AI永不停歇，本周更是疯狂至极。OpenAI仅用一个简单的图片技巧就被黑客攻陷。我们迎来了一种全新的AI模型——Jev，它不仅速度极快，而且据称幻觉率为零。GPT-6 Astra刚刚破解了一条二战期间留下的加密德语信息，该谜题已困扰世人80年之久。我们还拥有一个强大的交互式世界模型，其中内置了游戏引擎，能够追踪一切动态，从而支持多玩家在同一环境中互动。Miniax开源了其Harness和代码框架；还有一些仅几MB大小的超小型开源AI模型。Google发布了用于递归自我改进的框架，并推出了一些能让机器人即时从人类演示中学习而无需重新训练的新模型。阿里巴巴发布了一系列令人惊叹的Quen系列模型，包括Omniod、实时翻译器和语音克隆器。此外还有大量新的开源模型及其他内容，让我们直接切入正题。
首先登场的是Vigle推出的全新AI——Meridian。该模型基于Miniax H3构建，能够改变现有视频的角度和时序。只需输入一段已有视频，Meridian即可重建场景的粗略3D表示，并从不同的摄像机视角或运动轨迹重新生成视频。例如，你可以围绕主体旋转、向不同方向平移、改变距离，甚至冻结场景以获取“子弹时间”效果。以下是更多参考示例：Meridian底层使用名为VGGT Omega的几何系统来估算场景深度，并据此重建如所示的场景3D点云。一旦完成这一三维重构，用户即可指定全新的摄像机路径，系统能快速渲染出该新视角下的粗略画面，再输入Miniax H3以生成高质量完整视频。若想从不同角度重拍视频，此方法赋予你终极控制权。
目前他们已公开一切内容，但请注意他们是基于完整的Miniax模型（约62GB）进行微调的。鉴于其开源性质，未来必将出现更多量化版本。若当前基础模型符合你的需求，下方包含了在本地计算机上安装和运行的所有说明。感兴趣者可点击描述栏中的主页链接进一步阅读。此外，本周我们还推出了一款名为R2-D2（实为R2T2）的开源实时转录模型，可将现场语音即时转为文字。左侧演示为GPT Live Transcribe，右侧则为开源的R2T2。这两款模型提供了两种不同的转录构建方式：GPT Transcribe处理完整文件并返回全文本；而GPT Live Trans保持开放连接，随音频到达实时输出文本。两者均支持57种语言，且在易出错环节表现更佳。
正如所见，R2T2在音频转录方面相当精准，其结果与使用GPT Live Transcribe所得完全一致。对比R2T2与其他转录模型的词错误率，前者拥有最低的错误率及最低的延迟。图表显示误差率与延迟的关系，理想状态位于左下角，可见红色的R2T2模型在英文和中文方面均为最佳。点击该页面的GitHub链接并向下滚动，即可找到本地下载运行的所有说明。值得注意的是，其体积小巧仅约4GB，可适配大多数消费级显卡。感兴趣者请参阅描述栏中的主页链接以获取更多信息。
本周，X-Gen Labs还推出了一款名为Jing和Dao的生成式世界模拟系统。大多数生成式世界模型本质上仅是预测下一帧画面的视频发生器，而此处旨在模拟画面背后真实持久的世界。Dao如同世界引擎，存储环境的共享状态、应用规则并在用户采取行动时更新事态发展；即使用户未注视，自主代理仍可持续行动。Jing则如同体验模型，基于底层世界生成特定角色从其视角所见所感的画面。Dao类似游戏引擎，Jing则如观察模拟过程的摄像机。核心理念在于持久性：离开某区域后，Dao仍能追踪一切；返回时场景保持一致。
其令人惊叹之处在于开放性，意味着只要算力允许即可无限期生成世界；而其他模型仅能生成数秒至一分钟。对比V3或Genie 3等竞品，X-Gen模型功能最丰富且唯一具备世界状态管理系统。换言之，Dao如同游戏引擎般追踪环境及其他角色或物体的运动交互。正因如此，多玩家可在同一环境中互动：此处展示了三位不同角色的视角，且一切保持连贯一致。目前这仅为研究预览版，但代码已开源。点击GitHub链接并向下滚动可查看本地运行说明。视频生成基于最佳模型Miniax H3微调而成，体积庞大（约67GB），希望未来能有所优化。
