跳到正文
10月15日周四
  1. 阶跃星辰模型发布76

    阶跃星辰发布 Step 5 Preview 旗舰模型:600B 总参数、27B 激活参数、支持 1M 上下文

    阶跃星辰发布面向智能体任务的旗舰模型 Step 5 Preview,采用稀疏 MoE 架构,600B 总参数、27B 激活参数,上下文窗口最高 1M tokens,输入支持文本、图像和视频。

    推荐理由:阶跃星辰公开旗舰模型的参数规模、上下文长度与多框架部署配置,可据此判断其智能体任务的落地条件。

11月21日周六
11月18日周三
  1. The Verge · AI75

    Google 将 Spark 智能体更名为 Tasks 并免费开放

    Google 将其 Spark 智能体更名为 Tasks 并免费开放,该功能由新的 Gemini 4 Hydrogen 模型驱动,可制定餐食计划、管理日历、翻查邮件找出重复支出。

    推荐理由:Google 把 Spark 智能体改名为 Tasks 并免费开放,读者可了解其具体能力与分阶段开放范围。

11月16日周一
  1. 智东西75

    Mirendil完成10亿美元A轮融资,累计融资12亿美元

    美国大模型独角兽Mirendil于11月13日宣布完成10亿美元A轮融资,由Kleiner Perkins与Clearlake Capital联合领投,谷歌、英伟达等参与,多家媒体引用a16z内部信息称其估值约50亿美元。

    推荐理由:融资信息之外,文中还交代了这家公司用智能体完成预训练的成本与人力规模,可作为观察AI研发门槛变化的样本。

  2. 钛媒体75

    美国数据中心建设减速:电力、选票与现金流三重约束下的AI基建

    美国中期选举中41项数据中心相关地方提案有27项限制性提案全部通过,13项支持开发提案全部被否,11月5日费城半导体指数单日重挫12.25%。文章认为AI基建扩张同时撞上电力、民意和现金流三重约束:AI训练机柜功耗达30至100千瓦以上,2026年变电站变压器交付周期普遍在三年以上,微软800亿美元Azure订单积压部分因缺电无法交付。

    推荐理由:文章把电力、社区公投与现金流三条约束串成一条线索,解释美国数据中心扩张为何从抢芯片转向抢电。

11月11日周三
  1. The Decoder75

    ChinaTalk 调查:美国数据商向中国 AI 实验室出售约 5 亿美元 RL 训练环境

    ChinaTalk 调查称,Mercor、Surge AI、AfterQuery、Turing 等美国数据公司向中国 AI 实验室出售约 5 亿美元训练数据,其中部分为用于编码、金融分析、办公任务的强化学习环境。

    推荐理由:报道披露美国数据商向中国实验室出售 RL 环境的具体规模与渠道,并指出这类交易目前基本不受出口管制约束。

11月9日周一
  1. 雷锋网75

    百度文心披露 RSI 系统 ERNIE Evolve,已用于文心 5.5 Flash 推理优化

    百度文心首次披露自动研究系统 ERNIE Evolve,该系统由 Director、Selector、Executor、Evaluator、Reviewer 等智能体分工协作,自主提出研究方向、修改代码并验证结果。

    推荐理由:原文给出 ERNIE Evolve 的多智能体分工与三项生产优化数据,可观察 RSI 在推理基础设施上的实际落点。

  2. 量子位75

    量子位实测LobeHub:主管Agent自己派活招人,8分钟产出6条选题

    量子位作者用LobeHub组建了一支AI编辑部,让主编Agent Sienna带三位小编找选题,不到8分钟就交回6条带信源链接的AI动态简报。随后作者追加需求,Sienna没有召回原班人马,而是新建网页开发和QA两个Worker,直接沿用上一轮成果,约30分钟做出可筛选搜索的资讯看板。

    推荐理由:作者亲自用LobeHub组建AI编辑部实测两轮任务,展示了主管Agent派活、临时招人和跨轮接力的具体过程。

11月6日周五
  1. 新智元75

    DeepSeek Harness 上线月余日活超140万,官方筹备插件作者支持计划

    DeepSeek Harness 发布一个多月后日均活跃用户超140万、月活548万,日均消耗 Token 估计超91万亿,已有约3.5万个公开第三方插件。官方表示正在筹备插件作者支持计划,包括建官方插件市场、给 Token 补贴和流量推荐,并公开了7个创作者模式 Demo 与提示词。

