本周AI领域重大安全漏洞与新型模型突破

本周人工智能领域的进展令人震惊，OpenAI遭遇了一次利用图像进行的简单黑客攻击。与此同时，一种名为 Jev 的完全新型AI模型问世，其不仅速度极快，据称还实现了 0%的幻觉率。在密码学领域，GPT6 Astra 成功破解了一条二战期间加密且80年来未被解决的德语信息。此外，Google发布了一个用于 递归自我改进的框架，而OpenAI则推出了一款强大的交互式世界模型。这款新模型内置游戏引擎机制，能够持续追踪环境状态，从而支持 多个玩家在同一环境中进行互动。这些突破性进展标志着AI在安全性、准确性及复杂场景模拟能力上的显著提升。

Meridian视频重定向技术与R2T2实时转录模型详解

Vigle发布了基于 Miniax H3 构建的新AI工具 Meridian。该工具能够输入现有视频，通过名为 VGGT Omega 的几何系统估算场景深度并重建3D点云，进而从不同视角或运动路径重新生成高质量视频。用户可以实现环绕主体、改变距离甚至 子弹时间效果。由于基于完整的62GB Miniax模型微调，目前开源版本可能需要量化处理以适应消费级硬件。另一方面，R2T2 是一个超小型（约4GB）的开源实时转录模型。与GPT Live Transcribe类似，它保持开放连接并随音频到达返回文本。在对比测试中，R2T2展现了 最低的单词错误率（WER）和延迟。原文指出："R2T2 models in red are indeed the best in terms of both English and Chinese." 这意味着它在英语和中文转录中均优于其他竞品，且易于在大多数消费级GPU上本地运行。

Jing and Dao：具备持久状态管理的生成式世界模型

X-Gen Labs推出了名为 Jing and Dao 的生成式世界模拟系统，旨在超越仅预测下一帧的传统视频生成器。该系统由两部分组成：Dao 作为世界引擎，存储环境共享状态、应用规则并更新动作结果；Jing 作为体验模型，根据底层世界生成特定角色的视角。其核心优势在于 持久性（Persistence） 和开放性，即使玩家离开区域，环境状态仍保持一致，且支持无限时长生成（受算力限制）。与V3或Genie 3等竞品相比，Jing and Dao是 唯一拥有世界状态管理系统的模型，类似于游戏引擎。这使得多角色在同一环境中互动成为可能，且所有交互保持一致性。目前该模型处于研究预览阶段，但 Jing 模型的代码已开源。视频生成部分基于微调后的 Miniax H3（约67GB），展示了其在复杂动态场景模拟中的强大潜力。

Google Dream RSI：基于搜索历史的策略优化实验

Google本周发布了一项名为Dream RSI（Recursive Self-Improvement Through Evolving Worlds）的有趣项目，其核心并非让AI模型自身通过重写权重来变强，而是专注于改进智能体搜索解决方案的策略。传统提升AI性能的方式通常涉及重新训练模型或使用强化学习，但Dream RSI采取了一种不同的路径：让智能体从自身过往的所有搜索历史中学习。每次探索问题时，系统会生成一个被称为“发现树”的结构，这就像一张巨大的地图，记录了之前尝试过的所有分支、失败原因及最终结果。通过这种方式，系统无需重新运行计算密集型任务，而是能够回放成千上万个搜索树。

"Basically, the AI is kind of dreaming about what would happen if it had pursued different branches."

这种机制允许AI模拟如果当初选择了不同分支会发生什么，从而生成改进后的搜索策略。系统会将这些新策略与所有现有记录进行比对测试，并部署表现最佳的方案，随后循环重复这一过程。研究人员指出，虽然底层Gemini模型的权重和架构保持不变，但围绕模型探索、计算分配及目标选择的策略得到了显著优化。这种非参数化的自我改进方式，为AI效率提升提供了新的实验视角。

Dream RSI性能基准与Gemini 3.8 Live实时语音模型发布

在数学优化领域的递归改进系统基准测试中，Dream RSI展现了卓越的性能。数据显示，在GPU内核工程方面，Dream RSI平均表现最佳。更关键的是，它能够在达到与其他方法相当的结果的同时，使用的生成次数减少两倍以上。这一数据突显了其在计算资源利用上的高效性。与此同时，Google还发布了最新的实时AI语音模型Gemini 3.8 Live及其扩展思考版本（Extended Thinking）。Base版旨在提供更快、更便宜的部署方案，而扩展版则针对需要深层多步推理的任务进行了增强。