未来会有更多量化版本推出。如果您对进一步阅读感兴趣，我会在下方的描述中链接到该主页。此外，本周谷歌发布了一个非常有趣的项目，名为“Dream RSI”（通过演化世界实现的递归自我改进）。现在，这大概不是您所想的那样。这并不是一个仅仅依靠自身不断变强的自优化人工智能模型。相反，这是一个非常有趣的实验，它让智能体在无需改变底层 AI 模型的情况下，改进其寻找解决方案的方式。
通常来说，如果您想让人工智能变得更好，您可能会重新训练模型或使用强化学习。但 Dream RSI 的做法是让智能体从其自身过去的搜索历史中学习。每次它探索一个问题时，都会创建一个研究人员所谓的“发现树”，看起来就像这样。把它想象成一张巨大的地图，展示了它之前尝试过的所有内容：哪些分支有效、哪些失败以及获得了什么结果。
一旦这张地图存在，系统就可以重播数千个这样的搜索树，而无需实际再次运行它们。基本上，人工智能就像是在“梦想”如果它追求不同的分支会发生什么。它会生成改进后的搜索这些树的方法，然后将它们与所有其他现有记录进行测试，并部署表现最佳的策略，然后循环重复。您不断循环这个过程，它会生成另一个发现树等。
如果您查看这些基准测试，比如与递归改进系统相比的数学优化方面，您可以看到 Dream RSI 在 GPU 内核工程方面的平均表现最好。您还可以看出，Dream RSI 能够取得与其他方法相当的结果，但使用的生成次数却减少了两倍多。所以，这就是对 Dream RSI 的一个非常简练的总结。
它不像底层模型在魔法般地重写自身，对吧？它的模型权重和架构保持不变，但改进的是围绕模型的策略、它如何探索、如何分配计算资源以及如何决定什么值得追求。在顶部，他们发布了关于此的完整技术论文。因此，如果您想深入了解细节，我会在下方的描述中链接到该主页。
此外，本周谷歌发布了他们最新的实时 AI 语音模型 Gemini 3.8 Live 和带有扩展思考功能的 3.8 Live。在这里，他们试图让 AI 语音听起来不像机器人声音界面，而更像是一个您可以持续交谈和工作的真正智能体。因此，基础的 Gemini 3.8 Live 模型是更快、更便宜的版本，旨在用于大规模部署。
而扩展思考模型则是功能更强的版本，适用于需要更深层次多步推理的任务。两者都可以处理实时音频以及图像或视频等视觉内容。它还可以同时调用不同的工具，如网络搜索。事实上，最大的变化之一是模型在需要在后台执行某些操作时不必停止说话。
它可以同时调用工具或 API 做其他事情，并继续与您交谈，然后在准备好时整合所有这些工具调用的结果。因此，它基本上能够同时推理、做事和说话。这使得对话更加流畅自然。另一个很酷的地方是，您无需手动指定语言，该模型可以自动检测并在 97 种支持的语言之间切换。
这也支持实时视觉输入。所以您可以将摄像头对准某物，并在几乎实时的情况下向模型提问。如果您查看与其他实时语音（如 GPT Live、Astra 和 Grock Voice）相比的基准测试，您可以看到新的 Gemini 3.8 Live 模型具有类似的性能。但这就是它如此重要的原因所在。
如果您查看其成本，那么 Gemini 3.8 Live 比 Grock Voice 或 GPT Live 便宜得多，使其成为目前我们拥有的最具成本效益的前沿实时语音模型。令人惊叹的是他们已经发布了这个功能，所以它在 Gemini 和 Google AI Studio 中可用，并且在 Search Live 以及 Gemini App 中也对所有人开放。这是谷歌的一个非常不错的发布版本。
如果您对进一步阅读感兴趣，我会在下方的描述中链接到该主页。此外，本周阿里巴巴发布了 Qwen 3.8 Omni Flash。这基本上是一个多模态模型，它不仅接收文本提示，您还可以向其输入音频、图像和视频供其理解。所以它非常适合处理多媒体工作。
例如，您可以让它分析和识别视频中的片段或创建字幕。而且它可以轻松处理这些任务。由于这是一个 Flash 模型，因此速度也非常快。您甚至可以实时流式传输它。例如，您可以打开摄像头然后询问关于场景的问题。正如您所看到的，它能够实时理解和渲染所有内容。
