中国行业发展报告

【摘要】　　9月15日，OSCHINA讯，近日，MaxKB开源企业级智能体平台正式发布v2.1.0版本。在工具方面，新增MCP工具管理功能，用户能添加并管理已有MCP服务，还可在应用中引用，简化了工具配置流程，提升了开发与运维效率。应用上，AI对话节点新增工具设置，用户选定自定义工具后，系统会自动将工具能力封装为MCP服务提供给模型，模型可自主决策是否调用，提升了交互效率与智能化体验；表单收集节点的参数支持引用变量，且新增多行文本框、文件上传和单行多选框组件，增强了表单配置灵活性与准确性。资源授权方面，新增按资源维度授权功能，可将应用、知识库、工具、模型等核心资源授权给指定用户，实现更细粒度权限管理，降低运维复杂度与安全管理成本。X-Pack增强包方面，应用接入支持对接企业微信智能机器人，方便实现AI能力与企业微信办公生态的高效联动，企业成员可通过单聊或群聊@提问，机器人以流式输出实时返回结果，提升信息获取与业务协同效率。　　

【关键词】企业级，智能体平台，新版本

【摘要】　　9月15日，OSCHINA讯，近日，北京大学深圳研究生院与百度智能云联合打造的全球首个“一站式”数智化生命科学研究平台——AI4SLAB正式上线。该平台深度整合算力、数据、模型、实验四大要素，开发多智能体协同系统，为科研工作者带来“AI驱动、干湿闭环、全链数智”的云端科研体验，极大提升科研效能与创新能力。在数智化支撑生态建设方面，算力上配备可伸缩的高性能计算集群和超智融合算力调度系统；模型基于百度智能云千帆大模型平台，提供私有化模型与数据管理能力、一站式模型效果调优工具链，有超10个可直接使用的通用与生命科学垂直领域代表性模型，支持主流推理框架和模型自定义导入与部署；数据配备超15个专业数据集，提供开放共享且持续更新的知识平台，有高效数据管理功能和智能可视化数据分析工具；实验集成超22台套先进高通量、自动化、自迭代智能实验设备，为生命合成领域多场景提供高效科研服务。北京大学深圳研究生院自主研发的AI4S原生多智能体系统——BIOMA是平台全链路智能化核心，涵盖科研各环节，助力突破时空限制。BIOMA具有逆向智能设计、智能创制与表征、科研数据智能分析与迭代等强大能力，由理论科学家智能体、实验规划师智能体、实验室指挥官智能体、数据分析师智能体等功能协同的智能体构成，分别在理论预测、实验方案制定、实验执行、数据分析与优化等环节发挥关键作用。　　

【关键词】生命科学，模型，多智能体系统

【摘要】　　9月8日，OSCHINA讯，近日，阶跃星辰正式发布最强开源端到端语音大模型Step-Audio2mini，该模型在多个国际基准测试集上取得SOTA成绩。它将语音理解、音频推理与生成统一建模，在音频理解、语音识别、跨语种翻译、情感与副语言解析、语音对话等任务中表现突出，还率先支持语音原生的ToolCalling能力，可实现联网搜索等操作，具备“听得清楚、想得明白、说得自然”的特点。在多个关键基准测试中，Step-Audio2mini表现卓越，综合性能超越Qwen-Omni、Kimi-Audio等所有开源端到端语音模型，在大部分任务上超越GPT-4oAudio。如在通用多模态音频理解测试集MMAU上以73.2分位列开源端到端语音模型榜首；在UROBench上，基础与专业赛道均获开源端到端语音模型最高分；中英互译任务上，在CoVoST2和CVSS评测集上大幅领先；语音识别任务上，在多语言和多方言方面取得第一，领先其他开源模型15%以上。该模型通过创新架构设计解决此前语音模型问题，采用真端到端多模态架构，实现原始音频输入到语音响应输出的直接转换，架构简洁、时延低且能理解副语言信息；引入CoT推理结合强化学习，对副语言和非语音信号精细理解并自然回应；支持音频知识增强，可解决幻觉问题并扩展多场景能力。目前，模型已上线GitHub、HuggingFace等平台。　　

【关键词】阶跃星辰，语音大模型，SOTA

【摘要】　　9月8日，OSCHINA讯，近日，腾讯ARC实验室发布AudioStory音频生成技术，该技术可一键生成复杂叙事场景的好莱坞级音效，能处理视频配音、音频续写和长篇叙事音频等。AudioStory将大语言模型与文本-音频系统相结合，可把复杂叙事请求拆分为有顺序的子任务，保证场景转换和情感基调一致。其采用“解耦桥接机制”分别处理事件内部语义对齐与跨事件一致性，通过端到端训练提升理解和生成的协同。用户用自然语言描述，系统就能自动分解事件序列，结合相关技术生成具有时序逻辑与情绪层次的高质量音频。该技术核心技术突破在于采用语义令牌与残差令牌双通道机制，精准协调宏观叙事与微观音效细节，还通过三阶段渐进训练解决长音频连贯性问题。目前，AudioStory技术已应用于视频自动配音、音频智能续写等场景，在万级测试集AudioStory-10K中展现出领先的指令遵循力与一致性，为有声书、游戏音效等领域提供了全新创作工具。　　

