AI日报｜DeepSeek 全面开放 App 全栈能力 API、OpenAI 推出 ChatGPT Wallet、llama.cpp 发布 1.0 稳定版

模型发布与开源

MiniMax 开源多图编辑与 4K 图像模型 H3-Image MMiniMax

• 一句话概括：MiniMax 正式开源图像生成与编辑大模型 H3-Image，具备单步 1600 万像素超高清画面直出与支持多达 16 张参考图联合控制的能力。
• 评测榜单表现：在 Artificial Analysis 多图编辑竞技场（Multi-Image Edit Arena）以 1365 分位居全球开源模型首位，逼近闭源第一梯队。
• 技术规格与生成能力：原生支持直接生成 4096×4096 方图或 5472×3072 横图，并允许用户同时输入最多 16 张参考图分别锁定主体、构图与光影风格。
• 推理部署与生态集成：模型权重已在 Hugging Face 开放下载，支持接入 SGLang、vLLM 与 ComfyUI，并同步在开放平台提供 API 服务与限时优惠。
• 传送门：

  View post on X by @arena

  在 X 上查看 @arena 的貼文 ↗

腾讯混元发布全新端到端实时语音模型 Hy Realtime 腾腾讯混元

• 一句话概括：腾讯混元推出端到端实时语音大模型 Hy Realtime，在拟人化自然口语交互的基础上强化了智能体工具调用与多风格点歌演唱能力。
• 口语理解与鲁棒纠错：针对现实对话中的发音含糊、打断插话与中途纠错具备强上下文恢复能力，显著提升多轮长对话与复杂任务中的指令遵循稳定性。
• Agentic 统一工具调用：具备自主调用外部工具能力，能结合对话上下文精准判断是否发起联网搜索，实现搜索规划、工具调度与语音作答的端到端统一。
• 高表现力歌唱与产品落地：联合腾讯音乐打磨自然声乐表现力，支持按年代、语种和曲风即兴组合点歌演唱，目前已在腾讯元宝与腾讯客服正式上线。
• 传送门：腾讯云官方体验
• 传送门：微信公众平台发布说明

llama.cpp 正式发布 1.0.0 稳定大版本 GGeorgi Gerganov / llama.cpp

• 一句话概括：作为全球本地 AI 推理的底层支柱，llama.cpp 正式发布首个重大稳定版本 v1.0.0，确立了长期稳定的 API 规范。
• 长期稳定接口保障：确立了核心架构与库接口的长期兼容标准，为全球基于该项目构建的上层应用与数百万开发者提供坚实可靠的底层支撑。
• 全芯片与全模型格式兼容：保持对从移动手机、边缘设备到消费级显卡与工作站的全平台覆盖，持续赋能用户在本地独立掌控智能且数据不出本地。
• 开源生态广泛共鸣：Hugging Face CEO Clément Delangue 等行业领袖高度评价该版本，指出这是保障开源社区与分布式 AI 抗衡中心化垄断的关键一步。
• 传送门：Hugging Face 官方博客公告

Runway 开源 27B 具身智能预测模型 Praxis-1 RRunway

• 一句话概括：Runway 推出 27B 参数的混合专家（MoE）扩散 Transformer 模型 Praxis-1，可同时预测机器人的未来物理操作动作与视频画面。
• 动作与视觉联合预测：采用单一统一架构，打破传统控制算法与视觉生成的割裂，让具身智能体在预测世界动态演变的同时输出精准控制轨迹。
• 基于 LeRobot 开源数据训练：依托 LeRobot 社区分享的数千个机器人操作数据集训练而成，利用 NVFP4 量化技术实现在单张消费级 RTX 5090 显卡上流畅部署。
• 实体机器人验证与开源：已在开源硬件机械臂 SO-101 上验证通过，模型检查点与环境部署说明均已在 GitHub 仓库全面公开。
• 传送门：GitHub 开源仓库
• 传送门：Runway 官方技术报告

产品发布与更新

DeepSeek 正式开放全家桶应用 API：全栈对话与多模态能力免二次开发 深深度求索 (DeepSeek)

