Smart Window 做的事很具体：把一次复杂的搜索理出头绪，把用户点开、之后又离开的重要内容找回来，再结合当前打开的标签页，把相关信息连同出处一并给出。Mozilla 称，选中 Mistral Small 4 是在评估其表现之后作出的决定，多语言能力占了不小权重——两家公司把多语言和多文化调优当作模型的底层功能，而不是先把英语体验做好再适配新市场。已开放的市场里，用户仍可换用别的模型：Mozilla 列出的选项里还有 Gemini 3.1 Flash Lite 和 Qwen 3 235B，而 Mistral Small 4 被标为推荐项。

至于隐私方面，Mozilla 表示 Smart Window 中的对话默认不保存在 Mozilla 服务器上，Mistral 等合作方同意零数据保留。

Mistral 把这次合作的意义归为四条：开放技术需要开放的分发渠道，模型要针对当地语言文化优化而非把通用体验"出口"到各地，要让用户掌握与 AI 交互的方式，以及把主权 AI 交到更多人手里。Mozilla 公司 CEO Anthony Enzor-DeMeo 说，浏览器不该成为"单向漏斗"，它应该保留让互联网最初强大的东西：自由探索、发现不同的想法与技术，并自行决定下一步去哪里。Mistral 联合创始人兼 CEO Arthur Mensch 称，这是两个开源倡导者携手，把 Mistral 的技术带给全球消费者，也把隐私、控制权和选择带到 AI 驱动的网页浏览中。

对 Mistral 而言，这次合作把触达范围从企业客户延伸到普通用户。这家法国公司过去主要面向企业和机构提供模型与部署方案，如今它的模型直接出现在日常浏览场景里。

MAI-Image-2.6-Flash 面向延迟敏感、高吞吐的生产负载，微软称其生成速度是 GPT-Image-2-Medium 的 2.8 倍，效率提升 72%，并保持与 MAI-Image-2.6 相当的质量。微软将这一质量与效率的组合概括为全球最佳的每 Elo 性价比表现。

定价由同日发布的 Foundry 博客给出：MAI-Image-2.6 为文本输入 5 美元/百万 token、图像输入 8 美元、图像输出 38 美元；Flash 降至 1.75、2.50 与 19 美元。Arena 估算其输出成本约 38.90 美元/千张，折合每张约 3.9 美分，并将其置于价格-性能的帕累托前沿。

能力上，两个模型都支持多图参考编辑（单次请求最多 5 张参考图）、web grounding 与动态宽高比，输出最高 1.5K 分辨率。

至于可用性方面，目前两个模型均可在 MAI Playground 试用，开发者也可以通过 Foundry 接入。

要运行这套体验，设备需满足硬件门槛：统一内存 64 GB 起，内存带宽 250 GB/s 以上。达到这一规格，开发者便可在本地不受用量限制地运行 300 亿参数以上的模型。按照微软的规划，端侧承担大部分编码相关的智能计算，仅将最复杂的问题交由云端前沿模型处理，以此降低 token 使用成本。

系统的预置项覆盖开发常用设置：Windows Terminal 与 Visual Studio Code 默认固定在任务栏；资源管理器默认显示文件扩展名、隐藏文件与完整路径，并开启长路径支持；开始菜单和搜索启用 Command Palette，同时默认关闭各类提示与通知。WSL 于去年开源后，在 Build 2026 进一步深度整合进系统——新增的 WSL 容器支持直接在 Windows 上创建和运行 Linux 容器。

agent 安全作为基础能力被纳入：Project Zenith 设备自出厂起即具备 Build 2026 公布的平台安全特性，包括操作系统级身份、Microsoft Execution Containers（MXC）隔离以及企业级 agent 管理能力。

微软并未将 Project Zenith 设计为固化工作流的定制系统。开发者仍可自行配置环境与工具链，其核心价值在于把一套经过梳理的开发默认值设为出厂状态。该体验的实际价值，有待首发 OEM 机型上市后的市场检验。

Google 介绍，Gemini 3.8 Flash 在代码与智能体任务上对前代做了大幅跃升。官方发布的 evals 数据显示：在长周期软件工程基准 DeepSWE v1.1 上，3.8 Flash 得 71.0%，高于 3.7 Flash 的 65.3%，与 Claude Opus 5 的 74.0% 差距收窄；金融垂直 Vals Finance Agent v2 与法律垂直 Harvey's Legal Agent Benchmark 上分别拿到 61.4% 与 10.0%，均高于 Claude Opus 5 的 58.6% 与 6.7%；多学科推理 HLE-Verified 为 54.9%。

3.8 Flash 沿用 3.7 Flash 的介绍价：每百万输入 token 0.75 美元、输出 3.75 美元。博客脚注中说明该介绍价至 2026 年 12 月 31 日到期，2027 年 1 月 1 日起恢复为输入 1.50 美元、输出 7.50 美元。

