信息来源：人大高瓴人工智能学院 发布日期：2026年4月29日

在小说阅读器读本章去阅读在小说阅读器中沉浸阅读       「硅基温度·一周热点 Top7」栏目是一份面向AI研究者与科技从业者的精选周报。

我们以理性与洞察，追踪全球范围内最具影响力的AI事件——从模型架构突破到算力体系演进，从产业生态变迁到政策监管动向，每周甄选七则关键节点，为你呈现大模型时代的真实温度与演化脉络。

01 DeepSeek-V4 发布

1M上下文成标配，新注意力机制推动性能与成本双突破

这次 DeepSeek-V4 的发布，可以说是一次“把高端能力下放”的典型动作。它同时推出了 Pro 和 Flash 两个版本，前者在 Agent 调度、复杂推理和世界知识覆盖上，已经可以直接对标当前一线闭源模型；后者则更强调效率与响应速度，适合工程侧大规模部署。更关键的一点在于——官方直接把 1M 上下文做成了“标配能力”，这意味着过去只有少数实验性模型才能做到的长文本处理，现在变成了可以稳定使用的基础设施。在技术层面，V4 引入了全新的注意力机制，在保证效果的同时显著降低算力与显存开销，这一点对于实际落地至关重要。此外，团队还明确推进对昇腾 NPU 的适配，释放出一个信号：不仅在模型能力上追赶，也在算力生态上逐步去依赖。

一句话总结：DeepSeek-V4 的核心意义，不只是更强，而是让“超长上下文 + 高性能推理”第一次真正变得可用且可部署。

(图片来自EvoLink)

论文链接

https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/main/DeepSeek_V4.pdf

Hugging Face

https://arxiv.org/abs/2602.11210

02 GPT-5.5 发布

软硬协同突破 Scaling Law，迈向“自主智能体”新阶段

这次 GPT-5.5 的发布，核心不只是模型升级，而是一次“系统级重构”。OpenAI 与 NVIDIA 深度合作，将模型设计与 GB200/GB300 硬件架构协同优化，同时对推理系统进行了全面重构。带来的结果是——性能提升不再单纯依赖参数规模扩张，而是在效率与能力上同时跃迁，甚至呈现出超越传统 Scaling Law 的增长趋势。在能力层面，GPT-5.5 在编程、复杂知识处理以及科研辅助任务中表现突出，并且通过与 Codex 的深度集成，进一步强化了“从理解到执行”的闭环能力。更值得注意的是，它已经能够在一定程度上自主优化自身运行流程，这意味着模型正从被动响应工具，逐步演化为具备持续改进能力的“研究伙伴”。

一句话总结：GPT-5.5 的关键突破在于，用系统级创新取代单纯堆参数，真正推动大模型走向自主智能体。

(图片来自Youtube)

相关链接

https://openai.com/index/introducing-gpt-5-5/

03 ChatGPT Images 2.0 发布

可理解指令、会“思考”的图像模型，设计流程被重构

这次 ChatGPT Images 2.0 的升级，关键不在“画得更好”，而在“理解得更准”。它在复杂指令遵循、高密度文本渲染，以及中日韩多语言生成上都有明显提升，像海报、UI草图这类过去容易翻车的场景，现在可以稳定输出。更重要的一点是——模型首次引入类似“思考”的过程：可以联网获取信息、一次生成多张候选图，并对结果进行复核筛选，这让生成过程从“一次性出图”变成“有迭代的设计流程”。同时，模型融合了截至2025年末的知识，使得内容在语境和细节上更贴近真实设计逻辑，而不是传统那种“AI味很重”的输出。整体来看，它正在把图像生成从工具升级为接近设计助手的系统能力。

一句话总结：ChatGPT Images 2.0 的本质突破，是让图像生成从“能画”走向“会设计”。

(图片来自GPT Images 2.0官网)

项目主页

https://openai.com/zh-Hans-CN/index/introducing-chatgpt-images-2-0/

04 库克卸任苹果 CEO

特努斯接棒，苹果迎来 AI 转型关键一战

Tim Cook 将于 9 月正式卸任 Apple CEO，转任执行董事长，结束其长达 15 年的掌舵生涯。在他任内，苹果市值从约 3500 亿美元增长至 4 万亿，完成了从硬件公司到全球科技巨头的跃迁。接任者 John Ternus 是一位典型的工程派高管，在苹果深耕 25 年，长期负责核心硬件业务，此次接班既体现了内部传承，也释放出“继续稳住产品基本盘”的信号。但问题在于——苹果正面临 AI 布局明显滞后的现实：Siri 多年缺乏实质突破，核心模型能力仍依赖外部合作（如 Gemini），整体节奏落后于行业主流。随着 ASI 时代逼近，苹果需要的不只是产品迭代，而是一次战略重构。即将到来的 WWDC，将成为特努斯首次系统性展示 AI 路线的关键窗口。