或者在这里您可以上传视频并让它将其分解为角色、镜头运动、构图、对话、声音等。所以这是一个非常灵活的工具，它拥有高达 100 万 token 的上下文窗口。因此您可以输入大约一小时的视频或超过 10 小时的音频。如果您查看衡量其多模态能力的基准测试，它也令人印象深刻。
深灰色条代表 Gemini 3.8 Flash，在大多数情况下就视听理解和交互而言。您可以看到它甚至击败了 Gemini 3.8 Flash。以下是关于音频推理和语音识别的更多基准测试。同样，在大多数情况下它击败了 Gemini 3.8 Flash。而且它也极其便宜。所以如果您通过其 API 使用它，那么每小时视频或音频输入的成本比 Gemini Flash 便宜得多。
目前 Qwen 3.8 Omni Flash 可通过通义千问平台使用，您需要订阅 token 计划。这是最便宜和最高效的多模态模型之一。所以如果您需要人工智能处理大量音频、图像或视频文件，这可能是最好的选择之一。希望他们未来也会开源这个模型。
目前如果您想进一步阅读，我会在下方的描述中链接到该主页。而这并不是本周发布的唯一 Qwen 模型。所以他们也发布了 Qwen 3.8 Live Translate。这基本上是一个专为实际对话设计的实时 AI 翻译器。您可以向其输入实时音频甚至视频，它可以在人们交谈的同时将对话翻译成字幕。
仍在讨论中。有趣的是，这项技术还能进行声音克隆。因此，除了转录文本外，它还可以让同一个人用不同的语言说话。
“难道你不能呼风唤雨吗？请降下甘霖，拯救这片地区的百姓。”
“哦，你能让天降雨吗？我已经祈祷了好多天，但一直没下雨。你以为你可以？”
它能够区分不同的说话者并标记谁说了什么话，正如你在这里看到的。另一个很酷的功能是，你可以甚至输入视频或图像作为额外信息使用。现在，它支持60种输入语言，并能输出29种口语。正如你在这些关于忠实度、流畅度和简洁性的测试中看到的，这个新的Quen模型在平均胜率上远高于其他竞争对手，如Seed Live Interpret、GPT Real Time和Gemini Live。翻译质量也是如此。这个新的Quen模型得分最高，而且速度非常快且准确。因此，在延迟和错误率方面，它在所有模型中最低。目前，他们仅通过API发布了这一功能。此外，如果你点击这个按钮，你可以尝试他们的在线演示。
如果你对进一步阅读感兴趣，我会在下面的描述中链接到主页。如果你制作视频、广告或几乎任何类型的视觉内容，一定要查看Runway，本视频赞助商。把它想象成一个全能的创意AI平台，你可以在其中执行所有的创意工作流程。你可以通过一个单一的平台访问最好的图像生成器如GBT image和Nano Banana，以及最好的视频生成器如Cance和Cling。但Runway特别有趣的地方在于它远远超出了仅仅生成分段视频的范围。例如，使用Runway Agent，你只需描述你想制作的视频，它可以帮助开发概念、创建场景、生成对话和旁白、添加音乐，并通过一次对话将所有内容变成一个完整的视频。如果你已经有素材，Olaf 2.0让你只需描述你想要更改的内容即可编辑它。你可以重新照明场景、完全改变风格、更换环境，或添加和移除物体，而无需重拍任何内容。你甚至可以构建可重复使用的工作流，将多个AI工具链接在一起。所以一旦你找到了喜欢的流程，你就可以自动化它并以规模生成一致的内容。因此，无论你是制作广告、社交媒体内容、产品视频、电影还是整个营销活动，Runway都为你提供从想法到实际发布所需的所有模型、编辑工具和自动化功能。通过下面的描述中的链接或扫描二维码查看Runway，并使用我的代码在付费计划的首月享受50%的折扣。
