MCP 错误信息：当服务器配置包含 url 但缺少 type 时，错误信息更清晰，建议使用 "type": "http" 来代替误导性的 "command: expected string"。
将 /review <pr> 改回快速单次审查；使用 /code-review <level> <pr#> 进行多智能体审查，并可选择投入力度。
面向普通用户的实用AI模型，免费且集成社交平台，使用门槛低，信息价值高。
Meta于2026年7月7日发布其AI图像生成模型Muse Image，该模型出自Meta超级智能实验室，是其首个自研图像生成模型。目前通过Meta AI应用免费提供，并同步登陆Instagram和WhatsApp。用户可通过对话式语言描述需求生成高质量图像，支持模拟人物站在历史地标前、擦除照片背景、生成自定义二维码等功能，还能在画面中清晰渲染文字。
为降低使用门槛，Meta AI内置预设提示面板，提供一键修复老照片、查看不同发型效果、将自拍转为黏土动画或游戏英雄形象等预制提示。拍照后还可让AI用Facebook Marketplace中的真实商品重新设计房间，查看不同风格效果。Muse Image与Muse Spark配合，进行多步骤幕后规划，包括布局安排、实时网页信息检索及融合多个视觉参考。
用户可在Meta AI应用中@提及Instagram账户，将公开照片融入创作（可关闭）。修改时可通过点击标记图标在图像上圈画、草绘或批注，AI会记住对话语境以便持续调整。此外，Muse Image为Instagram Stories提供超过30种AI特效。WhatsApp中与Meta AI直接对话生成图像功能已在部分国家上线，日常创作免费但超出额度需订阅。
未来Muse Image将拓展至Facebook、Messenger等平台，广告主可在接下来几周通过Advantage+ creative调用该模型。Meta同时透露另一款Muse Video视频生成模型已在开发中。过去一年，Meta发布了多项AI应用和服务，并持续扩建AI基础设施。
AI智能体落地实用场景，展示AI在日常工作中的价值。
Anthropic 于 7 月 7 日发布公告，宣布 Claude Cowork 开始扩展到网页端和移动端，用户可在不同设备之间延续会话与文件操作。Claude Cowork 是 Anthropic 推出的一项任务智能体，可跨文件、日历、电子邮件、消息应用、网页等工具执行任务，直至完成既定目标，适用于资料整理、文档起草、客户准备等知识型工作场景。
据官方披露，在 Claude Cowork 的使用场景中，超过 90% 并非用于开发软件，而是主要用于日常知识型工作。其中业务运营和内容创作是占比最大的两类，合计约占全部使用量的约 50%，涉及支出核对、差异备忘录撰写、合同续签追踪表整理以及客户材料整理等任务。
本次版本更新后，Cowork 支持跨设备延续任务：用户可在桌面端发起任务，通过手机查看进度，并在任意设备上接收完成结果。此外，定时任务现在可在无设备在线的情况下运行，例如将周一客户准备工作设定在 6 时启动，Claude 会自动读取邮件线索、通话记录和近期新闻，生成简报文档，并草拟后续邮件。涉及关键决策时，Claude 仍会向用户发起确认，请求可发送至手机端，相关内容在用户审阅并批准前不会发出。
网页版和移动端 Claude Cowork 目前仍处于测试阶段，首批面向 Max 用户，官方表示将在未来几周分批邀请更多用户测试。
提供AI生态的深度分析，有助理解竞争格局。
Decagon CEO Jesse Zhang提出新理论，认为开源AI与企业级前沿模型并非直接竞争，而是同一生命周期中的不同阶段：企业先用前沿模型验证用例，成熟后再转向更便宜的开源替代品。尽管更多成熟用例转向轻量模型，但前沿模型的总支出几乎未下降，因为新用例不断涌现。
