夜雨聆风DeepSeek再次更新，GPT 图像生成以假乱真
OpenAI GPT-Image-2 灰度测试泄露，效果极度真实，中文支持优秀 ⭐️ 9.0/10 Anthropic 发布 Claude Opus 4.7，用户反馈新模型不说人话 ⭐️ 8.0/10 阿里开源稀疏 MoE 模型 Qwen3.6-35B-A3B，具备多模态与编程能力 ⭐️ 8.0/10 DeepSeek 发布 DeepGEMM 更新，推出 Mega MoE 融合算子与 FP4 支持 ⭐️ 8.0/10 OpenAI 升级 Codex 工具，强化桌面端智能体能力 ⭐️ 8.0/10 苹果拟用谷歌 Gemini 模型重构 Siri，年付约 10 亿美元 ⭐️ 8.0/10 Perplexity 发布 Mac 版 Personal Computer AI 助手 ⭐️ 6.0/10
▪OpenAI GPT-Image-2 灰度测试泄露，效果极度真实，中文支持优秀 ⭐️ 9.0/10
OpenAI 目前正在 ChatGPT 内进行 GPT-Image-2 的灰度测试与 A/B 泄露，。部分 Pro 用户和灰度测试者已可通过特定模型选择直接调用，生成效果远超前代。
此次测试意义重大，它标志着 OpenAI 图像生成从“玩具级”真正转向“生产力工具”，尤其在中文文字渲染、UI 界面截图、宣传图生成等方面实现突破性进步。过去 DALL·E 常见的中文乱码、暖色滤镜等问题被大幅解决，给设计师、内容创作者和普通用户带来效率革命。同时，也对 Midjourney、Flux 等竞品形成直接压力，可能加速整个行业迭代。
多源实测显示，该模型在文字渲染准确度、UI/APP 界面真实度上大幅领先前代 gpt-image-1.5，许多用户生成的“小红书/抖音直播截图”几乎以假乱真，细节、光影、手部一致性均达到商用水平。
它支持更复杂的指令遵循，能精准生成浏览器窗口、仪表盘、手机直播界面等高精度场景。
背景: GPT Image 系列是 OpenAI 继 DALL·E 之后开发的原生多模态图像生成模型，与 GPT 语言模型深度集成。它不再是独立的扩散模型，而是融合了顶级语言理解能力，能更好地处理复杂提示词、精确渲染多语言文字、进行图像编辑和保持一致性。当前最新稳定版为 gpt-image-1.5，此次 GPT-Image-2 是其下一代重大升级，重点解决文字、真实感和生产力场景。
What Is GPT Image 2? Everything We Know About ... - MindStudio GPT Image 2: Rumours, Leaks & Release Date (2026) GPT Image 2 Leaked: Prompts and Workflow Guide 2026 GPT Image 2 Will Be Released: Everything We Know About It
▪Anthropic 发布 Claude Opus 4.7，用户反馈新模型不说人话 ⭐️ 8.0/10
Anthropic 于 2026 年 4 月 15 日发布了 Claude Opus 4.7。 该版本是一个针对性优化，主要更新包括改进的分词器、用于推理任务的新“自适应思考”机制，以及集成的安全防护措施，可自动检测并阻止被禁止的网络安全相关请求。
目前，许多用户反馈Opus 4.7开始不说人话，导致对话体验不佳。
背景: Claude Opus 是 Anthropic 的旗舰大语言模型，定位为与 OpenAI 的 GPT-4 系列及其他前沿模型竞争。 此前，GPT5.4因为回答中出现许多人类不常用的词语，甚至自创新词，导致其风评不佳。
自适应思考是先进推理模型使用的一种技术，能根据任务复杂度动态调整内部“思考”量，以平衡性能与计算成本。
分词器是大语言模型的核心组件，负责将文本分解为更小的处理单元，其效率直接影响模型性能和成本。
Anthropic releases Claude Opus 4.7, narrowly retaking lead for most powerful generally available LLM | VentureBeat Towards Concise and Adaptive Thinking in Large Reasoning Models ...
