技术情报 / 2026.07

7月AI技术迭代 及AI时代文档载体洞察

模型竞争正在从单点能力转向长时任务、工具调用与交付质量；与此同时， HTML正在从“网页格式”变成AI生成成果的主要交付载体。关键不在格式替代， 而在是否形成一套可编辑、可验证、可安全运行、可导出的交付工具链。

智能研发部 余俊宏 数据截止：2026-07-27 资料依据：以官方公开信息为主
01 / 核心判断

7月延续6月判断：能完成任务的智能体成为明确方向。

6月汇报提出，对话式AI的主线正从对话能力，经由工具调用和工作流嵌入，走向自主执行。 7月的模型迭代进一步验证这一方向：竞争焦点正从“回答得更好”，转向“围绕目标持续完成任务并交付结果”。

信号 01

完成任务的智能体成为产品主线

多步规划、工具调用、浏览器与终端操作、子代理协同以及长时间保持任务状态， 正在从前沿能力变成智能体（Agent）的共同产品能力。

信号 02

长上下文和低成本开始标准化

1M上下文已进入多家厂商的主力产品线。模型选择将从“谁最强”转向 “在指定任务、延迟和预算约束下，谁的完成成本最低”。

信号 03

交付物正在从文本变成可运行界面

当模型能够同时生成结构、样式、数据呈现和交互逻辑， 最终结果不再只是回答，而是可浏览、可操作、可继续修改的可交互成果（Artifact）。

管理启示

下一阶段不应只建设“模型接入层”，还要补齐让智能体完成任务所需的“任务执行层”和“成果交付层”： 支持目标拆解、工具调用、过程校验，以及对报告、分析、原型和数据页面的审阅、发布与归档。

02 / 模型更新

7月关键技术迭代

本节聚焦对能力边界、成本结构和产品形态产生实质影响的核心事件； 相关时间节点与产品信息的资料来源见文末。

筛选

Anthropic 发布 Claude Fable 5 与 Mythos 5

Fable 5 将 Mythos 级能力面向更广泛用户提供；Mythos 5继续面向受控的网络安全与生物研究场景。 6月末相关出口限制解除后，Fable 5于7月1日起恢复全球可用。 [2]

业务影响 前沿能力的发布策略开始由“模型层级”转向“能力分级 + 安全路由”。

Google 推出 Gemini Omni Flash 与 Nano Banana 2 Lite

Google将低延迟图像生成和可对话的视频生成/编辑能力推向开发平台与消费产品， 进一步压缩多模态内容从构思到交付的周期。 [3]

业务影响 多模态不再是独立工具，而是被编入同一条生成与编辑工作流。

OpenAI GPT-5.6 系列全面推出

Sol、Terra、Luna覆盖旗舰、均衡与低成本层级；Max推理强度与Ultra多代理模式 进一步强化长时任务和并行协作。Terra定位为接近GPT-5.5质量、成本约一半。 [1]

业务影响 模型产品从单一能力曲线演变为“能力、延迟、成本”三维组合。

月之暗面发布并开放 Kimi K3

K3拥有2.8万亿总参数、原生视觉能力和1M上下文窗口，采用Kimi Delta Attention 与Attention Residuals。完整模型权重计划于7月27日发布。 [4]

业务影响 国产开源模型继续向超大规模、原生多模态与长任务能力推进。

WAIC 2026 在上海举办

大会集中呈现基础模型、智能体、机器人、科学智能和国产算力的产品化进展。 相比单一模型发布，产业信号更明确地指向“模型 + 工具 + 场景 + 基础设施”。 [6]

业务影响 国内竞争重心正在从模型榜单转向端到端产品和工程化落地。

DeepSeek V4 完成旧API名称切换

V4-Pro与V4-Flash已于4月24日上线并开源；7月24日的关键变化是 deepseek-chat 与 deepseek-reasoner 旧名称停止使用。 7月节点属于API迁移，不属于模型首发。 [5]

