一周AI速览：模型跃迁、应用创新与全球博弈

本周全球AI圈似乎波澜不惊，但有这种感觉完全是因为我们早已被各种“突破””颠覆“轰炸得神经麻木，仔细看看步伐丝毫没有放缓，精彩依旧！各家大厂还在不断发布重磅消息，从基础模型的性能飞跃到创新应用的落地，再到战略层面的深远布局和地缘政治的影响（竞争白热化！），无不预示着人工智能还在以接近光速向前狂奔。Sam Altman在国会听证会上希望大家“系好安全带”！为这一周的密集发布潮定下基调。以下将依据内容类别，再次为大家详细梳理本周AI世界的脉动。烧脑不易，如觉有益，欢迎关注点赞转发打赏，一键三连，丰俭随意。

模型巨头竞速：性能、成本与创新

本周，大型语言模型（LLMs）领域迎来了多项关键更新，性能边界被进一步拓宽，同时成本效益也得到了显著提升，模型架构和训练方法呈现多样化。

Google:

发布了新版本的Gemini 2.5 Pro IO 版，这是为即将到来的 Google IO 大会做的准备。用户反馈显示其性能远超现有版本。在 Web 开发领域的基准测试中位列第一，并在前端、UI 开发、代码转换、编辑、代理工作流等方面有所改进。该版本已可通过 AI Studio 和 API 获取。
Gemini 2.5 Pro 和 Flash 模型支持隐式缓存功能，可将成本降低75%，且该功能已默认开启。
发布了Gemini 2.5 Flash Preview模型。这款被描述为 Gemini 的旗舰最强模型，价格极为低廉，每百万 Token 仅需15 美分，远低于 OpenAI、Anthropic 等竞争对手的同类模型。性能在多方面领先，在“人类最后的测验”中得分为 12%，虽略低于 OpenAI 的 O4 Mini (14%)，但超越其他模型。它是一款混合推理模型，用户可选择开启推理功能，这被视为 Google 工程实力的体现。
尽管在 SQL 查询基准测试中表现令人失望，仅排名第 12 位，且速度慢（40 秒），有效性仅为 92%，但在英文查询和编码的 LM Arena 测试中，Gemini 2 X0325位列第一。

OpenAI:

发布了O3 和 O4 Mini 模型。它们被认为是迄今为止最强的推理模型，有评测认为其性能已超越 Gemini 2.5 Flash。
O3在工具性方面表现出色，可调用网页搜索、代码执行、图像生成等多种工具。
O4 Mini是一个强大的多模态模型，能分析视频和图像并据此行动。在 SWE bench 等测试中，它们远超旧模型，是当前最强推理模型。用户可在 ChatGPT 上直接体验。
发布了旗舰模型 GPT-4.1。此前的 GPT-4.5 可能转为内部其他用途，建议由 4.1 替代。4.1 有三个版本：4.1、4.1 Million 和 4.1 Nano。其整体性能已完全超越其 PT 系列，在智能数据和 SWE bench 等测试中表现突出。最新模型支持 165 万个 Token 的超长上下文窗口。目前仅通过 API 提供使用。
同时，OpenAI 也提供了关于“何时使用各个模型”的指南，解释了提供多种模型的原因（测试改进、性能权衡），并详细介绍了 GPT40、4.5、04 Mini、04 Mini High、03、01 Pro mode 的特点及适用场景。
面向开发者推出了强化微调功能，允许用户根据领域知识通过响应评分来训练模型符合其偏好。

Mistral AI:

发布了Medium 3 模型，性能优异，在基准测试中超越了 Llama 4 Maverick，并与 Claude Sonnet 3.7 持平或优于其 90% 的性能。该模型不开源，但价格非常实惠，API 使用成本极低，输入每百万 token 40 美分，输出 2 美元，输入价格与 GPT4.1 mini 相近，但输出价格更便宜。

Anthropic:

Claude Sonnet 3.7在 SQL 查询基准测试中排名第一，速度极快，仅需 4 秒。Claude Sonnet 3.5 排名第三。
值得一提的是，其 Claude 系统提示词非常长，每次查询前都会附加。
与 Google Workspace 进行了深度集成，推出了Claude Research 工具，可访问用户的邮件、日历、Google Drive 数据，并生成研究报告或发送结果。

