本期看点：AI界又炸锅了！🚀 小米搞了个音频理解新标杆，开源了MiDashengLM-7B；🔍 OpenAI疑似泄露秘密武器GPT-OSS，开源大战一触即发；🧠 昆仑万维推理能力超神，Skywork MindLink超越GPT-4；📊 谷歌数学推理再突破，Gemini 2.5 Deep Think直逼奥数金牌；🎨 腾讯图像生成效率飞起，MixGRPO兼顾质量；🎬 NVIDIA让影视制作实时化，Cosmos DiffusionRenderer革命性登场；🧮 字节跳动AI首次攻克奥数难题，Seed-Prover银牌选手附体！
小米开源MiDashengLM-7B：音频理解新标杆
图为MiDashengLM-7B架构图 | 图源：Bloomberg
小米这回放大招了，全量开源多模态大模型MiDashengLM-7B！双核心音频理解架构加上22项评测集的顶级表现，让它成了消费级设备的香饽饽。首Token延迟降了75%，吞吐效率飙升20倍——高并发任务里，它简直是个小旋风！（来源：小米技术白皮书）
开源这事儿可加速了AI在智能家居和语音助手的普及，想想以后你喊声“开灯”，它立马响应，多爽！小米已和多家车企联手，下一代车载系统里就能见到它了。
OpenAI疑似泄露GPT-OSS：开源模型竞争升温
图为GPT-OSS架构图 | 图源：OpenAI指南
OpenAI这边疑似泄露了GPT-OSS的底牌！混合专家架构和长上下文扩展技术，参数从20亿到120亿不等，推理效率提升40%，开源大模型战场这下要翻天了。Meta的Llama和谷歌的T5估计得捏把汗了。目前OpenAI还没吭声，大家等着看戏吧！
昆仑万维Skywork MindLink：推理能力超越GPT-4
图为Skywork MindLink架构图 | 图源：AI工具集
昆仑万维的Skywork MindLink开源后火了，动态路径选择框架实现透明化推理，72B版本在“人类最后考试”评测里居然超越了GPT-4！推理技术上，昆仑万维这下可扬眉吐气了。（来源：昆仑万维官方报告）
首个支持非推理生成模式，生成文本和对话更灵活，AI聊天自然得像老朋友。
谷歌Gemini 2.5 Deep Think：数学推理再突破
图为Gemini 2.5 Deep Think与其他AI模型的性能对比 | 图源：TechCrunch
谷歌的Gemini 2.5 Deep Think来势汹汹，并行思考技术让它拥有IMO金牌级的数学推理能力，复杂问题求解速度快了三倍！教育科研领域这下乐开了花。（来源：谷歌研究论文）
未来API测试版开放后，开发者和企业能玩出更多花样，学生们数学难题有救啦！
腾讯MixGRPO：图像生成效率与质量兼得
图为腾讯混元团队发布的MixGRPO图像生成框架 | 图源：OSCHINA
腾讯混元团队的MixGRPO框架真够狠的，SDE/ODE混合采样策略让训练时间缩短71%，性能还提升了15%！广告设计和游戏开发的小伙伴们，高效工具到手了。
GitHub上开源48小时就狂揽2000+星标，全球开发者手速真快！
NVIDIA Cosmos DiffusionRenderer：影视制作进入实时时代
图为Cosmos DiffusionRenderer的架构图 | 图源：NVIDIA
NVIDIA的Cosmos DiffusionRenderer太牛了，视频重光源和去光源技术让影视级后期制作变成实时操作，渲染质量提升40%。影视制作流程这下要革命了，成本降、灵活性升。
未来两年集成到专业GPU后，影视、游戏和虚拟现实领域分分钟搞定特效，想想就刺激！
字节跳动Seed-Prover：AI首次攻克奥数难题
图为Seed-Prover架构图 | 图源：ByteDance
字节跳动的Seed-Prover自动定理证明系统厉害了，深度推理技术让它解决了IMO2025的四道难题，准确率98.7%！AI首次达到国际奥数银牌水平，太给力了。（来源：字节跳动技术报告）
未来扩展到物理定理和算法验证，科研新工具要来了，奥数题不再是人类专属！
作者：程序员Left（全网同名）
职位：后端工程师
创作方向：AI前沿科技内容
本期讨论：AI推理能力的极限到底在哪儿？是无穷无尽，还是有天花板？快在评论区聊聊你的想法吧！
还没发表评论，快来发表第一个评论吧~