    推荐理由:文章给出插件数量、用户参与比例和官方激励计划,可观察 Agent 产品把扩展权交给用户后的生态走向。

10月29日周四
10月23日周五
  1. 钛媒体75

    马斯克把 SpaceX 做成算力收租生意

    钛媒体文章分析 SpaceX 2026 年第三季度财报,其 AI 业务“超级智能”单季收入 75.6 亿美元、同比增长 830%,占总营收 52%,首次超过星链成为最大收入来源。文章梳理 Colossus 集群的建设速度与对外租赁模式,Anthropic 以最高 845 亿美元、Google 以每月 9.2 亿美元租用其算力容量,并提到 Cursor 收购并表与太空算力卫星计划。

    推荐理由:拆解 SpaceX 算力业务从建设速度到短约定价的账本,读者可据此理解 AI 基建竞争重心的转移。

11月17日周二
11月11日周三
  1. The Decoder74

    Nvidia 发布 GR00T 2 研究报告,可从人类视频学习机器人动作

    Nvidia 在新研究报告中介绍 GR00T 2,该模型不再直接由图像和语言指令生成动作,而是同时预测下一步动作与未来短视频画面,从而把人类动作迁移到机械臂。训练使用超过一千块 GB300 芯片的集群和约 40 万小时头戴相机拍摄的人类操作视频,新任务只需人用数据手套或手指外骨骼演示;实验室中五指机器人完成了点火柴、切香蕉等任务,成功率在 10% 到 80% 之间。

    推荐理由:原文给出 GR00T 2 从人类视频迁移动作的训练路径与各任务成功率区间,可据此判断减少遥操作的实际边界。

10月30日周五
11月3日周二
  1. 钛媒体73

    DeepSeek Harness 团队开源 Super-agent 原型 dsh-superagent-prototype

    10月31日晚,DeepSeek Harness 团队在官方公众号发布技术文章《Super-agent设计探索:迈向更自主的Agent系统》,配套原型 dsh-superagent-prototype 同日在 GitHub 以 MIT 协议开源。

    推荐理由:原文梳理了 DeepSeek 开源 Super-agent 原型的 router 与 worker 分工设计,并交代了融资背景与竞品格局。

11月21日周六
  1. IT之家72

    匿名 AI 模型 Gestalt 登顶 Contra 前沿设计榜单,Elo 1931 分超过人类参考作品

    Contra Labs 于当地时间 11 月 18 日发布 AI 设计能力评测榜单 Frontier Design Benchmark,代号 Gestalt 的隐身开发状态匿名模型以 Elo 1931 分、90% 胜率登顶,超过 Claude Fable 5.2 的 1713 分和 GPT-6.1 Sol 的 1668 分。

    推荐理由:榜单给出了匿名模型与人类设计师、主流模型在盲测偏好与执行质量上的分项差异,可据此理解设计评测的衡量方式。

11月20日周五
11月9日周一
  1. IT之家72

    谷歌推出 TPU 8tx 与 TPU 8i Max 两款芯片

    谷歌宣布扩充 TPU 产品阵容,推出面向机密计算的 TPU 8tx 和面向超长上下文窗口的 TPU 8i Max,预计明年上市。TPU 8tx 将与 AMD 芯片协同工作并在芯片层面加密数据,TPU 8i Max 则把两颗 TPU 集成在同一封装内以提升算力与内存容量。

    推荐理由:谷歌把 TPU 拆成机密计算与长上下文两个专业化版本,读者可据此看到 AI 芯片从通用走向分化的路径。

11月3日周二
11月2日周一
  1. 钛媒体72

    2800万用户养不活AI陪伴应用:Character.AI申请破产保护后的赛道复盘

    Character.AI近期申请破产保护,若出售无可行方案可能停止运营,这家曾月活约2800万的AI陪伴独角兽在2026年1月至8月算力支出约5610万美元,每月仍亏损约800万至900万美元。

