腾讯研究院 AI 速递

Part/01

      马斯克旗下 SpaceXAI 携手 Cursor 推出旗舰大模型 Grok 4.5，为行业首款面向编程、智能体场景专项训练的基础模型。

核心评测表现：在 SWE Bench Pro 取得 64.7% 通过率，反超 GPT-5.5，逼近 Opus 4.8；Terminal Bench 2.1 得分 83.3%，与 GPT-5.5 基本持平，DeepSWE 1.0 以 62.0% 大幅领先 Opus 4.8，综合能力跻身行业第一梯队。

训练体系差异化：依托数万块英伟达 GB300 完成超大规模训练，导入万亿级开发者真实交互数据，将训练强化学习核心目标聚焦单 Token 智能度；异步训练架构支撑智能体连续数小时多步骤复杂工程任务，长时序稳定性突出。

 速度与成本核心竞争力：推理速度可达 80 TPS，同复杂度工程任务 Token 消耗仅为 Opus 4.8 的 1/4；基础版定价输入 2 美元 / 百万 token、输出 6 美元 / 百万 token，大幅降低高端代码模型使用成本，被行业视作 “性价比之王”。官方预告下周开放百万上下文窗口，下月将推出性能阶跃升级版本。

Part/02

      OpenAI 推出实时语音产品 GPT-Live，构建 “前台轻量语音模型 + 后台 GPT-5.5 强推理模型” 分层委派架构，破解传统语音 AI “低延迟与高智能无法兼顾” 行业矛盾。

产品架构逻辑：前台 GPT-Live 负责实时收音、对话承接、打断响应，保障自然流畅口语交互；检索、数学运算、复杂逻辑推理等高难度任务自动委派至后台 GPT-5.5 处理，分 Instant 轻量模式、Thinking 深度推理模式适配不同需求。官方评测对话流畅度评分由前代 3.80 提升至 4.96（满分 7 分）。

当前产品限制：上线初期暂不支持视频、屏幕共享功能，未开放 B 端服务、桌面端应用及自定义智能体，语音 API 定价尚未公示，参考上代语音接口定价，使用成本预计偏高。

全球语音赛道格局：国内外厂商路线分化，字节 Seeduplex 主打全双工对话体验，MiniMax 深耕音色克隆与有声内容生产，面壁 MiniCPM-o 4.5 开源端侧全模态方案，谷歌 Gemini 系列主打低价多语种实时翻译，语音交互已成为 AI 下一阶段核心通用入口。

Part/03

     AI 影视企业 Utopai Studios 推出新一代视频生成模型 PAI 2.0，完成从单镜头画质生成向完整长篇叙事能力跨越。

落地实践成果：好莱坞导演 PJ Ace 基于 PAI 2.0 制作 3 分钟完整剧情 AI 短片，复刻灾难片视听风格，镜头切换、人物形象、场景细节全程保持高度统一，上线后全网播放量快速破百万。

 技术核心能力：底层内置影视专属叙事大模型，底层嵌入导演分镜逻辑，可直接将文字剧本转化为标准化镜头、光影、蒙太奇生产指令；支持锁定角色、道具、环境持久特征，满足影视工业化制作对画面连贯性的硬性要求。模型核心能力模块化开源，可无缝对接 Claude Code、Cursor 等代码智能体。

商业化进展：企业估值达 10 亿美元，聚焦长视频赛道布局自有影视 IP；模型授权业务上线 60 天，常规年度授权收入达 1100 万美元，同步落地独立电影、国际合拍项目视觉特效制作。

Part/04

      蚂蚁灵波科技正式开源第二代交互式世界模型 LingBot-World 2.0（LingBot-World-Infinity），面向游戏开发、自动驾驶仿真、具身智能训练提供开源底座。

交互与场景拓展：扩充战斗、运动类角色动作生成能力，支持文本指令触发天气、场景切换等宏观环境事件；内置 Pilot、Director 双智能体机制驱动世界自主演化，支持多人同步进入同一数字世界实时交互。

长时序稳定技术突破：创新因果预训练范式 + 混合双向自回归注意力掩码机制，从底层抑制长时生成画面漂移误差，可稳定实现小时级连续生成，全程 720p/60fps 高清画质无明显衰减。

