DeepSeek首个视觉模型开源，多模态Agent门槛骤降

DeepSeek首个视觉模型开源，多模态能力逼近Opus 4.8

DeepSeek在Hugging Face上正式开源了V系列首个多模态模型——DeepSeek-V-Flash-Vision-XP。这款模型基于MIT协议完全开放，权重和推理代码全部公开，开发者可以自由拉取、部署和二次开发。

作为原生支持视觉输入的模型，它最大的亮点在于"不做减法"：获得多模态能力的同时，完整保留了V-Flash原有的纯文本推理水准。这一点非常关键——过往许多多模态模型往往以牺牲文本推理能力为代价来换取视觉理解。多模态模型（Multimodal Model）在架构层面通常需要嵌入视觉编码器（如ViT），并通过跨模态对齐训练将视觉特征映射到语言模型的表征空间，这一过程中极易出现"能力退化"（capability regression），即原有的语言推理精度因适应新模态而下降。DeepSeek此次声称完整保留文本能力，意味着其可能在架构设计上采用了冻结核心语言层、增量式视觉适配等策略来规避这一痼疾。而在多模态Agent评测中，其能力已逼近Claude Opus 4.8这一顶级闭源模型。

对于想在本地做图形界面自动化（GUI Automation）或搭建多模态Agent的开发者而言，这几乎是最值得第一时间拉下来跑一跑的开源底座。GUI Automation要求模型能够理解屏幕截图中的按钮、文本框等UI元素，并据此执行点击、输入等操作指令，对视觉理解的精细度要求极高。这款模型把"本地跑多模态Agent"的门槛真正拉到了个人开发者可触及的范围。

阿里通义上线多智能体视频创作团队

聊完模型底座，内容创作工作流也迎来新变化。阿里通义创作正式上线Agent Teams多智能体协作功能，同步接入Wan 2.0与Wan 2.0 Prime满血版视频模型。

多智能体（Multi-Agent）协作系统是当前AI应用架构的重要趋势，其核心思想是将复杂任务拆解为多个子任务，由各自专精的Agent分别处理，再通过编排层（Orchestration Layer）协调输出——这种设计借鉴了软件工程中的微服务架构思想，每个Agent相当于一个独立的"服务节点"。Wan 2.0是阿里万相系列视频生成模型的最新版本，具备高保真度的文生视频能力，所谓"满血版"指未经量化压缩、保留完整参数的模型版本，生成质量更高但算力需求也更大。

这套系统的设计逻辑很有想象力：用户只需输入一个故事设想，编剧、导演、美术、视频生成四个Agent就会自动分工——从剧情扩写、分镜设计一直推进到成片渲染，形成一条全自动流水线。

对于做AI短剧、出海广告的团队来说，这种"角色化分工"的封装方式极具价值。在传统的AI短剧生产流程中，从剧本到分镜再到成片，需要人工使用不同工具逐步完成并手动串联，而端到端的Agent流水线本质上是用AI替代了"项目管理"这一人工协调角色，大幅降低了从创意到成片的操作复杂度。当然，这类高度封装的黑盒流水线在灵活性和可控性上仍需实战检验。

Agents.md标准之争：生态封闭引发行业反弹

工具再好用，若走向生态封闭，就容易引发开发者不满。当天一个引人注目的争议围绕配置文件标准展开。

Copify首席执行官公开表态：如果Claude Code继续拒绝读取行业通用的agents.md标准文件，公司内部将全面禁用它。目前已有超过6万个开源项目使用agents.md，但Anthropic此前多次将开发者的兼容诉求标记为"暂无计划"。

agents.md是一种社区驱动的配置文件标准，旨在让开发者以统一格式定义AI编码助手在特定项目中的行为规范、上下文边界和工具调用规则，类似于.editorconfig对编辑器行为的标准化。当团队同时使用多款AI编码工具（如GitHub Copilot、Cursor、Claude Code等）时，如果每款工具都只接受私有配置格式，工程师就不得不为同一套规则维护多份配置文件。

这背后是一个真实的工程痛点：在大规模团队维护的代码库里，格式壁垒逼着工程师编写大量同步脚本。对企业级开发团队来说，跨工具的配置标准如果不能统一，多Agent协作的维护成本很快就会反噬效率。这场争议实质上反映了Agent时代对"互操作标准"日益迫切的需求——与早年浏览器标准之争类似，当生态工具足够多元时，互操作标准就成为降低系统性摩擦的关键基础设施。

OpenCloud 2.0重构：共享云端会话成核心升级

开源智能体项目OpenCloud当天正式发布2.0重构版本。此次更新由933位贡献者合并了超过16000个代码提交，彻底重构了底层架构。

新版本除了能自动识别本地密钥、实现开箱即用外，最核心的升级是推出了共享云端会话功能——团队成员可以共同接入同一个Agent的处理流程进行任务交接。传统的AI Agent交互通常是单用户会话模式，一个用户启动一个Agent实例，上下文和状态完全私有。共享云端会话打破了这一限制：当一位开发者让Agent完成了代码审查的前半段任务后，另一位同事可以无缝接手后续的修复工作，而无需重新向Agent描述完整背景。这一特性的技术难点在于会话状态的并发管理和权限控制——需要确保多用户同时操作时不产生状态冲突，同时敏感信息的访问权限需要精细划分。