Gemini 3.8 Flash Cyber 是同源基础模型针对网络安全场景的衍生版本，通过新设的 Fairwind Program 向受信任的防御方开放，侧重漏洞发现与自动修复。CWE-Bench（由 Collinear 维护）上 3.8 Flash Cyber 以 47.2% 的 pass@1 处于帕累托前沿，对照"领先前沿模型"的 47.8%，成本显著更低；Chrome 安全团队反馈，模型产出的正确补丁数量是参比商用模型的 2.6 倍；Wiz 在内部渗透测试基准上记录到召回率提升 7.5–9.7 个百分点，成本降至参比前沿模型的 1/2.3 至 1/5.2。

按公告，3.8 Flash 已面向开发者通过 Gemini API、Google AI Studio、Android Studio 与 Antigravity 提供，企业客户可在 Gemini Enterprise 中调用，消费者可在 Gemini App、AI Mode 与 Google Sheets 中使用。Cyber 版本通过 Fairwind Program 接受政府与关键基础设施运营方申请。

新功能集中在控制与效率两端。场景延长允许在已有视频的结尾继续生成画面：模型现在可分析最多 10 秒的前文，此前只能参考最后1秒，画面一致性与叙事连贯性因此改善；每次延长 10 秒，累计最长 40 秒。开发者还可为一组镜头指定起始帧与结束帧，由模型在两个关键帧之间生成连续画面，适用于环绕运镜、缩放转场与无缝循环素材。多模态输入支持引用最多 3 秒的参考视频，以保持角色形象与画面上下文一致。

效率方面，360p 草稿模式比标准 720p 生成快最多 60%，成本约为后者的三分之一，用于快速打样与分镜迭代，定稿后再放大至 1080p 或 4K 输出。定价按秒计费：360p 每秒 0.03 美元，720p 0.10 美元，1080p 0.15 美元，4K 0.30 美元。定价表中还列出，Veo 3.1 Lite 720p 为每秒 0.05 美元，Veo 3.1 Fast 4K 同为 0.30 美元。

Omni 1.1 已在 Google AI Studio 与 Gemini Enterprise Agent Platform 上线；Google AI Plus、Pro、Ultra 订阅者即日起可在 Google Flow 中使用，场景延长功能也已在 Gemini 应用中开放。Adobe 已将模型集成进 Firefly，Figma Weave、GMI Cloud 与 Runway 也已接入。

GPU的负载区分更加明显

对开发者而言，这一改进有直接价值。使用 ONNX Runtime 或 Windows DirectML 构建本地 AI 应用时，框架可能因数据类型不匹配或驱动缺失而"静默回退"至 CPU——应用不崩溃，但性能骤降。"详细信息"选项卡中，新增的 NPU 引擎列显示"NPU – Compute"或"NPU – Neural"，GPU 引擎列显示"GPU – Neural"，开发者可据此判断模型是否落在了目标硬件上。

若 NPU 列为 0% 且 CPU 占用高，说明回退正在发生，需重新量化模型（如将 FP32 模型转为适配 INT8 优化 NPU 的格式）。此外，该选项卡还新增了专用 NPU 内存和共享 NPU 内存列——当专用内存耗尽、分配溢出到共享内存时性能会下降，此前这一现象在系统层面几乎不可见。

新增Neural（神经网络）图表

对普通用户，这组数据同样关乎续航。AI 工作负载走 CPU 和常规 GPU 路径时功耗极高，走 NPU 和 GPU 神经引擎则毫瓦级耗电。

这批功能现时仅在部分较新设备上可用。微软表示，当前监控能力也为未来硬件生态创新奠定基础。

同时公布的使用数据显示，语音交互已成主流：63% 的用户直接以语音与 Gemini 对话，"纯语音"用户占比上升，忙碌父母用语音处理日常事务的可能性高出 43%。Gemini Live 的交互中，五分之一已超出语音范畴——用户借助实时摄像头画面和屏幕共享解决实际问题，这一用法在 DIY 爱好者与学生中尤为受欢迎。

学生群体里，38% 的校园相关请求带有附件。小企业侧，Gemini 每天生成超过 1.5 亿张图片，可在同一处完成图片、视频与音频创作。生态方面，Gemini 已能在 Android 端 40 余款热门应用中自动化操作（叫车、订餐位等），iOS 端活跃用户超 1 亿，macOS 重度用户的使用频率约为其他平台的两倍。

最后，谷歌表示，他们继续为"下一个十亿"做准备，Gemini 的目标是成为"最个性化、最主动、最强大的助手"。

Lyria 是谷歌 DeepMind 打造的AI音乐生成模型系列，近年迭代明显加快。今年2月，谷歌推出 Lyria 3，支持通过文本提示词或照片生成最长30秒歌曲，并集成至 YouTube Shorts 的 Dream Track 功能；3月又发布 Lyria 3 Pro，将生成时长扩展至3分钟，支持定义前奏、主歌、副歌等完整歌曲结构。