此外，本周我们有一个超小型AI模型叫Needle 3，旨在直接在手机、手表甚至微控制器等微型设备上运行。疯狂的是这个整个AI模型只有8到29兆字节。请记住，即使是目前最小的语言模型也有几十吉字节的大小。所以这非常小，它是基于他们的简单注意力网络构建的，这与Transformer模型有所不同。现在完整模型的参数范围从2900万到1.21亿，但一组权重包含多个较小的模型。基本上这个模型可以根据你的设备有多少计算资源只开启两层或最多20层。所以他们称之为智能加载（intelligence loading）。一个微型微控制器可能只运行几层，而更强大的手机或树莓派可以使用更多的层，而不需要为每个设备完全独立的模型。这里的效率非常惊人。他们说Needle 3在移动工具调用基准测试中击败了比它大10倍的模型。现在，作为一个超小型模型，这并不旨在成为前沿智能（Frontier Intelligence），但它可以做一些简单的事情来控制小设备。例如，你可以将其用于智能家居设备并提示它打开或关闭灯光，或者你也可以将它添加到家用机器人以及你的手机、可穿戴设备、AR眼镜等中。所以如果你对设置这个感兴趣，在这个页面的底部包含了如何在你的设备上下载和运行它的所有说明，并且支持所有这些设备和操作系统。如果你对进一步阅读感兴趣，我会在下面的描述中链接到主页。
此外本周ZAI发布了一篇非常有趣的博文。这里有一个很棒的例子，展示了他们如何使用AI来改进实际运行其模型的基础设施。这很长且技术性很强，但基本上当他们需要部署最新的GLM 5.3 Flash时，他们正在处理一个由超过10万个中国制造的加速器组成的集群（我怀疑来自华为）。现在GLM 5.3 Flash是一个非常新的架构，具有多模态能力以及大约一百万个token的上下文窗口。所以在如此规模的加速器集群上部署这样的东西并不容易。通常，让一个全新的推理系统在数十万个GPU上高效运行需要一支专业工程师团队花费数周时间深入挖掘内核、内存瓶颈、通信问题以及大量的不同错误。但对于ZAI来说，大量这种优化工作只是由一个基于GLM 5.3的AI基础设施代理完成的。基本上，工程师给予该代理访问代码以及来自测试、日志、执行轨迹、基准测试、分析工具等的极其详细的反馈。诀窍是必须非常详细。所以与其告诉AI系统变慢了，他们需要展示时间具体花在哪里、哪个计算产生了错误的结果以及在什么条件下特定的优化有帮助或有害。他们称这种方法为密集反馈（dense feedback），这使得AI代理的操作更像科学家。它会反复形成假设，更改代码，测试结果，然后决定下一步尝试什么。一个例子涉及了一个在极长上下文中变得更严重的错误，但代理能够将其追踪到内核内的低精度数学并帮助修复它。他们还能够让该代理优化这个解码内核，使其速度提高1.71倍。这里记录了许多其他技术修复措施。最荒谬的是他们能够在不到两周的时间内优化此模型并将其部署到数十万个GPU供用户使用。现在需要注意的是，这不像完全自主或递归自我改进那样。
仍需设定目标、设计测试环境，并定义安全边界，同时提供极其详细的反馈，以便基础架构智能体能够准确定位根本问题。令人惊叹的是，他们能在两周不到内完成所有这些工作。由于他们已经构建了这一闭环，现在也可以利用它来探索和未来部署AI系统。这基本上是一个不断变好并随时间复利的飞轮效应。总之，这是一篇相当技术性的文章，但要为ZAI团队点赞，因为他们甚至公开了这些信息。毕竟，这类基础设施信息通常是封闭实验室的最高机密。如果你感兴趣想进一步阅读，我会在下方的描述中链接到主页。以上就是关于AI的部分，
但这里有一个来自小米更酷的洞察。他们正在做一件我们几乎从未从前沿AI实验室看到过的事情：在模型仍在训练时，公开直播其即将推出的Mimo V2.6模型的强化学习过程。如果你访问这个页面（我会在下方描述中链接），你可以实时看到模型正在被训练。这次运行的规模非常巨大，简直疯狂。目前的成本已超过160万美元，规模庞大。因此，每个训练步骤处理近30亿个令牌。截至录制此时，他们已为其最新Pro模型处理了近480亿个令牌。你可以看到训练批次大小和 rollout（回滚/输出）。在这里，
你可以实时看到模型在各种基准测试上的表现如何随着强化学习而随时间提升。例如，当Pro模型刚开始时，DeepSweep得分仅为58分；目前它已达到67分，非常接近市面上的顶级开源模型。自动化基准测试也是如此，你可以看到性能在每个训练轮次中逐渐提升。你还可以看到每次训练中使用的不同类型的提示词，分为编码、通用、网络安全等类别。这是一个极具洞察力的仪表板，实时展示其最新模型的训练结果。你从未在封闭的前沿模型中看到过这类信息。如果你感兴趣想深入挖掘，我会在下方描述中链接到这个页面。
