開發者朋友們大家好：

這裏是 「RTE 開發者日報」 ，每天和大家一起看新聞、聊八卦。我們的社區編輯團隊會整理分享 RTE（Real-Time Engagement） 領域內「有話題的技術」、「有亮點的產品」、「有思考的文章」、「有態度的觀點」、「有看點的活動」，但內容僅代表編輯的個人觀點，歡迎大家留言、跟帖、討論。

本期編輯：@Jerry fong，@鮑勃

01有話題的技術

1、MiniMax 開源模型 MiniMax-M2

在大模型競賽從「拼參數」轉向「拼效率」的關鍵節點，MiniMax 於 10 月 27 日發佈新一代開源推理模型 M2，以精準的工程取捨，錨定智能 Agent 這一下一代 AI 應用的核心戰場。

M2 採用混合專家架構（Mixture-of-Experts， MoE），總參數量達 2300 億，但每次推理僅激活 100 億參數，實現高達每秒 100 個 token 的輸出速度——這一性能指標使其在實時交互場景中具備顯著優勢。尤為關鍵的是，M2 專為智能 Agent 設計，強化了在行為決策、多輪任務規劃與環境交互中的推理連貫性與響應效率，為構建真正自主的 AI 智能體提供底層引擎。

值得注意的是，相比前代 M1 模型，M2 在上下文窗口上做出戰略調整：從 M1 支持的 100 萬 token 大幅縮減至 20.48 萬 token。這一變化並非技術倒退，而是 MiniMax 在長文本處理、推理速度與部署成本之間做出的務實權衡。M1 雖以「百萬上下文」創下紀錄，但高資源消耗限制了實際落地；而 M2 則聚焦高頻、高響應的 Agent 任務，在保證足夠上下文長度的同時，大幅提升吞吐效率與經濟性。

作為開源模型，M2 進一步降低了開發者構建定製化智能體的門檻。無論是打造具備複雜任務鏈的虛擬助手、自動化工作流機器人，還是嵌入企業系統的決策 Agent，開發者均可基於 M2 快速迭代，靈活調優。

MiniMax 明確將 M2 定位為「Agent 時代的推理基座」。在 AI 正從「問答工具」邁向「行動代理」的浪潮中，M2 的推出不僅是一次模型升級，更是對下一代 AI 應用範式的押注——當智能體需要快速思考、持續行動、高效交互，速度與成本，或許比上下文長度更為關鍵。

相關鏈接：

https://www.minimax.io/news/minimax-m2

(@ AIBase)

2、inclusionAI 發佈 Ming-flash-omni Preview 模型

螞蟻集團 inclusionAI 發佈了 Ming-flash-omni Preview 模型，基於 Ling-Flash-2.0 構建，總參數量為 100B，其中每個 token 僅激活 6B 參數。與前代模型相比，Ming-flash-omni Preview 在多模態理解和生成方面展現出實質性提升，並在視覺-文本理解、圖像生成、音頻理解和文本轉語音能力方面表現出競爭力。

該模型在多模態能力上進行了關鍵優化，特別是在語音識別方面，實現了上下文 ASR（ContextASR）和方言感知 ASR 的 State-of-the-Art 性能，在全部 12 個 ContextASR 基準測試中均設定了新的 State-of-the-Art 性能，並顯著提升了對 15 種中文方言的識別性能。在圖像生成方面，Ming-flash-omni Preview 引入了高保真文本渲染，並在圖像編輯過程中展示了場景一致性和身份保留方面的顯著增益。此外，模型引入了生成式分割（Generative Segmentation），該能力不僅實現了強大的獨立分割性能，還增強了圖像生成中的空間控制，並改善了編輯一致性。

Ming-flash-omni Preview 支持圖像、文本、視頻和音頻作為輸入模態，並支持圖像、文本和音頻作為輸出模態，可用於流媒體視頻對話、音頻上下文 ASR 與方言 ASR、音頻語音克隆以及圖像生成與編輯等用例。該模型的預覽版本已發佈。

相關鏈接：

https://huggingface.co/inclusionAI/Ming-flash-omni-Preview

（@橘鴨 Juya）

3、谷歌推出 Earth AI 新模型，強化地理空間推理能力

日前，谷歌宣佈在 Google Earth 和 Google Cloud 平台擴展其「Earth AI」能力，推出新一代地理空間 AI 模型與推理智能體。該系統結合基礎模型與多模態推理，旨在為複雜的全球性問題提供可行的建議。

