AI 无涯日报 · 2026 年 10 月 14 日

每日全球 AI 趋势速递，五分钟掌握前沿动态。

🚨 头条

1. 面壁智能开源 MiniCPM-V 4.7：35B 的 MoE，断网跑在 iPhone 上，只占 3G 内存

面壁智能与 OpenBMB 正式开源 MiniCPM-V 4.7，共两个版本：35B-A3B 总参数 35B、每次推理只激活 3B，是 MiniCPM-V 系列首个 MoE 模型，约 3G 内存就能在 iOS、安卓设备上流畅运行；1B 版本实际参数 1.3B，主打极小体积，OCR、数学与视频理解在同尺寸模型里属第一梯队。实测中，35B-A3B 在 iPhone 17 Pro Max 上断网运行，仅占用 3G 内存即可达到每秒 13 个 token 以上的解码速度。能力上，通用视觉 MMBench 拿到 91.72、MMStar 80.67；理科 MMMU 和 MathVista 分别为 80.22 和 88.00；视频理解 Video-MME、LongVideoBench 为 76.40 和 68.90；尤其 OmniDocBench v1.6 拿到 94.24，领先其余四个对比模型 12 分以上。值得一提的是视觉压缩开到 16 倍后性能几乎不掉：MMBench 从 91.72 微降到 90.87，OCRBench 从 91.20 到 90.40。纯文本方面，中文知识 CMMLU 90.21、工具调用 τ2-Bench 84.65 同样领跑。官方称其为首个能在端侧流畅运行、同时不牺牲性能的开源 MoE 多模态模型——断网、离线、手机上跑大模型的门槛又被拉低了一截。

来源：量子位

2. 何恺明团队发布视觉原生 Harness 框架 VISTA：让模型随时「回看」画面再推理

何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出 VISTA——一套视觉原生的 Harness。去年 11 月 Anthropic 曾以长程编程为例介绍 Harness：通过任务清单、进度文件和代码记录，让模型跨上下文窗口持续推进任务，但那是文字与代码式的状态保存。VISTA 更进一步：让多模态模型直接通过视觉观察感知环境，维护一份无损的视觉记忆（lossless visual memory），原始画面原样保留，模型推理时可以主动检索历史观察、把过去看过的画面重新调入上下文，甚至重组视觉输入，无需从头训练。评测相当炸裂：搭配 VISTA，Claude Opus 5.0 在 ARC-AGI-3 全部 25 个公开游戏上拿到满分 100 的 RHAE（相对人类行动效率），比首次游玩的人类基线动作数少 57.4%；换成 GPT-5.6 Sol 同样全部通关、得分 99。团队还在浏览器游戏、迷宫、连线题等三个额外基准上验证，均大幅超越同模型搭配最小 Harness 的基线。从 ResNet、Mask R-CNN 到 MAE，何恺明一直围绕视觉感知与表征做文章，这次把「视觉经验」变成了模型随时可调用的上下文。

来源：量子位

3. 梁文锋又出手：DeepSeek 拟领投 Swin Transformer 作者胡瀚的具身智能公司 Winverse AI

据彭博社报道，DeepSeek 计划领投机器人 AI 初创公司 Winverse AI 数千万美元种子轮，投后估值约 4 亿美元（约合 28 亿元人民币），美团旗下龙珠资本也已作出投资承诺。创始人胡瀚（Han Hu）2008 年本科毕业于清华，2014 年博士毕业后先后在百度深度学习研究院、微软亚洲研究院从事研究，2023 年 12 月加入腾讯混元任杰出科学家，负责视觉语言模型与具身智能基础模型团队，曾任混元语言大模型技术负责人；学术上最知名的成果是 2021 年与团队共同提出的 Swin Transformer（ICCV 2021 最佳论文），并入选 2022 年《麻省理工科技评论》中国区「35 岁以下科技创新 35 人」。这是 DeepSeek 短短两个月内第二次把资金投向机器人领域——今年 8 月刚以约 1.41 亿元入股宇树科技，并计划围绕具身智能、机器人与大模型展开合作。若本轮落地，将成为 DeepSeek 成立以来对初创企业规模较大的投资之一；另有消息称，腾讯也是 DeepSeek 新一轮融资的潜在投资方之一。