此外，本周我们有一个名为“上下文机器人学习”的有趣项目，他们发布了一个称为GPT Policy的框架。其理念是让机器人仅通过观看人类操作来学习任务，而无需重新训练机器人模型。这基本上就是机器人的上下文学习（In-context Learning）。你可以给它看人类执行任务的视频，甚至是机器人执行任务的视频；也可以给一张显示任务完成状态的图片，甚至提供之前失败尝试的反馈。你可以将这些信息输入到通用视觉语言模型中，如GPT-6 Astra或任何具备视觉能力的模型。通过此框架，它会让机器人模型尝试学习并演示该任务。
这里有一些现实世界的例子。在没有观看人类视频的情况下，机器人模型无法拿起这条红毛巾；但在观看了人类视频后，它在三次尝试中成功了两次。或者另一个例子：在没有观看如何拧开瓶盖的视频时，它100%失败；但在观看了相关视频后，它在三次尝试中成功了两回。这非常重要，因为使用此框架，你无需为每个新任务重新训练机器人模型（这将需要大量的时间、算力和成本）。相反，你只需向机器人展示任务的视频演示，它就可以即时或在上下文中进行学习。在页面顶部，他们发布了此代码。因此，
如果你点击这个代码按钮并向下滚动一点，这里包含了如何下载和自行运行此框架的所有说明。如果你感兴趣想进一步阅读，我会在下方描述中链接到主页。此外，本周GPT-6 Astra刚刚破解了一条二战期间加密的德国恩尼格玛（Enigma）信息，据称该信息已未解超过80年。以下是原始消息的样子：这条信息由德国军队在二战期间发送，并使用恩尼格玛机加密。这是纳粹使用的著名加密系统。加密信息仅有82个字符长，但从未有人确认过解决方案。
这个团队决定将此消息交给GPT-6 Astra处理。令人印象深刻的是，AI不仅仅是猜测答案，它实际上进行了一次完整的密码分析调查。Astra搜索了历史档案并比较了不同的转录本（其中一些原始字母不清楚），在相关消息中寻找线索，并构建了它自己的恩尼格玛模拟器。如你所见，在这里，它编写代码来搜索可能的机器设置，并行运行实验，经过大约10小时的工作后，它成功解密了该信息。现在，明文相当普通：发送者基本上说他们“在行中”（in rows），询问应走哪条路线，并要求通过无线电立即回复。
这并非完全自主，因此作者选择了目标并提供了关键信息。作者还必须指导整体调查过程，但Astra处理了大量实际的技术工作。现在，他们并没有声称这是首次破解恩尼格玛加密。我们早就知道了恩尼格玛的工作原理，但这关乎恢复这一条历史消息，其正确密钥已丢失85年。因此，没有人能够解密这条确切的消息。总之，如果你对历史研究和密码分析感兴趣，这是一篇相当有趣的阅读材料。如果你感兴趣想进一步阅读，我会在下方描述中链接到主页。此外，本周我们有一个全新的AI模型叫Jev。
它由一位前OpenAI研究员创立，该研究员曾参与ChatGPT背后的强化学习方法。但他没有构建另一个语言模型，而是建立了一个完全不同的模型叫Jev。它是这样工作的：他们称之为“系统一”（System One）模型。现在，系统一思维类似于快速、直觉和即时思考，这与“系统二”（System Two）思维形成对比。系统二是更缓慢、逐步的推理过程，这也是当今前沿大语言模型所展现出的方式。因此，这个模型旨在
决策速度极快，几乎是瞬间完成。通常来说，如果你想让 GPT 做出决定，它需要花一些时间来思考所有细节并逐字生成答案，这当然会消耗时间和算力，而且存在幻觉的可能性。然而，Jev 跳过了所有这些步骤。事实上，你需要预先定义好可能的答案选项。Jev 所做的是根据你的提示词，为每个答案提供概率或置信度分数。例如，如果你给它一封邮件并询问应该发送到哪个部门，它会几乎瞬间输出每个部门的置信度分数。当然，得分最高的那个就是答案。事实上，他们说它通常在 70 到 500 毫秒内做出响应。
由于它可以并行回答关于同一信息的多个问题，一次调用实际上可以同时做出许多决策。在底层，他们使用了一种完全的训练方法，称为“用于校准决策的强化学习”。这里的目标是让 Jev 的输出，也就是它的置信数值，真正具有意义。因此，当它告诉你某事有 80% 的概率时，你期望它在 80% 的情况下是正确的。这使得程序能够做一些非常有用的事情：当 Jev 高度自信（例如超过 95%）时，你可以让它自动接受决策。
