一周AI大事：DeepSeek炒股“封神”，OpenAI自建浏览器"抢饭碗"

一、重磅工具：视觉语言开源模型DeepSeek-OCR发布，浓缩的不是精华是算力

新闻： DeepSeek发布视觉语言开源模型DeepSeek-OCR，参数量30亿，致力于实现对图像和PDF文档的稳健理解。该模型采用类MIT许可证（MIT-style license），已经上线HuggingFace。DeepSeek同时还公布了相关代码及技术论文《DeepSeek-OCR：上下文光学压缩》（DeepSeek-OCR：Contexts Optical Compression）。

DeepSeek-OCR的独到之处在于，这款视觉语言模型极大提升了图像压缩极限，同时仍能保持高质量的OCR识别结果。实验表明，当文本token数量不超过视觉token数量的10倍时（即压缩比低于10倍），模型对OCR文档的解码准确率可达97%……这让大语言模型（LLM）在历史长上下文压缩、记忆遗忘机制等研究领域展现出可观的潜力。

DeepSeek-OCR不仅是一款高效的SOTA OCR模型，还通过使用基于视觉的文本压缩技术，为长上下文管理提供了新思路。人们借此可以用更少的token数量（仅为直接阅读文本的十分之一）理解图像中的文本。

锐评： 10倍压缩率换97%的准确率，这“浓缩”技术有点东西。

二、AI技术与产品发布：新品“下饺子”，大厂卷到爆

1. 新闻： OpenAI推出ChatGPT Atlas，这是一款适用于macOS的桌面AI浏览器，它集网页浏览、ChatGPT功能以及可选的“浏览器记忆”功能于一身。OpenAI将ChatGPT Atlas宣传为“内置ChatGPT的浏览器”，提供与ChatGPT账户绑定的第一方浏览器体验。部分评测者认为其好于AI浏览器竞品Perplexity Comet，但也有评论指出这款工具虽有潜力，但尚未成为一款可靠的AI工具。

锐评： OpenAI下场造浏览器，AI也开始上网冲浪。

2. 新闻： Anthropic推出网页版Claude Code。这个基于浏览器的界面可用于执行并行编码任务并连接到GitHub。其研究预览版支持隔离沙盒环境、任务导向和自动PR生成等功能。现已向Pro和Max订阅用户开放。Anthropic概述了其基于沙盒的安全控制措施，并分享了设置文档的链接。

锐评： AI写代码，debug的屁股还不是要人擦？

3. 新闻： OpenAI为ChatGPT引入“公司知识” (company knowledge) 功能。这一功能可帮助用户集中管理内部文档、常见问题解答和术语等公司内部信息，使ChatGPT的答案更能反映组织的权威信息源。这一新功能旨在减少定制化检索的复杂性，确保在企业工作区中提供一致且合规的答案。而且企业管理员能控制系统数据治理和访问权限。

锐评： 企业版ChatGPT开小灶了。

4. 新闻： 微软扩展Edge浏览器的AI浏览Copilot模式，新增Copilot智能体操作（例如退订电子邮件或预订酒店）、以及可将浏览历史按主题项目分组的“旅程”（Journeys） 功能。新的标签页聊天、集成搜索/导航以及操作/旅程功能正在预览版中陆续上线。美国用户现可在Edge浏览器中开启Copilot模式。

锐评：Edge化身无微不至的赛博老妈，下一步该提醒你穿秋裤了。

5. 新闻： 谷歌推出一款基于Gemini构建的AI“氛围编程” (vibe-coding) 工具。用户只需输入想法，即可创建Web应用程序。用户在提示词中描述一个应用，AI工具便会编写完整的应用程序代码，并在几分钟内完成部署。这款工具已经上线AI Studio，由Gemini 2.5 Pro提供支持，还具备查看代码、恢复检查点和部署应用等功能。

锐评： 什么软件工厂，在AI面前都是小把戏。

6. 新闻： 宇树科技发布了新一代仿生人形机器人H2。这款机器人有70公斤重，拥有31个自由度、带面部特征的仿生头部以及多种灵巧手选项，现已公开发售。

锐评： 马斯克家的机器人工程师该急了，压力山大。

7. 新闻： 腾讯发布开源世界模型混元世界1.1 (Hunyuan World 1.1)。其能够根据文本、图像或视频输入快速重建3D场景。1.1版扩大了输入范围，支持视频和多张图像。