业务影响 模型接入不仅要评估能力，也要持续管理接口版本、路由配置与兼容性风险。
03 / 信号矩阵

从发布新闻中提取组织信号

关注重点不在型号数量，而在技术变化如何影响模型选型、成本路由与成果交付。

技术信号 已观察到的证据 对组织的影响
智能体原生化 GPT-5.6 Ultra多代理、Claude的工具操作能力，以及模型对长时任务的持续优化。 评估模型时增加任务完成率、人工接管次数和端到端耗时，而非只看单轮基准。
1M上下文标准化 Kimi K3与DeepSeek V4均提供1M上下文，GPT-5.6公开了512K–1M长上下文评测。 知识工作可直接携带更完整项目上下文，但检索、权限和上下文污染问题更突出。
多模态工作流 K3原生视觉；Google将图像、视频生成和对话式编辑纳入同一产品链路。 报告、课件、素材和原型将由统一智能体编排，组织需要统一素材与版本治理。
成本分层 GPT-5.6以Sol/Terra/Luna分层；DeepSeek以Pro/Flash覆盖质量与成本区间。 建立任务路由和预算策略，默认使用满足质量门槛的最低成本模型。
交付物呈现方式 模型厂商持续强化可编辑文档、前端、可交互成果和结构化工具调用能力。 文档工具将从“写文件”转向“生成、验证、运行、协作、导出”一体化环境。
组织思考

从对话式AI使用，升级为任务型AI协作

发展主线已经明确：AI正在从“完成一轮对话”转向“在目标和约束下持续推进任务并交付成果”。 组织内的AI培训与应用，也应从教成员提问和生成内容，升级为教成员与AI共同完成任务。

认知升级

让成员认识到AI不只是问答助手，还能读取上下文、调用工具、执行多步流程并形成可交付成果。

培训升级

提示词仍是基础，但培训重点应转向目标定义、任务拆解、上下文准备、工具授权和过程校验。

评价升级

从使用次数和单轮回答质量，转向任务完成率、人工接管次数、完成周期和最终成果质量。

人的角色并未减少，而是进一步聚焦于目标、边界、权限、质量判断和最终责任。

04 / 文档交付

HTML正在成为AI成果的主要交付载体

HTML的价值不是标签本身，而是浏览器同时提供语义结构、布局、交互、媒体与可执行能力。

AI负责生成复杂结构，人负责判断和微调。 HTML把“答案”变成可继续工作的界面。

Markdown仍可作为模型间通信和快速草稿，但面向人类的最终交付， 需要更高的信息密度、更清晰的视觉层级、更直接的交互和更低的阅读门槛。 浏览器在电脑和手机上都能直接打开，因此HTML天然适合作为AI成果的交付层。 [7]

01
结构化来源 事实、数据、引用、业务规则
02
AI编排 结构、文案、样式、组件、交互
03
HTML交付 浏览、筛选、演示、响应式呈现
04
审阅 / 分享 / 导出 人工微调、权限分享、PDF与归档
能力 01

语义结构

标题、表格、引用和元数据可以同时服务阅读器、搜索与模型。

能力 02

响应式布局

同一份内容适配大屏演示、桌面阅读、手机浏览与打印输出。

能力 03

交互与计算

筛选、展开、模拟、表单和数据联动不再依赖多个独立文件。

能力 04

低摩擦分发

浏览器直接运行，链接、单文件或离线包均可成为交付方式。

05 / 格式对比

为什么AI时代，HTML更适合作为成果交付层

判断一种格式是否适合AI时代，不能只看它“最擅长什么”，还要看AI能否直接生成、 能否低成本持续修改，以及成果能否承载视觉、数据、媒体、交互和跨端分发。

AI可以直接生成

HTML、CSS和JavaScript都是结构清晰的文本；模型不必先经过复杂的专用文件封装。

修改可以精确定位

页面元素有明确层级和选择器，AI可针对标题、图表或组件局部修改，减少整页重做。

结果可以立即验证

浏览器能直接呈现结果，AI可以在“生成—预览—发现问题—修正”的闭环中持续迭代。

交付物本身可以运行

成果不止能阅读，还可包含动画、视频、筛选、计算和业务逻辑。[7][8]