而对于概率较低的情况，你可能需要让人类或前沿模型进行进一步审查。这非常不同，它并不是要取代 ChatGPT。你并不能用它来写文章或进行深度研究相反，它是设计用于在软件中运作，对结构化数据做出快速决策的。例如，判断哪个选项是正确的或下一步该做什么如果 Jev 能以极高的速度、低廉的成本做出如此准确的决策，那么这类模型可以成为 AI 代理与日常软件之间非常有用的中间层。
有趣的是，事实证明这些结构化决策不仅出现在工作中，实际上贯穿了整个人生。例如，在任何时间点你只能做出有限数量的决定你可以选择向上、向下、向左、向右移动，或者射击或跳跃。所以这就像是一组你可以采取的多个选择题选项。因此，事实证明 Jev 玩电子游戏也很厉害。例如，这里有一个它玩《毁灭战士》（Doom）的演示视频。
以下是针对其特定用例的一些基准测试数据。你可以看到 Jev 极其廉价，同时达到了与其他前沿模型相同的准确率。现在，关于 Jev 可能最重要的图表是这一点：他们声称 Jev 的幻觉率为零。这是因为如果你预先给它一个多项选择题的答案列表，它就完全没有机会编造答案这就是他们所说的零幻觉的含义但这并不意味着它在 100% 的情况下都是准确的。因此，有时它对答案的置信度评分仍然可能是错误的。
Jev 不是开源的。你只能通过他们的 API 使用它事实上，目前你需要点击左上角的“加入候补名单”按钮才能获得访问权限。如果你有兴趣了解更多详情，我会在下面的描述中链接到主页现在 Jev 不是开源的所以我正在寻找这种技术的变体，偶然发现了一个非常相似的模型叫作 Leia。事实上，这里的作者声称他们一年前就开始研究这个课题然后在去年九月发表了一篇第二篇论文并声称 Jev 基本上提出了完全相同的概念。
所以也许这个 Leia 模型实际上是原始的 Jeff，只是去年它几乎没引起大家的注意。这也是一个系统一（System 1）模型你可以给它一个多项选择题的答案列表，让它给出置信度分数。如果你查看他们自我报告的基准测试结果，你会发现 Leia 的表现甚至比 Jeff 略好它还快得多支持多种语言并且在 Apache 2 许可证下开源。因此，他们发布了三种不同版本的模型：基础模型、多语言模型以及另一个具有更高上下文窗口并专门针对这些用例的模型。
如果你查看主要的布局模型，它非常小只有 2.37 GB所以应该能安装在大多数消费级设备上。然后在顶部这里，如果你点击这个 GitHub 链接它会包含所有关于如何在你的计算机上安装和运行此软件的说明。他们甚至提供了一个脚本，教你如何使用自己的特定数据微调 Leia这太棒了如果你有兴趣进一步阅读我会在下面的描述中链接到主页顺便说一句，那并不是唯一的开源 Jeff。这里还有另一个叫作 Bespoke Nimble 的项目他们基本上试图逆向工程 Jev的工作原理并构建了一个非常相似的模型，你只需给它一个文本提示加上一组选项这个模型就会给出每个选项的置信度分数。
他们所做的是直接取 Qwen 3.59B作为基础模型并在其顶部训练一个低秩适配器（LoRA adapter）来处理此类结构化决策。如果你查看这个结果，你会发现它的表现与 Jev 模型非常接近请注意这是 Qwen 3.59B 的 LoRA 适配器你还需要下载这个基础 Qwen模型，其大小约为 20 GB我相信肯定还有更多量化版本。而这个 Bespoke Nimble适配器只有 193 MB大小所以应该能像中端到高端 GPU上运行。然后在底部这里，它包含了所有关于如何下载和运行此软件的说明所以如果你想尝试开源版的 Jev这可能是一个不错的选择。
如果你有兴趣进一步阅读，我会在下面的描述中链接到主页另外本周 OpenAI 推出了 Astra for Law这基本上是将 GP6 Astra配置为专门用于专业法律工作。与其依赖通用网络搜索，它拥有一个专用的法律搜索引擎索引涵盖美国判例法、法规、法院规则和行政决定等。因此，律师只需提供案件事实系统就可以研究相关权威资料解释双方论点起草证据或审查特定合同条款如何改变交易风险。