    推荐理由:文章用C.AI的算力账单、订阅与广告收入数据,拆解AI陪伴产品高黏性却难变现的结构性矛盾。

10月29日周四
10月27日周二
  1. The Decoder72

    英伟达向 Meta 投资 30 亿美元,Meta 拟募资 950 亿美元扩建 AI 基础设施

    英伟达将向 Meta 计划中的股权发行投资 30 亿美元,两家公司同时宣布扩大围绕 Meta AI 产品 Muse 的合作。Meta 计划为下一代 AI 智能体使用更多英伟达基础设施,包括 Vera Rubin 系统和 Vera CPU,并拟通过股票发行募资至多 950 亿美元用于 AI 基础设施投入。

    推荐理由:英伟达以 30 亿美元认购 Meta 股权,同时两家扩大 Muse 合作,读者可据此观察算力供应商与客户之间的资金循环。

10月26日周一
  1. 钛媒体72

    国模沉寂两个月后,Kimi K3.1 Pro 能否挽回局面

    月之暗面于10月24日凌晨发布Kimi K3.1 Pro,Artificial Analysis将其智能指数排在全球第四,并判断权重发布后它将成为开放权重模型榜首。作者认为,在Anthropic等厂商强化反蒸馏机制的背景下,K3.1 Pro仍实现升级,为“国模全靠蒸馏”的说法提供了反例;其在Terminal-Bench4.0上得65.7分,仅次于Claude Opus5.5的66.4分。

    推荐理由:从国模沉寂与蒸馏质疑切入,借K3.1 Pro的榜单成绩讨论开源模型能否持续逼近闭源前沿。

10月25日周日
  1. The Decoder72

    Anthropic 称单智能体在质量、成本与延迟上常优于多子智能体架构

    Anthropic 表示,单个按需加载上下文的智能体在质量、成本和延迟上常优于多子智能体架构,从 Opus 4.5 起的新模型可在单一循环中直接管理复杂计划,一次对比中单智能体架构约快两倍。

    推荐理由:Anthropic 基于企业部署经验给出单智能体优于多子智能体的判断,并附迁移工具与适用边界。

10月15日周四
  1. 阶跃星辰模型发布72

    阶跃星辰发布 Step-5-Preview 旗舰模型,600B 总参数、27B 激活参数、支持 1M 上下文

    阶跃星辰发布面向智能体任务的旗舰模型 Step-5-Preview,采用稀疏 MoE 架构,600B 总参数、27B 激活参数,上下文窗口最高 1M tokens,输入支持文本、图像和视频。

    推荐理由:阶跃星辰公开旗舰模型的参数规模、1M 上下文与多框架部署配置,可据此判断其智能体任务的落地成本。

9月1日周二
6月15日周一
  1. 月之暗面 Kimi 模型发布72

    月之暗面发布 Kimi K2.7 Code 编码智能体模型

    月之暗面发布基于 Kimi K2.6 的编码智能体模型 Kimi K2.7 Code,在长周期真实编码任务上做了较大改进,思考 token 用量相比 K2.6 减少约 30%。

    推荐理由:模型卡给出与 K2.6、GPT-5.5、Claude Opus 4.8 的同基准对比,可据此判断其在编码智能体上的位置。

6月3日周三
  1. 阶跃星辰模型发布72

    阶跃星辰发布 Step 3.7 Flash 视觉语言模型

    阶跃星辰发布 Step 3.7 Flash,这是一个 198B 参数的稀疏 MoE 视觉语言模型,由 196B 参数语言主干与 1.8B 参数视觉编码器组成,每 token 约激活 11B 参数,吞吐最高 400 tokens/s,支持 256k 上下文窗口和低中高三档推理等级。

    推荐理由:原文给出稀疏 MoE 视觉语言模型的参数规模、三档推理等级与定价,可据此判断高频智能体工作流的成本与部署选择。

6月11日周四
  1. 字节 Seed 模型发布70

    字节开源 Bernini-Diffusers 完整视频生成与编辑管线

    字节 Seed 开源 Bernini-Diffusers,将基于 Qwen2.5-VL 的语义规划器、Bernini 规划权重与 Wan2.2 扩散组件打包为自包含目录,官方推荐用于复杂视频编辑请求。