• 一句话概括：DeepSeek 宣布将官方 App 对话背后的全套产品能力通过 API 完整开放，涵盖深度思考搜索、文件输入、链接抓取以及独立的 OCR、ASR 和 TTS 接口。
• 原生功能一键开启：在现有的 Messages 与 Chat Completions 接口中只需传入对应参数，即可直接使用深度思考联网检索、长网页内容解析与跨格式文档输入能力。
• 底层原子能力单独调用：将 OCR 文字识别、ASR 语音识别、TTS 语音合成及网页抓取等底层工具拆解为独立接口，方便开发者按需接入自有工作流而无需外接第三方服务。
• 开源前端客户端支持：官方同步在 GitHub 开源基于 React 和 TypeScript 构建的无后端 Demo，不仅具备完整的对话分支与流式交互，还支持直接导入 DeepSeek 官方历史会话。
• 传送门：官方 API 开发指南
• 传送门：微信公众号官方发布说明
• 传送门：官方开源前端项目

OpenAI 推出 ChatGPT Wallet：支持智能体安全代客完成线上支付 OOpenAI

• 一句话概括：OpenAI 正式发布 ChatGPT Wallet，让 ChatGPT Work、Codex 以及 dots 智能体在用户授权监管下代为执行商品选购与在线交易支付。
• 联合卡组织与代币化安全：与 American Express、Mastercard 和 Visa 达成深度合作，利用支付令牌化技术实现结算，智能体与商户全程无法接触用户真实卡号。
• 强制安全审核与额度管控：每笔支付均需经过系统安全风控与用户明确审批，用户可灵活设定支出限额，保障智能体自主消费过程透明可控。
• 首发覆盖范围：首批面向美国境内的 ChatGPT Pro 订阅用户开放测试，初期重点赋能 dots 智能体在日常电商场景中的自主选购。
• 传送门：OpenAI 官方博客发布专文

Anthropic 重大升级 Claude Code Projects：新增主动协调器与分支线程提醒 AAnthropic

• 一句话概括：Anthropic 对 Claude Code 中的 Projects 项目功能做出重磅更新，让 Claude 能够跨多个并行工作线程主动调度工程任务并汇报进度。
• 主动工程协调器：项目内的协调器能力升级，可在项目主对话中主动解答工程疑问，并定时向开发者通报所有后台正在推进的子线程执行状态。
• 分支管理与思路探索：新增 /btw 命令为偶发灵感或临时查询开辟独立子线程以维持主干整洁，新增 /fork 命令从现有会话分叉探索替代技术路线。
• 线程休眠与唤醒提醒：支持为特定线程设置定时提醒，未激活时会自动移出视线以降低信息干扰，时间到达后由 Claude 在主项目对话中重新提起。
• 传送门：

  View post on X by @ClaudeDevs

  在 X 上查看 @ClaudeDevs 的貼文 ↗

Cognition 发布 Devin Apps：一键将智能体构建的代码部署为云端 Web 应用 CCognition

• 一句话概括：AI 软件工程师 Devin 推出应用托管环境 Devin Apps，支持将智能体生成的全栈代码即时转化为安全、私密且可直接交互的云端应用。
• 端到端免配置托管：应用直接运行在 Devin 专属的云端虚拟计算机基础设施之上，免去开发者自行申请域名、配置服务器与调试环境变量的繁琐流程。
• 深度适配企业开发场景：特别针对内部数据分析看板、交付前功能预览（Preview Deployments）以及针对 Devin 自身的扩展工具进行了深度性能优化。
• 受控安全共享协作：支持直连生产或预发数据库，提供细粒度的权限控制体系，团队成员通过安全链接即可无缝体验完整功能并即时提供反馈。
• 传送门：Devin Apps 体验入口
• 传送门：官方技术解析博客

