AI 情报文章归档

（1/N） 我们正在推出 Dreamverse。大多数 AI 视频模型需要数分钟才能生成一段 5 秒 1080p 的片段。而在 4.5 秒内，我们就能在单张 GPU 上生成 30 秒 1080p 的片段。

FastVideo团队发布Dreamverse原型界面，引入创新的"氛围导演"工作流。该模式允许用户通过自然语言实时、迭代地引导视频生成，如更换背景或调整运镜，无需编写复杂的长提示词。其核心是全新的实时推理栈，能在单GPU上以约4.55秒生成5秒1080p视频，速度快于观看时间，从而将生成过程从被动等待转变为实时导演体验。团队认为，视频生成的未来在于让创作速度跟上想象速度，快速的反馈循环比单纯追求模型性能更能催生优质作品。

OpenAI 发布 GPT-5.4 mini，已在 ChatGPT、Codex 及 API 上线。针对编程、计算机使用、多模态理解与 subagents 优化，速度较 GPT-5 mini 提升 2 倍。

GPT-5.4 mini 今日在 ChatGPT、Codex 和 API 中可用。针对编程、计算机使用、多模态理解和子代理场景优化，推理速度比 GPT-5 mini 快 2 倍。

Hugging Face发布了一篇关于其平台开源生态的博客文章。该文由Hugging Face官方撰写并发布在其自有平台上，内容聚焦于2026年春季的开源发展状态。文章具体分析了平台上的模型、数据集及开源社区活动趋势，但未提供详细的量化指标或具体产品发布信息。

M2.7是M2系列中首个深度参与自身进化的模型。它能构建复杂的智能体框架，完成精细的生产力任务，尤其在软件工程方面表现突出，其SWE-Pro基准测试得分56.22%，接近Opus的最佳水平。模型的办公软件处理能力在开源模型中领先，GDPval-AA的ELO分数为1495。M2.7能保持97%的技能遵循率，处理超过40个、每个超过2000 token的复杂技能。该模型通过内部研究智能体框架，实现了"分析-修改-评估"的自主迭代优化循环，在内部评估中提升了性能。

H公司发布了多模态计算机使用模型Holotron-12B。该模型基于NVIDIA开源的Nemotron-Nano-12B-VL模型，使用专有数据混合进行训练，专注于在交互环境中高效感知、决策和行动。其采用混合状态空间模型与注意力机制架构，在单张H100 GPU上实现了比前代Holo2-8B高2倍以上的吞吐量，在100并发基准测试中达到每秒8900个token。在WebVoyager基准测试中，性能从基线的35.1%提升至80.5%，在定位和导航基准上也显著提升。模型已通过N…

GPT-5.4 mini 与 nano 发布，为 GPT-5.4 的轻量高速版本，针对编程、工具调用、多模态推理及高并发 API 和子代理任务优化。

Codex 新增 Subagents 功能，支持创建专业子代理并行处理任务，保持主上下文窗口整洁，并可实时引导单个代理，让工作流大幅提速。

GPT 5.4 虽强，但最突出的是人性化特质。相比已擅长编程的 5.3，5.4 更受欢迎的关键在于个性而非纯能力。用户声称想要高效自闭症天才程序员，实际渴望的是有性格的互动体验。

GPT-5.4 API 上线首周日处理量达 5T tokens，流量超过去年同期整个 API 总量，年化新增净收入突破 10 亿美元，增速创 OpenAI 模型发布历史纪录。

Sam Altman 称赞 Codex 团队是硬核构建者，产品实力过硬，圈内硬核开发者已纷纷转向使用，使用量正快速增长。

GPT-5.4 上线一周内日处理 token 量达 5T，超过去年同期整个 API 的总量，年化新增净收入达 10 亿美元，增速创历史纪录。模型质量出色，值得试用。