▪阿里发布 Qwen3.6-35B-A3B，一款强大的开源稀疏 MoE 模型。 ⭐️ 8.0/10
阿里巴巴的通义千问团队开源了 Qwen3.6-35B-A3B，这是一个总参数量为 350 亿的稀疏专家混合模型，每次推理仅激活约 30 亿参数。 该模型采用 Apache 2.0 许可发布，在智能体编程和多模态推理方面表现突出。
此次发布意义重大，它为开源社区提供了一个高性能且计算高效的模型，让更多开发者能够探索先进的智能体与多模态 AI。 同时，这也给其他主要 AI 实验室带来了竞争压力，可能促使它们发布能力相当且许可宽松的模型。
评测显示，该模型在编程任务上超越了其稠密前身 Qwen3.5-27B，并在多个视觉语言基准测试中达到或超过了 Claude Sonnet 4.5 的水平。
它提供了“多模态思维”和“非思维”两种推理模式，以适应不同的使用场景。
背景: 专家混合模型是一种大语言模型架构，它包含许多专门的子网络（“专家”），但每次推理只激活其中一个稀疏子集。 这种设计让模型可以拥有巨大的总参数量（如 350 亿），同时通过仅使用其中一小部分参数（如 30 亿）来保持较低的计算成本。
Apache 2.0 是一种宽松的开源许可，允许商业使用、修改和分发，限制极少。
Mixture-of-Experts (MoE) Architectures: Transforming Artificial Mixture of Experts (MoE): A Scalable AI Training Architecture | What Is Gemma 4's Apache 2.0 License? Why It Matters More Than the Model Itself | MindStudio
▪DeepSeek 发布 DeepGEMM 重大更新：推出 Mega MoE 融合算子并支持 FP4 精度 ⭐️ 8.0/10
2026 年 4 月 16 日，DeepSeek 对其高性能算子库 DeepGEMM 发布重大更新，正式推出了 Mega MoE 融合算子。 该算子通过将调度、SwiGLU 计算与 NVLink 通信重叠，并新增了 FP4 精度支持、FP4 Indexer 以及程序化依赖启动（PDL）等功能。
此次更新是高效运行和训练超大规模专家混合模型（MoE）的关键技术进展，可能为类似 DeepSeek V4 的巨型模型铺路。 对 FP4 精度和通信重叠的优化，能显著降低大模型的内存占用和延迟，直接影响其在 Blackwell 等现代硬件上的部署可行性。
Mega MoE 算子目前仍在开发和优化中。 DeepGEMM 库专为现代大模型设计，支持 SM90/SM100 架构，采用轻量级设计和运行时即时编译（JIT），并已在 H800 等显卡上展现出极高的算力利用率。
背景: DeepGEMM 是 DeepSeek 推出的专为大模型计算优化的 CUDA 内核库。 专家混合模型（MoE）通过路由机制为每个输入激活不同的神经网络“专家”子集，能在不显著增加计算量的前提下扩大模型容量。
FP4 是一种 4 位浮点格式，能大幅降低内存和带宽需求，对部署巨型模型至关重要。 NVLink 是 GPU 间的高速互联技术，将其通信与计算重叠可以隐藏延迟。
Introducing NVFP4 for Efficient and Accurate Low-Precision Inference | NVIDIA Technical Blog NVLink - Wikipedia 1 Introduction
▪OpenAI 发布重大 Codex 更新，新增桌面控制与智能体能力以挑战 Anthropic ⭐️ 8.0/10
OpenAI 为其 AI 编程工具 Codex 发布了重大更新，新增了视觉控制桌面应用、后台运行智能体、集成浏览器与图像生成功能，并支持超过 90 个插件。
此次面向 macOS 和 Windows 的更新旨在自动化复杂的多步骤开发工作流。 此次更新通过将 Codex 定位为更强大的智能体指挥中心，显著加剧了与 Anthropic Claude Code 的竞争。
这反映了行业趋势：AI 编程助手正从简单的代码生成器，演变为能管理长期任务的自主工作流程协调者。 更新引入了“电脑使用”功能，允许 Codex 通过点击和按键与应用程序交互，在 Mac 上支持多个并行智能体，并包含用于记忆用户偏好和项目背景的能力。
不过，这种新的桌面控制级别也引发了一些用户对安全和沙箱隔离的担忧。
