Let's Make AGI Real

爆炸性进展！AI 任务时长翻倍，新模型、新框架、新应用全面爆发

前言

欢迎来到本周的 AI 周报更新！AI 更新的速度似乎比你的咖啡凉得更快😄。本周，人工智能领域再次经历了爆炸性的进展，涵盖了从大型语言模型（LLM）的突破、新一代 AI 代理框架的推出，到硬件基础设施的巨大融资，以及对 AI 长期经济和社会影响的深刻思考。值得注意的是，AI 任务持续时间正在遵循一种“新摩尔定律”，每六到七个月就会翻倍。以下是近一周内 AI 领域的重大新闻进展，按主题分类进行详细整理。

主体内容

一、大型语言模型与基准测试

本周，模型能力继续攀升，尤其在编码和效率方面表现突出。推理成本也持续大幅下降，从 2022 年的 20 美元每百万 token 降至 2024 年 10 月的 0.07 美元，下降了 280 倍。

1. 顶级模型的能力突破

• Anthropic Claude Sonnet 4.5：这被认为是目前最好的编码模型。它能够自主地、一步一步地完成工作，任务持续时间可达 30 小时以上。目前，该模型已被用于工作和个人用途，且运行良好。Anthropic 还推出了Cloud 4fit 新模型，该模型在金融和科学任务上表现出色。Anthropic 的 Cloud 模型客户数已从不足 0.1 万增至超 30 万，需求跨行业激增。该公司计划 2025 年将国际员工人数增长两倍，AI 团队规模扩大 5 倍，以应对业务增长。
• GLM 4.6 (智谱 AI / Z.AI)：这是一个来自中国的非常优秀的模型，其能力水平已经达到了最新的 Claude 4.5 的水平。在侧面测试中，一些人声称 GLM 更优，尽管智谱内部人员认为其在某些测试中不如 Claude，但两者非常相似。
• GLM 4.6 的优势：它的价格极其便宜，输入/输出每百万 token 仅为 60 美分和 2 美元，相比之下 Claude 的价格分别为 3 美元和 15 美元，便宜了五倍甚至更多。它还是开放权重的（Open weights），模型尺寸小（3550 亿参数，320 亿处于活跃状态），运行速度快，且能效高。
• K2 Think 32B (阿联酋 MBZU AI)：这是一个来自阿拉伯联合酋长国的高质量 AI 推理模型。由于使用了独特的 Cerebras 巨型芯片（8.5 x 8.5 英寸），该模型运行速度非常快。它被誉为世界上参数效率最高的先进推理模型，证明了紧凑架构也能实现高效性能。
• Quen 3 Max (阿里巴巴)：这是一个商业模型，在编码和代理能力方面，它超越了顶级的西方模型，尤其在思维和 Python 使用方面表现突出。在编码排行榜上，Quen 3 Max 排名非常靠前，甚至在 Gemini 2.5 Pro 之前。阿里巴巴还发布了万亿参数级 LLM，支持图向转代码、多模态文本、视频、音频处理，标志着中国 AI 基础设施加速。

2. 效率与速度模型

• Gemini Flash Light：这是一个新的 Gemini 模型，比以前的模型快得多。它将输出 token 减少了一半，具有低延迟特性。它在保持准确性的同时，性能优于以前的非推理版本 Gemini 2.5。它可以在 Google AI Studio 上使用，并可以利用 Google 搜索进行事实依据的支撑（grounded）。它运行在标准的 Google 硬件上，不需要 Cerebras 这样的专业硬件。
• Deepseek 模型突破与开源：中国 AI 企业Deepseek 21 模型以低算力成本实现媲美全球顶尖模型的性能，绿序列费用仅为 OpenAI GPT-4 的 1/1。Deepseek 于 9 月 29 日发布实验性模型Deepseek V3XP(即 V3.2exp)，并在生平平台完成视配部署，开放推理代码。该模型引入细粒度吸收注意力机制，提升长文本训练和推理效率，同时API 价格下调超 50%，显著降低开发者使用成本。V3.2exp 模型采用改进的稀疏注意力架构，显著降低计算成本，同时提升性能，适用于预测任务，如比特币价格或天气模式。
• 技术与效率创新：技术突破显示，小模型参数从 540 亿降至 38 亿，即可实现类似 GPT-3.5 的性能。硬件成本降低 30%，能效年升 40%。