Kimi支持的个人开发者开源项目OneClaw下载量突破10万，提供一键安装包，1分钟即可在本地部署原版OpenClaw，无需命令行或环境配置。功能包括纯净卸载、自由切换模型、远程控制，支持连接飞书、企微、钉钉、QQ、Kimi Claw；内置2万+技能的技能商店，可无损迁移记忆和Skills。Kimi提供包月方案和API按需购买。使用地址：oneclaw.cn。

OpenAI CEO Sam Altman 坦言，仅靠扩大模型规模无法达到 AGI，必须在架构层面实现重大创新。这一表态标志着 AI 发展范式的关键转向，承认当前"越大越好"的扩展策略已遇瓶颈。Altman 强调"是时候寻找新的架构了"，暗示基于 Transformer 的现有技术路径难以通向通用人工智能，行业需要颠覆性技术突破而非单纯堆砌算力与参数。

智谱发布GLM-5-Turbo基座模型，代号"龙虾"，强化工具调用、复杂指令拆解、定时任务与高吞吐长链路执行能力，推出ZClawBench基准测试。支持通过BigModel.cn、Z.ai及AutoClaw客户端接入，Coding Plan Max将于本月内支持Pro版。

Claude 宣布未来两周内，周末及工作日太平洋时间（PT）5-11 点外的使用额度将翻倍。这是 Anthropic 对用户的感谢回馈，旨在缓解高峰时段压力的同时提升非高峰时段体验。

Claude Code 推出远程控制功能，运行 `claude remote-control` 后可直接在手机 App 上启动电脑端新会话。该功能已向 Max、Team 及 Enterprise 用户（v2.1.74+）开放，目前需先在手机配置 GitHub，启动速度优化中。

YC 孵化的 Compresr 发布 Context Gateway，在 AI Agent 与 LLM 间自动压缩过长对话历史。后台预计算实现即时压缩，支持 Claude Code、Cursor 等，默认 75% 上下文阈值触发。curl 一键安装，TUI 向导配置。

Claude Code 向 Max、Team 和企业版订阅用户默认启用 Opus 4.6 1M 模型，支持 100 万 token 上下文窗口。Pro 与 Sonnet 用户可通过 /extra-usage 指令手动开启该功能。

Claude Opus 4.6 和 Claude Sonnet 4.6 的 100 万 token 上下文窗口现已正式开放（GA），用户可在这两款模型上使用百万级上下文处理能力。

Dylan Patel 深度解析了制约 AI 算力规模扩张的三大核心瓶颈：电力基础设施限制、先进制程芯片产能不足以及网络互联带宽瓶颈。尽管 NVIDIA H100 已发布三年，受供需严重失衡及新一代芯片交付延迟影响，其市场价格与战略价值持续攀升，当前实际价值甚至超过发布初期。文章指出，这些结构性约束正重塑 AI 基础设施的投资逻辑与部署节奏。

Claude 新增交互式图表与图示生成功能，支持在聊天中直接创建可视化内容。该功能今日起以 beta 形式向所有套餐用户开放，包括免费版。

盘点当前阶段的核心现状与关键特征，基于现有趋势分析接下来可能发生的重要变化与未来走向。

Claude for Excel 和 Claude for PowerPoint 新增跨文件上下文同步功能。同时打开多个文件时，对话上下文自动共享，可直接从表格提取数据构建演示文稿，无需重复说明操作步骤。

不是 IDE 时代结束，而是需要能管理 AI Agent 的"更大 IDE"。编程基本单位从文件变为 Agent，人类在更高层级编程。Karpathy 呼吁打造"Agent 指挥中心"式 IDE，支持多 Agent 状态监控、工具切换和用量统计。

Claude 推出可视化功能测试版，支持在对话中实时生成交互式图表、图解等视觉内容，无需代码即可随对话调整修改。该功能不同于可下载的 Artifacts，以内联临时形式辅助理解当前话题，默认向所有套餐用户开启。同时 Claude 还新增食谱、天气等主题格式，并支持在对话内直接交互 Figma、Canva 和 Slack 等应用。

