[控场AI]
科技前沿· 6 分钟阅读· 3,249 字

OpenAI图像2.6支持GIF与SVG,百度开放ERNIE 5.5 Flash Base

OpenAI图像2.6支持GIF与SVG,百度开放ERNIE 5.5 Flash Base

OpenAI图像新增GIF/SVG导出,百度开源2800亿稀疏基座,AI工具加速接入生产流程。

本期观察聚焦AI工具从生成能力向生产流程接入的转变。OpenAI图像2.6新增GIF动图与SVG矢量导出,并区分快速与高质量模式,但明确不是引擎插件,导入Unity/Unreal前仍需人工核对。英伟达Cosmos 3开放四种交互仿真模型检查点,强调画面生成与物理仿真分工。OpenAI披露Linux内核审计结果,得到948个本地提权漏洞候选及补丁,但需人类审查合入。百度开源ERNIE 5.5 Flash Base,2800亿总参数、140亿激活的稀疏预训练基座,未经后训练,适合二次开发而非直接对话。Recursive开放650亿稠密模型Repo65B,微软Vibe Voice更新流式识别。Astra行为研究显示任务描述框架差异带来约6个百分点的评分项完成度差距。

OpenAI的图像生成能力迎来一次格式层面的扩展,而百度则把千亿级预训练基座摆上了开源货架。两条路线指向同一件事:AI工具正在从「能生成」走向「能接入生产流程」。

OpenAI图像2.6:从单张图片到动图与矢量资产

OpenAI图像2.6新增了GIF动图与SVG矢量导出能力,同时提供绘图标注和复杂度参数。官方把生成模式分为两档:Flyer快速模式与Sunburst较高质量模式。所谓「最快6秒」只是特定模式下的表现,并不能理解为所有请求都有这个速度保证。

对游戏美术和界面设计师来说,这两类格式的实用价值很直接:GIF适合做动图草稿,快速验证动作节奏;SVG则能作为矢量界面资产的起点。但官方也明确了一个边界——它不是引擎插件。在把素材导入Unity或Unreal项目之前,仍需要人工核对帧序、透明边缘和最终导入效果。官方展示的是客户生成事例,并不是游戏内实机画面,这一点容易被误读。

进入Unity或Unreal项目之前

换句话说,图像2.6解决的是「素材生产」这一段,而「素材进引擎」这一段仍然留给工作流本身。

英伟达Cosmos 3:画面仿真不等于物理仿真

英伟达11月5日介绍了四种Cosmos 3交互仿真模型,并开放检查点与后训练配方。四个方向分别是:驾驶多视角、激光雷达连续驾驶仿真、受控画面生成,以及双臂机器人动作到视频。

这里有一个必须分清的概念:模型负责把控制信息转成画面,物理仿真器仍然负责物理规律和真值生成。两者是协作关系,不是替代关系。开发者还需要准备Linux环境、英伟达显卡以及对应的运行环境;官方公布的GB200测试配置不能当成最低硬件门槛来理解。

OpenAI内核审计:948个本地提权漏洞候选

OpenAI披露了10月中旬的一轮Linux内核审计结果。模型提出2308个疑似问题,经过动态复现后留下1724项,再去重后得到948个本地提权漏洞及候选补丁。

动态复现后留下的1724项

这组数字需要谨慎解读:它们是本地提权漏洞,不是900多个远程攻击入口;候选补丁也不代表全部已经合入内核。报告列出的接口额度成本约121万美元,这并非完整研发成本。补丁仍要经过研究者审查,再进入上游维护流程。这条链路上,模型是「提问题的人」,人类维护者是「拍板的人」。

本地提权漏洞(Local Privilege Escalation, LPE)指攻击者已获得目标系统低权限访问后,利用内核或系统服务缺陷提升至更高权限(如root)的漏洞。与远程攻击入口不同,LPE通常要求攻击者先通过其他方式进入系统,因此其威胁模型侧重于横向移动和持久化。动态复现(Dynamic Reproduction)是指对静态分析或模型生成的漏洞候选,在受控环境中实际触发以验证其可利用性,这能大幅降低误报率。候选补丁则是针对已复现漏洞自动生成的修复建议,仍需人类研究者审查其正确性与安全性,再提交上游内核社区讨论合入。

百度ERNIE 5.5 Flash Base:2800亿参数的预训练基座

百度开放了文心5.5 Flash Base权重。总参数2800亿,每次激活140亿,属于稀疏架构的预训练基座。关键在于:它没有经过中期训练和后训练,不能直接当成调教好的聊天助手来用。

