AI 开发者日报

• GPT-Realtime-2 与新音频架构：OpenAI 在 API 中发布了 GPT-Realtime-2，称其为目前最强大的语音模型，具备 GPT-5 级别的推理能力，支持工具调用、打断处理以及更长的对话；同时推出的还有 GPT-Realtime-Translate，支持 70 多种输入语言 / 13 种输出语言 的流式翻译，以及 GPT-Realtime-Whisper，用于低延迟的流式转录 @OpenAI。OpenAI 表示 ChatGPT 的语音更新仍在路上 @OpenAI。Artificial Analysis 报告显示，GPT-Realtime-2 在 Big Bench Audio 上达到 96.6%，在对话动态基准测试中以 96.1% 领先，上下文长度从 32K 扩展到 128K，音频定价保持不变 @ArtificialAnlys。Scale AI 也将 GPT-Realtime-2 列为音频多挑战 S2S 排行榜第一名，指令保持率从 GPT-Realtime-1.5 的 36.7% APR 提升至 70.8% APR @ScaleAILabs。
• Codex 获得浏览器控制能力：OpenAI 在 macOS 和 Windows 上推出了 Codex 的 Chrome 插件，让 Codex 能够在后台标签页中操作，而无需接管用户的浏览器；它可以尽可能使用插件，通过 Chrome 访问已登录站点，并组合多种工具完成工作流，例如调试浏览器流程、检查仪表盘、进行研究或更新 CRM @OpenAI。开发团队强调，浏览器 DevTools、多标签并行以及 Web 应用测试是核心使用场景 @OpenAIDevs。
• 网络安全专用 GPT-5.5 访问权限：OpenAI 宣布推出 具备可信访问权限的 GPT-5.5 for Cyber，用于防御性工作流，以及一个有限预览版的 GPT-5.5-Cyber，供经过授权的红队、渗透测试和验证使用，并配有增强的验证和账户控制 @cryps1s。此外，Micah Carroll 表示，OpenAI 在构建扫描器后发现，之前的强化学习运行中存在偶然的 CoT 评分 情况，但没有明确证据表明这些情况降低了 CoT 的可监控性 @MicahCarroll。

• 自然语言自编码器（Natural Language Autoencoders）：Anthropic 推出了自然语言自编码器，这是一种将模型激活值翻译成人类可读文本的方法，让研究人员能够检查类似“思维”的内部表征，而不仅仅是稀疏特征或监督探针 @AnthropicAI。Miles Brundage/ML-powered 评论指出，NLA 与探针和字典学习互为补充，能够揭示规划行为并帮助识别训练流程中的翻译错误；开源模型的 NLA 已在 Neuronpedia 上提供 @mlpowered。Ryan Greenblatt 提醒，早期测试在单次前向传播的数学案例中未能恢复“内部思维链”，表明存在局限性或缺失的激活位置 @RyanPGreenblatt。
• Goodfire 的神经几何研究议程：Goodfire 发布了一系列研究，认为神经网络“以形状思考”，将**流形（manifolds）**作为解释和控制行为的核心原语 @GoodfireAI。该系列文章将流形级结构与 SAE 式特征碎片化进行对比，展示了沿学习到的流形进行引导如何保持连贯的世界模型行为，并预告了无监督流形发现和上下文几何方面的工作 @GoodfireAI。Goodfire 还将该议程与科学发现联系起来，引用了一个科学基础模型的反向工程案例，该模型在弯曲流形中揭示了生物标志物结构 @GoodfireAI。
• Anthropic 安全基础设施：Anthropic 分享了 The Anthropic Institute 的研究议程，重点关注经济扩散、威胁/韧性、野外 AI 系统，以及具备人类可见性和可控性的 AI 驱动研发 @AnthropicAI。同时，Anthropic 将其开源交互式行为评估工具 Petri 移交给 Meridian Labs 作为独立项目 @AnthropicAI，并在 HackerOne 上公开了其安全漏洞赏金计划 @AnthropicAI。