3. 基准与评估

• OpenAI GDP Val：用于衡量模型在 44 种职业中，针对经济可变的现实世界任务的性能。
• Meta GAIA Benchmark：专为通用 AI 助手设计的基准测试。
• OpenAI 升级 GPT 推理能力：OpenAI 推出了 GPT 更新版，显著提升逻辑推理和复杂问题解决功能，支持更长的上下文处理。用户反馈显示，在数学和编程任务中准确率提高 20% 以上。
• Google GOFEST在数学基准测试中表现出色。
• R8AB8 的 C-Max超越 GPT-5 和 Cloud Open，支持 128 可以上上下文长城推理。
• AI 评估实用建议：在为业务构建 AI 时，建议建立“是/否”的二元标准来评估性能，避免使用模糊的渐进分数（例如 3.2 或 3.7），以消除歧义。

二、AI 代理、自动化与工作流

本周，AI 代理功能持续增强，并开始深入物理世界和日常工作空间。AI 代理成为 2025 年焦点，IBM 调查显示 99% 的企业开发者在探索 AI 代理。

1. 编码与自动化代理

• Claude Code 2.0：这是从终端工具升级而来的版本，现在拥有一个真正的图形用户界面（GUI），作为 Visual Studio Code 扩展运行。它现在可以与 Sonnet 4.5 协同工作，具有增强功能。
• Claude Code 2.0 特点：它作为一个自主代理运行，具备自动检查点（保存工作）、子代理、钩子、后台任务、并行任务、更高的自主性以及多步骤规划和执行等功能。
• Deep Agent (Abacus)：这是一款一体化的桌面和命令行界面（CLI）AI 助手。它质量很高，支持 Windows、Mac、Linux，安装使用简单。它提供针对编码、脚本编写和商业任务的代理浏览工作流，并集成了顶级模型。它价格实惠。
• Tracer AI 编码助手：这是一个在开始编码前创建详细、可执行计划的“规划层”。它确保为 AI 代理提供清晰的输入，并使用多个后台规划器和自动上下文。
• GitHub Copilot CLI 公测版发布：GitHub 推出了 CLI (Command Line Interface) 公测版，将 AI 编程助手引入命令行界面。该工具旨在优化开发者在终端的代编写、调试和重构流程。它通过智能代理设计提升效率，支持问题分解、测试代码生成等功能。
• Meta 开源代码世界模型 (CoWMA)：Meta 发布了首个代码世界模型 CoWMA，使能模拟代码执行，提高生成代码的可靠性。该模型于 9 月 25 日开源了 320 亿参数的版本，标志着 AI 从模仿向思考能力转变，为 AI 编程能力带来新进展。

2. 物理世界代理

• Gemini Robotics 1.5：将 AI 代理引入物理世界。这是一个视觉语言动作（VLA）模型，能够将视觉信息和指令转化为机器人的运动指令。Google DeepMind 推出的 Gemini Robotics 1.5 是首个结合推理与行动的机器人 AI 系统，可通过网络查询实时决策，例如根据天气打包物品或遵守本地回收规则。该系统支持跨机器人泛化，一次训练可适应多设备，内置安全过滤器，适用于家和工作场景，帮助机器人思考后行动。
• Moonshot AI Computer：使用 Kim K2 模型来实现自主系统。
• Periodic Labs：旨在创建一个“AI 科学家”，它不仅能总结科学论文信息，还能在物理世界中操作、设置实验、分析结果。该项目配备了物理实验室，以加速科学发现。
• 英飞凌推崇物理 AI：英飞凌 CEO 约亨·哈内贝克表示，物理 AI 如人形机器人是增长机遇。机器人所需的半导体数量堪比汽车。
• 国内人形机器人训练场启用：北京石景山区启用了国内最大的人形机器人训练场，占地超万平方米，模拟 16 种生产场景，助力机器人提前适应真实场景。
• Meta 推出物理世界交互模型：Meta 发布了一款新型模型，专注于提升对物理环境的理解和操作能力，适用于机器人和自动驾驶系统。
• AI 科学家系统生成同行评审论文：一款 AI 系统从假设到实验分析和撰写全程完整论文，已通过初步同行评审，标志着科研自动化里程碑。
• Agility Robotics训练人形机器人全身控制模型。
• 谷歌 DeepMind构建多机器人规划 AI。

