[控场AI]
科技前沿· 7 分钟阅读· 3,753 字

Gemini Omni Flash 1.2疑曝光,Kimi托管智能体上线

Gemini Omni Flash 1.2疑曝光,Kimi托管智能体上线

Google视频模型传闻、OpenAI语音API、Kimi托管Agent、百度开源280B权重等多线并进。

本文汇总了近期 AI 领域的多条动态:X 平台用户爆料 Google Gemini Omni Flash 1.2 或将支持 1080p/4K 视频生成并通过 API 发布,但官方未确认;OpenAI 开放 GPT Live 外呼电话 API,语音智能体可经任意 SIP 中继拨打电话并支持 DTMF 按键;Kimi 推出托管智能体服务,将 Harness 框架搬上云端并首批提供 8 个金融模板;月之暗面开源 TCS Exam 理论计算机科学评测基准,中科大开源 RNA 结构基础模型 Struct RFM;百度发布 280B 总参数、14B 激活参数的开放预训练权重。此外,美国议员呼吁暂停高级 AI 开发。整体显示模型能力、基础设施与治理三线并行推进。

导语

AI 领域的信息流向来密集。近期,从 Google 视频模型的新动向,到 Kimi 把 Agent 运行框架搬上云端,再到百度放出 280B 参数的开放预训练权重,几条线索同时指向同一个趋势:模型能力在往多模态和长程任务走,基础设施在往托管化和开放化走。

Gemini Omni Flash 1.2 传闻:1080p/4K 视频生成与 API 待放

据 B 站 AI 晚报类内容综合 X 平台用户消息,有用户称 Google 的视频模型 Gemini Omni Flash 1.2 即将推出,并展示了据称由该模型生成的视频。该用户表示,新版本可能支持 1080p 和 4K 分辨率输出。

另一位用户则称,该模型将通过 API 提供,目前尚未开放,预计当天发布。需要明确的是,Google 官方尚未确认上述任何说法。这类爆料在模型正式发布前常见,分辨率与发布时间的准确性都存疑,读者宜以官方渠道为准。

从技术路线看,视频模型向 4K 分辨率演进是行业共同方向,但分辨率提升背后是算力成本与生成时长的权衡。若 Gemini Omni Flash 1.2 真能支持 4K,其推理效率如何、是否对 API 调用设限,才是开发者更关心的问题。

有网友猜测Teebo要被取代

Tibo 回应退休传闻:说法被严重夸大

围绕 Google 侧还有一个插曲。在 Andrew Ambrosino 发帖宣布用户即日起可就所有应用向他发反馈后,有网友猜测 Tibo 要被取代,进而传出其退休的说法。Tibo 随后回应称,有关他退休的说法被严重夸大。

这条消息本身信息量不大,但反映出 AI 团队人事变动常被外界放大解读。在模型发布节奏敏感的时期,任何人员或职责调整都容易被关联到产品走向,Tibo 的公开回应算是给传闻划了个句号。

OpenAI 开放 GPT Live 外呼电话 API

OpenAI 宣布 GPT Live 外呼电话 API 正式发布,对所有组织开放。开发者可以让语音智能体通过任意 SIP 中继服务商拨打电话,通话支持高清语音和按键收发。

这项能力的意义在于把语音智能体从封闭的演示环境推到真实电话网络。通过 SIP 中继接入,意味着企业可以复用现有的电话系统基础设施,而不必依赖单一供应商的线路。按键收发(DTMF)的支持则让语音智能体能够应对"按 1 转人工"这类传统 IVR 场景,实用性明显提升。

对开发者而言,语音智能体的落地门槛进一步降低;对行业而言,电话外呼是客服、预约、催收等场景的高频入口,开放 API 后竞争会集中在通话质量、延迟和合规策略上。

SIP 与 DTMF 的技术背景

SIP(Session Initiation Protocol)是应用层信令协议,负责建立、修改和终止 IP 网络上的语音/视频会话,是企业 VoIP 电话系统和运营商 IMS 网络的基础。开发者通过 SIP 中继(SIP trunk)将智能体接入电话网,相当于复用现有 PBX 或云呼叫中心的线路与号码资源,而不必自建电信级网关。DTMF(双音多频)则是拨号键盘使用的按键信号编码,传统 IVR 导航依赖它传递用户选择。语音智能体要真正替代人工坐席,必须在语音识别之外可靠地收发 DTMF 信号,才能与既有 IVR 流程对接。

Kimi 推出托管智能体服务,8 个金融 Agent 模板先行

Kimi 宣布正式推出托管智能体服务 Kimi Hosted Agents,把支撑 Agent 运行的 Harness 框架搬到云端。企业无需自建框架即可获得 7x24 小时托管环境,支持长程任务与多智能体协作。

首批提供 8 个金融 Agent 的模板。把 Harness 托管化,等于把 Agent 工程中最耗人力的调度、状态管理和持续运行部分交给平台,企业侧只需关注业务逻辑与数据接入。金融场景对稳定性和可审计性要求高,作为首批模板方向并不意外。