• Prime Intellect Lab 与 Ramp Fast Ask：Prime Intellect 将 Lab 从测试版正式开放，提供了一套完整的工具链，用于构建强化学习（RL）环境/评估、模型后训练、部署以及服务 Agent @PrimeIntellect。Ramp Labs 利用 Prime Intellect 训练了 Fast Ask，这是一个经过 RL 训练的小型子 Agent，专门用于电子表格问答。据报道，该模型在 Haiku 级别的延迟下，精确匹配率比 Opus 高出 4 个百分点 @RampLabs；Prime 表示，它在运行更快、成本更低的同时，性能超越了 Opus 4.6 @PrimeIntellect。
• Hermes Agent 发展势头强劲：Nous/Teknium 发布了 Hermes Agent v0.13.0，新增了基于看板（Kanban）的多 Agent 编排、通过 /goal 命令强制执行目标完成、磁盘使用优化、自定义 LLM 提供商以及自定义网关通道等功能 @Teknium。此前的更新还包括：通过 Hermes Gateway 添加了无需 Agent 的定时任务，用于程序化执行周期性任务 @Teknium；支持使用 --no-skills 参数创建空白配置文件 @Teknium；以及将 Lightpanda 作为机器原生浏览器后端，并支持 Chrome 作为回退方案 @lightpanda_io。
• Cursor 编排与 PR 工作流：Cursor 推出了 /orchestrate 技能，该技能可通过 Cursor SDK 递归地生成规划者（planner）、执行者（worker）和验证者（verifier）Agent。据内部数据显示，该功能使技能 Token 使用量减少了 20%，同时提升了评估效果，并将后端冷启动时间缩短了 80% @cursor_ai。Cursor 3 还集成了 PR 审查体验，支持差异对比（diffs）、提交记录、评论、审查状态、文件树以及技能快捷操作按钮 @cursor_ai。
• Agent 基础设施模式：LangGraph 正在添加 delta channels 功能，将检查点历史记录存储为差异（diffs），以控制长上下文 Agent 的存储膨胀问题 @sydneyrunkle。Deep Agents 新增了沙箱后端，支持在 Daytona、Modal、Runloop 和 LangSmith 等平台上进行与提供商无关的隔离执行，并采用 auth proxy 模式，防止凭据泄露到可能被提示词注入的沙箱中 @sydneyrunkle。

• xAI、智谱、Zyphra、DeepSeek 生态：xAI 在 Grok 中生成超过 3 亿张图像后，在 xAI API 上推出了图像生成质量模式，声称在逼真度、文字渲染和创意控制方面表现更佳 @xai。智谱发布了 GLM-5V-Turbo 技术报告，重点介绍了 CogViT 双教师蒸馏、多模态多 token 预测、多模态编码/工具使用，以及覆盖 30 多个任务类别的强化学习 @Zai_org。Zyphra 的 ZAYA1-8B 被描述为 AMD 训练，使用不到 10 亿活跃参数，采用大规模强化学习，以及一种名为 Markovian RSA 的测试时方法 @kimmonismus。Antirez 还发布了 DS4，这是一个基于 llama.cpp/GGML 体系、专为 DeepSeek v4 Flash 打造的专用推理引擎 @antirez。
• Google 模型与 API 更新：Google AI Studio 宣布 Gemini 3.1 Flash-Lite 是其最具成本效益的模型，适用于高吞吐量的智能体任务、翻译和简单数据处理 @GoogleAIStudio。Google 还将 Gemini Interactions API 从基于角色的 user/model 消息演变为类型化的 步骤，例如 user_input、thought、function_call、tool_call 和 model_output，旨在支持更丰富的多步骤智能体工作流 @GoogleAIStudio。据报道，Gemma 4 的 MTP/推测解码在设备端推理速度可提升 3 倍 @googlegemma，独立的 vLLM 测试显示吞吐量大幅提升，在 RTX Pro 6000 上简单生成任务达到 129 tok/s @bnjmn_marie。
• 序列模型与编码评估：Aviv Bick 和 Albert Gu 推出了 Raven，这是一种固定状态序列模型，能够学习更新哪些有限内存槽位，旨在修复 SSM 和滑动窗口注意力中的持久性失败问题，并在 16 倍训练序列长度上超越以往的线性模型 @avivbick, @_albertgu。Scale 发布了 SWE Atlas Refactoring 排行榜，测试智能体能否在不引入回归的情况下重构代码；Claude Opus 4.7 配合 Claude Code 目前领先 @ScaleAILabs。Arena 的纵向分析显示，开源模型已基本缩小了文本竞技场的差距，专有模型的领先优势目前约为 +30 Arena 分，不过专家级提示词仍然更具挑战性 @arena。