锐评： 腾讯这波是把元宇宙做成了“速溶茶包”。

8. 新闻： Liquid AI推出轻量级多模态（图像-文本）模型LFM2-VL-3B，专为高效的边缘和服务器部署设计；该模型具备可调的速度和质量，原生支持512×512图像处理。LFM2-VL-3B在一众小型开源模型中具有竞争力，现已登陆Hugging Face。

锐评： 在“终端”搞游击战，主打一个错位竞争。

9. 新闻： 阿里通义千问更新Qwen3-VL系列，新增了小型和大型检查点，包括Qwen3-VL-2B-Instruct和Qwen3-VL-32B-Instruct（含FP8变体）。

锐评： “模型超市”再次上新，从2B到32B任君挑选。

10. 新闻： 艾伦人工智能研究所（AI2）发布olmOCR-2-7B-1025-FP8，这是一个基于Qwen2.5-VL-7B微调的量化OCR模型，适用于处理文档、数学公式、表格和扫描页面。该模型已经上线Hugging Face。

锐评： 老外习惯了抄中国作业。

11. 新闻： 百川智能正式发布Baichuan-M2 Plus医疗大模型，这也是业内首个“循证增强”医疗大模型。该模型自百川今年8月开源的Baichuan-M2医疗推理模型技术基础上升级而来，是百川在医疗AI领域的最新探索。M2 Plus的核心亮点在于其首创的六源循证推理（EAR）范式。这一创新机制对通用大模型在医疗领域长期存在的幻觉问题，提出了有效的解决方案，让AI不再“闭门造车“，而是有理有据地回答问题。

锐评： “循证”紧箍咒能不能真的管住大模型。

12. 新闻： Pokee AI发布“深度研究”开源智能体PokeeResearch-7B，参数70亿，基于Qwen2.5-7B-Instruct微调，它使用RLAIF和推理框架来分解、验证和综合多来源信息。Pokee AI声称其在70亿参数级研究智能体中达到SOTA水平。用户现可通过预览页面访问，模型现已登陆Hugging Face。

锐评： 又一个自称SOTA的7B模型。

13. 新闻： Krea开源实时视频模型Krea Realtime 14B。该模型从Wan 2.1 14B蒸馏而来，能以交互式速度流式生成长视频，首帧生成时间约1秒。相关技术博客解释了模型如何使用“自强制” (self-forcing) 技术使扩散模型自回归，从而实现实时长视频生成。Krea Realtime 14B现已上线Hugging Face。

锐评： 视频实时生成1秒起步，AI要把剪辑师卷成历史。

14. 新闻： Lightricks发布LTX-2。这是一个高保真、支持4K的AI视频引擎，已经集成到LTX套件中，具备音视频同步生成和多种性能模式。LTX-2支持包含故事板、时间轴和角色一致性的端到端创意工作流。Lightricks现已提供相关技术资料、文档和LTX-2试用入口。

锐评： AI快进化到“全自动拍电影”了。

15. 新闻： Hugging Face为AI Sheets添加视觉功能。此次更新允许用户使用开源模型提取和丰富图像数据，将类似电子表格的工作流扩展到文本之外的视觉领域。该版本支持视觉任务的快速原型设计，无需定制的Python流水线。

锐评： 以后Excel里不光能拉数据，还能“拉”图像了。

16. 新闻： BrowserBase发布Director 2.0。这是一款由BrowserBase和Stagehand支持的免费应用程序，可自动执行Web任务。Director 2.0专为智能体“计算机操作”任务设计，可通过BrowserBase在云端部署。Director是BrowserBase AI自动化技术栈的组成部分，与兼容Playwright的AI原生浏览器自动化框架Stagehand并列。

锐评： 堪称懒人福音，但也可能是“摸鱼杀手”。

17. 新闻： 三星与Perplexity AI合作，为2025年智能电视产品线推出专用电视应用，支持直接在屏幕上进行语音和文本AI搜索。用户无需手机即可查询航班、食谱或新闻。