这一特性对协作型自动化场景意义重大：它让Agent从"个人工具"进化为"团队资产"，代表了Agent从个人生产力工具向团队协作基础设施的演进方向。想在团队内部搭建自动化助理的开发者，升级到2.0能省掉不少重复折腾的时间。

具身智能开源门槛下探：不到400美元的双足机器人

除了纯软件Agent，具身智能领域的开源门槛也迎来大幅下降。Hugging Face旗下的机器人团队开源了一台不到400美元的迷你双足机器人MicroDuck。

这只机器人身高25厘米、重800克，搭载RK3566芯片，全身15个舵机。它的行走、摔倒起立和拾取动作完全基于强化学习——在仿真环境里训练，再通过领域随机化（Domain Randomization）无缝迁移到真机。强化学习（Reinforcement Learning）让智能体通过与环境的反复交互，以试错方式学习最优行为策略，特别适合行走、平衡等难以通过规则精确编程的运动控制任务。然而在真实物理世界中直接训练机器人成本极高且存在损坏风险，因此研究者通常先在物理仿真器（如MuJoCo、Isaac Gym）中训练策略。从仿真到真机的迁移面临所谓"真实性差距"（Reality Gap）——仿真中的摩擦力、惯性、传感器噪声等与现实存在偏差。领域随机化通过在训练时随机化这些物理参数，迫使策略学会对环境变化的鲁棒性，从而在迁移到真机时仍能稳定运行。

底层软件全部用Rust编写，并支持固件自动回滚。选择Rust是出于嵌入式场景对内存安全和实时性能的双重要求——Rust的零成本抽象和无垃圾回收机制使其特别适合资源受限的机器人控制系统。

这套软硬件全开源的方案，对想低成本入门具身智能和强化学习的开发者极具吸引力，是原型验证的理想选择。它标志着具身智能的入门成本正在被快速压缩。

ChatGPT广告年化营收破10亿美元，商业化全面提速

OpenAI宣布ChatGPT广告平台在上线不到200天内，年化营收已突破10亿美元，同时正式向全球40多个国家开放自助投放平台。年化营收（Annual Run Rate）是将当前收入水平按年度推算的指标，并不等同于实际全年收入，但10亿美元的量级已充分说明广告模式在AI对话产品上的商业可行性。

官方强调广告内容与对话回答保持严格隔离，绝不会使用用户的私有聊天记录进行定向投放，目前主要通过转化接口和点击竞价模式运行。与传统搜索广告基于关键词匹配不同，对话式广告需要理解多轮对话的语义意图，同时确保推荐不侵入对话体验。OpenAI所强调的"对话隔离"意味着广告系统和对话生成系统在架构上是解耦的——广告引擎可能仅基于对话主题的粗粒度分类进行匹配，而非读取具体对话内容。转化接口（Conversion API）允许广告主将线下或站外转化数据回传给平台以优化投放效果，点击竞价（CPC）则是按实际点击收费的经典广告计费模式。

商业化加速虽然能让免费用户的额度更充裕，但后续在产品体验与广告干扰之间如何平衡，依然值得持续观察。

国产端侧模型黑马崛起与安全预警

在端侧本地模型领域，一匹国产黑马值得关注。中国信通院最新公布的MCP专项测试报告显示，上海原点新辉推出的27B本地大模型在多工具协同综合评测中拿下第二名，总分甚至超越了此前两千多亿参数的轻量模型。

MCP（Model Context Protocol）是由Anthropic提出并逐渐被行业采纳的标准化协议，用于定义AI模型与外部工具、数据源之间的交互方式。MCP专项测试重点考察模型调用多种外部工具的准确性、稳定性和协同效率——例如模型能否正确解析工具返回的结构化数据，并据此进行下一步推理。中国信通院作为国内权威的ICT领域研究机构，其测试结果具有较高的行业公信力。

该模型以开源Qwen（通义千问开源系列）为基座，采用自研反馈训练方法增强，体现了当前"开源基座+领域增强"的主流技术路线。27B参数量的模型在配备足够显存（通常16GB以上）的消费级GPU上即可推理运行，其在多工具协同任务中超越更大参数量模型的成绩，说明在特定任务场景下，针对性的训练策略可以有效弥补参数规模的差距。对于注重数据隐私、不想依赖云端API的个人与中小企业，本地小尺寸模型的实用性正在大幅提升。

最后是一则安全提醒。Anthropic官方紧急向部分用户发出安全预警：近期有信息窃取木马专门针对本地浏览器中的登录凭证进行盗取。这类恶意软件（通常被称为Infostealer）会扫描浏览器存储的Cookie、Session Token和保存的密码，将其回传给攻击者，攻击者随后可以利用窃取的会话令牌绕过密码甚至二步验证直接登录受害者账户。为防止受影响账号产生未经授权的高额扣费，Anthropic已切断这批账户的支付权限并重置会话，同时提醒开发者切勿下载使用来路不明的破解工具或第三方客户端。API密钥和网页会话务必做好安全隔离，发现异常立即重置凭证。