    推荐理由:字节开源完整 Bernini 视频生成与编辑管线,读者可据此了解其语义规划加渲染的两段式结构及与 Bernini-R 的差异。

11月19日周四
11月11日周三
  1. 宝玉67

    Opus 5.5 发布之后,AI Agent 剪辑视频已经能替代初级剪辑师了。差不多就相当于 Claude Code 刚发布的时候一样,模型真的能自主完成复杂编程任务了,但这才刚开始,想想 Claude Code 发布才多久。 当年 Anthropic 专注于训练 Coding,没想到能解决这么多问题,连视频剪辑都能用 HTML、JavaScript 剪视频、生成动画。 在 Opus 5.5 之前我就在做剪辑的 Skill 和工具,但模型发布后发现绝大部分 Skill 都不需要了。 我自己有做过实验,同一个视频,不用任何 Skill,只提供 ASR 和 TTS 工具,Opus 5.5 做的比没有用 Skill 效果更好,这点跟推文中的经验基本吻合。 另外 Sabba 有一条建议跟我最近在做的事差不多,他建议:“不要重造专业剪辑软件的时间线,那个太难做,专心做好初剪,再方便地交给现有专业软件”。 我最近也把 BaoCut 的时间线编辑器退居二线了,太过复杂,默认应该只需要一个简单的视频预览播放。 如果你用 Agent 去生成、剪辑视频的话,编辑器越简单越好,只要能标记,方便的让 Agent 知道改哪就够了。 这其实和之前 Tibo 改造 Codex 的经历类似,Codex 不需要一个 VSCode 的代码编辑器,视频剪辑 Agent 也不需要一个视频编辑器。 转发的这两条推文有分享很多 AI Agent 剪辑的经验,有兴趣的可以看看。 --- 我把引用的两条推文放在一起总结一下: Alex Cooper 管着一支剪辑团队,每天出大量广告,讲的是怎么用;Sabba Keynejad 是在线视频剪辑工具 VEED 的联合创始人,讲的是市场会怎么变。 1. 视频剪辑在走编程走过的路 两人都认为 AI 智能体剪辑已经能用,而且现在是它最差的时候。Alex 团队的资深剪辑师说,同等质量下,他一天的产出是以前的 5 倍。 Sabba 预计一年内基础剪辑的成本会从几美元降到几美分。Sabba 也拿编程做类比:资深工程师当初最抵触 AI 写的代码,理由是质量和可维护性,后来还是接受了。他认为最好的剪辑师会是最大的批评者,但最终也会转过来。 2. 视频被当成代码问题解决了 Sabba 解释了为什么是现在:Anthropic 押注编程,模型会写代码,就能用 HTML/CSS、SVG、浏览器渲染、OpenCV 这些手段“写”出视频。之前有一批工具包专门给大模型补剪辑能力,Opus 5.5 出来后,很多用法就用不上了。他也承认,现在剪出来的东西还是更像网页,不太像视频。 Alex 的经验和这一点基本一致:他试过各种方案,最后发现不装 MCP、不装插件,全在 Claude 里做效果最好。通用模型能力上去后,夹在中间的工具层会被吃掉一大块,编程领域已经发生过一次。 3. 