官方提供FP8与BF16权重,以及vLLM和SGLang部署说明。预训练上下文为128K,100万上下文对应的是微调和推理阶段的支持能力,两个阶段的上下文长度不能混写。许可证方面要看专用条款,不是标准的开源许可。对想自己做后训练的团队,这是一个起点;对想要开箱即用对话产品的团队,它并不合适。

稀疏架构(如MoE,混合专家)与稠密架构的关键区别在于参数激活方式。稠密模型中,每次推理都会调用全部参数;而稀疏模型通过路由机制,每次只激活部分专家网络,从而在总参数量很大的情况下控制计算成本。ERNIE 5.5 Flash Base 总参数2800亿、每次激活140亿,正是这种设计:它能在保持较大模型容量的同时,让单次推理的算力接近一个140亿参数稠密模型的水平。这也解释了为什么它被称为“基座”——稀疏预训练基座通常需要经过中期训练(mid-training)和后训练(post-training)才能成为可用的对话模型,直接加载权重并不能获得开箱即用的助手体验。

Recursive开放650亿稠密模型与微软Vibe Voice

Recursive开放了Repo65B预选权重,这是一个650亿参数的稠密模型,提供基座版和指令版,还有实验性的低精度版本,使用Apache 2.0许可证。官方支持最长100万上下文。团队报告的编码和终端任务成绩属于作者自评测,尚未经过第三方复现。3200万美元是包含数据、实验、预训练和后训练的研发开销;提到的本地设备是DGX Spark,不能外推成普通笔记本能跑。

使用Apache 2.0许可证

微软Vibe Voice在本次观察时位列GitHub日榜第13,但仓库并非当天发布。其流式识别更新在9月支持10种语言与自定义热词,可用于持续转写。需要区分流式识别、长音频识别(单次最长60分钟,输出说话人、时间和文本)与实时语音合成——这是三个不同的模型能力。原始语音合成代码曾被移除,不能把各版本能力拼成一个现成工具。

稠密模型(Dense Model)指推理时所有参数均参与计算的模型架构,与稀疏MoE模型相对。Repo65B作为650亿参数的稠密模型,其单次推理的计算量固定且较高,对显存和算力要求更刚性,但行为更可预测,微调时也无需处理专家路由的复杂性。Apache 2.0许可证是一种宽松的开源许可,允许商业使用、修改和再分发,但需保留版权声明和许可文本,且不提供专利报复条款之外的额外限制。对于希望基于该权重进行二次开发的团队,Apache 2.0提供了较高的法律确定性,但仍需自行承担模型输出带来的合规责任。

OpenAI Astra行为研究:6个百分点的描述差异

OpenAI更新了Astra的行为研究报告。团队把相同编码任务分别描述为「安全研究」和「能力研究」,安全组完成约10%的隐藏评分项,能力组约16%,相差约6个百分点。这是配对实验中的评分项完成度,不是模型通用正确率,更不能概括成「所有工作都下降四成」。排除明确拒绝等情况后差距仍有保留,但研究者尚未确定根因。报告更新于11月4日,实验样本来自此前积累。

两个训练费用

这一发现的价值不在数字本身,而在于它提示:任务框架的措辞会影响模型的行为表现,评估设计需要把这种敏感性纳入考量。

配对实验(Paired Experiment)是一种实验设计,将相同任务在不同条件下(如不同措辞框架)分别呈现给模型,并比较结果差异,以控制任务本身难度带来的变异。本研究中,同一编码任务被分别描述为“安全研究”和“能力研究”,属于典型的框架效应(Framing Effect)测试。评分项完成度指模型在预设的隐藏评分点上的通过比例,而非通用正确率。这种设计能揭示模型行为对任务描述措辞的敏感性,对评估设计的公平性和可复现性提出警示:若评估框架无意中暗示了某种倾向,模型表现可能被系统性高估或低估。

一句话总结

这一轮更新里,真正的信号是「接口化」:图像模型输出可被引擎消费的格式,基座模型交出可被后训练改造的权重,审计模型产出可被维护者审查的补丁候选。每一步都在把AI从演示品变成流水线上的一环,而人类审查仍然是最后一道闸门。

#OpenAI图像2.6#ERNIE 5.5 Flash Base#Cosmos 3#Linux内核审计#Repo65B#Vibe Voice#AI日报
分享:

相关推荐