这周又把各大技术榜单、开源仓库和几个AI社群刷了一遍值得摊开聊一聊的东西不少。这一轮新进展覆盖面很广从机器人推理层的思路转变到Agent框架的底层拆分再到视频生成工具链的爆发最后还有一堆和本地部署、微调、AI编程相关的务实更新。我把它们整理成16个进展按“推理能力—Agent—视频生成—部署与开发工具”四条线串起来方便你直接挑自己关心的板块读。不管你是刚入门想找学习方向的还是已经在做Agent开发、视频工程、端侧部署的这篇速览都能帮你快速建立本周的行业坐标。先说一个总体的感受这周的新东西不再是单纯刷榜单、刷参数的阶段了。大家开始认真讨论“推理到底怎么落到真实任务里”比如机器人该不该先思考再动手、Agent的每一步该怎么记账和回退、视频生成怎么既可控又高速。这种转向比单纯多几个模型版本更有看点。1. 推理能力的第一梯队机器人、视频生成与“世界模型”的交叉这个话题往深了说是AI最硬核的部分往浅了说就是一句话——模型不再只是“会聊天”而是开始理解物理世界的时间、空间和因果关系。这一周这方向的几个进展尤其值得留意。1.1 第1项机器人推理从“模仿动作”转向“先规划后执行”机器人领域这周讨论最集中的是“慢思考”进决策链路。过去很多机器人方案走端到端模仿学习输入图像输出动作训练完直接动。这套路在小范围场景好用但换个光照、换个物体摆放就崩因为模型把“看到什么就做什么”绑定死了并没有真正理解任务。这周的新共识是解耦把“任务规划”和“运动控制”拆成两层。上层用大模型做推理负责把一个长指令拆成有序子目标比如“把红色杯子放到托盘上再把托盘端到厨房”下层用视觉-语言-动作模型也就是常说的VLA模型把每个子目标映射成具体的电机动作。一些团队还引入了世界模型模块在动手前先在内部模拟一遍操作结果相当于机器人真正“想了想再动手”。这种分层思路对工程实践的启发很大。如果你在做机器人相关的项目别指望一个大模型端到端扛住所有事把意图解析、轨迹规划、低层控制做成可插拔的模块反而更容易在真机上稳定跑通。这类项目对算力要求很高仿真环境里验证通过之后再上真机是当前比较稳妥的路线。1.2 第2项视频生成模型开始反哺视觉推理预训练视频生成本身是个生成任务但这周更值得关注的是它作为“视觉推理预训练”的价值。生成一段视频模型必须学会预测帧与帧之间的变化物体怎么移动、遮挡之后会发生什么、光源变化是否合理。这个过程本质上就是在训练空间因果理解。已经有团队把视频生成模型当骨干网络拿去跑目标跟踪、遮挡恢复、场景问答这些下游任务效果有明显提升。直观类比就是一个人看大量连续镜头慢慢掌握了“接下来会发生什么”的直觉这种直觉迁移到其他视觉任务上同样管用。这也解释了为什么一些视频生成产品看起来“不太像传统生成模型”反而更像一个通用视觉理解器。对普通开发者的启示是别把视频生成只当成“做短视频的工具”它的推理能力可以被复用。如果你在做视觉Agent或具身智能项目完全可以借鉴视频生成模型的中间特征层来做场景理解甚至直接用它做视觉记忆模块省掉不少标注成本。1.3 第3项8B级开源模型把推理成本打到新档位这周社区里讨论比较多的几款8B左右的开源模型在代码生成、函数调用、Agent工具选择这些任务上已经逼近几个月前只有几十B甚至上百B模型才能达到的水平。背后的关键不是参数变大了而是训练数据变了——大量高质量合成数据配合真实工具调用轨迹让小模型在“使用工具”这件事上变得非常精准。这对普通开发者的意义很直接8B模型可以放进消费级显卡甚至一些高端笔记本都能全天运行。本地私有化、低延迟、不依赖云服务这几点在Agent开发里是刚需。一些提供免费额度的API平台也开始把这类模型作为主力档位供开发者调用。我自己的测试方法是拿“工具选择准确率”来快速评估给模型一堆用户指令和一堆工具定义看它能不能选对工具、填对参数。这个指标比跑全套大而全的评测便宜得多几分钟就能判断一个8B模型适不适合做你的Agent底座。1.4 第4项长上下文的新解法分段记忆与检索锚点成为标配大模型厂商还在卷百万token但真实项目里“把100万字文档直接灌进去”早就被证明不划算模型容易“迷失在中间”而且推理成本成倍上涨。这周的新动向是业界开始务实了流行的方案是“分段工作记忆加检索锚点”。