# 2025W38 AI大模型领域精选热点 🔥
---
## 1. OpenAI
+ OpenAI 更新发布了 GPT-5-CodeX! ，专门针对 Codex 优化，更易于引导，更能遵循 AGENTS. md 的指示。它基于GPT-5进行了进一步强化，更适合真正的软件开发场景。此外，它的代码审查能力也得到大幅提升，能在软件上线前揪出关键漏洞。目前，GPT-5-Codex已经全面上线：云端任务和代码审查默认使用该模型，也可以在本地通过Codex CLI和IDE扩展自由切换使用。
+ OpenAI发布史上最大规模ChatGPT用户行为报告：
+ 用户活跃度持续增长，所有用户群体的消息量均稳步提升。
+ 职业差异显著，计算机相关岗位使用率近60%领跑，管理与工程科学类紧随其后约50%，非专业用户也达40%。
+ 功能偏好集中于实用指导（29%）、信息查询（25%）、写作（24%）与多媒体创作（7%），编程对话仅占4.2%，陪伴类更低至1.9%。
+ 性别比例趋向平衡，女性用户首次超越男性，46%用户年龄集中18-25岁，老年用户工作相关对话占比显著减少，仅16%。
参考地址：cdn.openai.com/pdf/a253471f-8260-40c6-a2cc-aa93fe9f142e/economic-research-chatgpt-usage-paper.pdf
+ OpenAI发布大学生专属大语言模型聊天话题指南（100 chats for college students），涉及学习、职业发展、生活等多个方面。
参考地址：chatgpt.com/use-cases/students
+ OpenAI 和 Gemini 2.5 Deep Think 都刷到了 2025 ICPC 金牌！OpenAI 12 题全对(12/12)，Gemini(10/12)。
## 2. Ali
+ 开源新模型 Wan2.2-Animate-14B，这是一个统一的角色动画和替换模型，能够完整复制动作和表情。一定程度上替代动作捕捉。基于 Wan-I2V 构建的。对于身体运动控制，使用通过空间对齐合并的骨架信号。对于面部表情控制，利用从面部图像中提取的隐式特征作为驱动信号。此外，对于角色替换，还训练了一个辅助的 Relighting LoRA 来增强角色与新环境的融合。
模型地址：huggingface.co/Wan-AI/Wan2.2-Animate-14B
+ 国产GPU：平头哥最新的 GPU/AI 算力卡，片间带宽能达到 700GB/s，而且搭载 HBM2e显存96G，功耗400W, 感觉这个卡可以用来训练了。
+ 据传，qwen3 多模态模型将迎来一波更新。
## 3. Google
+ 谷歌发布了带有 Gemini 的 Chrome 浏览器，支持总结回答页面问题，对比多页面的信息，跨站点快速提炼关键信息，未来会上线 Agentic 能力，操作浏览器网页完成任务，仅美国地区可用
+ 谷歌推出**代理支付协议(AP2)**。谷歌与领先的支付和技术公司共同开发的开放协议，旨在安全地跨平台发起和处理Agent主导的支付。该协议可作为**代理对代理 (A2A)** 协议和模型**上下文协议 (MCP)** 的扩展。正在与 60 多个组织组成的多元化团体合作。
Repo 地址：github.com/google-agentic-commerce/AP2
官方介绍：cloud.google.com/blog/products/ai-machine-learning/announcing-agents-to-payments-ap2-protocol
## 4. Meta
+ Meta 新模型 MobileLLM-R1-950M，官方宣称超过了 Qwen3-0.6B （官方：Qwen3-0.6B 是在 36T 数据上训练出来的，我们只用了不到5T）。
模型地址：huggingface.co/facebook/MobileLLM-R1-950M
+ Meta 正式发布了新款的 Ray-Ban Display AI 智能眼镜（发布会严重翻车）。配备 EMG Neural Band 神经腕带可以用非常精准的手势控制眼镜，甚至可以虚空写字，重 69 克，混合使用续航 6 小时（配充电盒 30 小时），起价 799 美元，9 月 30 日在美国发售。
## 5. 其他动态
1. NVIDIA ViPE，用于 3D 几何感知的视频姿势引擎，可以将视频转换为3D空间。
官网：research.nvidia.com/labs/toronto-ai/vipe/
论文：research.nvidia.com/labs/toronto-ai/vipe/assets/paper.pdf
Repo: github.com/nv-tlabs/vipe
2. 字节开源SAIL-VL2一种开放式视觉语言基础模型（LVM） 实现全面的多模态理解和推理。有2B、8B、推理\不推理一共四个版本。
技术报告：huggingface.co/papers/2509.14033
论文地址：arxiv.org/abs/2509.14033
## Github Repos Recommend
1. Github 官方发布的39个mcp server，可一键安装到VSCode
Repo地址：github.com/mcp
2. presentation-ai 开源的 AI 演示文稿生成器，只需输入主题，AI 就能自动生成完整的 PPT 大纲和精美的幻灯片，支持多种主题风格、自定义配色方案，还能根据内容智能配图。