核心资产是 Skill,Alex 给了一套能照搬的做法 这是两条帖子里最有实操价值的部分: 按风格拆小 Skill:混剪、UGC(模仿普通用户自拍口吻的素材)、AI 动画各做一个,不做大而全的剪辑 Skill,这样每次加载的上下文都和当前任务相关。 起步:给 Claude 4~5 条参考作品,让它总结成 Skill。 训练:让 Skill 把资深剪辑师最近剪的 25 条广告重剪一遍,放进 Artifact,资深剪辑师逐条点评,反复做到 Skill 明白什么是好剪辑。 把隐性知识录下来:让顶尖剪辑师边剪边录屏,用 Google Meet 或 Loom 口述为什么这样切、为什么这个节奏、为什么选这段空镜。这些理由就是 Skill 最缺的上下文。 只让最强的剪辑师训练 Skill。 结果是大部分片子第一版或第二版就能过,偶尔要到第三版。这套方法换到写作、设计、客服话术上也成立:用参考样本起底稿,用历史作品批量重做,专家逐条反馈,再把专家做判断时的理由录下来。 4. 人的价值从操作转到品味 Alex 认为技术趋势挡不住,但品味仍然很值钱,因为训练 AI、给 AI 反馈都靠它。有品味的剪辑师会更值钱,没有的会越来越难。 Sabba 从另一头说了同一件事:初剪做对 80%~90% 已经不错,要做到优秀,靠的是反复迭代,创作者怎么给反馈、怎么让片子带上自己的风格,才是这类工具真正的价值所在。 5. 推广的分工:负责人搭框架,最强的人教 AI Alex 说,团队里推动 AI 的人搭好第一版就该让开。他说自己不是团队里最会剪的,他的工作是搭一套环境,让最会剪的人去训练 Skill。 在我看来,这同时化解了 Sabba 说的抵触问题:最可能反对的资深剪辑师,变成了教 AI 的人。另外他提醒要给资深剪辑师留出专门的时间,前期会有一段效率下降的阶段,不留时间,做出来的 Skill 质量一般,也省不了多少时间。 6. 两人的分歧,以及分歧背后的立场 Alex 全程在 Claude 对话里完成;Sabba 认为视频涉及时间轴和画面上的空间位置,只靠聊天不够,需要更复杂的界面。 Sabba 还认为品牌一致性和可重复性没解决,比如 Casey Neistat(风格很鲜明的 YouTube 博主)的视频一看就是他的,品牌方也需要在几百条视频里保持这种一致。但 Alex 那套“按风格拆 Skill + 反馈循环”的做法,本身就是在用户这一侧解决可重复性。 分歧有两个来源。Alex 做的是广告,时长短、套路固定、量大,最适合交给 AI。Sabba 是卖工具的,更好的界面正是他的生意。 7. 瓶颈会转移 Sabba 判断,剪辑变得几乎不费力后,创作者数量会暴增,拍摄和录制可能成为最大的瓶颈。Alex 说,他原以为还要 3~6 个月才能做到的事,现在已经能做了。 8. 给做工具的人的判断 Sabba 认为这个市场不会一家通吃,就像 Cursor 往大企业走、Lovable 服务不懂技术的用户。 基础剪辑撑不起长期优势,Anthropic、Google、OpenAI 迟早都会做;差异化要靠更深的工作流、垂直场景和好用的手机端。 他还建议不要重造专业剪辑软件的时间线,那个太难做,专心做好初剪,再方便地交给现有专业软件。