能力判断： 强＝格式原生适配 中＝可以实现，但依赖特定工具或流程 弱＝不是该格式的主要能力
格式 AI直接生成 AI持续修改 版式与视觉 数据与计算 交互与运行 跨端分发 协作与治理
.DOCXWord 中需文档工具生成 中精确定位依赖工具 中规范排版与打印强 弱不承担计算模型 弱以静态阅读为主 中受客户端与字体影响 强批注、修订、权限成熟
.XLSXExcel 中需维护单元格结构 中公式引用容易连锁 中图表强，叙事有限 强公式、模型、透视分析 中表单控件范围有限 中移动端复杂表格难读 强共享、权限、审计成熟
.PPTXPPT 中需布局与渲染工具 中元素定位与重排较重 强现场演示与视觉叙事 弱数据多为静态快照 中动画和触发器可用 中固定画布适配有限 强批注与共同编辑成熟
.MDMarkdown 强纯文本可直接生成 强结构简单，易做差异 弱复杂布局能力有限 弱只能嵌入结果 弱依赖外部渲染扩展 强轻量、开放、易转换 中适合版本管理，业务审阅弱
.HTMLHTML 强文本结构可直接生成 强可按元素与组件修改 强响应式布局与多媒体 中需JavaScript与数据源 强浏览器内直接运行 强链接打开、跨设备适配 中需平台补权限与审计

该表可左右滑动查看全部维度。

替代与融合已经发生

市场并不是简单地“用HTML淘汰旧格式”，而是在把PPT、文档和表格的成果， 继续推向可运行、可分享、可持续更新的网页形态。

PPT式课件
→ 互动网页

飞象老师：用HTML课件进入真实课堂

飞象星球公开信息显示，教师可用自然语言生成互动课件、课堂工具和可运行应用； 教育技术实践文章进一步披露，飞象老师2.0可把教案生成可直接上课的HTML交互式课件。 [9][10]

变化不是“把PPT做得更漂亮”，而是让课件具备互动、反馈和运行逻辑。

PPT / 文档
→ 发布网站

Gamma：演示与网站的边界正在变薄

Gamma支持通过提示词生成内容，也可把现有演示或文档转成单页、多页网站， 预览桌面、平板和手机效果后直接发布。[11]

同一份内容开始同时承担现场演示、会后阅读和链接传播。

对话内容
→ 可运行成果

Claude Artifacts：对话终点从文本变成应用

Claude可根据描述生成单页HTML、可交互组件、工具和可分享应用， 并在独立窗口中继续修改、预览和发布。[8]

AI交付的不再只是答案，而是用户可以继续使用的成品。

Excel报表
→ 数据工具

Rows：表格正在向网页工具延伸

Rows在表格中引入AI分析，并可把数据一键转成互动表单、看板或计算器， 通过链接分享给其他人使用。[12]

计算仍由表格承担，但最终交付越来越像可操作的数据产品。

结论

需要正式审阅、复杂计算或现场演示时，Word、Excel和PPT仍有不可替代的专业能力； 当成果需要同时满足AI快速制作、持续修改、多媒体、交互运行和跨端分发时， HTML体现出更完整的综合优势。

行业产品也在把传统文档能力推向网页交付；但HTML不是完整的企业文档系统，它的限制需要由工具链解决。

06 / 工具演进

HTML的限制，应由工具链解决

单个HTML文件不具备企业文档所需的协作、安全、数据与治理能力。 这些限制直接定义了编辑工具需要补齐的产品能力和演进优先级。

七项核心限制及对应的编辑器能力如下。

多人协作与修订
裸HTML缺少批注、修订、版本分支与冲突处理。
编辑器能力： CRDT实时协作、评论锚点、版本历史、差异审阅、可回滚发布。
脚本与内容安全
导入文件可能运行恶意脚本、访问网络或泄露敏感信息。
编辑器能力： Sandbox iframe、CSP、HTML Sanitizer、能力授权清单、可信/不可信双模式。
分页、打印与传统交付
屏幕布局与A4分页、投影页和正式归档存在差异。
编辑器能力： 分页预览、断页控制、演示模式、PDF/PPTX导出与模板化打印主题。
表格、公式与数据联动
静态HTML表格不具备Excel式公式、数据刷新和分析能力。
编辑器能力： 类型化数据层、公式引擎、CSV/XLSX导入、数据绑定、可复用图表组件。
事实引用与AI可追溯性
AI生成内容容易把事实、判断和推测混在一起。
编辑器能力： 引用组件、主张—信源映射、时间戳、可信度状态、事实变更提醒。
企业分发与权限
单文件便于传播，也容易出现越权分享和版本失控。
编辑器能力： 签名成果包、链接权限、离线资产打包、发布审批与审计日志。
无障碍与质量控制
AI能生成页面，但不保证语义、键盘、对比度和移动端质量。
编辑器能力： 语义检查、对比度与键盘检测、响应式预览、打印预检和发布评分。
P0 / 交付基础