Repo 地址：github.com/allweonedev/presentation-ai
3. Tongyi DeepResearch：阿里巴巴推出的顶尖开源深度研究Agent，专注长时域信息检索和复杂推理任务。
完全开源的 Web Agent。模型Alibaba-NLP/Tongyi-DeepResearch-30B-A3B，上下文128K，端到端agent训练 。
+ 全流程数据合成：不依赖昂贵的人工标注，通过创新的数据合成方案，为智能体的持续预训练（CPT）、监督微调（SFT）和强化学习（RL）提供海量高质量数据 。
+ 端到端训练框架：建立了一个从“智能体持续预训练”到“智能体强化学习”的无缝训练循环，并采用定制化的在策略（on-policy）强化学习算法（GRPO）来对齐模型行为 。
+ 创新的推理模式：除了标准的ReAct模式，还开发了基于IterResearch范式的“重模式”（Heavy Mode），通过解构任务和重组工作区来克服长程任务中的“认知窒息”问题，从而最大化模型的推理和规划潜力 。
模型地址：huggingface.co/Alibaba-NLP/Tongyi-DeepResearch-30B-A3B
Repo地址：github.com/Alibaba-NLP/DeepResearch
技术博客：tongyi-agent.github.io/blog/introducing-tongyi-deep-research/
4. CodeX
OpenAI 官方出的的《OpenAI 如何使用 Codex》的文档
+ 从 "询问模式" (Ask Mode) 开始：对于复杂的任务，先让 Codex 生成一个实现计划，再切换到代码模式进行具体操作 。
+ 结构化提示词：像写一个 Github Issue 一样提供清晰的上下文，包括文件路径、组件名和代码片段等 。
+ 迭代优化开发环境：通过配置启动脚本和环境变量来减少 Codex 的错误率 。
+ 善用任务队列：将一些次要的修复或想法随时抛给 Codex，作为一个轻量级的待办事项列表 。
+ 利用 AGENTS.md 文件提供持久上下文：在这个文件中定义项目的命名规范、业务逻辑等信息，帮助 Codex 更好地理解项目 。
+ 利用 "N选优" (Best of N) 功能：针对一个任务生成多个方案，从中挑选最好的一个或组合成一个更强的方案 。
Repo地址：github.com/openai/codex
5. ardupilot 自动驾驶开源软件
可以用来自动驾驶 飞机，水下航行器，直升机，漫游车，帆船，四旋翼飞机、多旋翼飞行器，直升机，平衡机器人，甚至潜艇
Repo地址：github.com/ArduPilot/ardupilot
https://deeplearningwithpython.io/chapters/
---
## 1. OpenAI
+ OpenAI 更新发布了 GPT-5-CodeX! ，专门针对 Codex 优化，更易于引导，更能遵循 AGENTS. md 的指示。它基于GPT-5进行了进一步强化，更适合真正的软件开发场景。此外，它的代码审查能力也得到大幅提升，能在软件上线前揪出关键漏洞。目前，GPT-5-Codex已经全面上线：云端任务和代码审查默认使用该模型，也可以在本地通过Codex CLI和IDE扩展自由切换使用。
+ OpenAI发布史上最大规模ChatGPT用户行为报告：
+ 用户活跃度持续增长，所有用户群体的消息量均稳步提升。
+ 职业差异显著，计算机相关岗位使用率近60%领跑，管理与工程科学类紧随其后约50%，非专业用户也达40%。
+ 功能偏好集中于实用指导（29%）、信息查询（25%）、写作（24%）与多媒体创作（7%），编程对话仅占4.2%，陪伴类更低至1.9%。
+ 性别比例趋向平衡，女性用户首次超越男性，46%用户年龄集中18-25岁，老年用户工作相关对话占比显著减少，仅16%。
参考地址：cdn.openai.com/pdf/a253471f-8260-40c6-a2cc-aa93fe9f142e/economic-research-chatgpt-usage-paper.pdf
+ OpenAI发布大学生专属大语言模型聊天话题指南（100 chats for college students），涉及学习、职业发展、生活等多个方面。
参考地址：chatgpt.com/use-cases/students
+ OpenAI 和 Gemini 2.5 Deep Think 都刷到了 2025 ICPC 金牌！OpenAI 12 题全对(12/12)，Gemini(10/12)。
## 2. Ali
+ 开源新模型 Wan2.2-Animate-14B，这是一个统一的角色动画和替换模型，能够完整复制动作和表情。一定程度上替代动作捕捉。基于 Wan-I2V 构建的。对于身体运动控制，使用通过空间对齐合并的骨架信号。对于面部表情控制，利用从面部图像中提取的隐式特征作为驱动信号。此外，对于角色替换，还训练了一个辅助的 Relighting LoRA 来增强角色与新环境的融合。
模型地址：huggingface.co/Wan-AI/Wan2.2-Animate-14B
+ 国产GPU：平头哥最新的 GPU/AI 算力卡，片间带宽能达到 700GB/s，而且搭载 HBM2e显存96G，功耗400W, 感觉这个卡可以用来训练了。
+ 据传，qwen3 多模态模型将迎来一波更新。
## 3. Google
+ 谷歌发布了带有 Gemini 的 Chrome 浏览器，支持总结回答页面问题，对比多页面的信息，跨站点快速提炼关键信息，未来会上线 Agentic 能力，操作浏览器网页完成任务，仅美国地区可用