他们还在通过插件和集成将其连接到律师事务所已经使用的工具现在如果你从事法律相关工作，当然这涉及
机密客户信息。因此，他们声称提供额外的控制措施，包括为符合条件的客户提供零数据保留功能。如果您从事法律行业，这将是一个非常有用的应用。如果您对进一步阅读感兴趣，我将在下方的描述中链接到该主页。
此外，本周有一个有趣的故事。据称，仅三名安全研究人员在不到72小时内就突破了OpenAI的内部系统。其中最引人注目的部分是，他们使用了Anthropic的Claude来协助完成这一操作。这些研究人员来自一家名为Hackron的安全公司，攻击始于一个出人意料的简单领域——OpenAI社区论坛。
他们发现LibHeath存在漏洞，这是一个用于处理特定类型图像的库。具体来说，当有人向论坛上传图像时，该图像最终会被传递给这个解码器。结果发现，如果创建一张经过精心设计的特殊图片（如图所示），研究人员就能触发管道中的内存错误，并在论坛服务器上实现远程代码执行。
但这本身并未让他们获得OpenAI最重要数据的访问权限。更大的问题在于OpenAI单点登录系统中的第二个漏洞。研究人员表示，通过结合之前的缺陷和这个身份验证弱点，他们可以接管所有登录论坛的用户的ChatGPT和CodeEx账户，包括OpenAI员工。
这使得潜在影响变得巨大。这些员工账号可以连接到GitHub、Slack、电子邮件和Google Drive等服务。因此，攻破一个员工账户可能会提供远超ChatGPT本身的广泛访问权限。
据透露，他们使用Claude寻找这些漏洞仅花费了不到3000美元的Token费用。随后他们将此报告给OpenAI，OpenAI修复了该问题并授予了他们6500美元的奖金。
说真的，这就是他们得到的全部报酬。考虑到这个漏洞的价值可能高达数百万美元，这确实令人惊讶。重要的是要注意，这并不是完全自主的黑客攻击。
这些经验丰富的研究人员仍在指导整个过程，但AI能够加速通常需要高度专业知识的工作。我认为这里更大的故事是，你只需花费几千Token的代价，就能让AI模型在72小时内攻破一家前沿人工智能实验室。
这不禁让人思考：日常应用和软件中还有多少尚未发现的安全漏洞？这些漏洞又有多普遍呢？如果您想进一步阅读，我将在下方的描述中链接到该主页。
此外，本周Minimax开源了他们名为“Minimax Code CLI”的代码工具包。这本质上是一个围绕编码模型的智能体框架。如果您不熟悉这个术语，简单来说，底层AI模型提供智力和思考能力，但你可以将其置于一个框架中来控制其工作方式。
例如，它如何读取文件或调用工具、管理权限以及跟踪进度并决定下一步该做什么。事实上，设计一个好的框架与构建一个优秀的基础模型同样重要。
在这里你可以看到，在这个前沿框架评估中，将Minimax Code与Kim 3配对使用，不仅其表现优于其他框架，而且完成任务的速度要快得多。
另一张图表展示了相关的成本情况。同样地，它能够以更低廉的成本完成比其它框架更多的任务。
他们已在GitHub上发布了相关内容。下方包含了所有关于如何在本地计算机上下载和运行此工具的说明。请注意，这只是一个框架，因此你可以将其与你想要的任何模型配对使用。
如果您想进一步阅读，我将在下方的描述中链接到该主页。接下来，我们有许多新的开源模型，我将快速过一遍它们。
第一个是Bonsai 227B。这是一个极度压缩的模型。基本上，他们采用了Qwen-3.8 27B并对其进行了疯狂的压缩处理。因此，你可以在内存更低的设备上运行它。
通常AI模型需要处理非常长的小数数字，但这里的Ternary Bonsai使用的是三进制权重（ternary weights），这意味着AI处理的每个数字只能是-1、0或+1。
这使得他们能够显著减小内存占用，并使其效率大大提高。作为参考，原始的Qwen-3.8 27B模型大小为55.6 GB。但通过这种新的Ternary Bonsai方法，他们能够将总模型体积减少到仅5.9 GB。