谷歌表示，Earth AI 的核心在於將影像、人口與環境等多領域模型與推理 Agent 結合。

Agent 可將自然語言問題分解為多步計劃，調用不同模型與地理空間工具，並融合結果生成整體答案。例如，在預測颶風登陸及評估受影響社區時，系統可同時調用天氣預測、人口動態與衞星影像識別關鍵基礎設施。

據介紹，此次更新包括兩大新模型：

• 影像基礎模型：支持自然語言查詢衞星圖像，提升超過 16% 的文本檢索準確率，並在零樣本目標檢測中將基線精度提升一倍以上；
• 人口動態模型：覆蓋 17 個國家，提供月度更新的嵌入向量，用於捕捉人類活動變化。在獨立研究中，該模型將巴西登革熱長期預測的 R² 指標從 0.456 提升至 0.656。

此外，Google 強調多模型融合的預測能力。例如，將人口動態與地貌特徵結合後，對美國聯邦緊急事務管理署（FEMA）國家風險指數的預測準確率平均提升 11%，其中龍捲風風險預測提升 25%，河流洪水風險提升 17%。

在評估中，Earth AI 的地理空間推理代理在問答基準測試中取得 0.82 的整體準確率，顯著優於 Gemini 2.5 Pro 的 0.50 和 Gemini 2.5 Flash 的 0.39。

目前，Earth AI 已被聯合國 Global Pulse、GiveDirectly 等組織用於災害響應與公共健康研究，並吸引了包括 Public Storage、CARTO 和 Visiona Space Technology 在內的企業用户。

(@ APPSO)

02有亮點的產品

1、OpenAI GPT-5 強化心理健康響應，不當回答驟降 65%

OpenAI 近日發佈了其最新模型 "gpt-5-oct-3"，本次升級的核心在於對心理健康話題迴應進行了突破性的改進。OpenAI 披露的數據顯示，用户對心理健康的求助需求巨大且嚴峻：每週約有 0.15% 的活躍用户對話中出現明確的潛在自殺計劃或意圖跡象，這相當於每週約有 100 萬人正在與 ChatGPT 討論自殺相關話題。

為解決這一攸關生命的問題，OpenAI 聯合了來自全球 60 個國家的 300 位心理健康專業人士對 GPT-5 模型進行了深度優化。改進成果令人鼓舞，模型在三大關鍵領域——包括嚴重的心理健康症狀（如幻覺、躁狂、妄想）、自殺與自傷傾向，以及對 AI 的情感依賴——的表現均有大幅提升。

具體而言，相關「不安全迴應」減少了 65%；在自殺相關測試中，GPT-5 的合規率高達 91%，相較於 GPT-4o 的 77% 有了顯著飛躍；此外，經專家評估，GPT-5 的不當回答比 GPT-4o 減少了 52%。針對具體症狀，精神病與躁狂對話的不當迴應減少 65%，而 AI 情感依賴類對話的不當迴應更是大幅減少了 80%。

這次對 GPT-5 在心理健康響應上的重大升級，標誌着人工智能在處理敏感和高風險話題方面邁出了重要一步，凸顯了 OpenAI 在推動 AI 安全性和負責任部署方面的堅定承諾。

相關鏈接：

https://openai.com/index/strengthening-chatgpt-responses-in-s...

(@ AIBase)

2、前天貓精靈總裁創業：運動可穿戴 + Agent 智能體切入通用智能

據 36 氪報道，前阿里巴巴集團副總裁、天貓精靈總裁彭超已於近日創立新公司「雲玦科技」，並計劃通過運動 AI 硬件切入通用智能賽道。

該項目於 10 月中旬啓動，首款產品定位為運動可穿戴設備與 Agent 智能體的結合，旨在讓 AI 在高速、高頻運動場景中承擔跟蹤、規劃、分析和執行等角色，並具備自進化能力，未來可遷移至更廣泛的物理空間。

知情人士透露，「雲玦科技」的產品形態仍在設計中，但方向並非單一硬件，而是「一套產品組合」。這一思路契合 2025 年以來 AI 大模型在 Agentic use 方向的趨勢，即從被動響應指令進化為主動規劃和執行復雜任務。隨着小參數量推理模型（SLM）的成熟，AI 正逐步從工具向助理轉變。

聯合創始人齊煒禎曾是微軟與中科大聯合培養博士，提出過 MTP（Multi-token Prediction）架構，該方法已被 Deepseek V3、Qwen-3-Next 等大模型採用。他在非自迴歸生成加速、多模態智能體和端到端推理加速方面也有開源經驗。