Perplexity 在 macOS 原生客户端正式上线 Teammates 智能体系统 PPerplexity

• 一句话概括：Perplexity 宣布面向 Mac 桌面端 Max 订阅用户推出 Teammates 多智能体协作系统，支持用户调度专属智能体自主处理日常任务。
• 预设多元专长角色：内置负责代码质检、用户服务、深度市场调研及增长营销等专职智能体，支持独立执行复杂流程或跨团队多智能体联合协作。
• 端云混合编排模式：采用云端调度器全局协调、本地子智能体运行敏感代码的混合架构，在确保数据安全的前提下显著提升运行吞吐。
• 高并发长程实测验证：官方演示中，视频制作类 Teammate 能够自主拆解任务并调度 48 个计算沙箱，仅用 3 小时即完成高精度 3D 渲染与成片输出。
• 传送门：官方产品指南

行业动态

英伟达换帅持续引发产业巨震：员工发起请愿挽留黄仁勋，百亿算力担保细节浮出水面 华华尔街日报 / WIRED

• 一句话概括：黄仁勋离职事件在半导体与 AI 资本市场持续引发反弹，英伟达内部涌现大规模支持请愿，媒体进一步披露其离任深层原因涉及激进的巨额算力财务担保。
• 内部员工请愿与高管澄清：英伟达内部建议箱获得超 1600 条支持黄仁勋的留言，多位工程师呼吁公布调查真相；研究副总裁 Bryan Catanzaro 澄清网传联名信系伪造并表态支持临时 CEO Colette Kress。
• 数百亿表外算力担保博弈：《华尔街日报》报道透露，董事会决策的核心分歧在于英伟达资产负债表承担的巨大风险，黄仁勋此前曾向 AI 云厂商和算力中心提供数百亿美元信用担保换取订单分成，包括对 OpenAI 俄亥俄数据中心的高额担保。
• 新管理层全面收缩杠杆承诺：临时管理层正迅速清理并压缩此类高风险表外财务承诺，已将部分极端担保规模缩减过半，引发创投界对未来 AI 数据中心扩张节奏的重新评估。
• 传送门：The Decoder 深度分析报道

LangChain 完成 3 亿美元 C 轮融资，投后估值达 30 亿美元 LLangChain / TechCrunch

• 一句话概括：主流智能体开发框架与治理平台 LangChain 宣布完成 3 亿美元 C 轮融资，估值达 30 亿美元，加速打造跨框架的智能体基础设施。
• 头部机构联合领投：本轮融资由谷歌母公司旗下 CapitalG 领投，GIC、DFJ Growth、Salesforce Ventures、Insight Partners、IVP 及红杉资本等机构共同参投。
• 商业化业务高速扩张：官方披露其智能体运行时治理平台 LangSmith 已服务超过 7000 家企业客户，年化收入与调用规模保持数倍高速增长。
• 全生命周期平台战略：新资金将用于把 LangSmith 全面升级为框架无关（Framework-agnostic）的一站式平台，深度覆盖智能体开发、评测、监控运行与合规治理。
• 传送门：TechCrunch 融资独家报道
• 传送门：官方博客融资公告

Meta 联合 Sierra 发布个人智能体开放通信协议 Poppy v1.0 MMeta / Sierra

• 一句话概括：Meta 与 Sierra 联合发布面向个人智能体的开放标准 Poppy v1.0，旨在打通个人 AI 助理与企业业务系统之间的安全交互通道。
• 规范个人智能体跨域操作：定义了个人专属智能体（如 Meta Muse）如何代表用户合法、合规地与企业客服智能体、官方网站和后端业务 API 开展数据查询与事务处理。
• 融合前沿工业互联标准：深度整合 Model Context Protocol（MCP）、OpenAPI 以及通用商业协议 UCP，底层鉴权采用 OAuth 授权机制，确保用户自主把控数据披露与扣费权限。
• 商业生态首发接入落地：Meta 旗下智能体产品率先全面适配该协议，身份认证提供商 Descope 同步推出了支持 Poppy 标准的代理访问服务 Envoy。
• 传送门：Sierra 官方协议发布公告

