今天的中文科技新闻里，有两条很容易被「新模型」三个字盖过去的线索。

一条是模型开始更贴近具体交互，语音、数字人、视频编辑不再各做各的演示。另一条是开源模型正在把价格和能力一起往下压，开发者的选择不只是换个排行榜名次。

这不是热闹的发布会清单，而是产品形态和工程成本都在变。

视频生成开始碰实时交互

生数科技发布了 Vidu S2，拆成 Vidu S2-Avatar 与 Vidu S2-Editing 两个模型。前者面向数字角色的实时互动，后者做视频流的实时编辑，还提到面向 VR 头显的空间视频生成与编辑。

这一拆很关键。过去视频模型常被当成一次性生成器，输入提示词，等一段视频。Avatar 和 Editing 把重点挪到「过程里能不能持续控制」。如果延迟、角色一致性和编辑稳定性都能过线，它更像直播、客服、教育内容的组件，而不只是剪映之外的一个玩具。

真正难的部分还在后面。实时不是把生成速度提上去就完了，用户每一次打断、改口、重来，都会考验状态是否跟得住。

来源，生数科技 Vidu

语音模型不再只比一个 TTS

阶跃星辰发布 StepAudio 3 系列，涵盖 Realtime、ASR、TTS、Gen、Music 五个方向，并已接入其开放平台。官方称其中多款模型在 Artificial Analysis 榜单位居全球第一。

把 ASR、实时语音、语音生成和音乐放进同一产品线，意图挺直接，开发者不必为了一个语音 Agent 在多个供应商之间拼接口。可别急着把它理解成一站式就一定更好，统一接口背后也可能是单点依赖和迁移成本。

但对国内做语音交互的团队来说，能在一个平台里先把链路跑起来，通常比多几个抽象能力更实际。

来源，阶跃星辰 Step

小红书把 Search Agent 端上开源桌面

小红书 AllSpark 团队开源了 Search Agent 模型 Iris，提供 35B 和 397B 两个版本，权重与评测代码已公开，数据和训练配方则会陆续放出。

搜索 Agent 的价值不在于多会复述网页，而在于会不会拆问题、决定何时检索、把证据组织成可追溯的答案。权重和评测代码先出来，社区至少能开始验证模型的真实边界，而不是只看一张宣传图。

训练数据与配方尚未完整公开，这也是目前最该保留的判断。能否复现、在中文垂类上是否可靠，还得等后续材料。

来源，小红书技术

770B 的开源模型，先把长上下文带到可用层

硅基流动上线 Hy4 preview。这是一款总参数 770B、每 token 激活 49B、支持 1M 上下文的开源模型，采用 Apache 2.0 协议，面向编码、分析、研究等任务。

参数很大，激活参数和许可证反而更值得开发者盯住。前者直接影响推理成本，后者决定企业能不能把它放进真实业务。1M 上下文也不自动等于长任务能力，检索、压缩、记忆和验证链一个都少不了。

模型只是底座，任务能否跑完还要看你给它搭了什么脚手架。

来源，硅基流动

DeepSeek-V4.1-Flash 把「够用」的价格拉低了

Fireworks 上线 DeepSeek-V4.1-Flash，称其在 DeepSWE 达到 74.34% pass@1，每任务成本约 0.43 美元，处在 GPT-6 Astra 同一精度区间但成本约为后者的十五分之一。Agent Arena 的数据也显示，它已进入开源模型第 3 名，每任务中位成本约 0.07 美元。

两个基准、两种成本口径，不能简单相加，更不能直接推导成生产环境账单。不过趋势已经足够明显。复杂编码任务不再天然只能交给最贵的闭源模型，模型路由会从「效果优先」变成「按任务分层」。

这对国内团队尤其有用。能把低风险、高频任务交给便宜模型，才有预算把难题留给更强的模型和人工审查。

来源，Fireworks AI；Agent Arena

Perplexity 自研数据库，云账单终于被摆上台面

Perplexity 宣布用自研键值数据库 CobbleDB 替代 AWS DynamoDB，服务网页内容抓取，预计每年最多节省一亿美元。公开信息称，这个项目由两名工程师和数百个持续运行的计算实例推动。

不是每家公司都该跟着造数据库。DynamoDB 的托管能力、本地团队的运维能力、业务峰谷，都会改变答案。但当工作负载足够稳定、账单大到足以吞掉一个工程团队时，云服务的便利费就该被重新计算。

这也给国内大模型产品提了个醒，推理成本之外，抓取、索引、缓存和数据管道同样会在规模上来后露出牙齿。

来源，Perplexity CEO Aravind Srinivas

代码 Agent 把 CI 推到了新的瓶颈

Anthropic 工程团队复盘测试影响分析服务的扩容过程。Claude 编写了约 80% 的代码，测试数量增长十倍，六个月内 CI 任务增长 25 倍。扩容、按包分片、每日重启三个临时方案都只能撑一阵。

这个案例比「AI 写了多少代码」更有意思。写代码变快之后，测试、构建、队列、可观测性会先挨打。很多团队准备了 Copilot，却没准备好 CI 账单和测试基础设施，最后还是在等待队列里把效率吐回去。

Agent 时代的工程瓶颈，正从编辑器慢慢移向了流水线。

来源，Claude Blog

AI 补丁需要验证，不是接受

Trail of Bits 批评 1Password 的 AI 补丁基准存在实验设计偏差，并发布两个用于补丁验证的 Agent 技能。其指出，原测试中包含刻意要求 Agent 应用错误修复的提示词，也有相当比例的试验禁止编译。

这话听着有点刺耳，但非常必要。补丁能通过单元测试，不代表它修对了根因，更不代表没有引入安全回归。AI 写代码的速度越快，验证就越不能靠一句「看起来没问题」。

把 Agent 当成能提交候选解的人，而不是能替你签字的人，可能是目前最稳妥的协作方式。

来源，Trail of Bits

今天值得带走的事

国内模型公司在把语音、视频和搜索 Agent 推向更具体的产品形态，开源模型则把复杂任务的成本往下拽。与此同时，真正跑在生产里的团队已经撞上更朴素的问题，数据库账单、CI 吞吐和补丁验证。

发布模型只是起点。能把这几笔账算明白，才是下一轮竞争里更难抄的能力。