数据支持这一观点：Vercel的AI网关仪表盘显示，DeepSeek在token处理量上领先（占三分之一以上），但按总支出计，Anthropic仍占平台AI支出的一半以上。OpenRouter数据类似，DeepSeek V4 Flash周处理5.3万亿token，而前沿模型Opus 4.8仅2万亿，但Opus的token单价是DeepSeek的约23倍，因此捕获了大部分支出份额。
前沿实验室未受开源浪潮显著冲击，原因有二：市场增长迅速，前沿模型通过主导早期部署维持地位；许多用例过于复杂，无法完全用廉价替代品替代。这种“前沿发现、开源生产”的双层模型经济可能成为常态。
未来，前沿提供商可能继续占据“优质token”价格市场，而开源模型则在量化生产中扩大份额，两者将长期共存。
开源新方法有效解决推理模型中的循环问题，提升效率。
Liquid AI 开源了名为 Antidoom 的方法，专门针对推理模型中的“doom loop”故障模式。Doom loop 是指模型重复输出同一段内容直到上下文窗口耗尽的现象，小型推理模型在长思考链和难题上尤其容易触发。在 LFM2.5-2.6B 早期检查点上，10.2% 的完成内容出现重复循环；经过 Antidoom 训练后，该比率降至 1.4%，且评估分数全面提升。
Antidoom 的核心技术是 Final Token Preference Optimization (FTPO)，它只重新训练导致循环开始的第一个 token。具体流程是：在低温度下生成内容以诱发循环，通过检测算法（重复至少4次、跨度至少60字符）定位循环起点，然后在该 token 位置收集多个合理的替代 token（最多20个）作为“选择”，原始循环起始 token 作为“拒绝”，构成训练样本。FTPO 算法类似 DPO，但做了四点改进：仅训练最终 token、每个样本包含多个选择 token、在 logit 空间使用类似 KL 散度的损失、对选择/拒绝分布采用两部分正则化。
实验表明 Antidoom 效果显著：LFM2.5-2.6B 的循环率从 10.2% 降至 1.4%，Qwen3.5-4B 从 22.9% 降至 1%。方法不会引入新的数学或代码知识，只是清除阻塞模型已有答案的循环。整个训练流程只需数小时，所有代码和数据均已开源。
大型MoE模型发布，参数规模与性能提升值得关注。
腾讯AI团队（Tencent Hy Team）于2026年7月6日发布混合专家模型Hy3。该模型总参数量达295B，其中活跃参数量为21B，并包含3.8B的MTP层参数，采用Apache 2.0许可证开源。
Hy3在2026年4月底推出预览版后，团队收集了50多个产品的反馈，使用更高质量数据扩大了后训练规模。官方宣称，Hy3性能超越同尺寸模型，并能比肩参数规模为其2-5倍的主流开源模型。
模型在Hugging Face上提供完整版（598GB）和FP8量化版（300GB）下载，上下文长度支持256K tokens。此外，Hy3在OpenRouter上可免费使用至2026年7月21日。
数据效率高，方法创新，对Agent训练有重要参考价值。
终端智能体在软件开发、系统运维等场景中潜力巨大，但高质量训练数据不足成为瓶颈。现有数据合成方法往往在开源仓库或执行轨迹表面“修修补补”，指令含糊、路径浅、环境脆弱。为此，南京大学、阶跃星辰、上海AI实验室等机构联合推出CLI-Universe任务合成引擎，采用“自内而外”的多阶段过滤机制，通过能力分类采样、证据导向深研、多阶段可执行验证，淘汰约三分之二低质任务，沉淀高价值轨迹。
仅用6000条（6K）精炼成功轨迹，基于Qwen3-32B微调的CLI-Universe-32B在Terminal-Bench 2.0上取得33.4%准确率，不仅超过同规模开源模型（SkillSynth-32B的29.6%、Nemotron-Terminal-32B的27.4%），更超越参数量达480B的Qwen3-Coder（23.9%）以及万亿参数级Kimi-K2-Instruct（27.8%），实现跨规模反超。
