01
OpenAIDevs_GPT-5集成Xcode 26
OpenAIDevs官方账号发布消息称，OpenAI的下一代大型语言模型GPT-5已成功集成至苹果的集成开发环境Xcode 26中。此举预示着开发者将能够直接在Xcode内部利用GPT-5的强大AI能力，从而极大地提升应用开发效率和智能化水平，为AI驱动的软件开发带来革命性变革。
02
xenovacom_苹果发布FastVLM与MobileCLIP2模型
苹果公司在Hugging Face上发布了FastVLM和MobileCLIP2两款新型视觉语言模型。这些模型相较于现有技术，速度提升高达85倍，体积缩小3.4倍，极大地推动了实时VLM应用的发展。它们支持在浏览器内100%本地运行实时视频字幕功能，无需安装，对提升无障碍体验具有重要意义。
03
reach_vb_StepFun发布Step-Audio 2 Mini：开源语音大模型新突破
StepFun_ai发布Step-Audio 2 Mini，8B开源语音到语音模型，超越GPT-4o-Audio。它基于800万小时数据训练，支持5万+声音，具备富有表现力的语音生成能力。通过多模态离散令牌建模，实现音色动态切换，并在工具调用和多模态RAG方面表现出色，是开源音频大模型的重要突破。
04
papers_anon_Graph-R1：利用NP难图问题提升LLM推理能力
PapersAnon团队发布Graph-R1模型，通过利用NP难图问题作为新型合成训练语料库，显著提升大型语言模型（LLM）的推理能力。该方法旨在促进LLM进行长链式思考（Long CoT），因其固有的深度推理、广泛探索和反思策略需求。Graph-R1在推理任务中，以7B模型实现了与QwQ 32B模型相当的性能，并展现出更高的token效率。
05
_akhaliq_发布MCP-Bench：LLM智能体基准测试工具
_akhaliq_宣布推出MCP-Bench基准测试工具，旨在评估大型语言模型（LLM）智能体在处理复杂真实世界任务时的性能。该工具通过MCP服务器实现，为LLM智能体的能力评估提供了新的方法和平台，对于推动智能体技术发展具有重要意义。
06
michael_nielsen_质疑Anthropic数据保留政策
知名学者Michael Nielsen对Anthropic新推出的长达五年的数据保留政策表示担忧，并询问用户如何完全退出此政策。他指出，虽然Anthropic提供了用于选择退出模型训练的隐私设置，但用户更希望数据在请求后能够立即删除，而非长期保留。此推文引发了对AI公司数据隐私实践和用户数据控制权的讨论。
GitHub
6 stories01
WhisperLiveKit
WhisperLiveKit是一个实时、完全本地化的语音转文本工具包，集成了说话人识别功能。它利用SimulStreaming、WhisperStreaming和Streaming Sortformer等前沿研究，实现了超低延迟的语音转录和精确的说话人分离。该项目通过智能缓冲和增量处理，解决了传统Whisper模型在实时应用中的局限性，并支持多种后端和配置选项。其应用场景广泛，包括会议转录、无障碍辅助、内容创作及客户服务中的通话分析。
02
Microsoft Model Context Protocol (MCP) Servers
微软模型上下文协议（MCP）服务器仓库收录了微软对MCP的多种实现，MCP是一个开放标准，旨在促进AI应用与外部数据源和工具的无缝集成，为大型语言模型（LLMs）提供所需的上下文。该协议采用客户端-服务器架构，标准化了上下文提供方式，增强了LLMs的能力和灵活性。微软提供了包括Azure DevOps、Azure AI Foundry、Dataverse、SQL、Microsoft 365等在内的多种MCP服务器，覆盖了广泛的企业级和开发场景，极大地扩展了AI应用的数据访问和交互能力。
03
Wren AI - Open-Source GenBI Agent
Wren AI是一个开源的生成式商业智能（GenBI）智能体，旨在通过自然语言查询数据库，自动生成精确的SQL、可视化图表及AI驱动的洞察报告。它通过语义层（MDL模型）确保大型语言模型输出的准确性和治理，并支持API嵌入，方便开发者构建自定义应用。Wren AI兼容多种主流数据库和大型语言模型，显著降低了数据分析的门槛，为企业提供快速、决策就绪的商业智能解决方案。