论文与研究

Google DeepMind 开源全球天气与气候核心基准数据集 PARDIG 与 SatWeave GGoogle DeepMind

• 一句话概括：Google DeepMind 正式对外开源其下一代气象预测模型 WeatherNext 3 的底层基石数据集，大幅提升全球降水与云系动态监测精度。
• PARDIG 降水高频估算：实现了每 15 分钟对全球降水量进行一次高精度实时估算，在缺乏地面雷达覆盖的区域将极端强降水检测技能提升超过 30%。
• SatWeave 卫星数据融合：整合多颗地球静止轨道卫星观测数据，每 60 分钟合成全天候地球云层与风暴系统的统一全景动态视图。
• 开放科研数据资产：两大数据集已全面开放，研究人员与开发者可通过 Google Cloud Storage 与 Earth Engine 直接获取并投入防汛预警及清洁能源预测研究。
• 传送门：

  View post on X by @GoogleDeepMind

  在 X 上查看 @GoogleDeepMind 的貼文 ↗

Anthropic 发表前沿系统架构研究：构建跨会话常驻智能体的五大核心原语 AAnthropic

• 一句话概括：Anthropic 团队系统性梳理了常驻智能体（Always-on Agents）的设计范式，深入阐述如何实现跨会话持久运行且自主行动的生产级智能体架构。
• 智能成本下降推动架构演变：研究指出模型自主推理能力的突破，叠加长程推理成本的大幅压缩（如 Opus 5.5 单任务成本比前代降低 78%），使常驻智能体在经济上具备规模可行性。
• 系统解耦五大基础原语：系统提炼了包括环境触发器（Triggers）、动态状态管理、记忆抽象与检索、分级工具权限控制以及闭环自愈验证在内的关键解耦方案。
• 人机协同信任机制：强调常驻智能体应具备明确的主动行动边界与中断仲裁机制，避免由于模型漂移导致无休止无效循环或产生预期外的外部系统破坏。
• 传送门：Anthropic 官方研究专文

UCSD 团队开源智能体验证工具 vstack：在 vLLM 中排查出 17 项隐蔽并发与缓存漏洞 加加州大学圣地亚哥分校 (UCSD Hao AI Lab)

• 一句话概括：加州大学圣地亚哥分校研究团队利用自主研发的智能体形式化验证工具 vstack，在开源推理引擎 vLLM 中捕获多项可导致输出静默损坏的关键 Bug。
• 流式输入越界写共享缓存：发现 vLLM 在处理长会话流式请求时未校验全局 Token 总长，导致数据越界写入公共前缀缓存块，使后续复用该缓存块的并发会话输出在无报错情况下被严重篡改。
• 前缀匹配全零块与标签撞车：揭露混合模型细粒度前缀匹配中过早标记未写入缓存块导致全零块扩散的缺陷，以及分布式共享缓存下未引入随机盐导致的不同图像标签跨机器撞车漏洞。
• 开源协同修复：研究团队已公开 5 个核心漏洞的详细复现用例与对应的社区修复 Pull Request（包含 #67451、#67457 等），并放出了 vstack 验证插件供社区使用。
• 传送门：

  View post on X by @haoailab

  在 X 上查看 @haoailab 的貼文 ↗

其他分享

Cloudflare 正式开源专为 AI 智能体设计的无状态浏览器 Kitesurf CCloudflare

• 一句话概括：Cloudflare 宣布在 GitHub 上以 Apache 2.0 许可证开源轻量级浏览器引擎 Kitesurf，专为运行在边缘无状态环境中的 AI 智能体定制。
• 完全基于边缘 Workers 架构：无需传统的重型容器即可完成完整的 HTML 解析、CSS 布局应用、JavaScript 代码执行以及页面无损屏幕截图。
• 原生兼容 CDP 协议：全面支持 Chrome DevTools Protocol，开发者可直接使用 Puppeteer 等成熟工具库无缝对接，轻松实现智能体自动化网页操作。
• 极低资源消耗与开源自由：相较传统无头浏览器大幅降低 CPU 与内存开销，开发者既可本地私有化编译运行，也可一键部署至自有的 Cloudflare Workers 边缘计算网络中。
• 传送门：Cloudflare 官方开源博客