本期最大看点是GPT-Live语音交互突破与10项数学新成果,同时MiniMax-H3登顶视频Arena开源榜,GLM新一代也即将发布。

模型动态

OpenAI正式发布GPT-Live语音模型,实现边听边说

OpenAI正式发布GPT-Live,重建完整语音堆栈。音频走【专用快速路径】,深层推理与工具使用异步执行,大幅降低延迟,对话更自然更快。[1][2][3]

MiniMax-H3登顶视频Arena开源榜

LMArena显示MiniMax-H3成为Video Arena【排名第一的开源模型】,文生视频得分1455,与Muse Video仅差3分,图生视频同样领先开源阵营280分以上。[7][8]

GLM新一代临近发布,GLM-5.2前端代码开源第一

LMArena报道下一代GLM即将发布并登录Arena,同时当前GLM-5.2在前端代码任务中位列【开源第一、总榜第二】,代码能力强劲。[14]

产品工具

微软开源AI智能体训练框架Orchard

微软发布开源框架Orchard,用于跨任务类型训练和评估AI智能体,通过复用同一基础设施降低复杂开销,让较小模型也能有良好表现。项目地址:https://msft.it/6016a8Quj[9][10]

Cursor新增Google Workspace插件,Agent可操作办公套件

Cursor新增Google Workspace插件,智能体可直接访问【Gmail、Drive、Calendar、Docs、Sheets】,在编码工作流中读写办公数据并执行操作,扩展自动化能力。[11]

Hermes Agent借助NVIDIA NeMo Relay大幅优化效率

Hermes Agent结合NVIDIANeMo Relay实现大幅效率提升,减少任务轮次、优化schema降低上下文负载,并通过追溯25万次对话削减浪费token,对小模型尤其友好。[12]

v0发布构建API,定位AI应用工厂基础设施

Vercel的v0推出新API,允许通过提示词、仓库或ZIP启动聊天并渲染开发服务器,程序化访问应用构建能力,已在大型代理商与system-of-record公司生产环境使用。[13]

行业资讯

OpenAI内部模型在数学前沿取得10项新成果

OpenAI透露下一代模型内部版本在数学和理论计算机科学长期开放问题上取得10项新成果,涵盖球堆积、格密码等,成本约2000美元,已释放手稿和Lean证书。详情:https://openai.com/index/ten-advances-in-mathematics/[4][5][6]