微软推全双工语音模型，17国语言无缝切换，直逼OpenAI

微软今日悄然发布了一项重磅更新。

MAI-Realtime模型现身微软MAI Playground的隐藏入口，具备真正的全双工语音交互能力，支持英语、中文、日语、韩语等17种语言。目前提供Victoria和Grant两种音色，其自然度显著优于现有的Copilot语音模式，支持中途切换语言及工具调用。

这是微软自研MAI系列的首个端到端实时语音模型。此前微软语音功能多依赖OpenAI，此次意在夺回控制权。该模型目前处于合作伙伴内测阶段，正式上线时间尚未确定，但这已足以让语音领域的竞争加剧。

模型发布与更新

继阿里巴巴Qwen3.8-Max发布后，API已上线，下周将开源权重。

英伟达同步开放了Nemotron VoiceChat 11B模型权重。作为首个支持实时工具调用的开源全双工语音模型，它采用混合Mamba/Transformer架构，能实现端到端语音理解与生成，延迟控制在450毫秒左右，非常适合用于可打断的实时语音代理。DeepSeek更新了V4 Flash正式版，强化了代理能力和推测解码。MiniMax则将H3视频模型权重上传至Hugging Face，但许可证排除了美国、欧盟、英国和韩国。

全球热点新闻

英国光子芯片初创公司OLIX在一天内完成3.12亿美元B轮融资，估值飙升至33亿美元（半年内增长三倍多）。Arm、Hudson River Trading及Netflix联合创始人Reed Hastings均参与投资，英国主权AI基金也介入。该公司专注于光学互联专用推理芯片，计划2027年下半年交付首款产品，直接冲击现有HBM架构。

CrowdStrike最新威胁报告显示，AI驱动的攻击活动同比增长89%。同时，一项新基准测试将AI代理置于模拟公司环境中检验合规性，结果显示表现最佳的代理也仅在36.2%的试验中遵守规则。

国内重点资讯

中国信息通信研究院测算：2025年中国AI产业规模将超1.2万亿元，同比增长40%。至2026年6月，AI企业数量突破6600家，全球占比约15%，已构建起从基础底座到行业应用的完整生态。

Genspark（景鲲团队）推出GenOffice，号称全球首个全功能开源AI办公套件，支持文档、表格、PPT、PDF，无广告且免费，内置Super Agent。官方表示该Alpha版由一名工程师耗时一周、约1万美元Token完成，代码已开源至GitHub。

社媒传闻

X平台TestingCatalog账号率先曝光微软MAI-Realtime的隐藏入口及演示细节，热度飙升，焦点集中在微软能否真正实现可打断、双工的语音体验。国内社媒则热议Qwen3.8-Max下周开源带来的冲击，以及GenOffice“一周出产品”的高效迭代，认为AI原生软件的更新速度正在加快。

OpenAI内部Astra模型在数学问题上的突破仍受关注，但今日话题中心已转向实时语音和开源模型的双重推进。

当下的AI领域，语音争夺入口，开源抢占生态，算力比拼效率。

以上。