贝有科技

BEIYOO·AI 简报：Genie 4 把一句提示词变成可探索的实时世界

返回 AI 简报#4052026-10-28
BEIYOO·AI 简报：Genie 4 把一句提示词变成可探索的实时世界 封面图

Share

分享本期简报

手机端可调起系统分享；桌面端可复制链接或扫码后转发。

本期重点
  • Google DeepMind 发布 Genie 4，可实时生成带原生音频、物理反馈和自然语言操控的交互世界，世界模型开始从视频生成走向可执行模拟。
  • Liquid AI 发布 LFM3 六款 2B 级多模态模型，1.7B 文本模型 4-bit 约占 1GB 内存，端侧智能体的能力与部署成本继续靠拢。
  • 百度开源 Unlimited OCR 2，用固定规模工作记忆处理超长文档；OpenBMB 则用识别模型加独立校验模型提升文档流水线可信度。
  • 蚂蚁开源 560B 总参数、25B 激活参数的 Ling-3.1-flash-1019 与基础版，为企业微调和私有部署增加国内模型选择。
  • Axiom 公布有限单群分类的 Lean 形式化工程，公开 4310 万行代码与交互式证明图，数学 AI 的交付物开始从答案变成可检查资产。
  • Ramp 称 Inspect 已贡献公司 74% 的合并 PR，而 Cognition 新基准中顶级编码模型仍低于 50%，规模化使用与可靠性交付之间仍有明显落差。

今天的共同变化不是“模型又多了几个”，而是 AI 开始产出更可运行、可部署、可检查的中间世界：Genie 4 生成可交互模拟，LFM3 把多模态智能压进端侧设备，OCR 模型把整本书变成结构化数据，Axiom 把数学文献变成 Lean 代码。能力正在从回答问题转向构造环境与资产。企业应把评估单位从单次回答质量，升级为完整工作流中的可验证结果、运行成本、失败恢复与数据边界。

Deep Read

今日深读

从生成内容到生成可运行世界：企业为什么要重做评估表

Genie 4 的变化不只是画面更逼真。传统视频模型交付一段固定内容，世界模型则交付一个可以继续变化、接受指令并反馈结果的环境。当模型进入机器人训练、流程预演和产品原型时，评估也要从“像不像”扩展到物理一致性、状态连续性、可控性与异常恢复。

同一天出现的端侧模型和文档模型，展示了另一条路径：把通用能力压缩为能在具体设备和具体工作流中运行的组件。LFM3 强调硬件覆盖、内存和微调成本，Unlimited OCR 2 强调超长文档的稳定资源占用，MiniCPM-OCR 则增加独立结果校验。企业采购时应要求厂商提供完整任务指标，而不是只交一张综合榜单。

可运行不等于可直接放权。世界模型会产生不符合真实物理的场景，端侧模型可能在低资源下能力退化，文档模型也会在表格、公式和印章上犯错。最稳妥的落地方式，是把模型产物放进可复现、可校验、可回滚的流程，让人和规则系统掌握最终发布权。

By The Numbers

数字看板

2B 级

LFM3 首批六款多模态模型的主要规模

文本模型 4-bit 约占 1GB 内存

4310 万行

Axiom 公布的有限单群分类 Lean 代码规模

包含 205 万个声明

74%

Ramp 称 Inspect 贡献的内部合并 PR 比例

厂商自报数据，需结合团队环境判断

Action Item

企业能抄的作业

给可运行 AI 建立四项交付验收

  1. 1任务验收：用真实工作流测成功率、总耗时、资源成本和人工接管率。
  2. 2结果验收：要求输出可检查的代码、结构化字段、模拟日志或形式化证明，不只保留最终答案。
  3. 3边界验收：明确本地与云端数据范围、可访问目录、网络权限和最长运行时间。
  4. 4回滚验收：保存模型版本、输入、工具调用和产物，在异常时能复现并撤销。

News Briefing

今日快讯

采集窗口：北京时间 10 月 27 日 08:00 至 10 月 28 日 08:00；已与上一期逐条去重。

Genie 4 发布：一句提示词生成可探索、可操控的实时世界

标签：Google DeepMind / 世界模型 / 机器人模拟

来源：Google DeepMind 官方发布 · HuggingNews 事件汇总

摘要： Google DeepMind 发布 Genie 4 世界模型，可从单条提示生成带画面、环境音、对话与物理反馈的实时交互空间。用户能在运行中用自然语言改变天气、摄像机、人物和物体，Gemini 模型则负责规划多步事件与维持场景连续性。Genie 4 正以研究预览向可信测试者开放，后续将进入 Project Genie、Gemini API 和 Google AI Studio 的早期访问。对企业更重要的不是“生成一段更真实的视频”，而是能否用可控模拟批量训练机器人、验证智能体和预演复杂场景。