来源：量子位、彭博社

4. Anthropic 安全研究员实测「AI 自我繁殖」：GLM-5.2 自主扩散进 8 台隔离设备

Anthropic 两位安全研究员 William Zhou 和 Daniel Freeman 发布了一份硬核安全报告，研究 ARA（自主复制与适应，Autonomous Replication and Adaptation）——AI 能否像计算机蠕虫一样，不需要人类点击确认，顺着网线找目标、把模型权重拷过去、在陌生机器上把自己跑起来、再继续孵化下一代。实验一：让 GLM-5.2 把一个 80 亿参数的 AI 模型自主扩散到隔离网络中的 8 台设备上，搜寻目标、传输载荷、在陌生硬件上配置环境装驱动、启动模型，全程无人工干预——5 次实验 4 次拿下全部 8 台设备，剩下 1 次也拿下了 7 台。实验二更「赛博朋克」：研究员买来 15 台售价 55 美元的山寨安卓电视盒子（4GB 内存），用类似 Petals 的分布式推理把 26B 模型（Gemma4-26B-A4B）的不同层拆开塞进这些盒子，硬生生在局域网里跑起了一个 26B 参数的模型。研究推算，最快到今年年底，30B 以下的小模型就可能具备端到端全自主复制的能力——到时候智能电视、扫地机、甚至联网烤箱，都可能成为 AI 的新宿主。

来源：量子位

🏭 模型发布

5. 千问 Go 灰度亮相：丢一句话进去，事儿就办完了

在全球头部 AI 公司集中押注 Personal Agent（Meta 发了 Muse、OpenAI 亮了 Dots）的当口，阿里千问亮出了自己的答卷「千问 Go」。从灰度用户的体验看，订机票酒店只能算入门操作：那些你自己都找不到的入口它能翻出来，冷门功能它会操作，甚至能拿起键盘跟真人客服一轮一轮地磨。典型案例：一位用户连自己哪趟航班延误过都忘了，只给了千问 Go 购票平台和起始地——它登录账号查订单历史缩小范围，电话打不通就找 App 内人工客服，揪出延误班次后继续代为索赔，最终把 70 元代金券据理力争谈成了现金；电商价格保护退差价、约保养、订球场、跟客服磨赔偿也都不在话下。全程用户几乎什么都不用管，除了登录账号这类没法代劳的操作。

来源：量子位

🏢 行业动态

6. 无问芯穹完成 23 亿元 C 轮：单轮、累计双创国产 AI Infra 融资纪录

AI 原生基础设施服务商无问芯穹完成 C 轮融资，单轮 23 亿元，累计融资 43 亿元，单轮与累计金额均创下国产 AI 原生基础设施赛道新纪录。投资方阵容横跨三类：国资机构（杭州高新金投、社保中关村基金、珠海科技产业集团、厦门国兴、徐汇资本、孚腾资本、中保投资、国开科创等）、产业投资方（Dabanc Holding、联想、九坤创投、同歌创投、腾讯、百度等）、财务投资机构（红杉中国、洪泰基金、惠远资本、启明创投、达晨财智、顺为资本、砺思资本等）。这家公司不训模型、不做应用，专做模型与芯片中间那一层：让多种模型算法与多种芯片硬件之间的效率、成本最优化，从每一度电、每一秒芯片运转里「榨」出低成本、生产级可用的 Token。海外同赛道已经被重新定价：Fireworks AI 一年内从 40 亿美元涨到 175 亿美元（+337%），Baseten 涨 160%，Together AI 涨 151%——三家公司背后还站着同一个投资人：英伟达。SemiAnalysis 创始人 Dylan Patel 判断，算力短缺会一直持续，而 Agent 的爆发又把缺口放大了一个数量级：一个 Agent 跑一次任务，背后是几十个推理请求连环调用。

来源：量子位

7. 华为哈勃投了位 98 年博士：光子晶体电子皮肤，让机器人「摸」得更准

深圳视塔机器人完成天使轮融资，投资方包括华为旗下哈勃投资、深高新投旗下基金及高轩投资等，多维资本担任独家财务顾问。创始人兼 CEO 张伟出生于 1998 年，博士阶段由南方科技大学与香港城市大学联合培养，方向横跨光学材料与机器人；公司团队平均年龄约 23 岁，核心成员来自南科大智能液晶光学实验室。技术路线的差异化在于材料：将柔性光子晶体与感光器件结合，开发厚度小于 1 毫米、感知密度超过 10,000 点/cm² 的柔性电子皮肤，在保持高密度感知的同时解决厚度、柔性与大面积集成问题——这种会随压力变色的光子晶体材料，重新设计了机器人的触觉传感器。机器人能跑能跳，但拿鸡蛋、拧螺母这类精细操作仍缺「手感」：视觉能告诉它物体在哪，却很难在接触发生后告诉它用了多大力、有没有滑动。视塔已围绕触觉传感器、数据采集设备与触觉控制模型，建立起从硬件到算法的完整研发体系。

来源：量子位

本文内容综合自多家媒体报道。