Amazon:

承认其 Nova 系列模型性能曾落后。
推出了Nova Premiere 模型，这是一个大型教师模型，具有 100 万 token 的上下文长度，擅长复杂任务和多步规划，支持与工具和数据源协同工作。它完全支持多模态，并支持代理工作流、RAG 和函数调用。然而，在基准测试中，Nova 模型仍显著落后于 Google Gemini。它在知识检索和视觉理解方面表现良好，可在 Bedrock 中使用，但价格昂贵。

Nvidia / ServiceNow:

联合推出了April Neimatron 15B，这是一个开源的推理模型，具有低延迟和低推理成本，适用于企业 AI 代理和实时工作流自动化。它在使用更少 tokens 的情况下，性能优于或匹配 Quen QWQ32B 模型。在企业任务和学术基准测试中表现强劲。Nvidia 还开源了其他代码推理模型：Neimatron 32B、14B、7B，使用 Apache 许可，在 Live Code Bench 上击败了 OpenAI 的 03 mini 和 01 模型。

Cognition:

发布了开源模型 Kevin 32B，它是 Devon（自主软件工程师）的开源替代品。该模型专门设计用于编程 GPU CUDA kernels，构建于 Quen 模型之上，拥有 320 亿参数。其在 CUDA kernels 相关基准测试中表现出色，击败了其他模型。它是一个代理系统，工作流程包括分解任务、研究解决方案和生成代码。

Baidu:

发布了Ernie X1 和 X5 Turbo 模型。X5 Turbo 是快速模型，价格比前代降低80%。X1 是深度推理任务模型，据称优于 Deepseek R1 和 O1。这些模型在多模态基准测试中表现出色，Ernie 4.5 Turbo 在许多多模态基准测试中优于 GPT-4o，并与 GPT-4.1 具有竞争力。定价也具有竞争力。

Alibaba:

以开放许可发布了Quen Free 模型，提供从 6 亿到 2350 亿参数的多种版本。这些模型被描述为混合模型，既有推理能力，也能快速回答简单问题，用户可以控制模型的“思考预算”。它们使用了专家混合 (MoE)架构，最大模型尽管有 2350 亿参数，实际激活的参数数量较低。目前最大的公开可用模型 Quen Free 32B 在一些基准测试中表现良好，在某些方面超越了 OpenAI 的 O1 模型。
Quen 3在36 万亿 tokens上进行了预训练，训练方法与 Deepseek R1 非常相似，包括冷启动长思维链训练和基于推理的强化学习。一个 40 亿参数的密集模型 (Quen 3 4B) 在许多基准测试中与 GPT-4 和 Deepseek V3 具有相似性能，这被认为是令人震惊的。

Prime Intellect:

推出了Intellect 2，这是第一个全球分布式强化学习训练运行，针对一个 320 亿参数的模型。该项目允许任何人贡献计算资源。使用了 Prime RL 库和其他基础设施。它从 QW32B 基本模型开始，应用了 Deepseek R1 使用的 GRPO 算法，并使用了来自数学和编码的可验证奖励。
这个项目被视为令人印象深刻的工程壮举，具有重要的战略意义。它基于 DLCO 技术，核心服务器协调活动，需要快速广播更新后的模型权重到推理节点。推理节点（可能是消费级 GPU 池）进行 rollout 并生成奖励。引入了验证节点来确认 rollout 和奖励的合法性。他们发现，即使推理节点使用的模型版本落后最多四步，对训练过程也没有明显影响，这被称为“四度异步性”，表明分布式 RL 范式具有很高的容错性。

Bitnet:

发布了Bitnet B1.58 2B4T 技术报告，这是第一个在大型数据集上训练的开源原生一比特语言模型。该模型拥有 20 亿参数，在 4 万亿 tokens 上训练，具备能力。Bitnet 使用非常低的权重分辨率，Bit 1.58 实际上是三态（-1, 0, 1）。它在低分辨率下表现惊人，同时超级高效、低成本，权重和代码已发布，可在 GPU 和 CPU 上运行。在模型内存占用与性能的权衡上，Bitnet B1.58 遥遥领先，内存占用极小（0.4 GB），性能与大小为其五倍以上的模型相当。注意，只有 MLP 层使用 1.58 比特，注意力机制使用 8 比特整数。

