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：@瓚an、@鮑勃

01 有話題的技術

1、樂鑫攜手 Bosch Sensortec（博世傳感器）推出 AI 智能交互方案

樂鑫科技 （688018.SH） 宣佈與 Bosch Sensortec（博世傳感器）達成合作，共同推出基於動作感知與大模型能力的人機交互創新方案。

該方案旨在推動多模態感知與智能交互技術的深度融合，覆蓋 AI 玩具、智能家居、運動健康、智慧辦公等典型應用場景，實現從環境感知、行為理解到智能反饋的完整鏈路升級，為新一代智能終端提供更自然、更實時的交互體驗。

在此次聯合方案中，博世提供多類型高性能 MEMS 傳感器及算法優化能力，用於精準獲取微動作、姿態與環境變化等多維數據；樂鑫以雙頻 Wi-Fi 6 物聯網芯片 ESP32-C5 作為核心主控，通過穩定的無線連接、實時的數據處理能力以及對 MCP 協議的原生支持，實現感知數據的本地解析與大模型聯動，使系統在端側具備即時理解與響應能力。

這一方案不僅融合了雙方的核心技術能力，也在系統架構、數據鏈路與交互體驗層面進行了深度協同。無論是動作識別、場景感知，還是智能響應，均經過體系化整合，使設備能夠更準確地理解用户意圖。同時，該方案提供標準化的軟硬件基礎能力，大幅降低開發與驗證的複雜度，縮短創新產品的落地週期，助力開發者更高效地構建下一代智能應用。

（@樂鑫董辦）

2、塗鴉智能發佈 Hey Tuya：基於多設備協同的 AI 智能管家，全球響應延遲低於 86 毫秒

塗鴉智能推出「超級 AI 助手」——Hey Tuya。它不再侷限於手機 App，而是作為「物理 AI」的調度核心，通過接入各類智能硬件（智能體），實現跨設備、跨空間的自動服務與習慣學習。

• 毫秒級實時交互： 依託全球邊緣加速網絡，Hey Tuya 實現了全球平均低於 86 毫秒的響應速度。支持「極速打斷」，用户在 AI 説話時可隨時插入新指令，交互體驗接近真人。
• 具備長期記憶能力： 區別於「聊完即忘」的普通 AI，該助手能學習用户的作息規律與環境偏好（如週五晚間自動調暗燈光）。通過長記憶技術，它能隨使用時長增加而更精準地預測用户需求。
• 從「對話」轉向「執行」： 深度集成視覺與感知引擎。例如，通過攝像頭自動識別食物熱量、根據室內光線自動調整照明方案，或在監測到能耗異常時主動開關電器。
• 全場景硬件覆蓋： 智能體邏輯可原生運行於智能音箱、AI 玩具、中控屏、智能手錶等硬件入口，打破了「必須打開 App」的操作限制。
• 開發者快速接入： 提供模塊化編排工具，廠商可以將語音、視覺、控制等功能像「搭積木」一樣組合。最快可在 1 天內完成傳統硬件到 AI 智能裝備的升級。

該系統現已面向全球開發者與硬件廠商開放。廠商可根據自身產品形態（如家電、穿戴、騎行設備）集成對應的 AI 功能，現已支持 60 多種語言。

（@新智元）

3、騰訊混元開源 HY-MT1.5 翻譯模型：1.8B 版僅需 1GB 內存，性能對標 Gemini-3.0-Pro

昨天下午，騰訊混元正式開源翻譯模型 1.5 版本，發佈 Tencent-HY-MT1.5-1.8B 和 7B 兩個參數規模，涵蓋 33 個語種及 5 種民漢/方言互譯。該系列模型通過架構優化實現端雲協同，其中 1.8B 版本在端側表現出超越主流商用 API 的推理效率與翻譯質量。

