AI创作工具与前沿动态｜7月31日 (2026)

7 月 30 日的三条线索指向同一个变化：模型不再只负责生成，也开始处理流程里的中间结果——降价让工具调用更容易落地，科研代理把证据核验写进架构，机器人模型则从连续视频判断任务是否完成。

GPT-5.6：OpenAI 在 7 月 30 日更新页面，Luna 降价 80%，Terra 降价 20%。GPT-5.6 可写代码、编排工具、生成可编辑演示文稿，并检查渲染结果。适合要把素材整理、设计交付和多工具串成流程的开发者与设计团队。限制是成本与延迟估算来自模拟，真实结果可能差很多；先用小任务压测。1
Science One Framework：Google Research 于 7 月 30 日发布一个实验性科研代理原型：先用 Semantic Scholar API 阅读每个主题最多 100 篇全文 PDF，再给事实挂 evidence tag，由 Claim Verifier 对照来源改写。官方 CoE Audit 报告显示，基线系统的参考文献幻觉最高达 21%，Science One 报告为 0；但官方也明确它还不是生产系统。适合研究团队借鉴证据链和方法—代码核验的架构。2
Gemini Robotics ER 2：Google DeepMind 于 7 月 30 日发布 ER 2，可从连续视频流判断任务进度、发现异常，并调用 Google Search 或用户函数。原文报告 moment-finding 准确率 91.3%，平均偏差 0.96 秒；模型已可经 Gemini API 与 Google AI Studio 使用。它更适合机器人代理和实体任务自动化，不是视频生成器：ER 2 负责高层编排，低层电机控制仍交给 VLA 模型，并依赖机器人接口与低延迟流式输入。3

今天的下一步很具体：创作自动化先拿 GPT-5.6 跑一个小流程；研究型代理可以先读 Science One 的 evidence tag；视觉代理接入 ER 2 时，把它当任务状态层，而不是生成器。

AI创作工具与前沿动态｜7月31日