行业资讯

字节跳动旗下Seed AI团队发布论文揭示，AI智能体在真实世界部署后，学习效率每三个月就能提升一倍。研究团队打造EdgeBench极限基准测试，包含134个超长周期任务，每个要求AI智能体连续运行至少12小时。结果显示智能体在真实环境中的任务完成速度随部署时间呈指数级膨胀，驱动力从预训练阶段的算力投入转移到了部署后持续获得的交互数据。

Anthropic正式发布Constitutional Guardrails v3.1安全框架，被业界称为AI越狱'四重拦截协议'，实测拦截率99.2%，已通过ISO/IEC 23894认证

斯坦福李飞飞、英伟达Jim Fan等顶尖学者提出T-Rex框架，解决具身智能中触觉感知的核心难题。研究发现将触觉信号作为额外信息输入时，任务成功率从17%骤降至6%。T-Rex采用混合Transformer专家架构（MoT），让视觉、触觉各跑独立频率。12项精细操作任务取得超30%平均成功率提升。

独立研究人员发现GPT-5.5 Codex中推理Token聚类可能导致模型性能下降，复杂问题求解任务中准确率和推理能力减弱。聚类本意是提升逻辑连贯性，但可能碎片化了推理链或引入计算噪声。OpenAI尚未公开确认，但据报道正在审查内部数据。

OpenAI推出GeneBench-Pro基准，包含129个问题，测试AI在基因组学、定量生物学中的判断能力。GPT-5.6 Sol以28.7%通过率表现。

DeepSeek V4推出投机解码框架DSpark，推理速度提升60%-85%。同步开源DeepSpec全栈推测性解码框架。

Google在Gemini API中推出Managed Agents功能，开发者可通过单次API调用即可启动一个具备自主推理、工具调用和代码执行能力的智能体。智能体运行在隔离的Linux沙箱环境中，消除了团队此前需要手动构建的编排层代码。此举被视为Google在企业端推广Gemini 3.5 Flash定价优势的战略延伸，同时也对提供编排层服务的AI创业公司构成竞争压力。

OpenAI工程师通过多项全新研发的优化技术，成功找到可将模型推理运行成本削减一半以上的方案。将新技术应用于未注册访客访问ChatGPT场景后，峰值时段所需英伟达GPU数量一度被压缩至仅数百个。与此同时，OpenAI与博通联合研发的专用ASIC芯片项目（代号墨西哥胡椒）也在推进中，该芯片完全针对大模型推理从零开始设计。

马斯克在X平台宣布Grok 4.5已在SpaceX和特斯拉内部启动Beta测试，早期评测接近或超越Anthropic Claude Opus。SpaceX计划今年剩余时间每月发布一个完全从零训练的全新AI模型。Grok 4.5基于1.5万亿参数V9基础模型，引入Cursor数据训练。

华为正式宣布920亿参数的openPangu-2.0-Flash模型开源上线，涵盖模型权重、基础推理代码及训推算子。openPangu-2.0-Pro将于7月开源，更多组件下半年陆续开放。