让生成结果可放心交付

  • 安全导入与脚本隔离
  • 语义化内容编辑
  • 引用与事实状态组件
  • 打印预览和PDF导出
P1 / 团队协作

让人工微调进入团队流程

  • 批注、修订与版本历史
  • 数据绑定和公式引擎
  • 报告、看板、演示组件库
  • 响应式和无障碍预检
P2 / 成果平台

让HTML成为组织资产

  • 多人实时协作与分支
  • 权限发布与审计日志
  • 成果包与资产注册表
  • 跨文档数据和组件复用
07 / 工具链实践

HTML Canvas：把工具链判断做成自研工具

HTML Canvas不是独立于前述判断的展示项目，而是围绕“AI生成、人工微调、成果交付” 自研的可视化编辑工具，用真实HTML任务验证工具链方向。

自研工具 / 工具链实践

HTML Canvas · 可视化编辑器

当前版本覆盖HTML导入、元素点选、文本与样式修改、Flex/Grid布局调整、 AI补丁预览和完整HTML导出，先验证“模型生成后仍可人工控制和继续交付”。 后续将沿前述路线补齐安全隔离、引用治理、正式导出与团队协作。

HTML Canvas视觉编辑器导入备课分析页面后的真实界面
29秒产品演示 · 中文旁白
进入 HTML Canvas
本报告即实践

这份汇报本身，就是HTML作为AI成果交付层的一次验证

本报告没有把HTML仅作为网页展示形式，而是用它组织事实、判断、视觉、媒体和交互， 形成一份能够阅读、演示、操作、分享并继续修改的完整成果。

  • 报告结构 封面、章节导航、事实引用、对比矩阵和结论形成完整汇报链路。
  • 复合呈现 文字、表格、能力矩阵、真实产品视频和交互筛选统一在同一成果中。
  • 跨端交付 电脑与手机自适应呈现，并兼顾移动端提示、链接传播和打印输出。
  • 持续迭代 AI可以继续修改内容、布局和组件，再将更新后的成果快速重新发布。

它验证的不是“HTML替代所有格式”，而是HTML能够把不同专业工具产生的内容汇入一个可运行的最终成果。

08 / 资料来源

参考资料

文中的关键数据、时间节点和产品信息均据公开资料整理，来源详见下列条目。

[1]
官方 / OpenAI

GPT-5.6: Frontier intelligence that scales with your ambition

2026-07-09 · 型号层级、能力、可用性与价格

openai.com/index/gpt-5-6
[3]
官方 / Google

Gemini Omni Flash and Nano Banana 2 Lite

2026-06-30 · 多模态生成与编辑产品更新

blog.google / Gemini models
[6]
官方 / WAIC

2026 World Artificial Intelligence Conference

2026-07-17—20 · 大会日期、论坛与官方活动信息

worldaic.com.cn/events/forum
[8]
官方 / Anthropic Help

What are artifacts and how do I use them?

可交互成果（Artifact）形态包含文档、单页HTML、SVG、流程图和交互组件

support.claude.com / artifacts
[9]
官方 / 飞象星球

飞象老师与FX Coding产品介绍

自然语言生成互动课件、课堂工具和可运行、可复用的教学应用成果

feixiangxingqiu.com
[10]
教育技术实践 / 焦建利

飞象老师一句话生成整套互动课件

2026-05-30 · 上传教案生成可直接上课的HTML交互式课件

jiaojianli.com/22175.html
[12]
官方 / Rows

What’s Rows

AI辅助数据分析，并将表格转为互动表单、看板或计算器后分享

rows.com/docs/what-is-rows
资料说明：文中的关键数据、时间节点和产品信息均据所列公开资料整理； 对厂商未披露的信息不作确定性判断，涉及媒体报道或推测的内容均另行注明。