3. 企业级框架与应用

• Microsoft 统一代理框架（MUAF）：微软宣布退役 Autogen 和 Semantic Kernel，取而代之的是这一新系统。MUAF 专注于开发、部署、可观察性、安全功能以及企业客户的任务遵循性。它与 Azure 云和 Azure AI Foundry 进行了深度集成。
• 微软 Copilot 代理：微软 Copilot 代理可自助处理任务，如邮件管理和会议笔记，预计代理将从工具转向自主助手。
• Microsoft Office 集成 AI 代理：Word 和 Excel 中新增 Copilot 代理模式，支持自动化文档和表格生成。Microsoft 安全 CIL T 扩展 11 个自主安全代理，处理每年 300 亿警报。
• 滴滴出行助手小 D beta v0.8 公测：滴滴出行推出了 AI 出型助手小 D beta v0，支持语音和文字输入。同步上线的MCP 服务允许开发者为智能体配置自主规划、打车和支付功能，标志着 AI 在出行领域的开放生态应用。
• 京东物流发布超脑大模型 2.0：该模型具备千万级变量求解能力，已在多个智能源区常态化运行，形成了云端智能、终端执行的闭环。
• 谷歌发布论文探讨虚拟代理经济：谷歌发布论文，预测 AI 代理经济体将与现实经济深度融合，交易速度远超人类，引发潜在风险讨论。
• NVIDIA 提出小型语言模型 (SLM) 代理框架：该框架概述了 SLM 代理如何在效率上超越大型模型 LLM，适用于边缘计算和实时任务，可能重塑 2025 年 AI 代理生态。

三、内容生成：视频、图像与应用工具

生成模型正在向更高的保真度和更广泛的应用扩展。

• Open Sora 2：采用邀请制，仅对少数用户（如每月 200 美元的 GPT Pro 用户）开放。它能生成逼真的、长达一分钟的视频。Sora.com 上的视频内容模仿了 TikTok 模式，生成大量的短视频。该模型实施了强大的水印，并对涉及真实人物的使用有严格规定（需要提供身份确认文件）。OpenAI 计划发布的 Sora 新版 支持生成更高质量的 AI 视频，以及包含版权材料的视频，但版权持有人可选择退出。
• Open Sora APP允许创建个性化数字头像和视频。
• Meta Vibes：Meta 通过 Meta AI 应用和网站推出的新功能。它旨在发现和创建用于 Instagram 的 AI 视频。用户可以浏览、创建和混音短格式 AI 生成的视频，“Vibes”信息流完全由生成的片段填充。它类似于 TikTok。Meta 发布了VIBES 平台，允许用户创建和分享 AI 生成的短视频。
• Kling AI 2.5 Turbo：来自中国的商业文本到视频模型。在运动流畅性、提示遵循度、场景主义和美学精度方面有所增强。它速度快且实用。
• 阿里巴巴 1 2.2 to Animate (通义实验室)：这是一个开源的 AI 视频生成和角色动画模型。用户可以对任何静态角色图像进行动画处理，并使用从参考视频中提取的动作和面部表情替换现有视频中的角色（基本上可以制作卡通片）。
• Quen Image Edit 2.5.9：开放权重（Open weights）。具备多图像编辑和单图像一致性功能。
• Stability AI 新图像生成模型：该模型处理速度提升 30%，真实度更高，针对创意产业优化，支持自定义、风格迁移。

四、基础设施、API 与商业新星

AI 服务的门槛持续降低，出现了一批高估值的新兴企业。全球 AI 投资持续升温，IDC 预测2024 年全球 AI 投资将达到 3159 亿美元，预计到 2029 年将增至 1.26 万亿美元。生成式 AI 投资增长最为迅猛。