实验证明数据质量带来高放大效率：相同6K轨迹下，CLI-Universe提升幅度（+30.0 pt）显著高于其他数据集。模型表现随参数量从8B、14B到32B稳定提升，呈单调缩放趋势。在跨领域BFCL v4和VitaBench测试中，32B模型也取得超11点提升，表明其学到了通用工具编排、环境状态跟踪和多步规划能力。
失败谱系分析显示，尖端闭源模型在终端任务中失败多集中于“验证端”（占比47%-60%），常未正确核对目标状态就提前终止；而CLI-Universe-32B的验证类失败降至27%，转向执行端问题。CLI-Universe通过可验证轨迹改善了模型目标核验能力。
CLI-Universe跳出了单纯堆叠数据量的思路，通过能力分类、真实技术深研、多阶段可执行验证，重新定义高质量终端智能体数据合成。它表明微调阶段监督信号质量比数量更重要，为自动运维、软件工程自动化等生产级AI基础设施提供了高效可控的数据构建路径。
轻量级浏览器端嵌入模型，对AI应用开发者和边缘计算感兴趣者很有价值。
面向AI开发者的硬件产品，适合本地部署和测试AI模型。
直接关联日常办公AI应用，成本降低可能影响产品价格，实用性强。
微软在Excel和Outlook中大规模改用自研MAI模型，替代了OpenAI和Anthropic的模型，成本直降30%。MAI模型已在Excel中处理每周数万AI任务，如数据清洗和预测，并在Outlook中负责邮件摘要和智能回复，响应速度提升约15%。
用户可在Excel中使用AI助手进行智能填充，先输入示例数据，再点击快速填充或自动分析，分步骤描述复杂逻辑可提高精度。Outlook中可使用智能回复的自定义语气功能，输入关键词后生成草稿，注意手动审核敏感数据。
微软未来6个月内可能调整订阅价格或功能权限。建议用户在微软365管理后台查看AI使用量报告，监控高级功能限制。自研模型在数学计算上略逊于GPT-4，复杂公式需手动验证。
重要模型迭代，显著提升编程效率，开源且成本优化，值得关注。
2026年6月12日，月之暗面（Moonshot AI）发布并开源Kimi K2.7 Code编程大模型，同步在Hugging Face开放权重下载。这是继4月K2.6后的重要迭代，聚焦编程能力优化与推理效率提升。新模型在Kimi Code Bench v2基准测试中分数提升21.8%，平均token消耗降低30%，Agent自主执行能力提升约10%。6月15日上线高速版，输出速度达到普通版5-6倍，价格为普通版2倍。
K2.7 Code在三大基准测试中表现亮眼：Kimi Code Bench v2提升21.8%，Program-Bench提升11%，MLS Bench Lite提升31.5%。优化重点在于长上下文编程场景下的指令遵循能力和长程任务性能，增强了Agent自主执行能力。token消耗降低30%直接节省API调用成本，且调用价格与K2.6保持一致，实现“加量不加价”。
高速版基于相同模型，通过推理优化实现约5-6倍输出速度（常规场景下约180 Token/s，短上下文最高260 Token/s），价格仅为普通版2倍，单位时间性价比提升2.5-3倍。技术实现可能涉及speculative decoding、KV Cache优化等，MoE架构（总参数1万亿，单次推理激活320亿）为高速推理提供基础。
K2.7 Code的开源加剧了编程模型赛道竞争，开源阵营实力增强。月之暗面延续K2系列开源策略，有助于建立技术品牌影响力，并推动Agent能力“模型化”趋势。此次发布也是中国AI技术品牌出海的缩影，与DeepSeek-Coder、Qwen-Coder等形成正面竞争格局。
开源高性能多模态模型，技术细节丰富，对AI开发者有直接实用价值。