锐评： 电视不止能看，还能想。

18. 新闻： Dropbox正在扩大AI助手和搜索引擎Dash的可用范围。Dash可连接所有工作应用来提高生产力。它现提供自然语言搜索、AI答复和内容组织功能，用户可通过新应用访问，并已集成到Dropbox本身。后续改进有通过Mobius Labs提供的多模态功能以及通过MCP服务器实现应用内搜索。

锐评： 在N个App之间“找东西”的焦虑，现在要靠第N+1个App来解决？

19. 新闻： OpenAI的Sora团队预告“宠物客串” (pet cameos) 功能，表明该视频模型可以将用户的宠物加入生成场景中。更多社交化使用Sora的方式也即将推出。

锐评： 铲屎官做导演不是梦。

三、AI研究资讯：“上帝视角”看地球，“实盘”炒股赚到笑

1. 新闻： 谷歌研究院 (Google Research) 宣布更新并扩大对Google Earth AI的访问范围，包括发布新的图像（Imagery）和人口（Population）基础模型。他们还发布了一个由Gemini提供支持的地理空间推理智能体。该智能体能够链接卫星、人口和环境信号，以回答复杂的现实世界问题（如风暴风险、脆弱社区）。谷歌研究院报告称，该智能体在地球观测任务方面的成绩达到SOTA级别，并能通过融合多模型嵌入（embeddings）改进预测效果。

锐评： 这简直是给AI开了“上帝视角”，现实版“文明”游戏。

2. 新闻： DeepSeek在港大AI-Trader项目中以9.68%的收益率击败GPT、Claude、Gemini等全球顶级模型，成为能够在真实美股市场实现自主盈利的AI交易系统，这标志着AI在金融实盘应用中的重大突破。这意味着，通过DeepSeek赚钱的速度是直接买热门美股基金（QQQ）的8倍，是第二名AI大模型的4倍。

锐评： 这让基金经理情何以堪？

四、AI商业与政策：疯狂吸金获资本青睐，大口吃电遭公众抵制

1. 新闻： Meta宣布AI部门裁员600人，此次裁员主要针对超级智能实验室中的FAIR（基础AI研究）职位。与此同时，Meta正在加大通用人工智能（AGI）研究的招聘力度。Meta首席AI官汪滔称，此举是为了打造更精简、更敏捷的团队，专注于研发可扩展的模型。

锐评： 这是要集中火力冲“超级智能”。

2. 新闻： IBM和Groq宣布建立合作伙伴关系，共同推动企业级智能体。IBM将通过Watsonx Orchestrate开放GroqCloud推理服务，以实现低延迟智能体工作流。合作计划包括将Red Hat支持的vLLM与Groq的LPU架构集成，并在GroqCloud上支持IBM Granite模型。

锐评： 老牌巨头联手新锐架构。

3. 新闻： OpenAI宣布收购多位苹果资深员工创办的初创公司Software Applications。这家公司致力于打造一款面向Mac的AI驱动用户界面。作为此次收购的一部分，OpenAI将把Software Applications打造的AI助手Sky整合进ChatGPT，包括这款产品在macOS上的集成能力与其产品设计理念。同时，Software Applications的整个团队将加入OpenAI。交易的具体财务条款尚未披露。

锐评： 颇有“师夷长技以制夷”的味道。

4. 新闻： 通用汽车宣布从2026年开始，将谷歌的Gemini AI助手集成到其车辆中。Gemini助手将通过OTA (over-the-air) 更新提供给配备OnStar (安吉星) 的车型，直接连接到车辆导航和诊断系统中。通用汽车的目标是将其发展为完全定制的GM AI界面，以提升驾驶员的安全性和便利性。

锐评： 以后开车不止有“安吉星”客服，还有个“全知全能”的AI副驾。

5. 新闻： Stability AI与艺电合作开发游戏工具，将其AI图像模型和创意AI工具引入艺电的游戏内容工作流。这标志着Stability AI继续向企业级创意工具领域推进。

锐评： 以后游戏里的NPC和风景可能都是“一键生成”的。

6. 新闻： AI原生内容创作平台LiblibAI（哩布哩布AI）于近日已完成1.3亿美元（约合人民币9.2亿元）B轮融资，由红杉中国、CMC资本以及一家大型互联网公司战略投资部联合领投。