• Perplexity 搜索 API：使搜索实现变得极其简单。它提供对数百亿网页的访问，中位延迟仅为 0.4 秒（非常快）。它结合了关键词和语义搜索，为 AI 代理提供 AI 驱动的结构化输出。它非常便宜（每千次搜索结果 5 美元），并且不使用用户数据进行模型训练。
• Genpark AI Workspace：这是一个通用的桌面工作应用程序。它由提示驱动，可以创建和编辑各种文档、幻灯片、表格、图表、图像和视频。该公司在短短 45 天内就达到了 3600 万美元的年度订阅收入，是 AI 从简单聊天转向大规模现实世界自动化的领先案例。
• Tinker API (Thinking Machines Lab)：由前 OpenAI 首席技术官 Mira Murati 创立的公司推出。这是一个用于微调大型模型的分布式系统。
• RAG 模块化：RAG（检索增强生成）系统正在变得越来越容易使用。现在有许多 Python 模块可以直接通过pip install rag进行安装和使用，例如rag chain、rag light、flash ragdev和 Meta GPT 的 RAG。
• Anything (Text-to-App Startup)：一家旧金山初创公司，提供从数据库到存储和支付功能的所有工具。该公司在两周内年化收入达到 200 万美元，获得了爆炸性的市场关注。
• Dust AI：这是一家 AI 咨询平台。它通过融资获得了 1.75 亿美元，估值达到 18 亿美元。
• Cerebras 的资金与发展：生产巨型 AI 芯片的 Cerebras 公司已融资 11 亿美元，估值达到 81 亿美元。
• 投资与基础设施动态：花旗银行上调 AI 支出预测，科技巨头 AI 基础设施支出预计到 2029 年超2.8 万亿美元，较此前预测增加 5000 亿。美国占比 1.4 万亿。全球 AI 算力需求需新增55 吉瓦电力容量，凸显 hyperscalers 如亚马逊、微软的激进投资。
• NVIDIA 投资与合作：NVIDIA 报告称是 AI 应用推动芯片需求增长 40%，2025 年资本支出预计达 850 亿美元。NVIDIA 宣布向 OpenAI 投资高达1000 亿美元，提供 1GW GPU 算力资源。
• OpenAI 股份出售估值达 5000 亿美元。OpenAI、Oracle、Softbank 启动Stargate 项目，合作在美国建设五大数字中心，旨在超大规模训练和部署 AI 模型。
• Meta AI 融资：Meta AI 完成 5 亿美元融资，用于推进大语言模型和开源工具研发。该公司估值已超 100 亿美元。
• Databricks 整合 OpenAI GPT-5：Databricks 与 OpenAI 合作，引入 GPT-5 和 Agent Break 模块，支持 AI 驱动的实时数据分析。
• AI 硬件高投入困境：AI 行业面临烧钱挑战，微软等巨头投资数千亿美元，阿里巴巴投入约 3800 亿元。NVIDIA H200 显卡价格在 20 万至 80 万元之间。
• 存储产品价格上涨：DDR4、DDR5 及 NAND Flash 价格持续上涨，DDR4 价格较年初翻倍，部分现货涨幅超五倍。AI 需求推动存储原厂将产能转向 HBM 和 DDR5。
• 企业工具创新：Snowflake 推出 Ctex AI 融合服务版。Digital Lotion 增强 Gradient AI 平台。HP 发布 ZGX Nano Gen AI 工作站。

五、行业趋势与技术洞察

本周的讨论也触及了长期趋势、技术选择和哲学思考。

1. 软件架构与语言趋势

• Rust 取代 Python 的趋势：尽管目前生产 AI 推理主要通过 Python 和 CUDA 库进行，但Rust 正在成为生产、实时推理和边缘 AI 的有力替代品。Rust 库因其并发性、效率和更简单的部署，在某些方面已超越 Python。苹果公司正在使用类似于 Rust 的语言重写 iOS 的关键部分，以提高安全性和性能。
• Stone MQ：这是一个用 Rust 编写的开源消息传递系统。它比基于 Java 的 Kafka 快 6 倍，便宜 70%，并且与 Kafka 兼容。
• 单体 vs. 微服务：基于 Netflix 的经验分析，分布式微服务架构并非总是最优选择。单体系统可以提供更高的可扩展性和操作简便性，而微服务则面临网络税和分布式系统调试难度更大的问题。

2. AI 基础认知与挑战

• LLMs 终结论：强化学习之父 Richard Sutton 认为 LLM 是一个死胡同。他认为 LLM 只是模仿人类的言语，而不是学习世界中实际发生的事情。他主张未来应该是基于经验学习的模型，而不是基于预训练的“统计学鹦鹉”。他相信学习系统将从像婴儿一样通过试错学习经验中成长。
• 幻觉检测：一项研究通过使用“熵电路追踪”和“跨层转码器”，在 RAG 系统中检测幻觉的准确率达到了 85%。这项工作能够确定数据是幻觉产生的，还是确实来自数据源。
• Deepmind 蛋白质突破：Deepmind 宣布 AI 驱动的蛋白质折叠新进展，可加速药物发现，潜在缩短新药研发周期至数月。
• Meta 的 AI 工具用于材料科学：Meta 推出了生成式 AI 工具，用于发明量子和半导体新材料。