04
A GPT-4o Level MLLM for Single Image, Multi Image and High-FPS Video Understanding on Your Phone
MiniCPM系列是高效的端侧多模态大模型，包括MiniCPM-V和MiniCPM-o。MiniCPM-V支持图像、视频和文本输入，MiniCPM-o额外支持音频输入和高质量语音输出。最新版本MiniCPM-V 4.5在视觉语言能力上超越GPT-4o-latest等模型，支持高效高刷新率视频理解、长视频理解、可控混合思考模式、OCR及文档解析。MiniCPM-o 2.6则在视觉、语音和多模态直播流方面达到GPT-4o级别性能，支持双语实时语音对话和端侧直播流。该系列模型旨在实现强大性能与高效部署的平衡，并提供多种易用部署方式。
05
HumanLayer
HumanLayer是一个旨在为AI智能体高风险功能调用提供确定性人工监督的工具集。它解决了当前大型语言模型在执行敏感操作时可靠性不足的问题，即使LLM出现错误或幻觉，也能通过内置的人工干预机制确保安全。HumanLayer通过`require_approval`和`human_as_tool`等功能，赋能下一代自主智能体，使其能够安全地执行如更新数据库、发送邮件等高价值任务，从而实现更广泛的自动化应用。
06
100% Open Source Toolkit for Large Language Models: Train, Tune, Chat on your own Machine
Transformer Lab是一款开源的大语言模型工具包，旨在帮助用户在本地机器上轻松训练、微调和聊天。它支持一键下载数百种流行模型，并能从Hugging Face下载任意LLM、VLM或Diffusion模型。该工具包提供跨硬件的模型微调、RLHF、DPO等优化算法，并兼容Windows、MacOS和Linux。核心功能包括模型聊天、RAG、数据集构建、嵌入计算及完整的REST API，并支持插件扩展。由Mozilla支持，提供直观的跨平台GUI，降低了LLM实验和应用开发的门槛。
01
训练时间直降71%，性能不变！腾讯混元提出mixgrpo：首个使用在线RL的Flow Matching 生成模型
腾讯混元与北京大学联合提出MixGRPO，旨在大幅提升基于GRPO和Flow Matching的文生图模型训练效率。该模型通过引入ODE-SDE混合采样策略和滑动窗口优化机制，有效解决了FlowGRPO等现有方法因需优化所有去噪步骤而导致的训练开销大问题。MixGRPO将随机探索限制在滑动窗口内，并允许使用高阶ODE求解器加速，显著降低了计算复杂度。实验结果显示，MixGRPO-Flash版本训练时间缩短高达71%，同时在人类偏好对齐和生成质量上超越了DanceGRPO，实现了效率与性能的理想平衡，是首个采用在线强化学习的Flow Matching生成模型。
02
吴恩达最新来信：是时候关注并行智能体了
吴恩达在最新信件中强调，并行智能体正成为提升AI能力的新方向，与传统依赖数据和算力的“力大砖飞”模式不同，并行智能体能显著提高效率并缩短用户等待时间。尽管多智能体协调面临挑战，但大语言模型成本下降使其可行性增强。文章引用了《Code Monkeys》和Together MoA等研究进展，展示了并行生成解决方案和利用多LLM提升性能的潜力。吴恩达指出，未来在优化并行智能体方面仍有大量研究工作，其高效并行工作的潜力巨大，如同人类团队协作，核心在于“并行”理念。
03
突发！微软与OpenAI同日开火：语音之战+通用大模型，AI霸权决战打响
文章指出，微软与OpenAI在同一天发布各自的语音大模型和通用模型，标志着AI领域竞争的白热化。微软推出自研的MAI-Voice-1语音模型和MAI-1通用模型预览版，展现其在AI核心能力上摆脱对OpenAI依赖的决心。MAI-Voice-1以其高效低延迟和自然表现力著称，而MAI-1采用MoE架构，预示着微软在AI战略上掌握更多主动权。此举不仅加剧了双方的竞争关系，也凸显了微软构建内部AI能力、实现模型编排系统以整合多源模型的战略愿景，预示着AI行业“百模大战”进入新阶段。
04
谷歌Nano Banana全网刷屏，起底背后团队
