ARC评测新高分与端侧MoE突破:2026 AI技术动态观察

0 阅读

模型能力:从抽象推理到端侧落地

AI 模型的竞争正在从单纯的参数规模比拼,转向特定任务的高效解决能力和部署灵活性。本周两个看似独立的消息,实际上指向了同一个趋势:模型正在变得更“聪明”且更“轻便”。

Mercury 3 Preview 在 ARC-AGI-1 的表现

ARC Prize 公布了 Mercury 3 Preview 的评测结果。在 ARC-AGI-1 测试中,该模型取得了 88.5% 的准确率,单次推理成本约为 0.03 美元。而在难度更高的 ARC-AGI-2 和 ARC-AGI-3 上,得分分别为 61.8% 和 0.1%-0.2%。

这个成绩值得注意的地方在于,Mercury 3 Preview 是首个参与该评测的扩散模型。传统上,这类逻辑推理任务多由自回归语言模型主导,而扩散模型通常用于图像或音频生成。它的介入表明,不同架构的模型正在尝试跨界解决同一类问题。峰值 1743 tokens/s 的处理速度也显示,其在推理效率上具备一定优势。不过,ARC-AGI-3 的低分提醒我们,面对极度复杂或新颖的逻辑模式时,当前模型仍存在明显的瓶颈。

面壁 MiniCPM-V 4.7:手机端跑通 MoE

如果说 Mercury 展示了算法架构的多样性,面壁智能发布的 MiniCPM-V 4.7 则展示了工程优化的极致。在 Web Summit 上,面壁展示了这款 35B-A3B 参数的开源多模态模型。

关键指标很直观:在最新款 iPhone 上,它仅占用约 3GB 内存,就能以 20 tokens/s 的速度进行解码。更重要的是,这是全球首个声称能在端侧“无损运行”的开源 MoE(混合专家)模型。单次推理仅激活 30 亿参数,这意味着大部分计算资源处于休眠状态,从而大幅降低了功耗和内存需求。

对于开发者而言,这释放了一个明确信号:复杂的视觉理解任务不再必须依赖云端 API。本地化运行不仅解决了延迟问题,更从根本上规避了数据隐私泄露的风险。当 35B 级别的模型能塞进手机时,许多原本因网络限制或隐私顾虑而无法落地的应用场景,比如实时现场辅助、离线文档分析,突然变得可行了。

应用层:垂直场景的精细化打磨

通用模型的能力溢出,正在推动垂直领域应用的快速迭代。本周的几个产品更新,都集中在“准确性”和“个性化”这两个痛点上。

ElevenLabs 切入医疗转录

ElevenLabs 发布了 Scribe v3 Live Medical,专门针对医疗场景优化实时转录能力。医疗对话充满专业术语,药物名称、手术步骤、症状描述往往发音相近但意义迥异,通用转录工具极易出错。

Scribe v3 允许用户导入最多 1 万条自定义词条,这意味着医院或诊所可以预先录入特定的药品库、科室术语甚至医生偏好。目前该功能已集成到 ElevenAgents 平台。这种“通用底座+行业词库”的模式,可能是 AI 语音技术在 B 端落地的标准路径。它不试图重新发明轮子,而是通过微调让轮子适应特定的路面。

First Person Labs 与“数字分身”

a16z 领投了 First Person Labs 的 1000 万美元种子轮,其产品 Second 旨在为个人用户构建本地化的 AI 模型。

Second 的核心逻辑是在 Mac 本地持续学习用户的数据,形成一个不断更新的“你”的模型,并通过 API 将这种上下文提供给其他 Agent 使用。这里的关键卖点是“数据主权”和“设备端默认运行”。在用户对云端数据训练越来越敏感的当下,把个人数据留在本地,只输出脱敏后的上下文或指令,可能是一种更可持续的商业模式。它试图解决的是 AI 助手“不够懂我”的问题,同时又不牺牲隐私安全。

LangSmith 的企业级管控

随着企业开始大规模部署 Agent,可观测性和数据安全成了刚需。LangChain 为 LangSmith 新增了三项追踪数据访问控制功能:

  1. 控制谁可以查看 Trace 的输入和输出;
  2. 按用户组管理团队权限;
  3. 基于 Metadata 设置 Trace 级的访问策略。

这些功能看起来枯燥,但对于合规要求严格的金融、医疗等行业至关重要。工程师需要调试 Agent 的行为,但法务部门可能禁止他们查看包含客户隐私的原始对话。细粒度的权限控制,是企业级 AI 应用从“玩具”走向“工具”的基础设施。

行业动向:人才流动与商业验证

李沐加盟 Aimotion

量子位报道,李沐已加盟 Aimotion,该公司定位为“产业级世界模型”。世界模型(World Model)被认为是通往具身智能和通用人工智能的关键一步,它要求 AI 不仅能处理语言,还能理解物理世界的运行规律。

李沐在深度学习系统和开源社区的影响力众所周知。他的加入,一方面提升了 Aimotion 的技术背书,另一方面也可能加速世界模型在工业场景中的标准化进程。对于关注具身智能的从业者来说,这是一个值得跟踪的信号:产业界正在尝试将抽象的世界模型理论,转化为可落地的工业解决方案。

Auctor 的产品重写与增长

YC 校友企业 Auctor 提供基于 AI 的企业软件实施服务。团队在获得 Sequoia A 轮融资后,选择推倒重写产品。结果是,使用量提升了 5-10 倍,且在产品正式成型前就预约了数百场 Demo。

这个案例的反直觉之处在于“推倒重写”。在初创公司中,这通常被视为资源浪费。但 Auctor 的成功说明,早期的 AI 应用往往受限于对 LLM 能力的误解或架构的不合理。当团队对 AI 原生工作流有了更深的理解后,彻底重构比修补旧代码更有效。这也提醒创业者:在 AI 领域,技术迭代速度极快,保持架构的灵活性比过早优化更重要。

Bryan Johnson 的健康“天气 App”

生物黑客 Bryan Johnson 使用 Devin Bots 汇总了数十亿个健康数据点,生成对自身状态的统一解读。他将其形容为“像天气 App 一样,天气就是我”。

这个比喻很形象。传统的健康监测是离散的:血压多少、血糖多少。而 AI Agent 的作用是将这些离散数据整合成一个连贯的“叙事”,告诉用户今天的身体“气候”如何,适合做什么运动,吃什么食物。这展示了多 Agent 系统在个人数据分析场景下的实际价值:不是提供原始数据,而是提供可执行的洞察。

结语

从 Mercury 3 的架构创新到 MiniCPM 的端侧优化,再到 ElevenLabs 和 First Person Labs 的场景深耕,本周的动态显示 AI 行业正在进入一个“深水区”。

单纯堆砌参数或发布通用聊天机器人的时代正在过去。现在的竞争焦点在于:如何让模型在特定任务上更准确(如医疗转录),如何在受限设备上更高效(如手机端 MoE),以及如何让用户更放心地使用数据(如本地化个人模型)。这些看似细微的工程和产品改进,恰恰是 AI 技术真正融入日常工作和生活的关键步骤。