[控场AI]
· 9 分钟阅读· 4,674 字

DeepSeek应用API发布,Gemini、混元语音齐更新

DeepSeek应用API发布,Gemini、混元语音齐更新

DeepSeek、Google、腾讯等集中更新API与智能体工具链,竞争转向工程可用性。

今日AI动态共14条,核心特征是“新模型少、工程能力多”。DeepSeek发布应用层全家桶API,把联网搜索、文件解析、工具调用与上下文拼接收归服务端,并给出语音识别每小时0.39元、语音合成每万字符1.5元的定价。Google推出Gemini Hydrogen,支持100万Token上下文,加入规划与执行模型交接的Anti-Gravity能力,同时Flow新增5款创作工具。腾讯混元HiRealTime增加工具调用与唱歌能力,已用于元宝与腾讯客服。智能体侧,Thinking Machines开放Inkling 2 Small权重,Anthropic推出制造业插件与Managed Agents自托管,OpenAI展示红队与防御工具,均强调人工审阅与责任边界。硬件方面Gemini眼镜开放预购,Claude服务出现波动。整体看,API层竞争正从模型分数转向工程可用性,可观测性与可控性成为选型关键。

今日AI动态概览

今天的AI日报汇集了14条行业动态,覆盖大模型API开放、多模态模型发布、智能体工具链完善以及企业级AI服务升级。DeepSeek广告发布了面向应用层的全家桶API,腾讯混元推出实时语音模型HiRealTime,Google则一口气更新了Gemini Hydrogen与Flow创作工具。以下是对其中关键信息的梳理与分析。

说明:本文基于公开报道与视频素材整理,部分产品名称为语音转写结果,可能存在拼写偏差,具体以官方页面为准。


DeepSeek发布全家桶应用API:把工程细节交给服务端

DeepSeek本次发布的核心不是新基座模型,而是一套面向应用开发的API能力集合。开发者可以接入联网搜索、文件输入、链接阅读与安全校验等工具调用能力,上下文拼接与工具调度由服务端完成,语音识别与语音合成也提供独立接口。

定价方面,语音识别为每小时0.39元,语音合成按每1万计费字符1.5元计算,汉字按两个字符计。官方同时开放了演示聊天客户端源码,支持导入历史对话。需要留意的是,本次发布重点在应用接口层,底层仍使用现有的Flash模型。

从产品策略看,DeepSeek正在把“模型能力”包装成“可直接嵌入业务的模块”。联网搜索、文件解析这类能力过去需要开发者自行拼接提示词与工具链,现在由服务端统一完成,降低了接入门槛,但也意味着调用方对底层流程的控制粒度会相应减弱。


Google:Gemini Hydrogen与Flow创作工具双线推进

Google发布了Gemini Hydrogen,定位日常编程与智能体执行。该模型支持100万Token上下文,付费接口每100万输入Token 1.5美元、每100万输出Token 7.5美元。同步加入的Anti-Gravity编排能力,可以在规划模型与执行模型之间交接任务,不同平台和订阅套餐的开放范围存在差异。

创作侧,Google Flow新增5款由视觉艺术家设计的工具。Character Arc可展示同一角色在不同年龄阶段的变化,Pocket Studio能从单条手机素材生成更多机位,其余工具分别面向角色海报、复古像素风格与玻璃光学效果。官方提示具体效果取决于素材与生成结果。

编程智能体与创意工具同时迭代,反映Google在“生产力”与“创作力”两条线上并行下注。Anti-Gravity的任务交接机制尤其值得关注:规划与执行分离是智能体系统走向工程化的常见路径,但交接过程的信息损耗与错误传播仍是实际落地中的难点。


腾讯混元实时语音模型:从对话到唱歌

据IT之家报道,腾讯发布实时语音模型HiRealTime,新增工具调用与唱歌能力,目前已用于元宝语音通话、腾讯客服等产品。用户可在最新版元宝选择出海语音色体验。腾讯云对外API计划近期上线,双工交互与长期个性化记忆仍是后续迭代方向。

目前已用于元宝语音通话

实时语音赛道的竞争焦点正在从“低延迟”转向“可打断、可调用工具、有记忆”。唱歌能力的加入看似娱乐化,实则考验模型对韵律与音色的精细控制,这类能力迁移到客服场景后,可能转化为更自然的语气表达与情绪适配。


智能体工具链:从编码到制造业的垂直渗透

Thinking Machines开放Inkling 2 Small权重

Thinking Machines开放了Inkling 2 Small的模型权重,采用多模态混合专家结构,总参数5940亿,每次激活170亿,支持图文输入与100万Token上下文,使用Apache 2.0许可。门槛在于原生4位版本要求至少500GB聚合显存。

模型此前已经发布

混合专家结构(MoE) 是一种将模型拆分为多个“专家”子网络的架构:每次前向计算只激活其中一部分专家,总参数量可以很大,但单次推理的算力开销接近小模型。Inkling 2 Small 的 5940 亿总参数、170 亿激活参数正是这一思路的体现——存储需求高,运行成本相对可控。原生 4 位量化 指训练后或训练中即以 4 位精度保存权重,相比 16 位可把显存占用压到约四分之一,但会带来精度损失与工具链兼容问题。这也是为什么该模型要求至少 500GB 聚合显存:权重总量在低精度下依然庞大,实际部署往往需要多卡聚合显存或 CPU 卸载。Apache 2.0 许可则意味着允许商用与修改,对希望在本地二次开发的企业较为友好。

Anthropic推出制造业插件

Anthropic发布制造业插件,提供17项技能与4个连接器,覆盖报价、质量报告、故障排查与供应商询价等工作,可连接Autodesk Fusion、Microsoft 365与Oracle NetSuite。工程师能够基于已有模型比较设计变体,但面向客户或供应商的操作仍需人员审阅与批准。