具体说就是把长文档切块按需召回相关内容进入上下文同时要求模型在输出里嵌入可点击的来源引用方便用户溯源验证。这其实是把RAG的思路内化到长上下文处理里。对知识库Agent来说与其迷信长上下文不如老老实实配一套“先检索后回答”的管线并设置好召回数量和分数的阈值。我见过太多项目栽在“我有长上下文就不做检索了”这种偷懒上。实际上就算上下文窗口再大模型对隔着十万八千里信息的注意力都会衰减。检索锚点这套组合短期之内仍是长文本场景最可靠的工程方案。2. Agent框架的底层变化harness、执行链、评测与轻量规划如果说第一板块是“模型怎么变聪明”那这一板块就是“Agent怎么变得靠谱”。这周Agent圈讨论的已经不是简单的“用大模型调工具”而是把Agent本身拆开研究——从执行框架、评测机制到任务规划范式都在快速迭代。2.1 第5项harness 与 agent 的区别终于被社区讲清楚了“harness和agent区别”是这一周的热搜词说明不少人在Agent开发里都栽过跟头。简单说Agent本体是负责决策的那部分通常是一个大模型加一套提示词策略而harness是承载决策的外壳负责上下文维护、工具调用、执行循环、异常重试、结果校验这些脏活。为什么要分得这么清因为一旦分开你就能给harness加各种工程能力——换模型、加权限控制、做审计日志而决策层完全不用动。反过来如果你的Agent项目里根本没有harness层只是把工具调用写死在流程里那它其实只是一个普通脚本不是Agent。我跑开源Agent框架时经常看到报错信息里出现“Agent execution terminated due to error.”很多新手以为模型崩了实际上大部分情况是harness的工具调用抛了异常后没被接住执行循环直接退出。解决办法也很常规给每个工具调用包一层重试和结果校验逻辑超时就返回一个结构化错误让决策层决定下一步怎么走。这条经验写进周报也不夸张。2.2 第6项Agent评测从“结果对不对”转向“过程对不对”以前评测Agent只看最后任务完成没完成很多项目甚至用字符串匹配来判断成功。但这周社区越来越多人在讨论“过程正确性”——任务虽然完成了但过程中是不是盲目调用了很多工具是不是烧了大量token是不是执行了超过权限边界的操作这些都要纳入评分。可以理解为一个员工把工作做完但中途乱花钱、乱承诺公司不可能觉得他靠谱。Agent也是这个道理。过程成本、动作合法性、步骤链条的合理性正在成为新一代Agent评测的核心维度。实操上我们现在跑Agent批量任务时会记录完整trace把每一步的规划、工具名、参数、返回结果全部存下来然后用LLM作为评委去打分对照“任务完成质量”和“过程合理性”两个维度。这个做法门槛不高但能暴露模型在单任务里不会暴露的坏习惯建议做Agent开发的朋友尽早把trace体系建起来。2.3 第7项pi-agent式递归规划把长任务拆成可回滚的子任务“pi agent”这周出现在不少技术群里不是指某个厂商的产品而是社区正在流行的一类轻量级Agent范式核心是递归规划。以前让Agent处理长任务最常见的做法是让模型一次生成完整计划然后按部就班执行。问题在于只要中途某个环节偏离预期整个计划就崩了。pi-agent的思路是让决策体只负责回答一个简单问题“在当前位置下一步做哪件最值得做的事”每完成一步重新评估继续拆下一步。整个过程像写代码时不写一个大函数而是分解成多个小函数每步都有明确的输入输出和回滚点。这个“随时能停、能退回去”的特性很关键因为真实世界中很少有任务能完全按计划推进。我自己的经验是给Agent每一步都写清楚“成功后的下一步”和“失败时的回退操作”效果远好于在系统提示词里堆一大段详细规划。这种“小而多步”的范式尤其适合自动化运维、数据处理流水线这些容易出意外的场景。2.4 第8项Agent开发框架的可视化编排正在吃掉工程化门槛以前搭一个Agent至少要会写代码、懂工具调用协议、会管理上下文状态。这周看到很多Agent开发框架开始提供可视化编排能力把模型调用、工具节点、记忆模块、重试逻辑都做成可拖拽的组件用户连一条线、填几个参数就能跑通一个Agent流程。