这两个模型均支持实时音频及视觉输入（如图片或视频），并能同时调用网络搜索等工具。其重大突破在于模型无需在后台执行任务时停止说话，而是可以边推理、边调用API、边与用户对话，并在工具返回结果后自然融入回应中。此外，该模型支持自动检测并切换97种语言，无需手动指定。在与其他实时语音模型（如GPT Live、Astra及Groq Voice）的对比中，Gemini 3.8 Live在性能上表现相当，但成本却低得多。目前该模型已在Gemini应用、Google AI Studio及Search Live中全面开放。

Qwen 3.8 Omni Flash：高效多模态处理与实时翻译能力

阿里巴巴本周发布了Qwen 3.8 Omni Flash，这是一款能够同时处理文本、音频、图像和视频的多模态模型。作为Flash版本，其最大特点是极高的处理速度和实时流式传输能力。用户只需开启摄像头即可向模型提问，它能即时理解并渲染场景内容；上传视频后，它也能迅速将其拆解为人物、镜头运动、构图、对话及音效等详细元素。该模型拥有100万token的上下文窗口，足以处理约一小时的视频或超过10小时音频。在音视频理解与交互的基准测试中，Qwen 3.8 Omni Flash的表现甚至超越了Gemini 3.8 Flash。

模型对比维度 Qwen 3.8 Omni Flash vs Gemini 3.8 Flash
音视频理解与交互 Qwen 3.8 Omni Flash在大多数实例中表现更佳
音频推理与语音识别 Qwen 3.8 Omni Flash在大多数实例中表现更佳
成本效率 Qwen 3.8 Omni Flash通过API调用，每处理一小时音视频的成本远低于Gemini Flash

除了多模态模型，阿里还推出了Qwen 3.8 Live Translate，这是一款专为实际对话设计的实时AI翻译工具。它支持输入实时音频或视频，并在交谈过程中同步生成转录文本。Qwen 3.8 Omni Flash目前通过通义千问平台提供，需订阅Token计划，是目前处理大量音视频文件最具性价比的选择之一。

Qwen 实时翻译与语音克隆能力展示

Qwen 模型在实时交互场景中展现了强大的多模态处理能力，不仅支持文本转录，还具备语音克隆功能。该模型能够将不同语言的内容转化为特定人物的声音进行播报。视频中演示了一段关于“呼风唤雨”的对话，模型成功让角色用不同语言说出相同的情感内容。此外，系统能够分离不同的说话人并标记身份。在输入输出语言支持方面，该模型覆盖了 60 种输入语言和 29 种口语输出语言。

“It's able to separate different speakers and label who said what, as you can see here.”

在性能评估中，Qwen 模型在忠实度、流畅度和简洁性三个维度上均表现出众。测试结果显示，其平均胜率显著高于 Seed Live Interpret、GPT Real Time 以及 Gemini Live 等竞争对手。同时，在翻译质量评分上，Qwen 也取得了最高分。更关键的是，该模型在延迟和错误率方面表现优异，拥有所有对比模型中最低的延迟与最低的错误率。目前该功能主要通过 API 提供，用户也可通过在线演示体验。

Runway：一站式创意 AI 平台生态

Runway 作为本期视频赞助商，定位为全栈式创意 AI 平台。它整合了包括 GBT Image、Nano Banana 在内的顶级图像生成器，以及 Cance 和 Cling 等主流视频生成工具。Runway 的核心优势在于其超越了单片段生成的局限，提供了从概念到成片的完整工作流。通过 Runway Agent，用户只需描述视频需求，AI 即可协助开发概念、创建场景、生成对白与配音、添加音乐，最终合成完整视频。

“With Runway Agent, you can simply describe the video you want to make... turn everything into a complete video through one conversation.”