插件(Plugin)与连接器(Connector) 是智能体落地企业系统的两类组件。插件通常封装一组面向具体岗位的技能(如报价、质量报告生成),定义智能体在该场景下可调用的提示模板与工作流;连接器则负责打通外部系统,如 Autodesk Fusion 这类 CAD 工具、Microsoft 365 文档与邮件、Oracle NetSuite 的 ERP 数据。二者配合,智能体才能读取真实业务数据并回写结果。人工审批环节 的设计原因在于:面向客户或供应商的输出具有合同与合规含义,模型生成的报价或询价一旦出错,责任难以界定,因此流程上要求人员审阅批准后才会发出。这也是企业级智能体与传统聊天机器人的关键区别——后者只提供建议,前者需要嵌入责任链。

OpenAI展示安全与防御工具

OpenAI展示Daybreak Red Team与Defense Factory。Red Team让协同智能体在授权范围内测试Web应用、验证漏洞及补丁效果,目前提供早期接入;Defense Factory处于预览阶段,可连接GitHub仓库扫描代码、持续监控新提交并生成修复建议供工程师审阅。

Versal Labs开源UI SDK

Versal Labs开源UI SDK测试版,将键盘导航、焦点弹层选择与无障碍行为整理为可复用基础,供编码智能体构建界面,适配React、Vue、Svelte、Solid与Web Components,采用Apache 2.0许可,目前仍在Beta阶段。

Anthropic Managed Agents支持企业自托管

Anthropic Managed Agents新增企业自托管部署,企业可将智能体服务沙箱、凭据管理与会话历史放在自有云或本地环境,模型请求发往选定的服务商或网关。当前需要申请资格,且自托管服务不等于获得Claude模型权重。

这一组更新指向同一个趋势:智能体正在从“演示可用”走向“企业可管”。制造业插件的人员审批环节、Defense Factory的人工审阅设计、自托管对凭据与历史的隔离,都是在为责任边界与合规审计留出接口。

Claude Managed Agents


自托管(Self-hosted)部署 与“获得模型权重”是两件事。在 Managed Agents 的自托管模式下,智能体运行所需的服务沙箱、凭据管理和会话历史都放在企业自有云或本地环境中,模型推理请求则通过网关发往指定的模型服务商。这样企业可以控制敏感数据不落在第三方,满足数据驻留与审计要求,但模型本身仍是远程调用,权重并未交付,无法离线运行或自行微调。凭据管理 指 API 密钥、数据库口令等敏感信息的托管与轮换,自托管让这些凭据留在企业边界内,降低外泄风险;会话历史 的本地化则关系到对话记录是否构成需要合规留存的数据资产。这类部署形态通常需要申请资格审核,因为服务商要确认企业的安全基线与运维能力。

硬件与服务:Gemini眼镜预售、服务状态波动

Google与Samsung、Gentle Monster、Warby Parker合作推出Gemini智能眼镜并开放预购。Warby Parker系列395美元起,Gentle Monster系列449美元起,计划12月10日发售。眼镜支持语音交互、导航与翻译,可配合Pixel、Samsung手机及iPhone使用。

Warby Parker系列395美元起

IBM发布LLMOM标记语言,并提供基于Granite 4.1的3B与8B实验预览模型,用特殊标记区分指令、数据与约束,研究模型抵抗间接提示注入的能力。官方明确这属于训练得到的行为,并不构成安全保证,当前主要用于探索与评估。

服务状态方面,Claude在11月13日晚间出现新一轮异常,涉及网页、API、Claude Code与连接器等服务。官方晚间更新称网页与API出现恢复,但错误仍可能返回,最新恢复情况需查看官方状态页。


生态与接入:豆包工作接入第三方模型

据新惊爆消息,豆包工作接入更多Kimi第三方模型,并显示各模型的额度消耗倍率。豆包2.1 Lite与DeepSeek V4.1 Flash已进入限时优惠。这属于产品接入与额度政策更新,具体活动范围按产品页面为准。

多模型接入与额度透明化,正在成为办公类AI产品的标配能力。对用户而言,倍率展示让成本可预期;对平台而言,模型路由与计费策略本身也构成了产品差异化的一部分。


观察:API层竞争进入“工程细节”阶段

今天的更新里,真正的新模型并不多,更多是API、插件、SDK与部署形态的完善。DeepSeek把工具调用与上下文拼接收归服务端,Anthropic把审批与自托管做进企业流程,Versal Labs把无障碍行为沉淀为SDK,这些动作的共同点是:竞争焦点正从“模型分数”转向“工程可用性”。

对开发者来说,这意味着接入成本在下降,但对系统行为的可解释性与可控性提出了新要求。当服务端替你完成拼接与调度,出问题时定位链路的难度也会上升。选择哪家API,除了看价格与上下文长度,还需要看它是否提供了足够的可观测性与责任边界。

背景补充

间接提示注入 指攻击者把恶意指令藏在模型会读取的外部内容里,例如网页、邮件、文档或工具返回结果,而不是直接对模型说话。智能体一旦具备联网或文件读取能力,这类攻击面就会显著扩大:模型可能把网页中的一段文字误当成用户指令执行,从而泄露数据或调用不该调用的工具。标记语言式防护 的思路是用特殊标记在输入中显式区分“指令”“数据”“约束”三类内容,让模型在训练中学会只服从指令区、把数据区视为不可信文本。但官方强调这只是训练得到的行为倾向,并非形式化安全保证,因为模型仍可能被精心构造的内容绕过。当前 3B 与 8B 的实验预览模型主要用于评估这类防御的有效性与边界。

#DeepSeek API#Gemini Hydrogen#混元实时语音#AI日报#智能体#大模型API#AI工具链
分享:

相关推荐