MiniCPM-o 4.5 实现全双工实时语音视频交互，9B 开源模型
做多模态 AI 交互的开发者终于有了可部署的全双工开源方案——MiniCPM-o 4.5 把实时语音视频对话从概念变成 9B 模型，值得直接上手试。
早读VOL 2026.05.1878 篇
今日AI速览：智能体时代加速
新加坡·二〇二六年五月十八日 星期一·DAILY · 每早八时
2026年5月18日，AI领域三大主题：智能体治理、模型效率与开源生态。IBM发布Open Agent Leaderboard，推动智能体评估标准化；同时，多智能体经济治理缺口引发关注——代理已出现破坏系统、无视指令等问题。在模型方面，Nous Research的Token Superposition Training将LLM预训练速度提升2.5倍，而MiniCPM-o 4.5实现全双工实时语音视频交互，加速边缘部署。此外，PaddleOCR 3.5支持Transformers后端，Files SDK统一18个存储提供商API，展现了开源社区的活力。
01
模型发布/更新
4 篇
模型12:05
HiDream-O1-Image 开源模型表现惊人，可替代闭源方案做图像生成和编辑的开发者终于有了一个能打的开源模型——HiDream-O1-Image 在多数场景下可替代闭源方案，8B 版本性能媲美 Nano Banana，建议直接上手试试。
02
产品发布/更新
5 篇PaddleOCR 3.5 发布：支持 Transformers 后端，OCR 与文档解析更灵活
PaddleOCR 拥抱 Transformers 生态，做文档解析和 OCR 的团队可以更灵活地选模型，不用被框架绑死，值得升级试试。
Hugging Face: Blog原文
OpenHuman vs OpenViking：个人AI助手与Agent上下文基础设施的对比分析
如果你在搭建个人 AI 助手或 Agent 系统，这两个项目分别给出了产品化和基础设施化的答案——OpenHuman 适合想直接用的个人用户，OpenViking 适合需要长期记忆后端的开发者，建议根据你的场景选择关注。
OpenAI与Dell合作，将Codex引入混合和本地企业环境
企业开发者终于可以安全地在本地使用AI编程代理了——Dell的硬件+OpenAI的Codex组合解决了数据隐私痛点，金融、医疗等受监管行业的团队可以直接部署，建议关注。
OpenAI Blog原文
03
行业动态
5 篇IBM 发布 Open Agent Leaderboard，评估智能体能力
智能体评估一直缺乏统一标准，IBM 这个排行榜让开发者能直接对比不同模型的规划与工具使用能力，做智能体应用的团队值得关注。
Hugging Face: Blog原文
Gary Marcus：纯LLM时代已终结，神经符号混合才是主流
Gary Marcus 的这篇推文为持续多年的“纯 LLM 能否通向 AGI”争论画上了句号，做 AI 系统架构、智能体开发或关注 AI 落地的读者值得一看——它点出了当前 AI 工程化的核心现实：真正起作用的是混合栈，不是单一模型。
ChinaTalk 揭秘廉价 Claude Token 背后的灰色供应链
这篇把「便宜 API」背后的数据安全风险讲透了，做 AI 工具、用代理 API 的开发者建议点开，看完会重新评估你的 token 来源。
行业13:37
Anthropic 将向金融稳定委员会简报 Mythos 发现的网络防御漏洞金融安全领域首次有 AI 模型直接向全球监管机构报告漏洞，做网络安全或金融风控的从业者值得关注——这可能是 AI 改变监管范式的信号。
IT之家原文
04
论文研究
4 篇Nous Research 提出 Token Superposition Training，LLM 预训练速度提升 2.5 倍
训练 LLM 的团队终于有了一个不改变模型、不调优化器的加速方案——直接插进去就能省 2.5 倍时间，做预训练或资源受限的开发者值得一试。
VPD 论文让神经网络权重变得可读：adVersarial Parameter Decomposition
VPD 解决了神经网络可解释性长期以来的痛点——权重不可读，做模型调试、安全对齐或研究 AI 内部机制的团队可以直接用这个工具来追踪和编辑模型行为。
Google Nexus论文：时间序列预测从统计外推转向多agent因果推理
做时间序列预测的团队终于有了新思路——不再死磕历史曲线，而是用多agent理解政策、突发事件等因果因素，效果直接降维打击。搞量化、供应链或金融预测的开发者建议点开，看看怎么把文本推理融入预测流程。
05
技巧与观点
3 篇
78今日事件
18一手报道
8新模型
33信源
AITOP · 编辑系统自动生成