Kimi Hosted Agents

Agent Harness 是什么

Harness 指包裹在大模型之外、驱动 Agent 跑完长程任务的一整套运行时框架,通常包括工具调用编排、上下文与记忆管理、状态持久化、错误重试、并发调度和可观测性等模块。它不改变模型本身的能力,却决定 Agent 能否稳定完成多步骤任务。把 Harness 托管到云端,等于让平台承担进程常驻、故障恢复和扩缩容,企业只需编写业务逻辑与工具接口。这与早期开发者自行拼装 LangChain 式框架、自建调度服务的做法相比,显著降低了运维负担,但也带来对平台运行时行为的依赖。

月之暗面开源 TCS Exam 评测基准

月之暗面发布并开源理论计算机科学研究评测基准 TCS Exam,包含 100 道题的负套件和 20 道题的 light 套件,覆盖定理证明、求解器工程、构造和开放猜想四个方向。

理论计算机科学的评测长期缺乏统一标准,现有基准多偏向代码生成或数学竞赛题。TCS Exam 把定理证明与开放猜想纳入同一框架,试图触及模型在形式化推理上的上限。负套件与 light 套件的设计,也方便不同资源条件的团队按需选用。

覆盖定理证明、求解器工程、构造和开放猜想四个方向

中科大开源 RNA 序列基础模型 Struct RFM

中国科学技术大学团队发布开源 RNA 序列基础模型 Struct RFM,成果发表于 Nature。该模型用约 2100 万条序列与结构配对数据完成结构引导预训练,可预测 RNA 结构并推断功能,数据、模型、权重和原代码均已开放。

RNA 结构预测长期受限于实验数据规模,2100 万条配对数据在同类工作中属于可观量级。结构引导预训练的思路,是把结构信息作为监督信号融入序列建模,而非仅做序列到序列的生成。开源全部资产对生物信息学社区的价值,可能超过模型本身的性能数字。

结构引导预训练

RNA 的功能高度依赖其折叠后的三维结构,而实验测定结构的速度远慢于测序。结构引导预训练的做法是在序列语言建模目标之外,加入结构相关的监督信号,例如从预测的二级结构或配对约束中构造辅助损失,使模型在表示学习中内化碱基配对与空间构象规律。这与蛋白质领域从 AlphaFold 到 ESM 系列模型的思路一脉相承。2100 万条序列—结构配对数据的价值正在于此:结构标签越密集,模型越能学到序列到功能的映射,而非仅拟合序列分布。

百度发布 280B 参数开放预训练权重

百度发布开放预训练终点权重,覆盖领域适配、指令微调等后续训练使用。该模型总参数 280B,激活参数 14B,基于 33.5T Tokens 训练。官方称,经过后训练的 Ernie 5.5 Flash 将随后推出。

总参数 280B、激活参数 14B 的组合,说明这是一个稀疏架构模型,推理时只激活部分参数以控制成本。33.5T Tokens 的训练量在开放权重模型中属于较高水平,而"开放预训练终点权重"的定位,意味着第三方可以在此基础上做领域适配与后训练,而不是只拿到一个成品对话模型。

共领域适配、指令微调等后续训练使用

稀疏架构与 MoE

总参数 280B、激活参数 14B 意味着模型采用混合专家(MoE)等稀疏结构:前向计算时由路由器为每个 token 选择少量专家网络参与,因此单次推理的算力开销接近一个 14B 稠密模型,而模型容量由 280B 参数共同承载。这种设计让开放权重模型在训练成本与推理效率之间取得折中,但也对显存容量提出更高要求——全部专家权重仍需加载或分片存放。理解“总参数/激活参数”这一对指标,是评估此类模型部署成本与吞吐表现的关键。

美国议员呼吁暂停高级 AI 开发

美国民主党众议员 Yasamin Ansari 呼吁将暂停高级 AI 开发、监管这个失控的行业和禁止人工超级智能列为新国会第一天议程的首要事项。其参与联署的相关法案此前已提出,目前仍在公开国会委员会审议。

这类立法动议在短期内通过的概率不高,但反映出国会层面对 AI 风险的关注正在从听证转向具体法案文本。暂停高级 AI 开发与禁止人工超级智能的提法,触及能力阈值定义、国际协调等难题,即便进入审议也会经历长时间博弈。

小结

把这几条消息放在一起看:Google 在视频模型上的传闻、OpenAI 把语音智能体接入电话网、Kimi 托管 Agent 框架、月之暗面与中科大各自开源评测基准和生物模型、百度放出稀疏架构预训练权重,再加上国会的监管呼声。能力、基础设施与治理三条线同时在动,AI 行业的节奏没有放缓的迹象。

#Gemini Omni Flash 1.2#Kimi Hosted Agents#GPT Live API#TCS Exam#Struct RFM#百度280B模型#开放预训练权重
分享:

相关推荐