一句话总结：苹果真正的挑战，不是换帅，而是能否在 AI 时代完成从“硬件驱动”到“智能驱动”的转身。

(图片来自苹果官网)

相关链接

https://www.apple.com.cn/newsroom/2026/04/tim-cook-to-become-executive-chairman-john-ternus-to-become-ceo

05 Vision Banana 发布

统一视觉为“生成问题”，迎来视觉领域 Transformer 时刻

这项由 Google DeepMind 与 何恺明 等人推出的 Vision Banana，核心思路非常激进——不再为检测、分割、生成等任务分别设计模型，而是把所有视觉任务统一转化为“图像生成”。也就是说，无论是理解场景还是编辑图像，最终都回归到像素级输出这一统一接口。在实现上，它基于 Nano Banana Pro 进行轻量指令微调，让生成能力反过来增强理解能力，形成闭环。结果是，在多项视觉任务上同时达到 SOTA，尤其在遮挡严重、场景复杂的情况下表现更稳定，打破了“统一模型不如专用模型”的长期认知。这种范式转变，本质上是用生成式推理重构视觉系统，为通用视觉模型甚至具身智能提供了新的技术路径。

一句话总结：Vision Banana 的关键意义，是把“看懂世界”统一为“生成世界”，重写了计算机视觉的基本范式。

论文链接

https://arxiv.org/pdf/2604.20329

项目主页

https://vision-banana.github.io/

06 腾讯混元 Hy3 preview 发布

295B参数、21B激活，聚焦Agent与编程落地能力

腾讯最新开源的混元 Hy3 preview，这次明显不走“堆规模”的老路，而是强调“能用、好用、用得起”。模型总参数达到 295B，但通过稀疏激活设计，将实际激活参数控制在 21B，大幅降低推理成本。在能力侧，它把重点放在 Agent 调度与 Coding 上，在复杂任务拆解、工具调用以及代码生成等场景中表现突出。实际演示中，无论是元宝中的逻辑推理与内容生成，还是 WorkBuddy 这种本地智能体对多格式文件处理、信息检索与开发协作的支持，都体现出较强的工程可用性。更重要的是，这一版本由新团队主导开发，标志着混元体系在架构与方向上的一次“重建”，目标不再只是对标评测，而是深入真实业务场景。

一句话总结：混元 Hy3 preview 的核心价值，是用“高性价比架构 + Agent能力”推动大模型真正走向可落地。

论文链接

https://hy.tencent.com/research/hy3

代码链接

https://github.com/Tencent-Hunyuan/Hy3-preview

Hugging Face

https://huggingface.co/collections/tencent/hy3-preview

07 索尼 Ace 乒乓球机器人发布

攻克旋转球识别与回击，机器反应首次全面超越人类

Sony 推出的 Ace，这次真正解决了乒乓球机器人长期卡住的核心难题——高速旋转球处理。它采用“看-想-做”的一体化系统：先通过高速视觉与事件相机捕捉球的轨迹与旋转信息（约10.2毫秒），再用深度强化学习完成策略决策（每32毫秒更新），最后由定制的8自由度机械臂执行击球动作。整套链路端到端反应时间仅约20.2毫秒，已经明显快于人类极限。实际对抗中，Ace 已能够击败包括 木原美悠 在内的多位职业选手，证明其不仅“能打”，而且具备实战水平。相关成果也登上了 Nature 封面，显示其技术突破的学术与工程价值。

一句话总结：Ace 的突破不只是更快，而是让机器人首次具备“理解旋转并实时决策”的完整运动智能能力。

论文链接

https://www.nature.com/articles/s41586-026-10338-5#MOESM1

关于「硅基温度」系列文章

我们希望在当前信息爆炸、浅阅读盛行的环境中将大模型相关的知识冷凝萃取，输出专业、深度、高质量的硬核文章。我们期待与你一起在浮躁的时代静下心来，共品一杯“思想冷萃”。