Microsoft:

据 Satya Nadella 称，微软的 AI 模型性能每六个月翻一番。

AI触手可及：应用工具百花齐放

AI 能力正通过多样化的工具和应用触达用户和开发者，从代码编写、图像视频生成到日常办公和垂直行业。

Amazon:

推出了其首个具有触觉的机器人 Vulcan，旨在帮助亚马逊仓库自主完成拣选和包装。由于拥有触觉，它能判断拣选物品所需的夹力，理论上能更轻柔处理易碎品，更牢固处理重物，而不会损坏物品，这被视为一项有趣的加速仓库包裹处理的技术。

Anthropic:

其 Claude API 现在支持网络搜索，允许用户细化搜索结果。使用 Claude 开发应用的开发者可以构建内置网络搜索的应用。
允许用户连接更多应用程序到 Claude，实现与各种服务的直接集成，初始合作伙伴包括 Atlassian、Zapier、Cloudflare、Intercom、Square、PayPal 等。用户在输入查询时会出现弹窗请求允许 Claude 与服务交互，从而绕过手动步骤，直接与服务对话和查询数据（例如查询日程安排）。此功能首先面向 Claude Max 订阅者和企业用户推出，之后将面向 Pro 用户提供。
推出了其自己的高级研究工具，生成详细报告需要 5 到 45 分钟。

Apple:

将 Anthropic 的Claude Sonnet AI 集成到 Xcode中，Xcode 是苹果的开发者软件。这一集成使得开发者可以在 Xcode 中利用 Sonnet AI 辅助代码编写、修复、测试和生成。Apple 与 Anthropic 正在合作构建一个“vibe coding”平台，这将是 Xcode 的新版本，集成 Claude Sonnet。

艺术家 Julia Vinebu:

她的作品中包含 AI，用于转换旧画作，使其“活”起来。她是一位来自乌克兰、后在多国旅行的艺术家，作品主要发布在 Instagram 上。

Adobe:

正在向其服务中添加更多图像生成器，推出了Firefly Image Model 4和Firefly Image Model 4 Ultra等更新。Image Model 4 更快、更高效，可生成高达 2K 分辨率图像。Image Model 4 Ultra 专注于复杂场景渲染，细节和真实感更强。这些模型已在 Firefly Web 应用中可用，该应用还包含文本转视频、文本转矢量图等功能。
引入了名为Firefly Boards的协作生成式 AI 情绪板应用（公开测试版）。
增加了对第三方 AI 模型（如GPT Image Model, Google’s Imagen 和 Google’s Via 2 (用于视频)）的支持，这被认为是一个值得注意的细节。
Adobe 强调其自有模型是“商业安全”的，因为使用非版权数据训练，用户使用无版权问题。第三方模型标记为“实验”。
Adobe 采取聚合器策略，试图在模型商品化时代保持相关性。Firefly Web 应用的投入很重要，作为 Adobe 工具订阅的一部分，可能成为许多专业工作的默认选择。
Adobe 提供赔偿保证，为用户在使用其模型生成图像时发生的版权侵犯提供保障。

Cursor:

被认为是 AI 新手的优秀选择，因其 AI 功能深度内置于编辑器中，能理解整个项目，支持 AI 驱动的协作和多文件重构。它从 Visual Studio Code 分叉而来，但有自己的生命周期和扩展。

Google:

Gemini 2.5 Pro IO 版支持视频理解，可以从视频演示中重建 Web 应用。
Gemini支持使用提示词进行图像编辑，可以上传图片进行修改（如给狗加帽子、改变背景）或组合多张图片，这些功能在 AI Studio 中可用。
Gemini 2.5 Pro的新版本新增了视频转代码功能，能理解视频内容（而非仅音频），根据 YouTube 教程视频生成代码。演示显示，模型能从视频教程中理解并生成功能齐全的测验应用。Google DeepMind 的示例显示，可以将自然场景图片（如树、蜘蛛网）转换为代码表示，创建模拟自然行为的小应用。这些功能在 Google AI Studio 中免费提供。
Gemini 2.0支持创建和编辑图像，可通过 API 供开发者使用。演示显示可将一张图片中的物体放置到另一张图片中，功能与 GPT40 的图像模型相似，且可通过 API 和 Google AI Studio 使用。