对于已有素材的用户，Olaf 2.0 提供了基于自然语言描述的编辑能力。用户可以仅通过文字指令实现场景重新打光、整体重风格化、环境更换或物体的增删，而无需重新拍摄。此外，平台支持构建可复用的自动化工作流，将多个 AI 工具串联起来。一旦确定流程，即可实现大规模的一致性内容生成，适用于广告、社交媒体内容、产品视频及整个营销活动 campaign 的制作。

Needle 3：极致轻量级的端侧 AI 模型

本周发布的 Needle 3 是一个专为手机、手表甚至微控制器等微型设备设计的超轻量级 AI 模型。其整体体积仅为 8 至 29 MB，相比之下，当前最小的语言模型通常高达数十 GB。该模型基于简单的注意力网络构建，而非传统的 Transformer 架构。其参数量范围在 2900万至1.21亿 之间，但采用了独特的权重结构：一组权重中包含多个小型模型。

“Needle 3 beats models that are 10 times its size on mobile tool calling benchmarks.”

这种架构支持智能分层（Intelligence Scaling）机制。根据设备算力的不同，模型可以仅激活两层或最多二十层网络结构。例如，微控制器可能只运行少数几层，而手机或树莓派则可使用更多层级，无需为不同设备部署完全不同的模型。在效率方面，Needle 3 在移动端工具调用基准测试中击败了比其大10倍的模型。虽然它不属于前沿智能（Frontier Intelligence），但足以胜任智能家居设备控制、家用机器人交互以及智能手机和 AR 眼镜的本地辅助任务。

ZAI：利用 AI Agent 优化大规模集群部署

ZAI（智谱）发布了一篇技术博客，详细记录了如何利用 AI 基础设施代理优化其最新模型 GLM-5.3 Flash 的部署。该模型拥有多模态能力和约 100万 token 上下文窗口，需部署在由超过 10万台中国产加速器（疑似华为） 组成的集群上。传统情况下，此类大规模新架构部署需要工程师团队花费数周时间排查内核、内存瓶颈和通信问题。然而，ZAI 通过让 AI Agent 介入优化过程，将这一周期缩短至不到两周。工程师向 Agent 提供了代码及包含日志、执行轨迹和基准测试在内的密集反馈（Dense Feedback）。

“They called this approach dense feedback, and it allowed the AI agent to operate more like a scientist.”

这种密集反馈机制使 Agent 能够像科学家一样工作：提出假设、修改代码、测试结果并决定下一步行动。例如，Agent 成功追踪到一个在超长上下文下恶化的 Bug，根源在于内核中的低精度数学运算。此外，Agent 还将解码内核的速度提升了 1.71 倍。需要强调的是，这并非完全自主或递归的自我改进，而是人类提供详细数据指引下的 AI 辅助优化过程。

ZAI团队开源基础设施与训练飞轮

ZAI团队公开了其底层技术细节，这在封闭实验室中极为罕见。他们构建了一个高效的闭环系统：在两周内完成了目标设定、测试环境设计、安全边界定义及详细反馈机制。这种快速迭代能力使得基础设施代理能够精准定位底层问题。更重要的是，这一闭环并非一次性项目，而是被设计为一个持续优化并随时间复利的“飞轮”机制。该架构不仅解决了当前问题，更为未来AI系统的部署和升级提供了标准化流程。尽管技术细节深奥，但ZAI团队选择公开这些通常被视为最高机密的基础设施信息，展现了极高的透明度。

"It's just incredibly impressive that they were able to do all of this in under 2 weeks. And because they've already built this loop now, this can also be used to surf and deploy future AI system."

小米Mimo V2.6实时强化学习监控

小米罕见地公开了其前沿模型Mimo V2.6的实时强化学习（RL）训练过程。这一监控仪表盘展示了规模庞大的计算资源投入：单次运行成本超过160万美元，每个训练步骤处理近30亿个token。截至录制时，该模型已累计处理约480亿个token。仪表盘实时显示了不同类别提示词（如编码、通用知识、网络安全）的训练批次大小和 rollout 数据。最引人注目的是性能指标的动态变化：在DeepSweep基准测试中，Pro模型得分从初始的58分提升至67分；在Automation Bench上，性能也随训练轮次逐步提升。这种透明度让外界得以窥见前沿模型在RL阶段的具体进步轨迹。