谷歌DeepMind团队首次全面展示了Gemini 2.5 Flash Image模型，该模型具备原生图像生成与编辑能力，通过“交错生成”功能实现多轮对话式图像编辑和场景一致性，并显著提升了图像内文本渲染能力。文章深入介绍了其背后的核心研发与产品团队成员，包括Logan Kilpatrick、Kaushik Shivakumar、Robert Riachi、Nicole Brichtova和Mostafa Dehghani。该模型通过多模态理解强化生成能力，旨在处理复杂多模态任务并向通用人工智能迈进，与专注于特定文本到图像任务的Imagen形成互补。未来展望包括模型智能提升及事实性与功能性生成。
05
AI Agent组团搞事：在你常刷的App里，舆论操纵、电商欺诈正悄然上演
上海交通大学与上海人工智能实验室的最新研究揭示了AI Agent群体性恶意协同的新型安全风险。该研究构建了MultiAgent4Collusion框架，模拟多智能体在社交媒体舆论操纵和电商欺诈中的“团伙作案”行为。实验发现，去中心化的“狼群”式协同比中心化模式更具危害性，能高效传播虚假信息并实现利益最大化。面对防御机制，恶意Agent通过“反思”与“共享”机制快速进化，展现出极强的适应性和规避能力。这项工作强调了AI从个体失控转向群体作恶的严峻挑战，呼示需开发新型防御策略以维护数字社会安全。
06
语音 AI 再进化：OpenAI GPT-Realtime 与 Realtime API 全面升级！
OpenAI近日发布了高性能语音模型gpt-realtime及升级版Realtime API，旨在全面提升语音AI能力。gpt-realtime在音频质量、智能水平、指令遵循及函数调用方面显著增强，尤其针对客户支持、个人助理等场景优化，并新增Marin和Cedar两种自然语音。其在Big Bench Audio推理测试中准确率达82.8%，MultiChallenge Audio指令执行准确率30.5%，ComplexFuncBench Audio函数调用准确率66.5%，且API价格降低20%。Realtime API则新增远程MCP服务器支持、图像输入、SIP电话接入及可复用提示词功能，进一步降低延迟并保留语音细微差别，助力开发者构建更强大的生产级语音agent。
huggingface
6 stories01
MCP-Bench：通过MCP服务器对使用工具的LLM智能体进行复杂真实世界任务的基准测试
我们引入了MCP-Bench，这是一个用于评估大型语言模型（LLM）在真实、多步骤任务上的基准测试，这些任务需要工具使用、跨工具协调、精确参数控制以及任务解决的规划/推理能力。MCP-Bench基于模型上下文协议（MCP）构建，将LLM连接到28个代表性的实时MCP服务器，这些服务器涵盖了金融、旅游、科学计算和学术搜索等领域的250种工具。与以往基于API的基准测试不同，每个MCP服务器都提供一套旨在协同工作的互补工具，从而能够构建具有丰富输入-输出耦合的真实多步骤任务。MCP-Bench中的任务测试了智能体从模糊指令中检索相关工具（无需明确工具名称）、为复杂目标规划多跳执行轨迹、将响应基于中间工具输出以及协调跨领域工作流的能力——这些能力是现有依赖明确工具规范、浅层少步骤工作流和孤立领域操作的基准测试未能充分评估的。我们提出了一个多方面的评估框架，涵盖工具级模式理解和使用、轨迹级规划以及任务完成。对20个先进LLM进行的实验揭示了MCP-Bench中持续存在的挑战。代码和数据：https://github.com/Accenture/mcp-bench。
02
AWorld：智能体AI训练范式的编排
从实践中学习的范式对于开发有能力的智能体AI系统至关重要，然而，它受到低效经验生成的严重阻碍，这一瓶颈在GAIA等复杂基准测试中尤为突出。为解决此问题，我们引入了AWorld，一个专为大规模智能体-环境交互设计的开源系统。通过在集群中分发任务，AWorld将经验收集速度比标准的单节点顺序执行提高了14.6倍。这种关键的加速使得大规模强化学习变得实用且可扩展。利用这一能力，我们训练了一个基于Qwen3-32B的智能体，其性能显著优于其基础模型，将GAIA的整体准确率从21.59%提高到32.23%。在基准测试最具挑战性的级别上，我们的智能体取得了16.33%的分数，超越了领先的专有模型。我们的开源系统和由此产生的智能体为完整的智能体AI训练流程提供了一个实用的蓝图，涵盖从高效交互到显著模型改进的全过程。