 工程部署方案：通过一致性蒸馏、混合并行推理、动态 KV 缓存调度完成低延迟优化；本次开源 14B 参数模型，配套 PC、移动端在线体验入口，SGLang 推理框架首日完成适配，开发者可开箱部署。

Part/05

      微信 6 月完成八大 AI 功能迭代，覆盖小程序、支付、邮箱、企业办公、输入法、阅读、内容传播全链路，构建完整微信 AI 生态。

开发者与商家工具升级：开放平台上线 AI 接入双模式（自动模式 / 开发者定制模式）；微信支付 AI 工具箱 2.0 新增 9 种语言适配、自然语言查单能力，文档时序图自动化转 Mermaid 格式，Token 消耗降低 50%，推出专款专用、需用户手动充值的 AI 专属支付卡。

办公与个人智能体配套：QQ 邮箱内测专属 Agent Mail，支持主流代码智能体独立收发邮件；企业微信灰度上线原生 AI 助理 “大圆”，自动沉淀客户信息、汇总项目文档；微信输入法上线语音智能整理功能，自动剔除口语冗余、分段归纳长文本。

轻量化 AI 工具上线：微信读书推出阅读总结 Skill，一键生成书籍摘要；公众号评论区单次图片上传上限提升至 9 张，强化内容互动能力。

Part/06

      谷歌量子 AI 团队研究成果刊发于《Nature》，首次采用强化学习智能体实现量子计算实时容错校准，解决传统量子设备停机校准带来的效率损耗问题。

技术实现路径：不直接优化稀疏逻辑错误率，将量子纠错检测器实时异常事件转化为高频局部奖励信号；依托因子图将量子芯片划分为独立子区域并行学习，无需人工标注、预设设备漂移模型即可持续修正控制参数。

 实测性能提升：硬件持续参数漂移场景下，逻辑计算稳定性提升 3.5 倍；在人工专家优化基线之上，进一步降低逻辑错误率约 20%；方案可扩展至近 4 万个控制参数，适配大规模容错量子芯片。

行业价值：重构量子计算运维模式，校准从独立停机任务转为计算过程内嵌流程，为千级逻辑量子比特大规模商用奠定实时自维护技术基础。

Part/07

      Meta CTO Andrew Bosworth 在播客访谈中复盘 Llama 4 发展滞后核心原因，同步输出对大模型产业、可穿戴 AI 硬件的中长期判断。

      Llama 技术断档根源：团队在迭代 Llama 3 时透支全部前沿技术储备，未预留下一代模型研发管线，直接导致 Llama 4 在推理、混合专家（MoE）两大核心赛道落后竞品；扎克伯格因此切换 “创始人模式”，集中资源争夺算力与顶尖 AI 人才。

      产业底层判断：单体大模型时代终结：未来行业将形成分层协作体系，高算力、高成本旗舰模型仅用于复杂重度任务，通用日常工作由低成本、低延迟垂直小模型承接；企业自研底层模型属于核心战略底牌，可避免商用第三方模型收取高额使用 “租金”。

      企业治理与数据策略反思：为补齐代码能力，Meta 紧急抽调数千非 AI 工程师参与代码数据标注，因前期沟通不足引发内部争议，Bosworth 承认该项目管理方案存在严重缺陷；企业采集员工键鼠、界面操作轨迹，核心目标是补齐 AI “操控电脑软件” 能力短板。

      可穿戴硬件长期愿景：未来 AR 眼镜将淘汰传统应用商店，AI 可根据用户实时需求即时生成专属服务程序；手机不会被替代，但全天候感知眼镜将成为新一代个人智能体核心载体。

Part/08

      据《金融时报》独家消息，Meta 正在研发代号 “超级感知” 的 Ray-Ban Meta 眼镜原型设备，硬件与数据采集模式引发行业隐私争议。

硬件感知能力：设备支持全天候持续录音，每隔数秒自动拍摄实景照片，无需用户手动触发即可实现环境无死角感知。

 数据处理机制：原始音视频素材不本地存储、不对用户开放，系统仅提取环境元数据上传云端，用户可通过语音指令调取过往场景、对话相关信息。

核心争议点：Meta 规划设备全天候感知模式下录制 LED 指示灯保持熄灭，无视觉提示告知周边人员正在被采集影像、音频；Meta 同步评估将采集数据用于自研大模型训练，隐私倡导者担忧该设计将放大公共空间监控风险，相关方案仍处于内部评估阶段。