    引用宝玉@dotey

    Opus 5.5 发布之后,AI Agent 剪辑视频已经能替代初级剪辑师了。差不多就相当于 Claude Code 刚发布的时候一样,模型真的能自主完成复杂编程任务了,但这才刚开始,想想 Claude Code 发布才多久。 当年 Anthropic 专注于训练 Coding,没想到能解决这么多问题,连视频剪辑都能用 HTML、JavaScript 剪视频、生成动画。 在 Opus 5.5 之前我就在做剪辑的 Skill 和工具,但模型发布后发现绝大部分 Skill 都不需要了。 我自己有做过实验,同一个视频,不用任何 Skill,只提供 ASR 和 TTS 工具,Opus 5.5 做的比没有用 Skill 效果更好,这点跟推文中的经验基本吻合。 另外 Sabba 有一条建议跟我最近在做的事差不多,他建议:“不要重造专业剪辑软件的时间线,那个太难做,专心做好初剪,再方便地交给现有专业软件”。 我最近也把 BaoCut 的时间线编辑器退居二线了,太过复杂,默认应该只需要一个简单的视频预览播放。 如果你用 Agent 去生成、剪辑视频的话,编辑器越简单越好,只要能标记,方便的让 Agent 知道改哪就够了。 这其实和之前 Tibo 改造 Codex 的经历类似,Codex 不需要一个 VSCode 的代码编辑器,视频剪辑 Agent 也不需要一个视频编辑器。 转发的这两条推文有分享很多 AI Agent 剪辑的经验,有兴趣的可以看看。 --- 我把引用的两条推文放在一起总结一下: Alex Cooper 管着一支剪辑团队,每天出大量广告,讲的是怎么用;Sabba Keynejad 是在线视频剪辑工具 VEED 的联合创始人,讲的是市场会怎么变。 1. 视频剪辑在走编程走过的路 两人都认为 AI 智能体剪辑已经能用,而且现在是它最差的时候。Alex 团队的资深剪辑师说,同等质量下,他一天的产出是以前的 5 倍。 Sabba 预计一年内基础剪辑的成本会从几美元降到几美分。Sabba 也拿编程做类比:资深工程师当初最抵触 AI 写的代码,理由是质量和可维护性,后来还是接受了。他认为最好的剪辑师会是最大的批评者,但最终也会转过来。 2. 视频被当成代码问题解决了 Sabba 解释了为什么是现在:Anthropic 押注编程,模型会写代码,就能用 HTML/CSS、SVG、浏览器渲染、OpenCV 这些手段“写”出视频。之前有一批工具包专门给大模型补剪辑能力,Opus 5.5 出来后,很多用法就用不上了。他也承认,现在剪出来的东西还是更像网页,不太像视频。 Alex 的经验和这一点基本一致:他试过各种方案,最后发现不装 MCP、不装插件,全在 Claude 里做效果最好。通用模型能力上去后,夹在中间的工具层会被吃掉一大块,编程领域已经发生过一次。 3. 核心资产是 Skill,Alex 给了一套能照搬的做法 这是两条帖子里最有实操价值的部分: 按风格拆小 Skill:混剪、UGC(模仿普通用户自拍口吻的素材)、AI 动画各做一个,不做大而全的剪辑 Skill,这样每次加载的上下文都和当前任务相关。 起步:给 Claude 4~5 条参考作品,让它总结成 Skill。 训练:让 Skill 把资深剪辑师最近剪的 25 条广告重剪一遍,放进 Artifact,资深剪辑师逐条点评,反复做到 Skill 明白什么是好剪辑。 把隐性知识录下来:让顶尖剪辑师边剪边录屏,用 Google Meet 或 Loom 口述为什么这样切、为什么这个节奏、为什么选这段空镜。这些理由就是 Skill 最缺的上下文。 只让最强的剪辑师训练 Skill。 结果是大部分片子第一版或第二版就能过,偶尔要到第三版。这套方法换到写作、设计、客服话术上也成立:用参考样本起底稿,用历史作品批量重做,专家逐条反馈,再把专家做判断时的理由录下来。 4. 人的价值从操作转到品味 Alex 认为技术趋势挡不住,但品味仍然很值钱,因为训练 AI、给 AI 反馈都靠它。有品味的剪辑师会更值钱,没有的会越来越难。 Sabba 从另一头说了同一件事:初剪做对 80%~90% 已经不错,要做到优秀,靠的是反复迭代,创作者怎么给反馈、怎么让片子带上自己的风格,才是这类工具真正的价值所在。 5. 推广的分工:负责人搭框架,最强的人教 AI Alex 说,团队里推动 AI 的人搭好第一版就该让开。他说自己不是团队里最会剪的,他的工作是搭一套环境,让最会剪的人去训练 Skill。 在我看来,这同时化解了 Sabba 说的抵触问题:最可能反对的资深剪辑师,变成了教 AI 的人。另外他提醒要给资深剪辑师留出专门的时间,前期会有一段效率下降的阶段,不留时间,做出来的 Skill 质量一般,也省不了多少时间。 6. 两人的分歧,以及分歧背后的立场 Alex 全程在 Claude 对话里完成;Sabba 认为视频涉及时间轴和画面上的空间位置,只靠聊天不够,需要更复杂的界面。 Sabba 还认为品牌一致性和可重复性没解决,比如 Casey Neistat(风格很鲜明的 YouTube 博主)的视频一看就是他的,品牌方也需要在几百条视频里保持这种一致。但 Alex 那套“按风格拆 Skill + 反馈循环”的做法,本身就是在用户这一侧解决可重复性。 分歧有两个来源。Alex 做的是广告,时长短、套路固定、量大,最适合交给 AI。Sabba 是卖工具的,更好的界面正是他的生意。 7. 瓶颈会转移 Sabba 判断,剪辑变得几乎不费力后,创作者数量会暴增,拍摄和录制可能成为最大的瓶颈。Alex 说,他原以为还要 3~6 个月才能做到的事,现在已经能做了。 8. 给做工具的人的判断 Sabba 认为这个市场不会一家通吃,就像 Cursor 往大企业走、Lovable 服务不懂技术的用户。 基础剪辑撑不起长期优势,Anthropic、Google、OpenAI 迟早都会做;差异化要靠更深的工作流、垂直场景和好用的手机端。 他还建议不要重造专业剪辑软件的时间线,那个太难做,专心做好初剪,再方便地交给现有专业软件。