这是今年以来国内AI应用领域公开的最大一笔融资，超过了此前Manus在5亿美元（约合人民币35.6亿元）估值下完成的8000万美元（约合人民币5.7亿元）融资纪录。仅在2024年一年内，LiblibAI就完成了三轮融资，累计金额达数亿元人民币。

锐评： AI应用赛道终于跑出了个“吸金兽”。

7. 新闻： Netflix在第三季度财报电话会议上宣布“全力投入”生成式AI。首席执行官泰德·沙兰多（Ted Sarandos）强调AI在加速剧本创作和视觉特效 (VFX) 方面的积极作用，预计到2026年可节省15%到20%的成本。Netflix将AI视为饱和市场中获取竞争优势的利器，认为公司可利用AI工具进行内容创作、个性化推荐并提高生产效率。

锐评： 网飞这波操作是要把好莱坞工会气爆。

8. 新闻： 据《纽约时报》报道，全球范围内对AI数据中心的抵制情绪日益高涨。这些数据中心给当地电网和水源带来巨大压力，墨西哥的停电和智利的缺水问题相继引发人们的反对。智利政府正面临AI投资的两难境地，一方面在讨论为科技中心提供数十亿美元补贴来支持经济发展，另一方面则面临公众因数据中心造成资源枯竭而产生的愤怒。

锐评： AI数据中心要成“电老虎”和“水耗子”？

9. 新闻： Meta与Blue Owl Capital成立270亿美元的合资企业，为Hyperion AI数据中心提供资金。Meta与Blue Owl Capital管理的基金成立合资公司，共同开发位于路易斯安那州的Hyperion数据中心园区，其中Blue Owl拥有80%的股份，Meta保留20%。这笔交易凸显出建设AI基础设施所需的巨额资本。

锐评： 钞能力不够，也可以找人来凑。

10. 新闻： 英国AI安全研究所（AI Security Institute）发布一份中期《先进AI安全的国际科学报告》。该报告由来自世界各地的74位AI专家共同撰写，旨在为即将举行的峰会上的多边政策讨论提供信息。该报告总结了当下对通用AI以及风险管理方法的理解。

锐评： 74位专家“会诊”AI风险，阵仗挺大。

11. 新闻： 特斯拉正式宣布，Cybercab将于2026年第二季度开始量产。公司CEO埃隆・马斯克（Elon Musk）在财报电话会议上表示：“产能扩张的最大来源将是Cybercab，其生产将于明年第二季度启动。这款车完全是为实现完全自动驾驶而优化设计的。事实上，它没有方向盘和踏板，真正实现了对每英里综合运营成本的极致优化。”

锐评： 这次会不会又是狼来了的故事？

五、AI观点与文章：特斯拉前大佬泼冷水，超级智能还差N个9

新闻： 特斯拉人工智能和自动驾驶部门（Autopilot）原负责人安德烈·卡帕斯（Andrej Karpathy）最近在接受硅谷知名科技播客主持人Dwarkesh Patel采访时，就AI发展时间线和进展发表了评论，引发热议。卡帕斯表示，要让AI智能体完全实现相当于人类员工的水平，大约还需要十年时间。他认为，AI智能体目前缺乏足够的智能、多模态能力、计算机使用能力和记忆力，尚未达到真正实用的程度。

一些人认为他是在反驳AI乐观主义者，但他在X平台上发帖澄清，自己并非AI怀疑论者：

“我对AI时间线的预测，可能比你在旧金山AI圈派对或X上看到的要悲观5到10倍，但相比日益增多的AI否认者和怀疑论者，我仍然算乐观。”

他明确表示相信AI会持续进步，但通往AGI和超级智能的道路目前来看将是计算和自动化领域的“艰苦跋涉”（grinding continuation），而非“奇点”（singularity）：

“我认为这就像社会自动化的进程……我感觉很多事物会逐渐自动化，而超级智能就是这种趋势外推的结果。”

卡帕斯关于AI进展的推理，源于他在自动驾驶汽车研发中吸取的惨痛教训：AI改进的每一步都比前一步困难得多：

“这是一场‘九的进军’（a march of nines），每多一个9（指90%、99%、99.9% 等）都需要等量的工作。所以当你做出一个演示，某个功能在90%的时间里都可用时，那只是……第一个9。然后你还需要第二个9、第三个9、第四个9和第五个9。”

锐评： AI在前往9个9的路上喘粗气。（辰辰）