背景: OpenAI 的 Codex 是一个基于其前沿模型构建的 AI 编程伙伴，旨在端到端完成开发任务。 Anthropic 的 Claude Code 是竞争产品，同样强调理解整个代码库并与桌面工作流集成。
“智能体”AI 指的是能够自主规划和执行一系列操作以实现目标的系统，超越了单轮交互。
Codex | AI Coding Partner from OpenAI Claude Code overview - Claude Code Docs OpenAI’s Codex Mac app adds three key features ... - 9to5Mac
▪苹果据称计划使用谷歌 1.2 万亿参数 Gemini 模型重构 Siri ⭐️ 8.0/10
据报道，苹果正敲定一项协议，计划授权使用谷歌的1.2 万亿参数 Gemini AI 模型，以全面升级 Siri 语音助手，年付金额或达约 10 亿美元。
新版 Siri 代号为'Linwood'，计划在明年春季的 iOS 26.4 中发布。 若合作达成，标志着苹果战略的重大转变，将大幅提升 Siri 的能力以追赶现代 AI 助手。
对谷歌而言，这将是其 Gemini 模型一次重要的商业胜利，将进入全球最广泛使用的消费平台之一。 据报道，这个 1.2 万亿参数的 Gemini 模型规模远超苹果当前使用的1500 亿参数模型。
'Linwood'项目是苹果内部用大语言模型重构 Siri 的计划，但此前曾因技术挑战而延迟。
背景: 像 Gemini 这样的大语言模型（LLM）是在海量数据上训练的 AI 系统，其'参数'数量通常与模型能力和复杂度相关。 Siri 自 2011 年推出以来，是苹果的语音助手，但在理解和对话能力上被认为落后于竞争对手。
谷歌的 Gemini 是一个多模态 AI 模型系列，旨在处理文本、图像、音频和视频。
List of large language models - Wikipedia Models - Gemini API | Google AI for Developers Siri's big upgrade takes shape with Linwood' & Glenwood
▪Perplexity 发布 Mac 版 Personal Computer AI 助手，一个多模态编排工具 ⭐️ 6.0/10
Perplexity 发布了名为 Personal Computer 的多模态 AI 助手，现已登陆 Mac 平台。 该工具能够与用户的文件、应用程序及网络交互，以完成复杂工作流，目前首先向其 Max 订阅用户开放。
此举标志着 Perplexity 正式进入竞争激烈的“计算机使用智能体”领域，与 Claude Cowork、OpenAI Codex 等产品直接竞争。 它反映了 AI 助手正从简单的聊天界面，演变为能够主动管理用户整个数字环境中多步骤工作流的编排工具。
该助手支持语音指令和手机端任务管理，并在安全的沙盒环境中运行，其所有操作均可审计和撤销。 Perplexity 列举的用例包括自动化处理待办事项和整理杂乱文件夹，并能视需求调用多个 AI 智能体来完成任务。
背景: Perplexity Computer 于 2026 年 2 月底推出，是一个多模型智能体编排平台，能协调众多 AI 模型（如 Gemini、ChatGPT 5.2）来执行长期、复杂的工作流。 而像 Claude Cowork 这样的“计算机使用智能体”，是指能够观察屏幕、规划行动并控制输入设备，在用户电脑上完成任务的人工智能系统，超越了基于文本的交互。
Introducing Perplexity Computer Computer Use Agents: Architectures, Trade-offs, and Real-World
▪快讯
OpenAI 发布生命科学推理模型 GPT-Rosalind：OpenAI推出前沿推理模型GPT-Rosalind，旨在加速药物发现与基因组学等生命科学研究。 美政府拟用 Anthropic Mythos 模型：白宫正推动美国各机构使用Anthropic的Mythos AI模型，此前已评估其供应链风险。
广告
硅基流动2000w tokens，注册加实名即可领取
邀请码：4DHuOn7x
链接：
https://cloud.siliconflow.cn/i/4DHuOn7x觉得有用？关注 浮士德问 【AI日报】
每天 3 分钟，掌握 AI 行业最重要的信号
点击上方蓝字 → 关注公众号 → 设为星标