    推荐理由:新报道汇集 Alex Cooper 与 Sabba Keynejad 关于 Opus 5.5 后 AI Agent 剪辑的具体实操方法(按风格拆 Skill、用 25 条广告重剪训练、录屏口述隐性知识)、产出效率数据与市场分歧判断,均为已公开精选未覆盖的新信息。

11月9日周一
10月30日周五
  1. 面壁 MiniCPM 模型发布67

    面壁发布 MiniCPM-V 4.7 35B-A3B GPTQ 量化版

    面壁发布 MiniCPM-V 4.7 35B-A3B 的 GPTQ(W4A16)量化版本,该变体是 MiniCPM-V 系列首个 MoE 模型。

    推荐理由:面壁发布 MiniCPM-V 4.7 的 35B-A3B MoE 变体,并给出端侧推理速度与显存占用数据,可据此判断开源多模态模型的端侧部署边界。

  2. 腾讯混元模型发布66

    腾讯优图发布 5B 多模态解析模型 Youtu-Parsing-Omni

    腾讯优图实验室发布 5B 参数的多模态解析模型 Youtu-Parsing-Omni,用单一 Youtu-Omni-Encoder 处理文档页、自然图像、图表、流程图、几何图、音频和音视频输入,按任务提示词输出统一的 OmniSchema JSON。

    推荐理由:5B 参数统一编码器覆盖文档、图像、音视频七类解析任务,并给出 vLLM 插件与评测代码,可据此判断轻量多模态解析的落地成本。

8月13日周四
11月12日周四
  1. 面壁 MiniCPM 模型发布62

    面壁智能发布 MiniCPM5 系列首款模型 MiniCPM5-1B

    面壁智能发布 MiniCPM5 系列首款模型 MiniCPM5-1B,这是一个 1B 稠密 Transformer,面向端侧与本地部署,官方称其在同尺寸开源模型对比中达到 SOTA,优势集中在工具调用、代码生成和困难推理。

    推荐理由:1B 稠密模型给出完整训练配方与多后端部署路径,可对照同尺寸开源模型看端侧能力边界。

10月21日周三
  1. NVIDIA Blog62

    英伟达 GTC Berlin 2026:黄仁勋发布 DSX POD 与 OpenShell 智能体安全架构

    英伟达 CEO 黄仁勋在 GTC Berlin 2026 主题演讲中发布 DSX POD 参考设计,将 Vera Rubin AI 工厂装入模块化集装箱,现场部署时间可从六个月缩短至 14 天。

    推荐理由:黄仁勋在 GTC Berlin 集中发布 DSX POD、OpenShell 安全智能体架构与 Agent 知识层,可据此观察英伟达如何把智能体纳入自家全栈基础设施。

11月20日周五
  1. 腾讯混元模型发布60

    腾讯开源 WeMM-Video-4B 音视频理解模型

    腾讯发布 WeMM-Video 系列中的稠密 4B 模型 WeMM-Video-4B,可同时接收文本、图像、音频和视频并输出中英文文本回复,支持结合视频画面与原声描述事件、转写语音。

    推荐理由:腾讯开源 WeMM-Video 系列中的 4B 稠密模型,公开了量化版本与 vLLM、SGLang 部署方式,可供评估音视频联合理解的开源方案。