• 端側超低資源佔用： 1.8B 模型支持量化部署，僅需 1GB 內存即可在手機等消費級設備實現離線實時翻譯，適配 ARM、高通、Intel、沐曦等多種硬件平台。
• 推理速度提升 2.2 倍： 在處理 50 tokens 的標準任務中，1.8B 模型平均耗時僅 0.18 秒，而主流商用翻譯模型平均耗時約為 0.4 秒，顯著降低了高吞吐場景的響應延遲。
• On-Policy Distillation 蒸餾技術： 採用 7B 模型作為 Teacher 指導 1.8B Student 模型，通過糾正預測序列分佈的偏移，使小模型能夠從預測錯誤中學習，而非傳統的「死記硬背」標準答案，大幅提升了小參數模型的泛化能力。
• Flores-200 評分達閉源模型 90%: 在 WMT25 及中外互譯測試中，1.8B 模型性能達到 Gemini-3.0-Pro 的 90 分位水平，並在質量評估中獲得約 78% 的分數。
• 原生支持複雜格式與術語控制： 模型具備自定義術語庫（Terminology）導入能力，支持長對話上下文理解及帶格式文本（如 HTML）翻譯，有效解決了小模型常見的語種混雜及譯文註釋夾帶問題。

模型已在 GitHub 及 HuggingFace 正式開源，支持 1.8B 與 7B 版本下載，騰訊混元官網已同步上線相關功能。

混元官網：

https\://hunyuan.tencent.com/modelSquare/home/list

Github:

https\://github.com/Tencent-Hunyuan/HY-MT

HuggingFace:

https\://huggingface.co/collections/tencent/hy-mt15

（@騰訊混元）

4、阿里通義開源 MAI-UI 系列智能體：涵蓋 2B-235B 四種規格，端雲協同實現 33% 成功率增益

阿里通義實驗室開源「MAI-UI」全套 GUI 智能體方案，包含從 2B 端側小模型到 235B MoE 架構雲端模型在內的四個版本。該系統通過引入 MCP（Model Context Protocol）工具調用和主動追問機制，解決了移動端 GUI 操作步驟冗餘及指令模糊等痛點，並在多項行業 Benchmark 中刷新 SOTA 紀錄。

• 多尺度模型覆蓋與 MoE 架構：發佈 2B、32B、72B 及 235B（MAI-UI-235B-A22B）四個尺寸，滿足從手機端側部署到高性能雲端推理的全場景需求。
• 端雲協同任務切換機制：系統內置監控模塊，根據任務軌跡是否偏離意圖及數據敏感度動態分配算力。實驗數據顯示，協同機制使 2B 模型的任務成功率提升 33%，並減少了 40% 以上的雲端調用。
• 原生集成 MCP 工具調用與主動交互：支持通過 MCP 協議直接調用外部 API（如高德、GitHub），繞過繁瑣的 UI 界面操作；具備缺失信息檢測能力，可在關鍵參數缺失時暫停並向用户索取反饋。
• 強化學習與自演化管線：採用支持 500+ 並行環境、最長 50 步交互的在線強化學習框架，配合自演化數據管線生成交互與工具調用數據，提升了模型在動態、複雜 UI 環境下的魯棒性。
• 刷新多項 SOTA 指標：MAI-UI-235B 在 AndroidWorld 任務成功率達到 76.7%，超越 Gemini-1.5-Pro；MAI-UI-32B 在 ScreenSpot-Pro 上的元素定位準確率達 73.5%，優於 Gemini-1.0-Pro。

論文、代碼及全系列模型權重已在 GitHub 開源，並提供詳細的端雲協作部署參考方案。

論文地址：

https\://arxiv.org/abs/2512.22047

GitHub:

https\://github.com/Tongyi-MAI/MAI-UI

（@量子位）

02 有亮點的產品

1、2025 AI 聽寫工具技術盤點：本地化 LLM 推理、自定義 API 接入與開發流深度集成

2025 年 AI 聽寫領域完成從單純「語音轉文字 （STT）」向「LLM 語義重構」的技術轉型。新一代工具通過本地部署、自定義 Prompt 引導以及對 IDE 的原生支持，解決了傳統聽寫工具在專業術語識別及上下文格式化方面的瓶頸。

• 本地化推理與隱私工程：以「Monologue」和「VoiceTypr」為代表的工具支持全本地模型運行，通過下載模型至客户端實現離線轉錄，從物理層面隔離敏感數據；「Willow」則通過 LLM 語義補全能力，支持從少量關鍵詞生成長段落文本。
• 模型異構支持與 API 接入：工具如「Superwhisper」允許用户根據精度需求切換模型，包括 Nvidia 的「Parakeet」語音識別模型；同時支持接入第三方雲端或本地 AI API 密鑰，解除 Token 使用上限。
• 開發者工作流與「Vibe-coding」集成：針對編程場景，「Wispr Flow」實現了與「Cursor」等 IDE 的深度集成，支持語音識別代碼變量、自動打標文件，並針對不同寫作風格（正式/隨意）提供預設的 Context 引導。
• 低延遲與宏指令擴展：YC 孵化的「Aqua」重點優化了端到端延遲，並引入了基於短語觸發的自動填充功能（如通過語音指令觸發地址、代碼片段填充），同時提供獨立的「STT API」供開發者二次開發。
• 開源生態與多平台兼容：開源項目「Handy」和「VoiceTypr」（提供 GitHub 倉庫）補齊了跨平台短板，支持 Linux 系統及 99+ 種語言，採用一次性買斷或完全免費模式挑戰訂閲制主流。

