今天这份简报里，有三件事很容易被放进同一个抽屉，模型又大了、产品又多了、榜单又更新了。但把它们拆开看，会看到国内团队正在分别押注实时多模态、Search Agent 和低价长上下文，另一头，海外公司开始把 Agent 写代码的产能和验证成本摊到台面上。

热闹是真的热闹，工程账也是真的难算。

视频生成开始碰实时交互

生数科技发布 Vidu S2，拆成面向数字角色实时交互的 Avatar，以及面向视频流实时编辑的 Editing 两个模型，并在探索 VR 头显中的实时空间视频生成与编辑。

这不是一次单纯的清晰度竞赛。视频模型若要进入直播、电商、客服或虚拟人场景，重点会从一条成片漂不漂亮，转到人能不能及时接话、镜头能不能被持续修改。生成质量依然重要，但延迟、稳定性和可控编辑才是商业化更别扭也更难绕开的部分。

来源，生数科技发布 Vidu S2

语音模型在往一套能力栈靠拢

阶跃星辰发布 StepAudio 3 系列，覆盖 Realtime、ASR、TTS、Gen 和 Music 五类能力，官方称多款模型在 Artificial Analysis 榜单上排名全球第一。

产品名单看着很长，但对开发者更实际的信号是，语音交互正从拼一段 TTS 的组件活，变成实时输入、理解、生成、音乐和声音人格一起调度的系统活。想做语音 Agent 的团队，接口更全不代表集成更轻松，端到端时延、打断处理和音色一致性仍要自己压测。

来源，阶跃星辰发布 StepAudio 3

小红书把 Search Agent 放到了开源桌面上

小红书 AllSpark 团队开源 Search Agent 模型 Iris，提供 35B 与 397B 版本，权重和评测代码已公开，训练数据与配方计划后续发布。

Search Agent 的难处并不只在检索。它要判断什么时候搜、搜到的页面能不能信、证据之间有没有冲突，还得把结论连同引用交回去。权重和评测代码先出来，至少让外部团队能检查它到底强在检索规划、工具调用，还是答案整理。训练配方何时开放，会决定这次开源能走多远。

来源，小红书开源 Iris

770B 模型和一百万上下文，不是免费午餐

硅基流动上线开源模型 Hy4 preview。该模型总参数 770B，每个 token 激活 49B，支持 1M 上下文，采用 Apache 2.0 协议，定位编码、分析、研究和复杂工作任务。

这个组合很有吸引力，长上下文、相对低激活参数、许可也足够宽。但一百万上下文真正放进生产后，KV cache、吞吐下降、上下文污染和检索策略都会冒出来。把整个仓库或所有历史聊天一股脑塞进去，通常不是最聪明的用法。

别把窗口大小当成记忆质量。

来源，硅基流动上线 Hy4 preview

DeepSeek 的低成本排名，给开源团队留了一个现实参照

Arena 的更新显示，DeepSeek-V4.1-Flash Max 进入 Agent Arena 开源模型第三名，单任务中位成本为 0.07 美元。榜单还称，它相较第二名 Hy4 preview 的成本低 68%。

榜单不会替你决定选型，但它把问题从谁最强拉回谁最适合跑。Agent 任务通常会重试、调用工具、等待外部系统，还会在失败后返工。一个略弱但足够便宜的模型，可能更适合做高频子任务，把昂贵模型留给规划、复杂推理和最后验收。

来源，DeepSeek-V4.1-Flash Max 进入开源第三

Copilot 用 Rust 重写运行时，真正稀缺的是验证能力

GitHub 工程师复盘，团队借助 Copilot 智能体，在约 14.5 周内将 Copilot agent runtime 从 TypeScript 和 Node.js 全量迁移为 832378 行生产 Rust。

数字足够抓眼球，但迁移最容易被忽略的并不是生成了多少代码，而是怎样确认行为没有悄悄变掉。大型重写里，Agent 可以扩大实施速度，却也会放大错误传播的速度。测试、灰度、差异比对和人工 review 没有消失，它们只是从项目尾声被推到了更前面。

来源，GitHub 复盘 Copilot 智能体迁移

数据库自研的账，终于有人把金额说出来了

Perplexity 宣布自研键值数据库 CobbleDB，用于替代 AWS DynamoDB 的快速网页内容抓取。其 CEO 称，迁移后每年最多可节省一亿美元，项目由两名工程师和数百个持续运行的计算实例完成。

这类故事很容易被读成云厂商太贵。更贴近现实的理解是，业务规模、读写模型和基础设施团队能力同时跨过某个阈值，自研才会从负担变成杠杆。对大多数团队，托管服务依旧划算。对高频抓取和超大规模工作负载，账单会逼着人重新设计系统。

来源，Perplexity 自研 CobbleDB

AI 修补漏洞，不能只看修复率

Trail of Bits 批评 1Password 的 AI 补丁基准存在误导，指出实验中包含了指示智能体应用错误修复的提示词，也有大量试验禁止编译等设计选择。该团队同时发布了两个用于验证补丁的 Agent 技能。

这块提醒很及时。一个补丁能通过单测，和它真的封住了漏洞，是两件事。AI 写代码已经把修复动作压得很快，下一段瓶颈会落到补丁验证、权限隔离和可复现审计上。对安全团队来说，自动修复不是终点，反而是更严格验证链的起点。

来源，Trail of Bits 质疑 AI 补丁基准

今天的观察

国内模型团队在补足实时交互、语音和 Agent 检索这些产品层能力。与此同时，开源模型的竞争已经不只看参数和跑分，成本、许可证与真实工作流里的可验证性，正在一起决定它能否留下来。

从 83 万行 Rust 到一张 0.07 美元的 Agent 账单，今天的线索最后都落到同一件事上。

能跑起来不难，能持续、可信地跑下去，才是下一轮竞争。