Dify、Coze、n8n这些项目都在朝这个方向使劲。但我得泼一点冷水可视化编排降低了入门门槛并没降低设计复杂度。配置图一旦超过二十个节点数据流混乱程度可能比代码还难查。我的习惯是无论界面上能拖多少节点新项目一律用三个基础节点起步——输入校验、模型路由、工具沙箱。先把最小闭环跑通再逐渐加节点。可视化编排适合快速验证想法和交给非技术成员调整真到生产级复杂链路代码里的注释和可测试性还是更可靠。3. 视频生成的新战场帧生成、工作流与显卡实测视频生成是大众感知最强的板块。这一周大家已经不满足于“生成一段视频看看效果”而是开始思考“怎么高效、可控、低成本地生成符合需求的视频镜头”。新战场明显从“整段生成”转向“帧生成”和“工程化工作流”。3.1 第9项视频帧生成成为新的生成主线这周值得关注的第一个方向是“视频帧生成”而不是传统的文生视频。帧生成的意思是用户先决定关键帧的内容比如首帧、中间几个姿态帧、尾帧模型负责把帧与帧之间的过渡补齐。这很接近传统动画的做法——原画师画关键张动画师补中间帧。帧生成最大的优点是可控性。文生视频一锤子买卖很难精确控制镜头内容和持续时间而帧生成允许你在关键环节卡死画面再让模型填补运动路径。它也更省算力因为模型不需要从头想象整段视频只需要根据已有帧做插值。操作上要注意关键帧之间的间隔我实测4到6帧比较合理间隔太小补帧基本是浪费钱间隔太大模型容易产出跳变和穿帮。生成后可以用光流差检查帧间一致性这是比肉眼更快发现问题的方法。3.2 第10项ComfyUI工作流爆发从单图到长镜头网上把ComfyUI拼成“comuify”之类的词条越来越多其实说的是同一个东西节点式AI图像/视频生成工具。它原本在图像生成圈已经很火这周社区里大量视频生成工作流模板集中爆发覆盖了“文本—首帧—补帧—输出”的完整链路也有不少配合ControlNet、局部重绘的高级模板。如果你还没接触过ComfyUI的视频工作流我的建议是别一上来就打开几十个节点的大模板那会让你晕头转向。先从最小工作流开始加载一个视频生成模型加一个文本转首帧节点再接补帧节点最后输出。跑通之后再逐步加姿势控制、镜头控制这些高级节点。另外一定记得打开慢速预览和帧缓存这两个功能在显存不够时是救命稻草能帮你边看边调整而不是生成到最后才发现问题。3.3 第11项免费生成视频的正规入口这两天又多了几个“免费生成视频入口”一直是热门搜索词。这周国内外几款视频生成产品又陆续放出了新的体验额度可灵AI、即梦AI、海螺AI、Vidu、腾讯智影这些平台都有注册赠送积分的机制海外像Runway、Pika、Luma也保留了基础免费档位。对个人创作者来说利用这些额度做风格测试和分镜验证完全够用。我的实践经验是先用免费入口确定几条备选风格和镜头方案把分镜脚本写死再投入额度或者转去本地开源模型做正式生成这样能省下不少钱。平台会员权益和免费额度变化很快具体以官方页面为准。值得提醒的是免费档位通常会限制分辨率、时长和生成次数别等做到一半才发现额度不够提前规划好每一版要试的内容很重要。3.4 第12项不同显卡的2K视频生成速度实测显存带宽比想象中还重要这周很多人开始晒“不同显卡跑2K视频生成”的实测数据比如有人在MiniMax系视频模型上测了一圈各档次显卡的生成速度。综合我自己做过的测试和大家的分享结论很一致2K视频生成真正卡的瓶颈不是算力而是显存带宽和容量。分辨率一上来模型中间特征图对显存的消耗是指数级增长显存不够只能走精度回退或者分块生成速度自然掉得厉害。测速度时建议大家固定一个统一口径固定模型、步数、分辨率记录每帧耗时和峰值显存占用最后折算成“每生成1秒视频花多少秒”。有了这个指标不同显卡之间的对比才有意义而不是只看一个笼统的“快或慢”。如果你主要做视频生成买卡前先按这个口径跑一遍目标模型比看跑分更有参考价值。预算有限的话优先保证显存容量和带宽而不是单纯追高核心频率。4. 训练、部署与开发工具的务实升级最后一组进展对开发者和研究者最实用从消费级显卡跑微调的底线到手机App里集成大模型的路径再到免费API选型和AI编程工具的升级。这里没有特别惊艳的技术突破但每一条都能省下你大量试错时间。