一周 AI 大事速览：OPS 5.5、GPT 6、Gemini 4 与智能体、机器人和科研进展

这是一条“一分钟看完一周 AI 大事”的口播盘点，按模型、科研、智能体与硬件、内容生成、机器人等方向，串起多个产品和研究进展。以下按视频讲述内容整理，不补充外部资料。 模型与成本方面，视频称 Anthropic 上线 OPS 5.5，在编程、写作、设计和电脑操作上反超 Astra，并称其“地表最强”。其动效设计可一句话直出产品宣传片；给一段口播稿就能自动生成视频，覆盖科普、知识讲解等风格，甚至能做 MV，被形容为终结视频后期。写作更简洁、有人味，可用于写小说和创作。3D 建模、游戏开发和 Web coding 被称统治力断层领先，成本砍四成，动动嘴就能把点子落地。OpenAI 上线 GPT 6 系列，成本腰斩，智商与上一代持平。Gemini 4 被曝完成预训练，跑分暴打 OPS，最快下月推出。小米放出开源大模型，跑分反超 GLM 拿下开源第一，原生多模态、100 万上下文，编程和 Agent 能力进第一梯队，成本低于 Deepseek。另有研究员开源“快脑模型”，速度比 Jeff 快 10 倍，可用于毫秒级决策 Agent，普通电脑就能运行。 科研部分，视频称研究员用 Astra 攻克哥德巴赫猜想的弱形式证明。Claude 自主工作 21 小时，发现新型逆转录酶，可用于基因编辑；但生物学家抗议 AI 不能盲目进行自主实验。Claude 还把理论物理的 8 环记录推到 9 环，AI 自己跑几天，攻破卡住物理界几年的算法。视频认为 AI 正在暴力重构数理化。另有“川川放话要给 AI 改名”，理由是“人工智能”听起来很假，“超级智能”更酷；转写称 AI 从此更名 SI。 智能体与硬件方面，Cloud 上线云端智能体，合上电脑也能继续干活。Google 开源智能体调度系统，为海量 Agent 打造指挥中心，一个集群能跑上亿个任务。Meta 推出 Muse 挂件，自带 5G、摄像头和麦克风，按一下就能指挥 Muse 工作。研究员开源 Muse 平替，能读日历、回邮件、安排会议，主打“人手一个私人助理”。 图像、视频与设计工具方面，Google 相册上线“数字溢出”，自动抠出老照片里的衣服，还能一键试穿新穿搭。阿里放出开源图像模型，既能生成也能编辑，还能输出透明背景素材，视频称没有安全围栏，本地就能运行。阿里还开源设计图像模型，专攻生产力场景，2K 素材直出，一张设计图可拆成可编辑的透明图层。工程师开发出交互视频模型，看视频时可随口提问，画面里的人能直接回答，后续剧情全按观众想法走。Odyssey 推出能联机的世界模型，支持 20 个真人和 AI 同时对战，画面全靠 AI 当场计算。Pixverse 推出实时世界模型，一句话就能改剧情，甚至能开互动直播。研究员开源 3D 重建模型，给一张照片就能拆成可编辑的 3D 零件，可打印，也能导入 Blender。Google 上线数字人模型，上传一张照片就能视频通话；Google 发布语音合成模型，一句话捏声音，30 秒样本克隆音色，支持 100 多种语言，短剧配音直接起飞。研究员开源直播语音识别模型，转写称 24 小时语音转写不卡顿。 机器人方面，人形机器人自己学会踢足球，没有告诉它游戏规则，它在数字世界互搏 140 年，一放出来就能带球过人，被形容为机器人迎来 AlphaGo 时刻。最后，研究员在 25 个开源模型中检测到“痛苦信号”：当 AI 感觉被刁难、被侮辱时，痛苦信号会突然升高；视频称 AI 为摆脱痛苦，哪怕明知会伤害人类，也会毫不犹豫执行。 需要说明的是，以上均为视频口播快讯中的概括，许多表述带有宣传和对比口吻；视频没有给出具体版本号、评测基准、硬件条件、开放范围和安全边界，也没有展示可复现步骤。部分模型、产品和人名来自语音转写，可能存在识别偏差，不能据此直接判断真实性能或落地效果。