【关键词】音频生成，创作，大语言

【摘要】　　9月8日，OSCHINA讯，美团正式发布LongCat-Flash-Chat并同步开源。该模型采用创新性混合专家模型（MoE）架构，总参数560B，激活参数18.6B-31.3B（平均27B），实现了计算效率与性能的双重优化。基准测试显示，作为非思考型基础模型，它在仅激活少量参数时性能比肩主流模型，在智能体任务中优势突出，且推理速度更快，适合复杂智能体应用。技术上，引入“零计算专家”机制，依据上下文需求激活部分参数，通过PID控制器稳定单token平均激活量；层间铺设跨层通道，提高训练和推理效率，配合底层优化，30天完成高效训练，在H800上实现单用户100+tokens/s的推理速度，还对常用组件和训练方式改进，保证训练稳定性。针对智能体能力，自建评测集指导数据策略，优化训练全流程。通过算法和工程联合设计，成本和速度领先，系统优化后在H800上达成100tokens/s生成速度，输出成本低至5元/百万token。性能评估方面，在通用领域知识、智能体工具使用、编程、指令遵循等场景均表现出色。还同步提供基于SGLang和vLLM的两种高效部署方案。　　

【关键词】美团，混合专家模型，性能

【摘要】　　9月1日，OSCHINA讯，近日，文心快码发布一系列新功能，提升个人开发体验和企业级协作效率。新功能包括Zulu-CLI引入、企业版自定义模型支持、一键设置自动执行、复用相同终端、本地代码库知识增强索引支持等。Zulu-CLI让开发者能在终端用自然语言命令实现编码需求，无需离开命令行界面，使用前需确保环境符合要求并按操作系统安装。企业版支持自定义模型，企业可根据自身需求选大模型，管理者简单设置公有大模型信息即可在IDE选模型。智能执行指令支持一键设置自动执行，提升AI生成与实际执行流转效率，减少开新终端次数，增强操作连贯性和资源利用效率。知识增强方面，支持对SVN仓库本地代码库知识索引，自动识别版本控制工具，提供精准代码建议和生成，助开发者管理维护代码。此外，新增对话中导出生成图片功能，可将架构图、流程图等导出为SVG或PNG格式，便于插入文档或共享。这些新功能从不同方面优化了开发流程，提高了开发效率和协作能力。　　

【关键词】文心快码，新功能，开发效率

【摘要】　　9月1日，OSCHINA讯，面壁智能宣布正式开源8B参数的面壁小钢炮MiniCPM-V4.5多模态旗舰模型。该模型是行业首个具备高刷视频理解能力的多模态模型，号称看得准、看得快、看得长，高刷视频理解、长视频理解、OCR、文档解析能力同级SOTA，且性能超过Qwen2.5-VL72B，堪称最强端侧多模态模型。MiniCPM-V4.5亮点颇多，它是首个“高刷视频理解”多模态模型，在同等视觉token开销下，可接收6倍视频帧数量，达到96倍视觉压缩率，是同类模型的12-24倍；是最强多模态SOTA模型，图片理解、长视频理解、OCR、文档解析同级SOTA且超越Qwen2.5-VL72B；端侧友好，推理效率佳，显存占用、平均推理时间等领先；支持长思考、短思考可控混合推理，性能好、速度快。其通过将模型结构从2D-Resampler拓展为3D-Resampler，进行三维视频片段高密度压缩，增加抽帧频次，能更精准理解动态画面。在多项视频理解、图片理解、文档识别榜单中达到同级最佳或越级领先水平，还支持常规和深度思考模式，平衡性能与响应速度。技术上，3D-Resampler实现高密度视频压缩，通过控制文字信息可见度融合OCR和知识学习范式，采用通用域混合推理强化学习平衡推理能力与延迟并降低幻觉。　　

【关键词】多模态，开源，性能

【摘要】　　9月1日，OSCHINA讯，百度旗下AI搜索应用在前期测试后，以全新名称“梯子AI”上架应用市场。该应用最初于8月10日以“Tizzy.ai”之名发布，版本号从1.0.0跃升至1.2.0，功能和服 务全面升级。“梯子AI”定位为智能搜索助手，依托百度多个大模型能力开发，主打无广告智能搜索服务，整合深度思考、资源检索及影视娱乐等多功能，为用户提供“简单搜索，一触即达”的极致体验。在功能设计上，其AI双模智能搜索功能支持自动思考与深度思考双模式智能引擎，能精准分析全网信息，结合用户偏好提供个性化答案，使搜索结果高效、精准。应用注重交互体验的极简设计，简洁搜索框让用户输入问题后直达答案，全程无推广信息干扰，实现“纯净搜索”。此外，“梯子AI”构建了丰富短剧生态，网罗全球热门影视资源，用户畅看无阻，观看短剧时享受无广告、无会员、加速缓冲的沉浸式观剧体验，且应用重新设计细节，确保用户边看边搜时感受极致舒适与便捷。　　