ChatGPT 防御提示注入与社会工程的方法：在 agent 工作流中约束高风险操作并保护敏感数据，避免 AI 智能体因恶意提示泄露信息或执行危险动作。

OpenAI 基于 Responses API、shell 工具与托管容器构建 agent runtime，支持文件处理、工具调用及状态管理，实现安全可扩展的智能体计算机环境部署。

当今前沿推理模型的训练路径与 AlphaGo 高度一致：先模仿大量人类数据，再扩展推理计算（从蒙特卡洛树搜索到思维链），最后用强化学习突破模仿上限。Demis Hassabis 称，十年前 AlphaGo 的"第37步"预示 AI 可攻克真实科学难题，这些思路对构建 AGI 仍至关重要。

Anthropic 宣布成立 The Anthropic Institute，由联合创始人 Jack Clark 担任 Public Benefit 负责人并领导。该机构整合 Frontier Red Team、Societal Impacts 和 Economic Research 团队，利用构建前沿 AI 系统的独特信息优势，研究 AI 对就业、经济、法律及治理的挑战，并与外部合作应对风险。同时聘请 Matt Botvinick、Anton Korinek 等专家，探索…

十年前的 AlphaGo 首尔对局开启现代 AI 时代，标志性的"第37手"证明 AI 已能攻克科学等现实难题，其技术理念仍是构建 AGI 的核心基础。

Gemini 为 Google Workspace 推出多项 AI 功能：支持选择来源秒级生成 Doc 草稿、9 倍速构建复杂 Sheets、提示词生成品牌风格 Slide 布局，Drive 搜索现可直接显示摘要答案。今日起向 Ultra 和 Pro 订阅者开放英文版 beta，Docs/Sheets/Slides 全球可用，Drive 仅限美国。

IH-Challenge 训练模型优先处理可信指令，改进指令层级、安全可控性，并提升对提示词注入攻击的抵抗能力。

ChatGPT 新增数学与科学交互式可视化解释功能，支持实时探索公式、变量及概念，帮助学生更直观地理解理科知识。

AMI Labs 宣布获 10.3 亿美元种子轮融资，由 Cathay Innovation、Bezos Expeditions 等领投，创欧洲公司种子轮纪录。公司致力于开发基于世界模型的新型 AI 系统，具备理解世界、持久记忆、推理规划及可控安全能力，团队分布于巴黎、纽约、蒙特利尔和新加坡。

我与 @ylecun 和一群杰出人士联手创立 AMI Labs @amilabs。

Hugging Face Hub 发布 Storage Buckets，这是一种为机器学习工作流设计的可变、类 S3 的对象存储服务。它基于 Xet 存储后端，能对跨文件共享内容的 ML 工件进行高效去重，从而节省带宽、加速传输并降低存储成本。该服务还提供"预暖"功能，可将数据预先迁移至靠近计算资源的云区域，以提升分布式训练等场景的效率。目前支持 AWS 和 GCP，用户可通过 CLI 或 Python 库在 2 分钟内快速创建和同步存储桶。

同步强化学习训练中，数据生成是主要瓶颈，如在320亿参数模型上生成3.2万令牌样本需数小时，导致训练GPU闲置。业界主流解决方案是将推理与训练解耦到不同GPU池，通过rollout缓冲区连接并异步传输权重。本文调研了16个实现此模式的开源库，从编排原语、缓冲区设计、权重同步协议、陈旧数据处理、部分rollout支持、LoRA支持及分布式训练后端七个维度比较。关键发现：Ray在编排层占主导（8/16库使用），NCCL广播是默认权重传输方式，LoRA训练支持普遍不足，而分布式M…

Hugging Face 发布了 LeRobot v0.5.0 版本。该版本在数据集、模型、任务和社区四个维度上进行了全面扩展。具体包括：引入了新的现实世界和模拟数据集，推出了支持多任务学习的模型，并扩展了任务范围至移动操作和双臂协调。社区方面，提供了更易用的库、演示应用和教学资源。此次更新的核心目标是降低机器人技术的应用门槛，推动其民主化发展。