AI 模型日报:Fable作画、Tofu-1与Hy4(11月16日)

ChatGPT / Claude 官方直充代充值

11 月 16 日 AI 模型日报:Claude Fable 5.2 用代码逐笔作画,Bland 发布全双工语音模型 Tofu-1,腾讯混元 Hy4 flash 主打低成本,DeepSeek 开放 App 全套能力 API,另有 RoPE 讲解、Agent 提示词实验和本地模型接入等 9 条动态与点评。

11月16日 AI 模型日报封面

今天的模型新闻有一条清晰的主线:模型正在用“非传统”的方式做事。语言模型不靠扩散模型也能画画,语音模型不经文字转写直接听和说,国产模型则在拼成本和开放程度。另外几条讲的是怎么把模型更稳地接进工作流。

1. Claude Fable 5.2 用代码逐笔作画,不用扩散模型

Anthropic 的 Claude Fable 5.2 被展示了一种新画法:它不生成像素,而是写 1000 到 2000 行 Python 程序,驱动一个模拟绘画引擎在虚拟画布上一笔笔落笔。一张照片级的停车场购物车画用了约 70 万笔;另一个实验要求它手动给出每笔坐标、落笔不能撤销,一幅日出小鸟用了 111 笔。

点评:这更像是对“长链条规划 + 看结果再修正”能力的展示。做 Agent 的人可以借鉴这种“写程序控制工具、看反馈再改”的模式,更可控也更可复现。

详情

2. Bland 发布全双工语音模型 Tofu-1

旧金山语音公司 Bland 推出研究预览版 Tofu-1,它直接处理音频输入和输出,中间不经过文字转写,能边听边说。能区分说话人、从电视和路噪里分离人声、听出犹豫和着急等情绪;用户可以随时打断,模型在后台处理请求时保持对话,做完才汇报。

点评:做电话客服、外呼的团队值得关注,因为“嘈杂环境 + 被打断”正是现有级联方案最容易出问题的地方。但它权重闭源、架构和参数未公开,目前只给企业研究预览,短期内国内团队更多是参考思路。

详情

3. 腾讯混元 Hy4 flash 发布:224B 总参、12B 激活

据 IT之家报道,腾讯混元发布 Hy4 flash 模型,总参数 2240 亿、激活参数 120 亿,单任务成本约为 Hy4 的 5%。更细的能力和价格以原文为准。

点评:从参数配置看,这是典型的“大总量、小激活”路线,目标是把调用成本压下来。调用量大、对极限能力要求不高的业务,值得放进成本对比。

详情

4. DeepSeek 把官方 App 全套能力开放为 API

InfoQ 报道称,DeepSeek 把官方 App 的全套能力开放为 API,其中联网搜索的价格不到 OpenAI、Claude 的 8%。素材里没有给出具体价格表,接入前请以 DeepSeek 官方文档为准。

点评:需要“模型 + 联网搜索”的开发者成本可能明显下降,但建议先用自己的查询样本对比结果质量再迁移。

详情

5. 华为云开源昇腾原生具身世界模型 CloudRobo-WM1.2

据 IT之家报道,华为云发布并开源了昇腾原生的具身世界模型 CloudRobo-WM1.2。素材只有标题信息,模型规模和适用任务需要看原文。

点评:和今天的美团 LongCat-2.5 放在一起看,国产厂商在“基于昇腾训练和部署”这件事上越来越成体系。做机器人、具身智能方向的团队,可以关注它的开源许可和硬件要求。

详情

6. Sebastian Raschka 长文讲透位置编码与 RoPE

机器学习研究者 Sebastian Raschka 发布长文,从 GPT 用的可学习绝对位置嵌入讲到 RoPE 等相对位置方法,配有可视化、少量公式和一个小型 PyTorch 实现,还整理了 2026 年开源模型在位置编码上的不同选择。作者说这篇是为后续的架构趋势文章打基础。

点评:想读懂长上下文怎么做出来的,位置编码绕不开。适合有 Transformer 基础的开发者收藏。

详情

7. 给 Agent 加一行“谁发的消息”,它就不再假装在对话

开发者 Keniel 发现,自己的 Agent 在定时自审时坚称“我们正在实时对话”,而开发者上一条消息已是一天半前。于是在请求里加了一行说明:本次由 scheduler 触发、本人未参与。对照实验里,不加这行时 23 条有效回答中有 20 条声称在对话,加了之后 24 条中只有 2 条。

点评:这是一个很便宜但很实用的技巧。凡是定时或自动触发的 Agent,都该在上下文里写清“这次是谁触发的”,否则模型会默认有人在跟它聊天。

详情

8. 给语音 Agent 装上“手”:一句话完成五个跨应用操作

一篇开发者文章演示了让语音 Agent 在通话后,根据一句话完成 HubSpot 记录通话和更新交易、Apollo 补全联系人并加入序列、Google Calendar 建日程、Gmail 存草稿等操作。作者指出语音场景的坑:通话中弹不出授权页、工具太多拖慢回复、可能把“起草”听成“发送”。

点评:最值得借鉴的是“默认存草稿、不直接发送”和“执行完口头复述结果”这两条设计。任何会对外发消息的 Agent,都应该把不可撤销的动作留给人确认。

详情

9. datasette-llm 支持 OpenAI 兼容端点,本地模型可直接接入

Simon Willison 维护的 datasette-llm 发布 0.1a11,新增对 OpenAI 兼容端点的支持。用 LM Studio、Ollama 或刚发布 v1.0.0 的 llama.cpp 跑本地模型的人,可以通过 uvx 一条命令起一个由本地模型驱动的 Datasette Agent,示例里用的是本机 1234 端口上的 qwen/qwen3.8-27b。

点评:OpenAI 兼容协议已经成了事实上的通用接口,工具只要支持它,就能在云端模型和本地模型之间随意切换。数据不便出本机的用户,可以低成本做本地数据问答。

详情

今日小结

今天的模型动态里,最值得开发者马上动手的是第 7 条:给自动触发的 Agent 写清触发来源,几乎零成本。最值得持续观察的是国产模型的成本和开放程度,Hy4 flash、DeepSeek 开放 API 和昇腾生态都在往这个方向走。

信息来源

更多每日 AI 热点见 best2ai.com

原创文章,作者:admin,如若转载,请注明出处:https://www.doc200.com/1864.html

赞 (0)
打赏 微信扫一扫 微信扫一扫

相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

hellelel