跃阶星辰发布Step 3.7 Flash模型，这是一个拥有198B参数的稀疏专家混合模型，包含196B参数的语言主干和1.8B参数的视觉编码器，支持原生图像理解。模型专为高频生产负载设计，每令牌激活约110亿参数，吞吐量最高达400 tokens/s，支持256k上下文窗口，并提供三种推理级别以平衡速度、成本和认知深度。
在性能方面，Step 3.7 Flash在SimpleVQA基准测试中以79.2分排名第一，V*基准测试达95.3分，具备强大的视觉理解和检索增强推理能力。在工作流可靠性方面，ClawEval-1.1基准测试中以67.1分领先，显示对对抗性陷阱的高抵抗力。代码工程方面，SWE-Bench PRO基准测试中以56.3分位列第二，能有效追踪多文件代码库并生成补丁。
定价方面，输入令牌为$0.20/百万令牌，输出令牌为$1.15/百万令牌。模型已在StepFun开放平台上线，支持云、数据中心和本地部署，兼容vLLM、SGLang、Hugging Face Transformers和llama.cpp等开源框架。开发者可通过API快速集成，并支持FP8、BF16等多精度版本部署。
Copilot重大更新，直接影响用户体验，值得关注。
据科技媒体 The Information 报道，微软正计划全面重构其 Copilot 应用程序，将面向消费者和企业的版本合并为单一产品，预计于今年8月发布。这一消息源于微软内部一份备忘录，由执行副总裁 Jacob Andreou 签署。
功能方面，新版本将引入 AI 编程工具，并新增名为 AutoPilot 的 AI 智能体，负责在后台自动处理日程安排、邮件摘要等任务。这些功能旨在提升办公效率，使 Copilot 更好地服务于真实工作场景。
Andreou 在备忘录中强调，团队已移除“无效部分”，包括 Copilot Podcasts 和 Copilot Labs 等冗余功能。此次升级以结果为导向，旨在体现 Copilot 的独特价值。
微软此次重构的核心是将消费级与企业级应用统一，通过精简功能并聚焦实际工作需求，打造更具竞争力的 AI 助手产品。
重要产品发布，对AI从业者了解模型进展有价值。
微软于2026年6月6日发布自研MAI模型家族，由Mustafa Suleyman牵头打造，共覆盖推理、编码、图像、语音和转录五大模态。这是微软与OpenAI合作关系在2026年4月重新谈判后，首次大规模推出自研模型。
模型家族包括：MAI-Thinking-1（1万亿参数推理模型，SWE Bench Pro媲美Claude Opus 4.6）；MAI-Code-1-Flash（137B代理编码模型，仅5B活跃参数，原生集成VS Code/Copilot）；MAI-Image-2.5（多轮图像生成与编辑，Arena评分超越Nano Banana Pro）；MAI-Transcribe-1.5（多语言语音转录，43种语言SOTA，速度是竞品5倍）；MAI-Voice-2（自然语音合成，支持15种语言，短样本即可声音适配）。
这些模型已同步上架OpenRouter、Azure等平台。
探索未来AI交互模式，具前瞻性。
微软曝光了内部代号为 Project Aion 的 Copilot 系统，该系统完全基于 AI 交互设计，底层采用 Microsoft Edge 浏览器和 Web3 轻量化 Windows 代码库构建，没有传统的开始菜单和桌面图标。
用户启动系统后，底部任务栏可点击启动 Copilot，界面包含“Stay on Top”（展示 Microsoft 365 用户信息流）、“Create something new”（创造新事物）和“News of the day”（今日要闻）三个功能区域。任务栏新增 Spaces（空间）功能，可自动将已打开的应用和网站归入不同区块，这些 Spaces 也会出现在开始菜单中，用户可通过单次点击打开一组标签页和应用集合。
该系统不支持传统 Windows 原生应用，仅支持 Web 应用和访问网站，如需桌面应用，微软建议使用 Windows 365。