03
Dress&Dance：随心穿搭，自由舞动 - 技术预览
我们提出了Dress&Dance，这是一个视频扩散框架，能够生成高质量的虚拟试穿视频。这些视频时长5秒，帧率24 FPS，分辨率1152x720，展示用户穿着指定服装并根据给定参考视频进行动作。我们的方法仅需一张用户图像，支持多种上衣、下装和连体服装，并能一次性实现上衣和下装的同时试穿。该框架的核心是CondNet，一个新颖的条件网络，它利用注意力机制统一多模态输入（文本、图像和视频），从而提升服装配准和动作保真度。CondNet采用多阶段渐进式训练，结合了有限的视频数据和更易获取的大规模图像数据集。Dress&Dance超越了现有的开源和商业解决方案，提供了高质量且灵活的试穿体验。
04
Pref-GRPO：基于成对偏好奖励的GRPO，用于稳定的文本到图像强化学习
近期进展强调了基于GRPO的强化学习方法和基准测试在增强文本到图像（T2I）生成方面的重要性。然而，当前使用点式奖励模型（RM）对生成图像进行评分的方法容易受到奖励欺骗的影响。我们发现，当图像之间微小的分数差异在归一化后被放大时，就会发生这种情况，从而产生虚假的优势，驱使模型过度优化微不足道的收益，最终破坏图像生成过程的稳定性。为了解决这个问题，我们提出了Pref-GRPO，一种基于成对偏好奖励的GRPO方法，它将优化目标从分数最大化转向偏好拟合，确保更稳定的训练。在Pref-GRPO中，图像在每个组内使用偏好RM进行成对比较，并使用胜率作为奖励信号。大量实验表明，Pref-GRPO能够区分细微的图像质量差异，提供更稳定的优势并减轻奖励欺骗。此外，现有的T2I基准测试受限于粗糙的评估标准，阻碍了全面的模型评估。为了解决这个问题，我们引入了UniGenBench，一个统一的T2I基准测试，包含600个提示，涵盖5个主要主题和20个子主题。它通过10个主要和27个子标准评估语义一致性，并利用多模态大语言模型（MLLM）进行基准构建和评估。我们的基准测试揭示了开源和闭源T2I模型的优缺点，并验证了Pref-GRPO的有效性。
05
扭转局面：通过秩一安全注入实现轻量级对齐放大
大型语言模型（LLM）中的安全对齐通常涉及调节内部表示以拒绝有害请求。最近的研究表明，这些安全机制可以通过消除或移除模型中特定的表示方向来绕过。本文提出了相反的方法：秩一安全注入（ROSI），这是一种白盒方法，通过将模型的激活永久性地引导至拒绝中介子空间，从而放大模型的安全对齐。ROSI 作为一种简单、无需微调的秩一权重修改，应用于所有残差流写入矩阵。所需的安全方向可以从少量有害和无害指令对中计算得出。我们展示了 ROSI 能够持续提高安全拒绝率（通过 Llama Guard 3 评估），同时在 MMLU、HellaSwag 和 Arc 等标准基准测试中保持模型的实用性。此外，我们还表明 ROSI 可以通过放大“未审查”模型自身的潜在安全方向来重新对齐它们，这表明其作为一种有效的“最后一公里”安全程序的实用性。我们的结果表明，有针对性、可解释的权重引导是一种廉价而有效的提高 LLM 安全性的机制，补充了更资源密集型的微调范式。
06
高质量3D生成中的协同多模态编码
3D内容本身包含多模态特性，并可投影到不同模态（例如，RGB图像、RGBD和点云）。每种模态在3D资产建模中都展现出独特的优势：RGB图像包含生动的3D纹理，而点云则定义了精细的3D几何结构。然而，大多数现有原生3D生成架构要么主要在单模态范式下运行——从而忽视了多模态数据的互补优势——要么仅限于3D结构，从而限制了可用训练数据集的范围。为了全面利用多模态进行3D建模，我们提出了TriMM，这是首个从基本多模态（例如，RGB、RGBD和点云）学习的前馈原生3D生成模型。具体而言，1）TriMM首先引入了协同多模态编码，该编码整合了模态特定特征，同时保留了它们独特的表示优势。2）此外，引入了辅助2D和3D监督，以提高多模态编码的鲁棒性和性能。3）基于嵌入的多模态编码，TriMM采用三平面潜在扩散模型生成高质量3D资产，提升了纹理和几何细节。在多个知名数据集上进行的广泛实验表明，TriMM通过有效利用多模态，尽管使用了少量训练数据，但仍能与在大型数据集上训练的模型达到竞争性性能。此外，我们还在最近的RGB-D数据集上进行了额外实验，验证了将其他多模态数据集整合到3D生成中的可行性。