彭超此前在華為和阿里均有豐富的硬件與 AIoT 業務經驗。在阿里任職期間，他主導將達摩院大模型引入天貓精靈，並推動集團智能互聯業務的搭建，實現硬件毛利轉正和軟件訂閲規模化收入。

(@ APPSO)

3、ListenHub ：讓編輯 AI 播客像用 Word 一樣簡單

來自 ListenHub 創始人@oran\_ge：

自 ListenHub 五月上線以來，用户呼聲最高的功能就是編輯模式。

AI 生成的播客很酷，但編輯起來真的很令人沮喪。改動幾個字就可能導致聲音合成出錯，更換聲音或增加段落更是基本不可能。這就像給了你一輛跑車，卻沒有給你方向盤。

過去幾個月，我們一直在思考如何以最簡單的方式實現對 AI 音頻內容的編輯。ListenHub 全新的編輯模式正式上線。我們徹底重構了編輯體驗，目標只有一個：讓編輯 AI 播客像使用 Word 一樣簡單。

兩大核心功能：

1. 像導演選角一樣分配聲音

你可以為播客設定多個角色，為每一句話單獨指定聲音。想做一期三國主題的播客？讓曹操和劉備直接對話——單擊一下即可更換人物。

2. 像作家一樣自由構建故事

想增加更多內容？將鼠標懸停在兩段之間，單擊一下即可插入新素材。覺得太囉嗦？直接刪除即可，就像在 Word 裏按下刪除鍵一樣乾脆。

ListenHub 編輯模式的位置：

生成一期播客後，在播客腳本頁面的右上角，就能看到「編輯」按鈕啦。編輯功能為 ListenHub 付費用户專享功能，付費用户還可享受定製音色、API 調用等多種福利，歡迎訂閲 ListenHub Pro。

使用鏈接：

https://listenhub.ai/zh

( @oran\_ge)

03有態度的觀點

1、R 星母公司 CEO：AI 是「好事」，但永遠不具備創造力

據 PC Gamer 報道，R 星母公司 Take-Two 董事長兼 CEO Strauss Zelnick 在昨日於加州門洛帕克舉行的 Paley International Council Summit 上表示，人工智能雖能為遊戲開發帶來效率提升，但其本質是「大數據集與計算能力結合的語言模型」，無法真正創造熱門作品或展現創造力。

Zelnick 強調，AI 的預測模型依賴既有數據，因此「數據集是回顧性的，而創造力則是前瞻性的」。他指出，AI 在擁有大量清晰數據時表現出色，但在數據不足時能力有限，因此「AI 看似前瞻，實則只是預測模型」。

他進一步形容當前的 AI 熱潮為「元數據與戲法的結合」，並預測隨着時間推移，公眾會逐漸習慣其存在，就像當年對 Google 的接受過程一樣。儘管如此，Zelnick 並未否認 AI 的價值，他稱其為「對所有行業而言都是一件好事」，但明確表示「不會重現或創造天才，也不會製造爆款」。

在就業影響方面，Zelnick 認為 AI 不會減少崗位，反而會增加。他以農業為例指出，1865 年美國 65% 的勞動力從事農業，而如今僅有 2% 的勞動力即可滿足國內外需求，社會並未因此出現就業危機。

整體來看，Zelnick 的立場既非全盤否定，也非盲目樂觀，而是強調 AI 的侷限性與輔助價值，凸顯其在效率層面的潛力，而非創造力的替代。

(@ APPSO)

04社區黑板報

招聘、項目分享、求助……任何你想和社區分享的信息，請聯繫我們投稿。（加微信 creators2022，備註「社區黑板報」）

1、ErroRight 招聘

閲讀更多 Voice Agent 學習筆記：瞭解最懂 AI 語音的頭腦都在思考什麼

寫在最後：

我們歡迎更多的小夥伴參與 「RTE 開發者日報」 內容的共創，感興趣的朋友請通過開發者社區或公眾號留言聯繫，記得報暗號「共創」。

對於任何反饋（包括但不限於內容上、形式上）我們不勝感激、並有小驚喜回饋，例如你希望從日報中看到哪些內容；自己推薦的信源、項目、話題、活動等；或者列舉幾個你喜歡看、平時常看的內容渠道；內容排版或呈現形式上有哪些可以改進的地方等。

素材來源官方媒體/網絡新聞