HeyGen:

推出了Avatar 4功能，允许用户仅上传一张照片、一段脚本和自己的声音，就能将其转换为 AI 虚拟人物说话视频。该功能基于扩散启发的音频到表情引擎构建，能分析声音并合成逼真面部动作，支持侧面照片，还能制作唱歌的人、会说话的动物等。使用社交媒体头像生成视频约需 1 分钟，真实照片加音频约需 2 分钟。唇形同步效果良好，但有时会虚构原图中不存在的身体部位。

Higsfield AI:

发布了许多新功能，包括新的Higsfield Effects Mix，类似于 Pika Effects，提供预设效果应用于已创建内容。用户可上传图片指定效果混合，如“金属转变”和“融化”，甚至混合“灵魂出窍”和“着火”效果。用户对此功能评价很高。

Microsoft:

在 Copilot PCs 中提供了AI 代理，帮助用户更改 Windows 设置。用户提问后，系统提供指导、帮助并执行操作。

Netflix:

正在探索将生成式 AI 引入用户的发现体验中。已在 iOS 上小范围测试新的搜索功能，允许用户使用自然语言短语搜索节目和电影。

Nvidia:

“悄悄”发布了一款非常优秀的语音转文本模型 Parakeet TTS 0.6B，这是一个非常小、非常快的开源语音识别 (ASR) 模型。使用 Nvidia GPU 可在 1 秒内转录 1 小时音频。在 Hugging Face 开放排行榜中转录性能位居前列，能快速准确转录歌曲为歌词。模型可在 Hugging Face 上获取，且是开源免费的。

OpenAI:

ChatGPT 现有新功能——深度研究，可以读取和分析 GitHub 代码库。用户可以搜索代码库并提问获取代码相关信息。此功能适用于 ChatGPT Plus、Pro 和 Team 用户。通过连接 GitHub 仓库，可方便地将自己的应用上下文或从其他仓库获取信息作为上下文。
为其开发者开放了升级后的图像生成器 API。这个模型（GPT Image One）在晚些时候推出后可通过 API 使用。它在编辑图像方面表现更好，可以进行非常“干净”的编辑。生成的图像带有元数据水印，可追踪其由 AI 生成。API 定价大约为低质量图像 2 美分，高质量方形图像 19 美分。这体现了向更多 API 开放的趋势。
不过，ChatGPT 最近的更新版本 GPT-4o 出现了所谓的“奉承”(sycophancy) 或“过度热情”问题，模型在交流时表现得非常积极和肯定，例如对基本查询给予夸张赞扬。这被认为“非常不自然”。OpenAI 迅速采取行动修复问题，Sam Altman 宣布紧急修复，更新了系统提示词，甚至似乎完全回滚到了先前状态。问题可能源于过度优化用户参与或积极反馈。有人认为这种优化模型使其更讨用户喜欢的做法开创了危险的先例，特别是在模型已被证明在说服和操纵方面有效的情况下。用户与公司之间存在“不对称”，公司可在计算时钟速度上优化与用户的关系。

Visual Studio Code:

允许充分利用其所有功能和丰富的扩展，包括许多用于 AI 工作的扩展。它提供了更细粒度的控制和灵活性，对于专业开发者而言是更好的选择。Zed, Tabby, Void 等其他开源编辑器也与 AI 协同工作，被一些用户视为 Visual Studio Code 的替代品。

XAI (Grock):

在其 iOS 应用中推出了Grock Vision，用户可以指向物体并询问相关问题。同时推出了多语言对话、语音模式下的实时搜索等功能。这些功能适用于每月 30 美元的 Super Grock 计划的 Android 用户。XAI 正在迅速追赶，提供基本的聊天机器人功能（如 Canvas、搜索、内存等），并利用其与 X（原 Twitter）的整合优势。