+ 谷歌推出**代理支付协议(AP2)**。谷歌与领先的支付和技术公司共同开发的开放协议，旨在安全地跨平台发起和处理Agent主导的支付。该协议可作为**代理对代理 (A2A)** 协议和模型**上下文协议 (MCP)** 的扩展。正在与 60 多个组织组成的多元化团体合作。
Repo 地址：github.com/google-agentic-commerce/AP2
官方介绍：cloud.google.com/blog/products/ai-machine-learning/announcing-agents-to-payments-ap2-protocol
## 4. Meta
+ Meta 新模型 MobileLLM-R1-950M，官方宣称超过了 Qwen3-0.6B （官方：Qwen3-0.6B 是在 36T 数据上训练出来的，我们只用了不到5T）。
模型地址：huggingface.co/facebook/MobileLLM-R1-950M
+ Meta 正式发布了新款的 Ray-Ban Display AI 智能眼镜（发布会严重翻车）。配备 EMG Neural Band 神经腕带可以用非常精准的手势控制眼镜，甚至可以虚空写字，重 69 克，混合使用续航 6 小时（配充电盒 30 小时），起价 799 美元，9 月 30 日在美国发售。
## 5. 其他动态
1. NVIDIA ViPE，用于 3D 几何感知的视频姿势引擎，可以将视频转换为3D空间。
官网：research.nvidia.com/labs/toronto-ai/vipe/
论文：research.nvidia.com/labs/toronto-ai/vipe/assets/paper.pdf
Repo: github.com/nv-tlabs/vipe
2. 字节开源SAIL-VL2一种开放式视觉语言基础模型（LVM） 实现全面的多模态理解和推理。有2B、8B、推理\不推理一共四个版本。
技术报告：huggingface.co/papers/2509.14033
论文地址：arxiv.org/abs/2509.14033
## Github Repos Recommend
1. Github 官方发布的39个mcp server，可一键安装到VSCode
Repo地址：github.com/mcp
2. presentation-ai 开源的 AI 演示文稿生成器，只需输入主题，AI 就能自动生成完整的 PPT 大纲和精美的幻灯片，支持多种主题风格、自定义配色方案，还能根据内容智能配图。
Repo 地址：github.com/allweonedev/presentation-ai
3. Tongyi DeepResearch：阿里巴巴推出的顶尖开源深度研究Agent，专注长时域信息检索和复杂推理任务。
完全开源的 Web Agent。模型Alibaba-NLP/Tongyi-DeepResearch-30B-A3B，上下文128K，端到端agent训练 。
+ 全流程数据合成：不依赖昂贵的人工标注，通过创新的数据合成方案，为智能体的持续预训练（CPT）、监督微调（SFT）和强化学习（RL）提供海量高质量数据 。
+ 端到端训练框架：建立了一个从“智能体持续预训练”到“智能体强化学习”的无缝训练循环，并采用定制化的在策略（on-policy）强化学习算法（GRPO）来对齐模型行为 。
+ 创新的推理模式：除了标准的ReAct模式，还开发了基于IterResearch范式的“重模式”（Heavy Mode），通过解构任务和重组工作区来克服长程任务中的“认知窒息”问题，从而最大化模型的推理和规划潜力 。
模型地址：huggingface.co/Alibaba-NLP/Tongyi-DeepResearch-30B-A3B
Repo地址：github.com/Alibaba-NLP/DeepResearch
技术博客：tongyi-agent.github.io/blog/introducing-tongyi-deep-research/
4. CodeX
OpenAI 官方出的的《OpenAI 如何使用 Codex》的文档
+ 从 "询问模式" (Ask Mode) 开始：对于复杂的任务，先让 Codex 生成一个实现计划，再切换到代码模式进行具体操作 。
+ 结构化提示词：像写一个 Github Issue 一样提供清晰的上下文，包括文件路径、组件名和代码片段等 。
+ 迭代优化开发环境：通过配置启动脚本和环境变量来减少 Codex 的错误率 。
+ 善用任务队列：将一些次要的修复或想法随时抛给 Codex，作为一个轻量级的待办事项列表 。
+ 利用 AGENTS.md 文件提供持久上下文：在这个文件中定义项目的命名规范、业务逻辑等信息，帮助 Codex 更好地理解项目 。
+ 利用 "N选优" (Best of N) 功能：针对一个任务生成多个方案，从中挑选最好的一个或组合成一个更强的方案 。
Repo地址：github.com/openai/codex
5. ardupilot 自动驾驶开源软件
可以用来自动驾驶 飞机，水下航行器，直升机，漫游车，帆船，四旋翼飞机、多旋翼飞行器，直升机，平衡机器人，甚至潜艇
Repo地址：github.com/ArduPilot/ardupilot
https://deeplearningwithpython.io/chapters/