( @TechCrunch)

2、字節版 NotebookLM 悄悄上線，實測 AnyGen，不僅要終結對話框依賴，它甚至推倒了某些數據孤島

字節跳動在海外上線 AI 生產力平台「AnyGen」，定位為集文檔、智能體、演示文稿與數據分析於一體的協作空間。該產品通過前移輸入入口至多模態記錄，並強化輸出端的「原生可編輯性」，旨在解決 AI 生成內容在辦公場景中因格式崩壞、邏輯漂移導致的「高返工率」問題。

• 多模態上下文聚合輸入：支持長按錄音實時轉寫，並允許同步投喂照片、網頁鏈接、截圖等碎片化素材，將非結構化信息統一轉化為可加工的上下文環境。
• 結構鎖定與段落級局部迭代：採用「引導式提綱」生成邏輯，用户需先確認骨架再填充內容；支持段落與句子級別的局部重寫（Local Rewrite），避免因全篇重生成導致的上下文邏輯衝突。
• 原生 Slides 編輯器架構：輸出結果非靜態圖片或 HTML 卡片，而是支持拖拽、對齊、網格調整的原生元素；支持上傳 PPTX 模板並遵循主版式規範，圖表對象支持直接修改數值。
• 異步 Deep Research 與數據清洗：集成實時檢索與 Agent 處理能力，可執行批量頻道篩選、訂閲數核對等複雜調研任務；生成的分析報告支持模塊化拆解，規避了表格亂碼及導出兼容性問題。

目前已在海外市場上線（anygen.io），提供文檔、智能體、Slides、數據分析四大模塊；支持 Google、Apple 及 Lark 賬號登錄。

( @Z Finance)

03 有態度的觀點

1、夸克揭曉 2025 十大搜索熱詞

昨天，夸克發佈了「2025 年度十大搜索熱詞」，通過對全年用户搜索關鍵詞的脱敏加密數據進行統計分析，揭示了年輕用户在學習、生活、消費等多個維度的關注焦點。

入圍的熱詞有「黃金」「救救」「入坑神作」「這道題」「熱量」「小眾旅行」「新年旺」「高清」「PPT」「一句話」，反映出用户在信息過載時代下的實用需求與情緒表達。

具體來看，「黃金」相關搜索頻繁出現「黃金多少錢一克」「金價預測」等，體現出年輕人對資產保值的關注日益增強，傾向於「不求暴富，只求別跌」的穩健理財觀。

「救救」則成為學習壓力下的情緒出口，涵蓋「四六級救命高頻詞」「期末急救題庫」「開題方向救急」等高頻場景。

內容消費方面，「入坑神作」「這道題」等熱詞顯示出用户對優質內容與學習工具的強烈需求，搜索中頻繁出現「爆款短劇」「深度解題」「英語真題範文」等關鍵詞，夸克的懸浮窗搜題功能也因此受到青睞。

生活方式層面，「熱量」「小眾旅行」「高清」等熱詞揭示了用户對健康飲食、個性化出行與影像質量的關注。

「熱量」相關搜索如「低脂食品」「這道菜多少卡」反映出用户對飲食控制的精細化管理；「小眾旅行」則聚焦於「跨年煙花」「雙人行程規劃」等關鍵詞，展現出逃離喧囂、追求獨特體驗的趨勢。

此外，「新年旺」「旺」等詞彙則體現出用户對好運、財運、桃花等傳統文化意象的持續熱衷；而「PPT」「一句話」則折射出職場與學習場景中對效率工具與信息提煉能力的高度依賴。

夸克表示，通過年度熱詞的發佈，夸克希望與用户共同回顧這一年在搜索中留下的痕跡，洞察時代情緒與趨勢。

( @APPSO)

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。

作者提示：個人觀點，僅供參考