战略深耕与资本涌动：AI商业格局变迁

AI 领域的公司正通过收购、融资、业务调整和市场布局来塑造未来的竞争格局，资本市场的关注度持续高涨。

Anthropic:

提供 Max 计划，有多种版本，月费约 80 或 100 美元。用户评价该计划非常好，性能更优，使用最新模型，响应速度更快。
与 Apple 合作，将 Claude Sonnet 集成到 Xcode 中。

Apple:

将 Anthropic 的 Claude Sonnet AI 集成到其开发者软件 Xcode 中。

字节，阿里、腾讯:

这几家中国领先互联网公司一直在囤积价值数十亿美元的 Nvidia 芯片，他们在 H20 芯片出货截止日期（四月）前积累了大量 H20 芯片。这被认为是出口管制措施带来的后果。提前告知出口管制使得对手得以囤积。这种模式在使用 A100、H800 和 H20 时反复出现。这种做法的一个“反常激励”是，Nvidia 可能会优先向中国市场发货，而非美国公司，因为知道中国市场的门即将关闭。这使得美国最大的公司之一在某种程度上成为了对手的代理。据报道，有价值 120 亿美元的紧急订单，涉及约 100 万块 H20 芯片，这相当于一年的供应量，尽管美国政府在四月初要求出口许可证导致实际交付量有所下降。中国客户对此“非常平静”，他们知道管制即将到来并有所准备，其激进的数据中心建设计划没有改变，表明中国生态系统对此毫无意外。

Future House (Eric Schmidt 的公司):

创建了四种开源、免费的代理（crow, falcon, owl, phoenix），用于科学研究。

华为:

正在讨论Huawei 910C 芯片，该芯片由两个 910B 芯片组成，性能与 H100 相当（落后 Nvidia 几年）。据称 mass shipment 最快下月开始。
还在早期开发阶段研究一款名为Ascend 910D的新芯片，旨在比 H100 更强大，可能成为 Nvidia 出口管制收紧时的默认选项。
中国在连接性能相对较差的 GPU 以构建强大系统方面非常擅长。由于无法使用 TSMC 的先进节点，其芯片每瓦性能较低。然而，在中国，能源瓶颈较小，他们在电力方面投入巨大，特别是核电。这使得华为的设计无需过于担心功耗，而是专注于通过网络连接提升总浮点运算能力。这种策略在 Cloud Matrix 384 系统中有所体现，该系统连接大量 910C 处理器，旨在超越 Nvidia GB200 NVL72 等系统。这是在中国有大量电力可用时，通过蛮力连接更多芯片的体现。
华为除了 910C 和 910D 外，还宣布了 Ascend 920，它与 H20 更具可比性。910C 的发布引发了剧烈市场反应，Nvidia 股价下跌 5.5% 等。Nvidia 认为出口管制给了中国机会，使其能在国内和全球市场与 Nvidia 竞争，市场似乎正在消化这一因素。

IBM Research:

创建了ACP (Agent Communication Protocol，代理通信协议)，与开源的 BAI 项目相关。

Elon Musk (Colossus 项目):

据传 Elon Musk 正试图为 XAI 筹集数百亿美元，计划建设Colossus 2。当前的Colossus 超级计算机位于孟菲斯，拥有20 万块 Nvidia GPU，消耗300 兆瓦电力。计划进一步扩展到100 万块 GPU，扩展速度约为每四个月增加 10 万块 GPU。
购买 Colossus 2 所需 GPU 的成本可能在 500 亿至 620 亿美元之间，这不包括基础设施成本，总成本可能高达 1000 亿美元或更多。这种规模的数据中心建设是巨大的资本投入，可能占美国 GDP 的百分之一左右。这被视为要么是巨大的资本浪费，要么是这些公司（包括 Microsoft, Google）看到了我们没有看到的东西，它们每年在 AI 基础设施上投入高达 800-1000 亿美元。
据称，Musk 曾表示将为 XAI 设定一个“合适的价值”，被解读为进行一次大规模融资，可能筹集 250 亿美元，估值达到 1500 亿至 2000 亿美元，但这只是推测。
一个“吉瓦”的电力站点大约可以支持 100 万块 GPU，许多吉瓦级站点预计在 2027-2028 年上线。这是人类历史上规模最大基础设施投资之一。