Liquid AI 发布 LFM3：六款 2B 级模型把多模态智能压进端侧设备

标签：Liquid AI / 端侧模型 / 开放权重

来源：Liquid AI 官方发布 · HuggingNews 事件汇总

摘要： Liquid AI 发布 LFM3 系列，首批覆盖文本、视觉、音频、全模态和决策共六个约 2B 参数的模型，基于新的三混合架构与 22T Token 预训练。LFM3-1.7B 提供 256K 上下文，4-bit 量化约占 1GB 内存，并可在单张 GPU 上微调；模型权重已在 Hugging Face 开放。官方同时针对手机、树莓派、CPU、GPU 与 NPU 等 14 类硬件做了优化。端侧模型不再只意味着“牺牲能力换隐私”，企业可以开始为现场设备、离线助手和高频后台代理重新计算云端与本地的总成本。

百度开源 Unlimited OCR 2：整本书可在单次请求中持续解析

标签：中国模型 / 百度 / 文档智能

来源：百度 Unlimited OCR 官方仓库 · HuggingNews 事件汇总

摘要： 百度开源 Unlimited OCR 2，目标是在有限上下文窗口内持续解析近乎任意长度的文档。其 SR-SWA 机制把文本与视觉注意力交互压缩成固定规模的工作引用，使文档页数增长时，单步解码延迟和内存占用保持相对稳定。项目同步发布 MarathonDocBench，并推荐通过 SGLang 部署。对合同、档案和书籍处理而言，真正的价值是减少分页切割、跨页上下文丢失和峰值显存，而不是把“单次请求”误解为完全没有长度或质量边界。

蚂蚁开源 Ling-3.1-flash-1019：560B 总参数、25B 激活参数

标签：中国模型 / 蚂蚁集团 / 开放权重

来源：Ling-3.1-flash-1019 官方模型卡 · HuggingNews 事件汇总

摘要： 蚂蚁集团 InclusionAI 开放 Ling-3.1-flash-1019 权重，模型总参数 560B、每 Token 激活约 25B，并提供 1M 上下文。官方模型卡称其在 Artificial Analysis Intelligence Index v4.3.2 得分从前版的 41 提升至 44，同时发布可供外部继续训练的 Ling-3.1-flash-base。开放权重让企业获得更大的微调、部署和审计自由，但 560B 总参数仍意味着推理并非“轻量”，采用前应验证并行策略、显存占用、长上下文成本和具体中文任务表现。

OpenBMB 发布 MiniCPM-OCR 组合：识别模型之外，再放一个校验模型

标签：中国模型 / OpenBMB / OCR

来源：MiniCPM-OCR 1.0 官方模型卡 · MiniCPM-OCR Jev 官方模型卡 · HuggingNews 事件汇总

摘要： OpenBMB 发布 MiniCPM-OCR 1.0 与 MiniCPM-OCR Jev：前者是约 1.3B 参数的文档识别与版面解析模型，后者用约 2B 参数对原图与候选解析结果进行质量判断。模型面向中英文文本、表格、公式、图表和印章等复杂文档，并提供开放权重。把“识别”和“检查识别结果”拆开，比单纯追逐一次性 OCR 分数更接近生产系统；企业仍应增加字段规则、交叉校验与人工抽样，避免两个模型共享同类盲区。

微软 MAI Image 2.7 预览：图像编辑榜升至第二

标签：Microsoft AI / 图像模型 / 内容生产

来源：Microsoft AI 官方发布 · HuggingNews 事件汇总

摘要： Microsoft AI 发布 MAI-Image-2.7 预览版，在 Artificial Analysis 图像编辑榜位列第二、Arena Edit 位列第三。官方称新模型在十类使用场景和七类编辑动作上全面超过 2.6，尤其提升了场景与风格转换、文字和符号编辑、推理式修改与修复增强。当前可在 MAI Playground、Arena 和 Artificial Analysis 体验，文本生成图像能力将后续加入。排行榜可以帮助筛选候选模型，但品牌素材采购应另测身份保持、中文文字、局部修改稳定性和批量一致性。