4.1 第13项消费级显卡微调的底线6750 GRE 与 QLoRA 的现实“rx6750gre训练大模型”能成为热搜词说明不少朋友手里就是这类消费级显卡还想折腾本地微调。先说结论全量微调在消费级显卡上基本不用想但是QLoRA这条路完全走得通7B甚至14B级别模型的参数高效微调16G到24G显存是可以承受的。用6750 GRE这类AMD显卡时要注意一点大量训练生态工具如bitsandbytes主要针对NVIDIA的CUDA优化在AMD上要走ROCm支持环境配置会多花不少时间。所以我的建议很直白如果你选择微调这条路优先用N卡会顺畅很多如果只有A卡可以考虑先跑通llama.cpp生态里的训练工具链或者干脆用小一点的模型试。第一次做微调别一上来就上大型真实数据集。挑几十条样本验证loss能稳定下降、生成结果有变化整个链路跑通之后再逐步加大数据量。另外记得微调不一定比提示词工程更划算50条高质量样本往往就足够把一个模型调出特定风格先试提示工程再决定要不要微调。4.2 第14项GGUF 成为端侧集成大模型的默认姿势“android app集成ai大模型gguf”这个热搜词很具体背后其实是一套已经非常成熟的方案。GGUF是llama.cpp生态的标准模型格式它的特点是把模型量化、版本管理、内存映射这些细节打包好让端侧集成变成“下载模型文件加载推理”这么简单。在Android或iOS上集成大模型最通用的路径就是通过llama.cpp或MLC-LLM加载GGUF格式的模型。集成时几个常被忽略的细节一是不要在UI线程跑推理必须用异步任务队列否则界面一卡就是十几秒二是首次加载模型很慢属于正常现象可以在启动时预加载并保留在内存里三是尽量使用内存映射加载避免把模型文件整个拷贝进内存。端侧模型适合的任务是意图识别、文本摘要、离线对话、关键词抽取这类轻量场景长文章写作和高难度推理暂时还是交给云端模型更稳。这套方案最大的价值是私有化——数据不出设备对不少行业场景是硬需求。4.3 第15项免费大模型API档位对照选型别再拍脑袋现在提供免费或免费额度的开放平台API越来越多DeepSeek开放平台、智谱GLM、Kimi/Moonshot、阿里百炼、硅基流动以及海外的Google AI Studio等都有不同程度的免费档。很多人选型只比较“谁便宜”但在Agent开发里这是很容易踩坑的思路。我建议至少从四个维度看上下文长度、限流策略、工具调用或者说function calling的支持度以及多模态能力。有些API虽然便宜但上下文窗口偏小做复杂Agent任务时频繁截断有些API价格稍高但工具调用稳定、结构化输出做得好能省下大量清洗数据的时间。我还想提醒一点API选型要按模块来选而不是整个项目绑定一家。比如对话模块用便宜的模型工具调用模块用支持稳定、限流宽松的模型视觉模块单独选多模态模型。这样组合出来性能和成本往往比单一供应商更理想。4.4 第16项AI编程从“补全代码”升级到“重构项目”AI编程工具这周的进化方向已经从“猜你下一行代码”升级到“帮你重构整个项目”。PyCharm这类IDE里的AI插件已经不只是补全还能生成测试、解释报错、批量改代码结构。OpenCode这类开源AI编辑器也持续热门把模型接入、上下文管理、多文件修改做进了编辑器本身。我自己用AI编程最大的体会是提示词质量决定使用效果。写提示词时要包含四件事任务背景、约束条件、验收标准和边界案例。比如“帮我重构这段爬虫代码要求保留原有接口处理连接超时并补充单元测试”就比“帮我优化代码”管用得多。另外别装一堆AI插件先挑一个用熟把提示词习惯和代码审查习惯培养起来再扩展其他工具。这周的进展里还有一些应用层面的小变化比如AI辅助专利预检索和科研论文写作工具开始整合到研发工作流里成了一些研究者日常的辅助环节工具本身没有特别惊人的新东西但把“检索—总结—起草—校对”串成一条线确实能省不少时间。我自己的排序是如果这周只能挑一件事上手我推荐先去试第14项的GGUF端侧集成或者第11项的免费视频生成额度这两个都是立刻能玩起来、成本又低的方向。至于学习路径不需要去囤一堆框架。把一个Agent的执行循环真正跑明白、把一条视频生成工作流完整调通比翻一百个仓库都有用。下周大概率还会有新东西冒出来还是老思路少看榜单多动手试。