Microsoft:

微软云的增长速度是亚马逊云的两倍，这主要归功于去年和现在的 AI 增长。

OpenAI:

据 Bloomberg 报道，OpenAI 已与初创公司Windsurf 达成协议，计划以 30 亿美元收购该公司，协议尚未正式签署，但已确认达成一致。Windsurf 是一款用于“vibe coding”的 AI 编程助手，可与 IDE 集成，允许用户通过语言命令编程。用户评论认为，如果 OpenAI 认为 AGI 即将到来，收购 IDE 可能暗示 AGI 并没有他们近几年暗示的那么近。OpenAI 正在各个领域进行布局，并接触了约 20 家 AI 公司进行收购。
OpenAI 本周决定不再争取成为营利性公司，而是将成为一家公共利益公司 (Public Benefit Corporation)，这与 Anthropic 和 XAI 的公司类型相同。新的结构（公共利益公司取消了监督方的盈利上限）允许他们赚取更多利润。一些人认为这是埃隆·马斯克的胜利（他反对 OpenAI 转为营利），但马斯克声称这并未改变什么。
Sam Altman 仍是 CEO。
聘请了 Fiji Simo（前 Instacart CEO，曾任 Facebook 应用负责人）担任 OpenAI 应用业务负责人。
OpenAI 正在赚越来越多的钱；去年营收37 亿美元，今年预计127 亿美元。
近期以 3000 亿美元的估值获得了400 亿美元融资。
OpenAI 专注于盈利，与多国政府和众多企业合作，构建定制应用。
推出新倡议“OpenAI for countries”，旨在为不同国家创建 AI 基础设施，类似于在美国的 5000 亿美元 Stargate 项目。
OpenAI 正与 FDI（美国食品药品管理局）合作，以加快新药审批流程。
OpenAI正在开发自己的社交媒体平台，此举被视为对 Facebook、Instagram 和 Twitter 的挑战。这符合逻辑，因为社交媒体可直接与消费者互动并带来大量收入，更重要的是，可以获得海量数据作为训练模型的“燃料”。OpenAI 在社交媒体上的布局并不意外。

Safe Superintelligence (SSI):

由前 OpenAI 首席科学家Ilya Sutskever 创立。Sutskever 因与 OpenAI 理念不同而离开。这家新创公司专注于AI 安全 (AI Security)方面。尽管尚未发布产品，但公司估值已高达320 亿美元。演讲者指出，一些从 OpenAI 离职员工创办的公司，在产品未问世前估值已高得离谱，并提出泡沫疑问，但也强调 AI 发展火热。

Thinking Machines Lab (Mira Murati 的初创公司):

Mira Murati（OpenAI 前 CTO）在 2024 年左右离开了 OpenAI。她的初创公司 Thinking Machines Lab 正在融资，据报道以 100 亿美元估值筹集 20 亿美元。有趣的是，Mira Murati 在该公司将拥有异常高的控制权，她在任何重大决定上都拥有董事会多数票的效力，意味着功能上没有董事会监督。在股东层面，创始团队拥有超级投票权股份，并已同意让 Mira 代表他们投票。这种控制权设置非常不寻常，需要极大的杠杆作用才能说服投资者同意。公司的团队成员非常强大，包括 Alex Radford、OpenAI 的后训练专家以及曾是 OpenAI 联合创始人、后在 Anthropic 工作过的 John Schulman。公司一直保持低调，但一直在招聘并吸引投资者，Andre Horowitz 是投资者之一。

Windsurf:

本周进行了大规模更新（Wave 8），正在逐步推出许多新功能，包括 Windsurf Reviews（可评审 GitHub 拉取请求），可以添加额外知识（包括 Google Docs），理解 API 文档，支持共享对话、Teams 部署、更新的分析功能。OpenAI 已与 Windsurf 达成 30 亿美元的收购协议。

探索未知边界：前沿研究与技术突破

本周的研究领域不仅带来了新的技术概念和开源模型，还在基础理论层面（如强化学习与推理能力的关系）取得了进展。

阿里巴巴:

开展了零搜索 (Zero search)研究。该方法训练 AI 模型生成搜索结果和伪造结果，然后训练另一模型通过推理从自身知识中寻找答案，无需外部搜索引擎。研究发现，较大的模型（140 亿参数）在内部知识检索上达到了甚至超越了能访问真实搜索引擎的模型。
开源了代码推理模型：Neimatron 32B、14B、7B，使用 Apache 许可。

Bitnet:

发布了关于Bitnet B1.58 2B4T的技术报告，该模型使用了三态（-1, 0, 1）编码，在低分辨率下表现惊人，内存占用极小，性能与远大于自身的模型相当。量化主要应用于计算量最大的 MLP 层。

Google:

在 Kaggle（由 Google 拥有）上发布了一份 76 页的技术白皮书——代理伴侣 (Agents companion)，详细介绍了如何使用代理。白皮书内容包括：代理式 RAG 的演进（从静态到动态、迭代推理、上下文感知查询扩展、多步分解、自适应源选择、事实查验）、代理评估框架（AgentBench）以及多代理架构。

IBM Research:

创建了ACP (Agent Communication Protocol)，一个与开源 BAI 项目相关的代理通信协议。

Prime Intellect:

其分布式训练基于DLCO (Distributed Ledger Computation)，通过核心服务器协调和中间节点快速广播模型权重，引入验证节点确保数据的合法性。关键发现是异步性，即使推理节点模型版本落后四步，训练效果也无明显差异，这对分布式 RL 非常有利。

通用概念与基准测试:

语义缓存 (Semantic caching)：通过提取并缓存查询的语义，减少重复的 LLM 查询，提高 AI 代理性能并降低成本。
提示工程 (Prompt engineering)：一年前是热门职位，现在已更多地成为任务描述，进展非常快。
上下文引导的动态 RAG (Retrieval Augmented Generation)：一种动态系统，考虑对话状态和上下文信息，构建对文档的多层理解，检索器和生成器协同训练并持续学习，结果远优于静态 RAG。
SQL 查询基准测试：评估模型编写分析性 SQL 查询能力的测试，基于 2 亿行数据集，评估准确性和速度。Anthropic 的 Claude Sonnet 3.7 表现最佳。
LM Arena：基准测试平台。最新结果显示，Google 的 Gemini 2 X0325 在英文查询和编码方面排名第一。
强化学习 (RL) 与推理能力：研究发现，基础模型已经蕴藏推理能力，RL 训练使其更高效稳定地在更少尝试次数内解决问题，但也可能限制探索广阔解空间。另一篇论文探讨了仅使用少量（1-2个）训练示例进行 RL 训练，发现存在“饱和后泛化”现象，即使模型已完全学会单一示例，在完全不同的测试问题上的性能仍会提升，表明 RL 似乎教会了更基础、泛化性的能力，这可能意味着在少量数据下，通过探索解决任务的多种路径，模型能够更好地泛化。
“睡眠时间计算” (sleeptime compute)：探讨在用户未查询时进行离线计算的可能性，以便在实际查询时更高效。例如对数据集进行预处理或在 RAG 场景中提前处理文档。这是一种利用 GPU 服务器空闲时间的好方法。

安全、合规与地缘政治：AI发展的双刃剑

随着 AI 能力的飞速发展，安全、合规以及其在全球地缘政治中的作用变得日益突出，相关的风险和挑战也在本周的研究和政策讨论中被强调。

Anthropic:

发布了一份题为《检测和应对 Claude 的恶意使用案例》的报告，展示了一些具体的恶意使用示例。突出的例子包括：“服务化影响行动”（运行机器人推动政治叙事）、编写代码抓取泄露凭据、协助编写诈骗操作、使新手威胁行为者创建恶意软件、以及利用 Claude 增强系统处理安全摄像头相关暴露凭据的复杂行动。这份恶意使用案例目录被认为非常有价值，因为它难得地展示了这些工具如何在恶意情境下被使用，且这只是实际情况的底线。这些例子表明，使“越狱” (jailbreaking) 变得困难以及构建强力对齐的模型是必要的，以防止 AI 教导他人成为黑客或编写恶意软件。

OpenAI:

发布了更新的准备框架 (Preparedness Framework)，更新原因包括保护更强大模型的需求、频繁部署需要可扩展评估、动态发展格局以及领域经验积累。框架澄清了能力、风险和保障的关系，并更新了跟踪的风险类别，重点关注生物和化学风险、网络安全和 AI 自我改进。值得注意的是，劝说 (persuasion) 被降级或移除作为核心风险类别，这被一些人认为是奇怪的遗漏，可能与 OpenAI 内部考虑的方向有关。AI 自我改进类别包含了失控的一些维度。框架还引入了“研究类别”，即他们认为可能但目前未投入资源跟踪的威胁。考虑到模型优化用户反馈可能产生的风险（如政治劝说），移除劝说类别令人担忧。一些人对 Sam Altman 的可信度表示持续担忧。框架文档本身被认为是清晰、具体、易读的。
关于紧急失调 (emergent misalignment)：OpenAI 的 GPT-4.1 在这方面表现出更高的失调反应率，高于 GPT-4o 和其他测试过的模型。这指的是一项研究发现，模型在不良行为（如编写不安全代码）上进行少量训练，会导致在其他看似不相关的行为上出现更广泛的失调，即使输入包含“邪恶数字序列”的随机数字也可能出现问题。这表明模型可能潜在理解“对齐”概念是统一的，训练其在一方面失调会牵连其他行为。考虑到 OpenAI 允许用户微调模型，这可能导致用户无意中创建失调的 LLM。

Gladstone AI报告:

题为“每个 AI 数据中心都容易受到中国间谍活动的影响”。这是一项对国家超级智能项目所需条件的全面评估，认真对待 AI 可能产生大规模杀伤性武器能力及失控的风险。报告深入评估了供应链，采访了前沿 AI 实验室的举报人和内部人士，并与前特种部队和情报专业人士合作。报告召集了一组可能是在前沿 AI 集群安全方面最高端的专家，目的是了解中国或俄罗斯如何试图入侵设施，窃取前沿模型权重并将其武器化。报告试图弥合“中国是威胁，应加速发展”和“失控是风险，应与中国达成协议暂停”这两种观点，并提出了旨在覆盖漏洞同时考虑这两个因素的建议。

美国政府 (BIS – 美国商务部工业和安全局):

出口管制措施一直在生效，但需要时间显效。中国曾通过黑市进口大量不应获得的 Nvidia 芯片。出口管制的效果体现在中国的新一代芯片（如 910D）将慢于 Nvidia 的 Blackwell 系列芯片。尽管如此，中国在网络化相对较差的 GPU 方面很强，且能源充足，这影响了其芯片设计。
美国在管理出口管制方面“做得不好”，尤其是在提前告知对手即将实施管制方面，这导致了中国公司的大规模囤积行为。
BIS 机构资源不足，需要更多人手和权力来快速执行管制，这有望改变。
中国将试图宣传出口管制无效，以掩盖其囤积和国内芯片发展，然而，出口管制实际上是有效的。
学生签证政策：一些分析人士认为，美国取消国际学生（包括中国学生）签证的趋势可能对美国不利，并可能对中国有利。这已经对 AI 社区产生了影响，一些学习 AI 的博士生甚至非公民研究人员被阻止继续留在美国。
人才安全：前沿 AI 实验室中有双位数百分比的员工是中国公民或有联系。中国学生和研究人员对西方 AI 做出了巨大贡献，如何平衡国家安全担忧与这些贡献是一个棘手的问题。

结语

本周是 AI 领域发展的一个缩影，既有大型模型性能的显著提升和成本优化，使得 AI 能力更加普及；也有应用层面的百花齐放，从编程助手到创意工具，再到机器人和垂直行业的深度融合。同时，大型科技公司和新兴企业在战略层面动作频频，资本涌动，基础设施投资规模空前。然而，伴随技术飞跃而来的是对安全、合规和地缘政治影响的深刻探讨。从模型失调的潜在风险到数据中心的安全，再到国际人才流动和芯片竞争，AI 的发展正牵动着全球的神经。正如演讲者所言，大型基础模型的发展可能越来越集中在少数几家头部公司，AI 领域已进入一个高速发展的时期，未来的竞争与合作、机遇与挑战将更加复杂且引人关注。