Axiom 把有限单群分类写成 4310 万行 Lean 代码

标签：AI for Science / 形式化验证 / 数学

来源：Axiom 官方证明地图与论文 · HuggingNews 事件汇总

摘要： Axiom 公布有限单群分类的 Lean 形式化工程，官网列出 4310 万行 Lean、205 万个声明、715 篇论文和书籍，并开放交互式证明图与代码仓库。该人类证明跨越数十年、由约百名数学家完成，Axiom 称其智能体在人工指导下用 24 天完成形式化，并发现一处已发表论证中的问题、给出替代路径。Lean 内核能检查代码中的每个逻辑步骤，但项目规模、依赖和数学意义仍需要外部学者复核。AI 科研最可信的交付方式，正在从“给出结论”转向“给出可重建、可审查的形式化资产”。

Cognition 推出 FrontierCode 2.0：顶级编码模型仍低于 50%

标签：Cognition / 编码智能体 / 模型评测

来源：HuggingNews 事件汇总

摘要： Cognition 发布 FrontierCode 2.0，用需求不完整、工程取舍复杂的真实开源任务评估编码智能体，并把代码是否可合并而非仅能通过基础测试作为核心标准。Claude Opus 5.5 通过率为 45.5%，GPT-6 Astra 为 42.8%；官方还披露，部分任务中提高推理强度反而导致模型做出过度修改。每道题由开源维护者投入 40 小时以上制作，初稿有 80% 被退回重做。企业应把模糊需求处理、清理工作、公共 API 兼容和评审成本纳入编码智能体评估，而不是只看补丁能否运行。

Ramp 开放 Inspect：内部 74% 合并 PR 已来自编码智能体

标签：Ramp / 编码智能体 / 企业应用

来源：Ramp 官方发布 · HuggingNews 事件汇总

摘要： Ramp 开放协作式编码智能体 Inspect 的早期访问，用户可从 Slack、GitHub、Linear 或网页发起任务，系统在云端环境完成修改、视觉验证和代码审查后生成 PR。Ramp 称过去一个月 99% 的工程、设计和产品团队使用过 Inspect，74% 的合并 PR 来自该工具，人均提交量较一年前提升 3.4 倍。这是厂商自报的内部数据，不能直接外推到其他团队；它仍说明智能体大规模落地依赖共享上下文、可加入的多人会话和可验证产物，而不只是更强模型。

LangChain 开源 Content Studio：在 Slack 里生成视频、图像和演示文稿

标签：LangChain / 内容智能体 / 开源

来源：LangChain 官方发布 · HuggingNews 事件汇总

摘要： LangChain 开源内部设计智能体 Content Studio，可在 Slack 线程中协同生成品牌视频、图像、演示文稿和 UI 稿，并把输出写成可编辑代码。官方称该系统已在公司内部交付 3000 多份素材和 80 多套演示文稿，单次请求模型成本中位数从约 8 美元降至 0.5 美元。它的关键不是“一句话出图”，而是把设计判断写进技能与检查，把沙箱、记忆、异步子任务和协作界面组成长任务工作流。企业复用时需要把品牌规范、审批与素材版权一并编码进流程。

Sentient OS 让本地模型整夜整理个人上下文

标签：本地智能体 / 隐私 / 端侧推理

来源：HuggingNews 事件汇总

摘要： YC F26 创业公司 Sentient 发布 Sentient OS，让本地大模型在设备上持续读取和整理数字上下文，并在夜间运行长期任务。系统把获取的上下文保存为用户拥有的 Markdown 文件，强调离线运行、无限本地推理和较低云端成本。其主动式体验仍需验证资源占用、权限解释和数据删除是否可靠；对企业而言，这类架构适合探索个人知识整理和离线场景，但必须按最小权限限制可读目录，并提供清晰的暂停、清除与审计机制。

Google 提出“睡眠”框架，让大模型持续学习又减少灾难性遗忘

标签：Google Research / 持续学习 / 模型研究

来源：Google Research 官方发布 · HuggingNews 事件汇总

摘要： Google Research 提出大模型持续学习的“睡眠”框架，让模型在活跃阶段接收新信息，在离线阶段完成记忆巩固和“做梦”式自我训练。框架通过扩展 MoE 记忆模块、知识蒸馏、强化学习和合成数据，把短期上下文转入更稳定的长期参数，并在实验中保持最高 1000 万 Token 的长期知识。研究仍属于训练方法探索，不代表线上模型会自行无限更新。对企业知识系统的启发是，把实时记忆、周期性固化、回归测试和可撤销版本分开，比持续在线微调更可控。

有类似的场景想推进？

先把目标、边界和验收方式聊清楚，再决定怎么开始。

预约咨询返回 AI 简报 →