• 算力与基础设施：Anthropic 与 SpaceX/xAI 的算力合作仍是焦点话题。Dario Amodei 称 SpaceX 的合作是“远见工程 + Claude” @Mononofu，而 Simon Willison 指出，Anthropic 据称获得的是 Colossus 1，xAI 保留更大的 Colossus 2，且 Colossus 1 存在环境争议 @simonw。Lambda 完成了 10 亿美元优先担保信贷额度，用于扩建 AI 工厂 @LambdaAPI；AMD 推出了 MI350P PCIe，配备 144GB HBM3E 显存，算力高达 2299 TFLOPS MXFP4 @AMD；Ai2 将新的 NSF OMAI 算力上线，采用 NVIDIA Blackwell Ultra 系统，来自 NSF/NVIDIA 的 1.52 亿美元投资 @allen_ai。

• Google 健康与医疗 AI：Google 将于 5 月 26 日将 Fitbit 转型为 Google Health 应用，整合 Fitbit 追踪功能与 Google 服务，并推出由 Gemini 驱动的 Google Health Coach @googlehealth。Google 表示 Health Premium 将包含在 AI Pro 和 Ultra 套餐中 @shimritby，同时发布了 Fitbit Air——一款无屏幕可穿戴设备，续航长达一周，预售价 99.99 美元 @Google。此外，Glass Health 推出了环境记录 API，转录费用为 0.85 美元/小时，笔记生成按 Token 计费 @GlassHealthHQ。

• 机器人技术与本地智能体：Perplexity 在新版 Mac 应用中发布了 Personal Computer，让智能体能够在本地文件、原生 Mac 应用、网页和 Perplexity 服务器之间协同操作，支持从 iPhone 远程启动以及 Mac mini 常开模式 @perplexity_ai。NVIDIA Robotics 重点介绍了 Hugging Face 的 Reachy Mini“智能体机器人应用商店”，以及 Isaac GR00T N 与 LeRobot 工作流的集成 @NVIDIARobotics。EO-1 现已通过标准 LeRobot 策略接口提供，支持机器人控制训练、评估和部署工作流 @SongHaomin92651。

本周推特上AI领域的热度爆棚，以下是按互动量排序的焦点事件：

• OpenAI GPT-Realtime-2 API 发布 — 互动量 11.7K @OpenAI
• Anthropic 自然语言自编码器 — 互动量 10.1K @AnthropicAI
• Claude Mythos 帮助 Firefox 在四月份修复的安全漏洞数量超过此前15个月总和 — 互动量 9.7K @alexalbert__
• OpenAI Codex Chrome 插件 — 互动量 7.7K @OpenAI
• Goodfire 神经几何研究议程 — 互动量 5.1K @GoodfireAI
• Sam Altman 谈语音作为高上下文AI交互界面 — 互动量 5.0K @sama
• xAI 图像生成质量模式 API — 互动量 4.5K @xai

1. Qwen3.6 27B 本地推理与量化

• 利用 MTP 实现 Qwen 3.6 27B 推理速度提升 2.5 倍——本地智能编码终于可行，48GB 内存支持 262k 上下文，修复聊天模板，即插即用的 OpenAI 和 Anthropic API 端点（热度：1798）：近期 llama.cpp 的一个 MTP PR（#22673）启用了 Qwen 3.6 27B 内置的多 token 预测张量，用于推测解码。发帖人转换了支持 MTP 的 GGUF 量化版本（HF），并在 M2 Max 96GB 上报告了约 2.5× 的生成速度提升，使用 --spec-type mtp --spec-draft-n-max 3 参数达到了 28 tok/s。他们还发布了修复后的 Jinja 聊天模板（HF），并提供了 llama-server 配置，用于兼容 OpenAI/Anthropic 的本地服务，支持 q8_0 KV 缓存和高达 262144 的上下文长度。推荐使用 q8_0-mtp 作为速度与质量的最佳量化方案，避免在 64k 以上上下文使用 q4_0 KV，并指出 Qwen3.6-27B 由于采用混合线性注意力机制，仅在 16/65 层使用 KV 缓存，KV 内存占用减少约 4×。有评论者在 RTX Pro 6000 Max-Q 上报告，Qwen 3.6 "2.7B" Q8 在启用 MTP 后从 36 tok/s 提升至 78 tok/s，提示处理速度下降约 20%，但未观察到输出质量下降。帖子还警告，视觉功能目前与 MTP 结合使用时会导致 llama.cpp 崩溃。评论者普遍认为，这是本地推理近期重大加速的一部分，使得消费级硬件上的智能编码变得更加可行。有技术问题询问 turbo3/turbo4 是单独合并还是 MTP PR 的一部分。