这比完整模型小了九倍以上。令人惊叹的是，如果在各种基准测试中进行比较，尽管体积缩小了九倍多，但其性能仍与原始完整模型非常相似。
这是一个巨大的突破。现在，你甚至可以在中端消费级GPU上运行最好的中型模型之一Qwen-3.8 27B。
在右侧边栏中，点击Hugging Face链接可以看到他们发布了Ternary Bonsai 2的不同版本。有适用于Apple设备的MLX版本，或者我点击这个链接查看。
请注意，他们发布了不同压缩尺寸的各种模型。Q1版本仅为5.95 GB。你可以选择质量稍高的Q2版本，它仍然很小，只有7.21 GB。
如果您想进一步阅读，我将在下方的描述中链接到该主页。此外，本周我们还推出了另一个非常高效的中型模型——Okami 1.0。
如果你将其性能与其他类似的中型模型进行比较，你会发现它在所有智能体基准测试中平均表现最佳。事实上，在某些情况下，它甚至能与GPT-5.6 Soul、Qwen-3.8 Max和DeepSeek V4 Pro等大得多的模型相抗衡。
由于该模型相当小巧，因此效率极高。它拥有最佳的智能成本比。据透露，这实际上是Qwen-3.6 35B的后续训练版本（post-train）。
它具有相同的架构，拥有350亿个参数，但在使用时只有其中三个处于激活状态。
他们不仅发布了该模型的权重，还公开了训练配方（training recipe）。因此这是完全开源的。他们还发布了大量的GGUF格式文件，其中最小的一个仅约为12 GB大小。
如果您想进一步阅读，我将在下方的描述中链接到该主页。此外，本周我们还推出了另一个名为ZGCM1的模型。这是一个非常小的模型，仅有70亿个参数。
该模型专为数学推理以及在各类智能体和推理基准测试中的代理搜索而设计，表现相当出色。不过需要注意的是，他们将其与较老版本的模型进行了比较，因此在竞争性数学基准测试中的表现存在一定程度的“挑拣”嫌疑。尽管如此，从平均排名来看，它确实名列前茅。因此，如果你需要一个能在消费级显卡上运行、且专门针对数学推理的小型模型，那么这可能是一个不错的开源选择。事实上，他们不仅发布了该模型，还公开了完整的训练流程，这非常棒。如果你有兴趣深入了解，我会在下方的描述中链接到主页。
此外，本周我们还迎来了一款名为 Odyssey 3 的新机器人模型，这可谓意义重大。他们正试图构建一个单一的通用基础机器人模型，使其能够理解完全不同的机器设备，包括机械臂、人形机器人、自动驾驶汽车、无人机，甚至视频游戏代理。其核心理念是：不再为每种不同的机器人或任务训练完全独立的模型，Odyssey 3 首先通过海量的视觉数据学习一个关于世界如何运作的通用模型。
换句话说，在学习如何控制特定机器人之前，它先尝试理解运动、物理规律、因果关系、物体以及其他行为模式。基本上，这个庞大的 Odyssey 3 世界模型提供对正在发生的事件的理解，以及对世界运动和物理规律的通用知识。随后，动作解码器将这些理解转化为实际的电机指令，从而驱动所有这些不同类型的机器人运行。
从这些演示中可以看出，其效果相当令人印象深刻。该模型还能控制人形机器人并让它们操作不同的物体。在这里你可以看到该模型能够操控无人机，他们还用自动驾驶进行了测试。因此，只需将同一模型放入电动汽车中，并使用仅 20 小时的模拟驾驶数据，Odyssey 3 就能学会如何在印度的街道上行驶。
除了真实机器人外，你甚至可以将此模型部署到世界模拟器中，让它控制任何类型的角色或类似这样的机器人。这是一个非常迷人的模型，能够在大量不同的设备、机器人在及其他环境中实现泛化。如果你有兴趣深入了解，我会在下方的描述中链接到主页。
以上就是本周所有 AI 亮点的总结。请在评论区告诉我你对这一切的看法，哪条新闻是你最喜欢的？你最期待尝试哪个工具？一如既往，我会继续寻找顶级的 AI 新闻和工具与你分享。如果你喜欢这个视频，记得点赞、分享、订阅，并关注更多内容。
此外，每周 AI 领域发生的事情实在太多，我不可能在我的 YouTube 频道上涵盖所有内容。因此，为了真正跟上 AI 领域的所有动态，请务必订阅我的免费每周通讯简报。链接将在下方的描述中提供。感谢观看，我们下期再见。