基准测试 初始得分 当前得分
DeepSweep (Pro Model) 58 67

GPT Policy：无需重训练的机器人上下文学习

本周发布的GPT Policy框架实现了机器人的“在上下文中学习”（In-Context Learning），即机器人无需重新训练即可通过观察人类视频掌握新任务。该框架将视觉语言模型（如GPT-4o）作为核心，接收人类或机器人执行任务的视频、最终状态图像甚至失败反馈。实验数据显示其有效性：在未观看教学视频时，机器人无法拿起红色毛巾；但在观看人类操作视频后，三次尝试中成功两次。同样，在拧瓶盖任务中，无视频指导时成功率100%失败，而观看教学后三次尝试成功两次。这种方法避免了传统机器人学习所需的大量时间、算力和成本，仅通过演示即可实现技能的即时迁移。

GPT-4o破译二战恩尼格玛密码与Jev模型发布

GPT-4o协助破解了一条82字符长、保存了85年的二战德军恩尼格玛加密信息。虽然团队提供了目标线索，但GPT-4o独立完成了大部分技术工作：搜索历史档案、比对模糊转录文本、构建恩尼格玛模拟器，并编写代码并行搜索机器设置。经过约10小时的分析，AI成功解密出内容：发报人报告位置并请求无线电指令。此外，前OpenAI研究员创立的新公司发布了名为Jev的“系统一”模型。与当前主流大语言模型的慢速、逐步推理（系统二）不同，Jev旨在模拟快速、直觉式的即时思维模式。这一架构差异代表了AI推理范式的另一种探索方向，试图在速度与直觉响应上取得突破。

"Astra searched through historical archives and compared different transcriptions... built its own enigma simulator. As you can see over here, it wrote code to search through possible machine settings... after roughly 10 hours of work, it was able to decrypt the message."

Jev：基于校准决策的快速推理模型

Jev 是一种旨在替代传统大语言模型生成式回答的新型 AI 架构，其核心优势在于极速决策能力。与传统 GPT 需要逐字生成答案、耗时较长且存在幻觉风险不同，Jev 预先定义好所有可能的选项，仅输出每个选项的概率或置信度分数。这种机制使得模型能够几乎瞬间做出判断，例如在处理邮件分类任务时，它能立即给出各部门的置信度得分，最高分即为最终决策。官方数据显示，Jev 的典型响应时间仅为 70 到 500 毫秒。

在技术底层，Jev 采用了名为“用于校准决策的强化学习”（RLCD）的训练方法。该方法的目标是确保输出的置信度具有实际意义，即当模型给出 80% 的概率时，其正确率应接近 80%。这种特性允许软件系统实现自动化流程：当置信度超过 95% 时自动接受决策，低于此阈值则交由人类或前沿模型复核。Jev 并非用于撰写文章或深度研究，而是作为 AI Agent 与日常软件之间的中间层，专门处理结构化数据中的快速判断。

"Normally, if you want to get GPT to make a decision... it can take a while to think through everything and generate its answer one word at a time"（通常如果你想让 GPT 做决定，它需要花很长时间思考并逐字生成答案）

Jev 的应用场景与开源替代方案

Jev 的设计不仅限于职场，其逻辑同样适用于视频游戏控制。游戏中的动作选择（如上下左右、射击或跳跃）本质上也是有限的多选决策集，因此 Jev 在《毁灭战士》（Doom）等游戏中表现优异。尽管官方未开源 Jev 且需通过 API 访问，但社区已出现多个类似的开源替代方案。

首先是 Leia 模型。作者声称其研究早于 Jev，并在去年九月发表论文指出两者概念相同。Leia 同样支持多选置信度输出，且在自报基准测试中性能略优于 Jev，速度更快且支持多语言。它提供三个版本：基础版、多语言版和高上下文窗口版，其中主模型仅 2.37 GB，可运行于大多数消费级设备。此外还有开源脚本支持在自有数据上进行微调。

另一个替代方案是 Bespoke Nimble。该项目通过逆向工程思路，基于 Qwen 3.59B 模型训练了一个 LoRA 适配器。该适配器仅 193 MB，而基础 Qwen 模型约 20 GB。测试结果显示其性能与 Jev 非常接近，适合中高端 GPU 运行。这些开源方案为开发者提供了无需依赖闭源 API 即可实现快速结构化决策的路径。