一位用户在 RTX Pro 6000 MaxQ 上对 qwen 3.6 2.7B Q8 进行了基准测试，报告生成速度从 36 tok/s 提升至 78 tok/s，启用 MTP 后加速约 2.17 倍。他们注意到提示处理速度下降了约 20%，但输出质量似乎没有变化，这使得该权衡对于生成密集型工作负载来说是有利的。

• 有评论者询问，速度提升是依赖于最近的 turbo3/turbo4 合并，还是专门属于 MTP PR 的一部分，强调实现路径对于复现所声称的推理增益至关重要。
• 有技术对比问题涉及 Qwen 3.6 Dflash 变体和低位 iq3_XS 量化。该评论者报告通常将 256k 上下文适配到 16GB 显存中，并询问这些量化是否也能在不使用 mmproj 的情况下支持 256k 上下文，表明对跨量化格式的 KV 缓存/上下文长度可行性感兴趣。

Qwen 3.6 27B 各量化版本（BF16、Q8_0、Q6_K、Q5_K_XL、Q4_K_XL、IQ4_XS、IQ3_XXS……）的质量对比（热度：820）：该帖子在一个刻意设计的 PGN 转 SVG 国际象棋渲染任务上对 Qwen 3.6 27B 的 GGUF 量化版本进行了基准测试，测试内容包括棋盘状态追踪、棋子摆放、方向以及最后一步高亮，所有测试使用相同的 llama.cpp 采样设置（temp=0.6、top_p=0.95、top_k=20、ctx=65536）。作者报告 BF16/Q8_0 基本正确，Q6_K 出现摆放退化，Q5_K_XL/Q4_K_XL/IQ4_XS 仍可使用，IQ3_XXS 大部分正确但棋盘方向错误，Q2_K_XL 尽管棋子位置正确但结构已损坏。完整输出发布在 qwen3-6-27b-benchmark.vercel.app。对于本地 16GB 显存使用，他们偏好 IQ4_XS，报告在原生 llama.cpp 上约为 pp 100 tps / tg 8 tps，使用 TheTom 的 TurboQuant 分支并配合 -ngl 99、turbo4/turbo2 KV 缓存量化以及将上下文限制在约 75k 以下后，提升至约 pp 760 tps / tg 22 tps。评论中提出的主要技术问题是，该评估似乎是单次运行，因此随机波动可能导致个别量化结果成为异常值。不过评论者仍指出，观察到的退化趋势大致符合预期。

• 几位评论者质疑量化对比是否使用了单次运行评估还是重复试验，指出大模型输出可能差异很大，“一次运行是不够的”，可能会因统计噪声或异常生成而产生误导性结论。他们仍然观察到明显的预期趋势，即随着量化程度加深，质量会退化，但希望每个量化级别有多个样本来支持这些发现。
• 一个技术上实质性的结论是，4 位量化似乎仍然是实用的最佳选择，而3 位量化尽管普遍存在怀疑，但仍被描述为可用。有评论者认为，大约在 5 位以上，用户通常可以通过转向更大/更好的模型来获得更多收益，而不是在较小的模型上保留额外的精度，并引用了 122B UD-Q3_K_XL 与 35B IQ4_NL 等对比。

Qwen3.6 27B 无审查 Heretic v2 原生 MTP 保留版现已发布，KLD 0.0021，6/100 拒绝率，完整保留 15 个 MTP 头，提供 Safetensors、GGUF 和 NVFP4 格式（热度：530）：llmfan46 在 Hugging Face 上发布了 Qwen3.6-27B-uncensored-heretic-v2-Native-MTP-Preserved，声称 KLD = 0.0021、6/100 拒绝率，并在 Safetensors、GGUF、NVFP4、NVFP4-GGUF、NVFP4-MLP-only 和 GPTQ-Int4 变体中完整保留了全部 15 个原生 MTP 头。帖子称该发布包含基准测试，并且所有变体都经过检查以确保完整保留 MTP。作者的完整模型列表在此处。评论者请求了更多面向部署的量化支持，特别是针对 16GB 系统的 Q4_K_XS，并询问 MTP 是否与 TurboQuant 压缩的 KV 缓存兼容，或者是否可以应用于 Gemma 4 密集模型。一个技术担忧是，如果 MTP 草稿头是在原始拒绝对齐模型上训练的，而只有基础模型经过了微调，那么 MTP 的接受率可能会下降，或者在新解锁的拒绝/尾部行为案例上会*“与 Heretic 对抗”*，尽管总体 KLD = 0.0021 较低。