此次 Lyria 3.5 搭载于 Google Flow Music 平台上线。作为谷歌旗下的AI音乐创作平台，Flow Music 提供多项编辑功能，包括修改曲目特定段落、重写或翻译歌词、更换乐器，以及在不破坏整曲结构的前提下调整节拍。用户还可单独调节人声、鼓点和贝斯等独立轨道，实现更精细的创作控制。Lyria 3.5 支持生成30秒至3分钟的音乐片段。

在AI音乐赛道上，Suno、Udio 等初创公司已快速崛起，OpenAI 也在多模态生成方面持续探索。谷歌将 Flow Music 纳入AI订阅体系，AI Plus、AI Pro 和 AI Ultra 会员分别对应不同方案档位，进一步巩固其在生成式创作领域的竞争力。

资源明显向新前沿模型计划倾斜。该计划由研究员 Pieter Abbeel 领衔，内部代号 FMR（Frontier Model Research），今年已成最高优先级；其全新旗舰基础模型预计今秋 re:Invent大会亮相。

不过，亚马逊并未彻底放弃 Nova。余下产品包括 Nova 2 Sonic、Nova 2 Lite 两款基础模型、定制服务 Nova Forge 与 AI agent 技术 Nova Act。发言人强调仍会投入前沿模型：“AI 模型仍是我们最重要的工作之一，这一点没有改变。”并称会按客户需求调整阵容、提供迁移路径。

Business Insider指出：调整背后是 AGI 部门的权力更迭。该部门 2023 年成立，由 Rohit Prasad 领导至去年 12 月离职；同月交予高级副总裁 Peter DeSantis 统管。据称 DeSantis 比前任更聚焦，把人才与算力收拢到少数前沿项目，而非像 Prasad 时期那样同时押注文本、图像、视频多类模型。

去年 AWS 还在 re:Invent 发布旗舰多模态模型 Nova Omni 2；2023 年 CEO Andy Jassy 亲自挂帅 AGI。然而不到三年，这条旗舰线已被部分关停。

在编程与知识工作评测中，Opus 5 成为新的SOTA（state-of-the-art），但在网络安全任务上仍落后于 Mythos 5。该模型即日起成为 Claude Max 默认模型，也是 Claude Pro 最强模型。

成本上，Opus 5 与 Opus 4.8 定价相同但性能大增：Frontier-Bench v0.1 超越所有模型，单位成本更低且性能超前者两倍以上；CursorBench 3.2 最高算力档得分与 Fable 5 仅差 0.5%，成本仅一半。ARC-AGI 3 得分是次优模型三倍，OSWorld 2.0 以约三分之一成本超越 Fable 5 最佳成绩。科研上其在生命科学评测全面优于 Opus 4.8，有机化学、蛋白质任务分别高出 10.2 和 7.7 个百分点。

安全层面，Opus 5 是 Anthropic 迄今对齐程度最高、最安全的模型，危险双用途能力未推进前沿，生物学与进攻性网络安全仍落后 Mythos 5；其网络分类器较 Fable 5 宽松，允许查漏洞但禁二进制扫描与漏洞利用生成。

定价上，Opus 5 输入每百万 token 5 美元、输出 25 美元，与 Opus 4.8 一致，另提供约 2.5 倍速的 Fast 模式。

随着新模型的推出，Anthropic 同步推出两项测试功能：一是 Claude Platform 上的对话中途切换工具，开发者可在不使提示词缓存（prompt cache）失效的情况下，于对话进行中更改 Claude 可调用的工具；二是 API自动回退，当 Opus 5（或 Fable 5）上被安全分类器标记的请求，可自动路由至另一模型而非直接阻断，开启后 API 请求默认始终路由至当前最优可用模型。

MAI-Voice-2-Flash 则主打速度与规模，面向高并发语音场景。相比 MAI-Voice-2，其速度提升 2 倍、成本降低 32%，定价为每百万字符 15 美元，同时在自然韵律（prosody）与声学质量上保持旗舰水准。

值得注意的是，这两款模型并非仅停留在榜单刷分。微软强调，自研 MAI 系列已大规模落地核心产品：Bing Image Creator 已 100% 切换至 MAI-Image-2.5；PowerPoint 的图像生成与编辑中，MAI-Image-2.5的GPU 成本较 GPT-Image-2 降低最多 84%；而OneDrive 图像编辑场景切换为 MAI-Image-2.5 后，保存率提升 26%、P95 延迟下降约 25%；Dynamics 365 Contact Center（客户含 T-Mobile、EasyJet）改用 MAI-Voice-2-Flash，GPU 成本最多降 89%。

此外，微软还提到了他们在专业领域上的成果——他们与医疗方案 Dragon Copilot 合作，后者服务 17 万医疗提供者、上季度处理 2800 万次就诊记录；MAI-Transcribe-1.5 已接替原有模型，覆盖 58 种语言，在多数语言上转录与语种识别错误率相对下降 50%。

微软表示，这一系列更新都指向同一目标——用微软自研模型驱动微软自有产品；其强调模型在内部训练、不依赖第三方模型蒸馏，并希望通过提供质量、速度、成本各异的模型选项，让用户与开发者获得更多选择与更高性价比。