3. 社会、经济与普及

• AI 快速发展与普及速度：尽管 AI 技术进步迅速，但现实世界的物理限制和制造约束会减缓其普及速度。例如，经过 17 年，特斯拉仅占美国乘用车总量的 4%；自动驾驶出租车在美国仅有 1,500 辆，少于纽约市出租车总量的 1%；自动驾驶半挂卡车只有 400 辆，不到美国卡车总量的 0.01%。这表明完全渗透尚需多年。
• AI 经济影响：Ilya Sutskever 曾提出的观点被其著作再次强调。他认为传统的经济结构将在三年内过时，并警告如果 AI 利益分配不当，可能会产生永久的“底层阶级”。他提议建立一种“效益证明”加密货币，其收益用于资助有益的 AI 研究，并提倡普及 AI 访问权限和开源模型。
• Grog 4 面向政府：El Musk 的 XAI 以极低的价格（1.5 年内每个部门 42 美分）向美国联邦机构提供 Grog 4。
• AI 投资回报难题：全球95% 的 AI 项目未能产生可量化回报。原因包括 AI 缺乏情境化学习能力、流程僵化及与日常运营脱节。
• AI 在就业与生产力中的作用：PwC 报告显示，AI 行业员工收入增长三倍，AI 暴露度高的行业员工收入增长率达四倍。2025 年将有 9700 万人从事相关工作。
• 政策、伦理与全球视角：联合国于 9 月 25 日启动 AI 治理全球对话机制。诺贝尔奖得主呼吁全球协议，禁止 AI 用于自主武器和生物识别监控。加州签署了美国最严格的 AI 监管法案。

六、新增：产品与生态系统动态

本周在用户产品和生态系统建设方面也有显著进展。

–OpenAI 新增功能： 

• 个性化资讯功能：通过分析用户聊天记录、邮箱和日历数据提供个性化资讯，标志着 AI 从被动响应向主动推送转型。

• 及时结账功能：支持美国用户通过 Stripe 在 S 平台直接购物支付。此举推动 SC 股价上涨超 14%，Shopify 涨超 6%。
• 家长控制：新增针对青少年的控制功能，增强隐私保护。

–巨头战略聚焦：

• 苹果：正在开发一款内部代号为 “VAS” 的类 ChatGPT 应用，用于测试预计 2026 年 3 月推出的新版 Siri 技术。苹果此举旨在应对竞争对手在 AI 助手领域的领先优势。

• 华为：任命余承东为产品投资评审委员会 (IRB) 主任，负责推动 AI 芯片、大模型及智能汽车领域的突破。
• FDA：美国食品药品监督管理局推出了自家 AI 助手，用于简化监管流程。
• 亚马逊：升级 Alexa 家居设备，推出 Ofir TV 和 Blink 设备的 AI 增强版。谷歌 Dina Home App 实现自然语言智能家居自动化。

结论

本周的 AI 新闻再次证明了该领域的指数级增长速度。从 Claude Sonnet 4.5 创纪录的 30 小时自主任务时长，到 GLM 4.6 提供的价格和性能的完美结合，再到各种 AI 代理（如 Claude Code 2.0 和 Deep Agent）向真正的自动化桌面工作流迈进，AI 的影响力正在从代码库迅速扩展到日常的企业和个人应用中。

基础设施和投资达到前所未有的规模：花旗银行上调了 2029 年 AI 基础设施支出预测至 2.8 万亿美元，以及 Cerebras 等芯片制造商获得的巨额融资，表明计算能力已成为 AI 竞争的核心。尽管像 Richard Sutton 这样的专家对现有 LLM 的长期潜力提出了质疑，并警告了物理世界的普及速度限制，但基础设施和企业应用（MUAF、Genpark）的成熟化，以及 SLM 代理框架的提出，预示着 AI 正快速从研究阶段转向大规模的、改变行业格局的实用阶段。