OpenAI Astra for Law：法律领域的垂直整合

本周，OpenAI 推出了专门针对专业法律工作的 Astra for Law。该工具并非依赖通用网络搜索，而是内置了专门的法律搜索引擎索引，涵盖美国判例法、法规、法院规则及行政决定。律师只需输入案件事实，系统即可研究相关权威资料、解释双方论点、起草证据或分析合同条款对交易风险的影响。

Astra for Law 还通过插件和集成方式连接到律所现有的工具链中，旨在提高法律工作的效率与准确性。这一举措标志着 AI 在垂直专业领域的应用进一步深化，从通用的文本生成转向特定行业知识的深度整合与推理。虽然视频未提供具体的基准测试数据，但强调了其在处理复杂法律逻辑和结构化文档方面的专用性。

"Instead of relying on a general web search, it has a dedicated legal search index covering things like US case law"（它不依赖通用网络搜索，而是拥有专门的法律搜索引擎索引）

OpenAI内部系统遭Claude辅助黑客攻击

安全研究公司Hackron的三名研究人员在不到72小时内成功入侵了OpenAI的内部系统，这一事件揭示了大语言模型在网络安全领域的双刃剑效应。攻击始于OpenAI社区论坛中Lib HEATH库的一个图像解码漏洞，研究人员通过上传特制的恶意图片触发了远程代码执行。然而，真正的致命伤在于OpenAI单点登录系统的第二个漏洞。结合这两个缺陷，攻击者能够接管所有通过论坛登录的ChatGPT和CodeEx账户，包括OpenAI员工账号。由于这些员工账号关联着GitHub、Slack和Google Drive等关键服务，潜在影响范围远超论坛本身。值得注意的是，整个过程仅消耗了不到3000美元的Claude代币成本。OpenAI在收到报告后修复了漏洞，并支付了6500美元的奖金。

"It cost less than $3,000 in tokens using Claude to find the vulnerabilities."

这一案例表明，AI模型可以加速传统上需要高度专业知识的黑客工作。虽然并非完全自主攻击，但经验丰富的研究人员利用AI极大地提升了效率。这引发了对日常应用程序中未被发现的广泛安全漏洞的担忧，同时也展示了前沿AI实验室在面对低成本、高效率攻击时的脆弱性。

Minimax开源代码执行框架Miniax Code CLI

本周，Minimax开源了其编程工具包Miniax Code CLI。这是一个围绕编码模型构建的代理框架（Agentic Harness）。该框架的核心逻辑在于，底层AI模型提供智能和思维，而“Harness”则控制其具体行为，如文件读取、工具调用、权限管理和进度跟踪。Minimax强调，设计良好的框架与基础模型本身同样重要。在前沿基准测试中，将Miniax Code与Kim 3结合使用，不仅在性能上超越了其他框架，还显著加快了任务完成速度。

"Designing a good harness is just as important as making a good foundation model."

性能图表显示，该框架在完成任务数量上优于竞争对手，且成本大幅降低。Minimax已在GitHub发布了相关资源及本地运行指南。作为一个通用的框架，它允许用户搭配任何想要使用的模型进行调用，为开发者提供了灵活且高效的代码执行环境。

Bonsai 2：基于Qwen 3.8的极致压缩模型

Bonsai团队发布了Bonsai 2 (27B)，这是一个基于Qwen 3.8-27B模型进行极致压缩的版本。传统AI模型通常使用长小数运算，而Bonsai采用了三进制权重（Ternary Weights）技术，使每个数值仅能为-1、0或+1。这种创新极大地减小了内存占用并提高了效率。

模型版本 大小 (GB)
Original Qwen 3.8-27B 55.6 GB
Bonsai Q1 (Ternary) 5.9 GB
Bonsai Q2 7.21 GB

压缩后的模型体积缩小了9倍以上。尽管尺寸大幅减小，但在各项基准测试中，其性能与原始完整模型非常相似。这意味着用户现在可以在消费级GPU上运行原本需要高端硬件支持的中型最佳模型。Hugging Face上提供了多种压缩版本，包括适用于Apple设备的MLX格式。

