网硕互联帮助中心 /* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */
#content_views .toc,
/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */
#content_views.markdown_views > p:empty:has(+ .toc),
#content_views.markdown_views > .toc + p:empty,
/* 富文本旧版目录标记 */
#content_views.htmledit_views #main-toc,
#content_views.htmledit_views #hr-toc,
#content_views.htmledit_views p[id*=\”-toc\”] {
display: none !important;
}
/* 目录去掉后，紧跟的首个标题不再多出一块上边距 */
#content_views.markdown_views > .toc + h1,
#content_views.markdown_views > .toc + h2,
#content_views.markdown_views > .toc + h3,
#content_views.markdown_views > .toc + h4,
#content_views.markdown_views > .toc + p:empty + h1,
#content_views.markdown_views > .toc + p:empty + h2,
#content_views.markdown_views > .toc + p:empty + h3,
#content_views.markdown_views > .toc + p:empty + h4 {
margin-top: 0 !important;
}
一、大模型与技术突破
1. 腾讯发布混元 Hy4，发布即开源
腾讯在世界互联网大会乌镇峰会现场展出混元 Hy4 preview，新增视觉理解与电脑操作能力，可解读图表、文档，并操作图形界面与命令行工具，模型权重将于近期开源。官方称其进入全球开放权重第一梯队，面向软件工程、科研攻关与智能办公等生产力场景，WorkBuddy、CodeBuddy 等产品提供限时免费体验。混元 Hy4 接入 WorkBuddy 后调用量激增，推理集群已紧急扩容十倍。
2. 月之暗面开放 Kimi K3.1 Pro 权重，发布 Hosted Agents 托管服务
月之暗面推出 2.8 万亿参数的多模态大模型 Kimi K3.1 Pro，支持百万级 token 上下文窗口，可处理文本与图像输入，并支持编程、金融研究等智能体任务。模型采用稀疏激活架构，单次请求仅激活约 1040 亿参数，同步提供 Nvidia、AMD 与 Google 硬件支持。同日发布 Kimi Hosted Agents 托管服务，将智能体运行框架云端化，提供 7×24 小时托管环境，支持长程任务与多智能体协作，可调用 140 余项技能与 30 余款插件。
3. 百度开源文心 ERNIE 5.5 Flash Base
百度开放 ERNIE-5.5-Flash-Base 预训练终点权重，采用稀疏 MoE 架构，总参数 280B、每 token 激活 14B，基于 33.5T tokens 从零预训练，训练上下文 128K、推理支持 1M。FP8 与 BF16 两版权重已上线 Hugging Face，经后训练的版本将随后推出。
4. OpenAI 发布网络安全模型 GPT-6 Cyber
OpenAI 推出面向网络安全领域的专用模型 GPT-6 Cyber，聚焦软件漏洞发现、验证与修复。据官方披露，其在 ExploitGym 专项测试中得分较上一代提升约 51%，已在 Firefox 与 Linux 内核漏洞研究中取得进展，相关修复建议已提交相应机构。出于风险管控考量，该模型被纳入"准备框架"评估体系，现阶段仅对审核批准的安全研究客户开放，配套部署滥用行为监测、沙箱隔离、人工复核监督等多重防护机制。
5. OpenAI 发布 Images 2.6，支持一键生成动画 GIF
OpenAI 推出图像模型 Images 2.6，同步上线 ChatGPT、Codex 和 API 端。新模型支持用一句话描述或上传照片生成动画 GIF，可调整播放速度、逐帧编辑，并可将人物、宠物等存为参考图反复调用，同时支持原生导出 SVG。面向开发者的 GPT-Image-2.6 Flare 和 Sunburst 两款 API 模型同步上线，官方称生成速度提升约 50%。
