周报
issue158 2026.2.2-2.8
共 19 条
Seedance 2.0已上线:AI 视频第一阶段的比赛结束了
Seedance 2.0 目前已经在即梦平台上线,会员用户(至少 69 元)可以直接使用。它支持文本生成视频、图片生成视频,也支持视频和音频作为参考素材输入。简单来说,你能想到的输入方式,它基本都支持了。支持自分镜和运镜、多模态思考等。
Claude Code 推出“快速模式”预览版,大幅提升 Opus 4.6 响应速度
Claude Code推出“快速模式”研究预览版,通过优化Opus 4.6的API配置,在保持模型质量不变的前提下显著降低响应延迟。该模式适用于Pro、Team等订阅用户,需通过“额外用量”计费,目前定价为每百万Token输入30美元、输出150美元。太平洋时间2月16日晚上11:59前可享50%限时折扣。#Claude快速模式# #AI模型加速#
硬碰硬!Claude Opus 4.6 与 GPT-5.3-Codex 同时发布
Claude Opus 4.6 是 Anthropic 对其旗舰人工智能模型的一次重大升级。在这代模型上,规划更加谨慎,能够维持更长时间的自主工作流程,并在关键的企业基准测试中超越了包括 GPT-5.2 在内的竞争对手。
GPT-5.3-Codex 正式登场
GPT-5.3-Codex 是一款原生的 Codex 智能体,它将前沿的编程性能与通用推理能力相结合,以支持真实世界中长周期的技术工作。该模型将 GPT‑5.2-Codex 的前沿编程性能与 GPT‑5.2 的推理及专业知识能力整合于一身,且运行速度提升了 25%。这使其能够承担涉及研究、工具使用和复杂执行的长期运行任务。就像同事一样,你可以在 GPT‑5.3-Codex 工作时对其进行引导和交互,而不会丢失上下文。
面壁智能开源全模态模型MiniCPM-o4.5,边看边听还能主动抢答
在MiniCPM-o4.5中,面壁团队首次引入了全双工(Full-Duplex)多模态实时流机制。模型可以一边持续接收视频和音频输入,一边同步生成语音或文本输出,两条信息流并行运行,互不阻塞。在实现上,MiniCPM-o4.5将原本离线的模态编码器与解码器,升级为支持流式输入/输出的在线版本;语音侧采用文本与语音token交错建模,既支持全双工语音生成,也提升了长语音生成的稳定性。同时,通过时分复用机制,对在毫秒级时间线上对齐的多模态输入与输出进行统一建模,实现高效的流式处理。
让全公司的 AI 学会一起办公,OpenAI 发布 Frontier 平台
Frontier 为智能体提供了人们在工作中所需的技能:共享上下-文、入职培训、反馈式动手学习以及明确的权限和边界。这样,团队就可以超越孤立的使用案例,成为“跨业务的 AI 合作伙伴”。
Mistral AI 发布 Voxtral Transcribe 2 系列语音转文字模型,其一延迟不足 0.2s
另一方面,Voxtral Mini Transcribe V2 拥有目前性价比最高的转录 API,准确率表现优于 GPT-4o mini Transcribe、Gemini 2.5 Flash。
智谱GLM-OCR,0.9B开源即巅峰,复杂文档精准解析
GLM-OCR仅0.9B参数的轻量级身躯,便以94.6分登顶OmniDocBench V1.5,并在公式识别、表格识别、信息抽取的多项主流基准中均取得SOTA表现。
全球开源参数规模最大的科学多模态模型:上海 AI 实验室发布书生 Intern-S1-Pro
该模型基于混合专家架构(MoE),共拥有 512 个专家,总参数达 1T,每次调用仅激活 8 个专家、22B 参数。其通用能力和科学能力协同演进,并在底层架构实现了两大核心突破。
昆仑万维发布“Skywork 桌面版”:AI 帮你在电脑上直接干活
昆仑万维发布“天工Skywork桌面版”,AI首次真正走进桌面办公现场。它直接在本地执行任务,无需上传文件到云端,能跨文件、跨格式理解内容,并主动响应工作需求,堪称“Windows打工人”的福音。#AI办公革命##昆仑万维#
告别聊天式编程:Google 发布 Conductor
Google发布了Conductor,一个面向Gemini CLI的开源预览版扩展,旨在将AI代码生成从随机对话转变为结构化、上下文驱动的工作流。
马斯克旗下 xAI 发布 Grok Imagine 1.0,可生成 10 秒、720p 分辨率视频
马斯克旗下xAI正式发布Grok Imagine 1.0,这是其AI视频生成模型的最新飞跃。新版本解锁10秒视频、720p分辨率和大幅提升的音频质量。官方数据显示,仅过去30天就已生成12.45亿个视频。#AI视频生成##xAI#
阶跃星辰开源 Step 3.5 Flash
2月2日,阶跃星辰发布Step 3.5 Flash,定位为“为Agent而生”的开源基座模型,主打推理速度、Agent能力和长链条任务稳定性。