Okami 1.0与ZGCM：高效中型模型的新选择

另一款引人注目的模型是Okami 1.0。作为Qwen 3.6-35B的后训练版本，它拥有350亿参数，但在推理时仅有3个参数处于激活状态。这种稀疏激活机制使其成为目前性价比最高的中型模型之一。在代理基准测试中，Okami 1.0的平均表现优于同类其他中型模型，甚至在某些实例中能匹敌GPT-4o、Qwen-Max和DeepSeek V4 Pro等更大规模的模型。

"It has like the best intelligence to cost ratio."

Okami 1.0完全开源，不仅发布了模型权重和训练配方，还提供了多种GGUF格式供下载，最小版本仅约12 GB。此外，本周还发布了参数量仅为70亿的超小型模型ZGCM1，进一步丰富了开源生态中高效、轻量级模型的选项。

数学推理开源模型的发布与评估

本周推出了一款专为数学推理和跨领域智能体搜索设计的开源模型，该模型在各类基准测试中表现优异。尽管评测中存在对比对象为旧世代模型的争议，可能涉及选择性地展示优势（cherrypicking），但综合来看，该模型在竞争性数学基准测试中排名非常靠前。对于需要部署在消费级GPU上的小型化场景，这是一款值得考虑的专用数学推理模型。除了发布模型权重外，团队还开源了完整的训练管线（full training pipeline），这一举措极大地促进了社区的复现与进一步研究。对于希望深入探索其技术细节的读者，官方提供了详细的主页链接以供查阅。

Odyssey 3：通用机器人基础模型的核心架构

本周另一项重大突破是名为Odyssey 3的新机器人模型的发布，其核心目标是构建一个能够理解并控制完全不同类型机器的单一基础模型。该模型旨在覆盖机械臂、人形机器人、自动驾驶汽车、无人机甚至游戏智能体。其关键创新在于训练范式的转变：不再为每种机器人或任务单独训练模型，而是首先通过海量视觉数据学习一个关于世界如何运作的通用基础模型。这意味着模型先掌握运动、物理规律、因果关系及物体行为等一般性知识，然后再学习如何控制特定设备。这种架构使得模型具备了对物理世界的深层理解能力。

多模态控制与跨领域泛化案例验证

Odyssey 3通过其动作解码器（action decoder）将上述对世界的理解转化为具体的电机指令，从而实现对多种设备的控制。演示视频展示了其强大的泛化能力：它不仅能操控人形机器人进行物体操作，还能控制无人机飞行。在自动驾驶测试中，该模型仅使用了20小时的模拟驾驶数据，便学会了如何在印度街头行驶。此外，该模型还可部署于世界模拟器中控制虚拟角色或机器人。这种跨设备、跨环境的通用性展示了其在不同物理和数字环境中的适应潜力。如需了解更多技术细节，官方主页提供了相关资源链接。

总结与社区互动引导

本期内容涵盖了本周AI领域的两大亮点：专注于数学推理的开源模型以及具备广泛泛化能力的Odyssey 3机器人基础模型。视频最后邀请观众在评论区分享最喜爱的新闻片段及期待尝试的工具。鉴于AI领域发展迅速，单人频道难以覆盖所有动态，创作者推荐观众订阅其免费的每周新闻通讯（newsletter）以获取最新资讯。视频结尾再次呼吁点赞、分享和订阅，并预告后续将继续提供顶级AI新闻与工具推荐。

结论

本周AI进展在效率与垂直应用上取得显著突破。Jev、Needle 3及Bonsai 2通过架构创新（如快速决策机制、三进制权重）实现了极低延迟或极致压缩，证明了轻量化与特定场景优化的可行性。多模态模型（Qwen 3.8、Gemini Live）在实时交互与成本控制上表现优异，但OpenAI安全漏洞警示了底层架构风险。机器人领域（Odyssey 3）展示了跨设备泛化潜力，而ZAI与小米的RL实践揭示了大规模部署中基础设施优化的关键作用。总体而言，技术重心正从单纯追求参数规模转向提升推理效率、降低部署门槛及增强系统安全性。