• 一个关键问题是，在去审查/Heretic 微调后，保留全部 15 个 MTP 头是否真的有益：如果草稿头保留了原始的拒绝分布，而基础模型被修改了，那么推测解码可能会“对抗”新解锁的输出。一位评论者指出，报告的 KLD 0.0021 表明基础模型整体上保持接近，但可能无法捕捉到拒绝/解锁提示上的尾部行为，这使得 MTP 在 Heretic 案例上的接受率成为更重要的验证指标。
• 用户询问了面向部署的量化细节，包括一个 Q4_K_XS GGUF 目标，以便在保留有用上下文的同时适配 16GB 显存，以及保留的 MTP 是否仍与 TurboQuant 压缩的 KV 缓存兼容。另一个关注硬件的提问指出，Blackwell 上的 NVFP4 + MTP 目前可能受到 CUDA/工具支持的限制，评论者表示该技术栈在“新 CUDA 版本发布之前似乎停滞不前”。
• 关于多模态打包和稳定性存在实施问题：评论者注意到包含了 mmproj 文件，并询问与 PR #22673 相关的崩溃是否仍然存在。另有人询问，同样的 MTP 保留方法是否可以应用于未来的 Gemma 4 密集模型，暗示对原生 MTP 头跨架构/微调的可移植性感兴趣。

• Claude Code 速率限制翻倍（热度：3901）：Anthropic 表示，与 SpaceX 达成的新算力合作，加上近期其他算力交易，使得 Claude Code 和 Claude API 的使用限制得以提升（官方公告）。即日起，Claude Code Pro/Max 不再受此前 高峰时段限制削减 的影响，Opus 模型 API 速率限制 也将“大幅”提高。热门评论多为非技术性反应：对该公告的真实性表示惊讶或怀疑，并猜测 SpaceX 与 Anthropic 的合作反映了埃隆·马斯克与山姆·奥特曼之间的竞争关系。
• SpaceX 算力交易——双倍限制（热度：1931）：Anthropic 宣布与 SpaceX 达成算力合作，以“大幅增加”算力容量，同时还有其他算力交易，并立即调整限制：取消 Claude Code Pro/Max 的 高峰时段限制削减，并 大幅提高 Opus 模型的 API 速率限制（Anthropic 公告）。该帖子未明确说明新的速率限制具体数值，也未透露 SpaceX 算力安排的具体细节。评论普遍对更高限制能否实质性改善可用容量持怀疑态度，有用户指出用户可能只是更快触达周上限，还有人将 Claude 与 OpenAI Codex 的使用成本进行对比，认为 Claude 处于劣势。此外，也有担忧认为任何改进都可能是暂时的，几周或几个月内就会退回原状。

多位评论者认为，单纯的算力容量合作不会实质性改善 Claude Chat，除非 Anthropic 同时调整产品层面的限流策略：“使用限制提高了，但周上限没变，这几乎毫无意义。” 这里的关键技术/产品区别在于后端算力可用性与强制执行的每用户周配额策略之间的差异。

• 有对比将 Anthropic 的配额压力与 OpenAI Codex 的定价/使用情况进行比较：一位用户声称 “花 20 美元用 Codex 能获得比 Claude 多得多的使用量”，暗示 Anthropic 可能是在应对因更严格的算力限制而导致的用户流失。讨论表明，如果需求再次饱和可用容量，任何短期的限制放宽都可能是暂时的。

• Sam Altman 给 Mira Murati 发短信。2023年11月19日。该文件来自 Musk v. Altman (2026)案。 (热度: 5431): 该帖子引用了一份标题为"Sam Altman 给 Mira Murati 发短信。2023年11月19日"的图片/文件，据称来自 Musk v. Altman (2026) 案件，但由于链接的 Reddit 图库因 403 Forbidden 无法访问，因此无法验证或总结实际的短信内容。从提供的帖子元数据中，无法获取任何技术声明、模型细节、基准测试、实施事实或诉讼文件实质内容。

• xAI 将作为独立实体解散。 (热度: 2116): 该图片是一张非技术性的 X.com 帖子截图，归属于 Elon Musk，声称 xAI 将作为独立公司解散，并并入名为"SpaceXAI"的新实体，被描述为来自 SpaceX 的 AI 产品：图片。帖子/标题中未提供任何实施细节、模型变更、基础设施计划或产品路线图，因此其意义主要在于公司结构/背景层面，而非技术层面。评论认为此举符合 Musk 此前希望将 AI 工作与其其他公司合并的意愿，而怀疑者则将其描述为可能将亏损的 AI 业务转移到 SpaceX——一个盈利且拥有政府合同支持的实体。