6. 谷歌 Gemini Omni 1.2 Flash 全面上线
Google DeepMind 使 Gemini Omni 1.2 Flash 在 Gemini API 与 Google Cloud 全面可用，视频生成上限从约 10 秒提升至 15 秒，支持多轮对话式编辑与更强的参考一致性，720p 定价较前代下降约 30%，草稿支持 360p/720p 并可放大至 1080p 或 4K。
7. Thinking Machines 发布 Inkling 2 Small
Thinking Machines 发布 594B 总参数的 MoE 开放权重模型 Inkling 2 Small（17B 激活），支持图像输入与可变推理投入，视觉与智能体能力可迭代构建网站、游戏与 3D 设计。完整权重将在外部安全测试完成后以 Apache 2.0 协议开源。
8. 英伟达发布 Cosmos 3 开放模型
英伟达发布 Cosmos 3 平台四款开放权重模型，用于交互式世界模拟与驾驶场景生成，支持多传感器数据生成与同步观测，面向机器人与自动驾驶研究。
9. 淘宝 MNN 团队开源 MNN-Pocket-0.3B
淘宝 MNN 团队开源端侧模型 MNN-Pocket-0.3B，INT4 部署仅 173MB，在 iPhone 18 Pro 上离线解码速度可达 350 token/s 以上，兼顾体积、内存、速度与功耗，适合轻量任务与端云协同场景。
二、产品与应用
1. Anthropic Claude 上线 Personal Finance
Anthropic 开始向美国 Pro、Max、Ultra 订阅用户推出 Claude Personal Finance，通过 Plaid 以只读方式连接银行与信用卡账户，支持用自然语言查询余额、账单与异常交易。该功能仅读取数据，不可动账或投资，相关对话不参与模型训练。
2. Perplexity 发布 Teammates 智能体
Perplexity 推出 Teammates 功能，在 Computer 之上提供多智能体编排、主动监控与跨工具跟进，用户可将长期运维、营销或调试任务交给智能体持续执行，研究预览面向 Max 个人订阅用户开放。
3. Meta Muse 支持视频聊天
Meta 为美国用户开放 Muse AI 头像视频聊天能力，用户可与虚拟形象语音对话、进行头脑风暴与行程规划，为后续可穿戴设备落地铺路。
4. 腾讯推出面向 C 端的 AI 搜索引擎
腾讯发布面向 C 端的 AI 搜索引擎，与元宝搜索 API 及元宝 App 共享底层能力，提供 Skill、MCP 与 API 接入，丰富入口生态。
5. 百度发布物理 AI 全模态世界模型 Apollo World
百度发布面向物理 AI 的全模态世界模型 Apollo World，每天最高可生成 10 万公里虚拟驾驶数据，用于训练萝卜快跑无人车队，加速自动驾驶数据闭环。
6. OpenAI 收购 Pierre Computer，扩展 Codex 协作平台
OpenAI 宣布收购开发者工具公司 Pierre Computer，推动 Codex 能力从写代码扩展到代码存储、浏览与审查的完整软件构建流程。
三、行业与产业动态
1. 乌镇峰会闭幕，发布全球开源 AI 行动倡议
2026 年世界互联网大会乌镇峰会闭幕，主题为"开源开放 共建共享"。峰会发布全球开源 AI 行动倡议，多家国内企业持续开放推理框架与模型能力，开源正成为人工智能演进的重要路径。
2. Sand.ai 完成 2 亿美元 A+ 轮融资
视频生成模型公司 Sand.ai 宣布完成 2 亿美元 A+ 轮融资，由基石资本、网宿科技联合领投，年内累计融资 3 亿美元。新资金将用于视频基础模型研发、训练与推理基础设施建设及全球市场拓展，其视频模型 MAGI-2 正式版计划近期发布。
3. 英伟达展示 Vera Rubin 模块化 AI 工厂
英伟达展示搭载 Vera Rubin 平台的 DSX POD 模块化 AI 工厂，称可提升数据中心能效，为大规模算力建设提供新选项。
4. 多机构联合发布《智能体发展自律公约》
信通院与华为、阿里、腾讯、小米、百度、字节跳动等联合发布《智能体发展自律公约》，推动智能体产业规范发展，抵制算法压榨与黑灰产行为。
5. METR 发布 Anthropic AI 研发能力评估
独立评估机构 METR 发布针对 Anthropic AI 研发进展的评估，认为其在定义明确任务上的能力进展速度约为此前阶段的两倍，并强调结论存在较大不确定性，相关数据因保密原因部分未公开。
评论前必须登录！
注册