【关键词】无广告，智能搜索，服务升级

【摘要】　　8月25日，OSCHINA讯，近日，Gitee企业版对测试管理功能进行集中优化，围绕测试用例管理、测试计划执行与测试报告生成三大核心模块，显著提升规范性、可追溯性与协作效率。在用例管理方面，支持查看用例被引用情况，用例详情页新增「测试计划」Tab，用例列表显示「被引用测试计划数」字段；每个用例版本仅对应一个评审记录，评审通过后不可修改，优化版本维护机制，用户修改已通过评审用例自动生成新版本，且系统会自动提示重新评审。测试计划上，新增用例评审限制，仅支持添加评审通过的用例，确保用例质量，支持多次执行记录，用例列表新增查看结果分布等功能，用例详情记录多次执行过程，还支持快速创建缺陷，缺陷描述自动回填步骤信息，执行记录支持富文本编辑，自动检测用例新版本并支持一键更新。测试报告方面，新增组件化报告配置功能，支持富文本总结与模板复用，可导出PDF、Excel等多种格式，线上报告列表类组件数据超100条时，PDF无法导出超100条部分，可导出Excel查看。此次更新夯实了Gitee企业版在研发测试管理场景下的流程完整性与协作效率，适合对质量管理要求高的项目团队。　　

【关键词】企业版，测试管理，升级

【摘要】　　8月25日，OSCHINA讯，近日，昆仑万维集团在SkyWork AI技术发布周推出Mureka V7.5模型，这是该发布周的压轴之作。Mureka V7.5在中文歌曲创作上能力卓越，音色、演奏技法、咬字和情感表现均有显著提升，能精准传达中文音乐艺术神韵与情感色彩，涵盖多种中文音乐风格，展现中文音乐多样性与文化特性。为提升人声真实性和情感深度，该模型优化自动语音识别（ASR）技术，精准识别唱词，分析演唱细节，增强人声自然度、呼吸感和情感表达真实性，使AI歌曲更贴近真人演唱。此外，昆仑万维语音团队推出MoE-TTS框架，这是首个基于Mixture of Experts（MOE）的角色描述语音合成框架，能让用户通过自然语言精准控制声音特征与风格，即使使用开源数据，在角色贴合度上也能对标甚至超越闭源商业产品。该框架结合预训练大语言模型和语音专家模块，实现“知识零损失”泛化理解能力，在复杂描述匹配度上表现出色，有望推动行业从“封闭标签式控制”走向“自然语言自由控制”新范式，后续计划集成至Mureka-Speech平台，为开发者和创作者提供语音合成能力。　　

【关键词】音乐创作，模型，开源数据

【摘要】　　8月25日，OSCHINA讯，近日，金山办公发布2025年半年报，呈现稳健增长态势。上半年营收26.57亿元，同比增长10.12%；归母净利润7.47亿元，同比增长3.57%；扣非净利润7.27亿元，同比增长5.77%。AI技术深度应用成效显著，截至6月30日，WPS AI月活跃用户数达2951万，较2024年底大幅增长，WPS Office全球月度活跃设备数创历史新高，达6.51亿。个人业务方面，WPS个人业务收入17.48亿元，同比增长8.38%，国内累计年度付费个人用户数和海外付费用户及收入均有增长，海外市场通过优化运营和AI权益部署提升用户增长效率。企业级市场表现亮眼，WPS365业务收入3.09亿元，同比增长62.27%，成为业务增长新引擎，在教育领域覆盖率高，服务众多高校和师生，在政企领域推出“企业大脑”解决方案，新增标杆客户，智能文档库表格识别召回准确率高。报告期内，金山办公发布WPS AI3.0和WPS灵犀，创新功能丰富，获相关奖项。公司上半年研发投入9.59亿元，同比增长18.70%，研发人员占比约66%。东吴证券和华创证券研报看好其在AI + 企业服务领域的投资价值。　　

【关键词】办公，营收，财报

【摘要】　　8月18日，OSCHINA讯，Debian13“trixie”稳定版已发布，团队宣布将在2027年发布的Debian14（代号“Forky”）中显著改进对中国龙芯CPU架构LoongArch64（简称Loong64）的支持。按规划，Loong64架构资格认证将在Forky开发周期后期进行，相关软件包将很快可提交到该版本。目前LoongArch64作为非官方移植架构已存在两年，Debian14将推动其成为官方支持架构，类似Debian13对RISC-V的支持。Debian14的“unstable”分支即将开放，开发者和维护者可提交LoongArch64相关软件包，架构资格认证在开发周期后期完成。目前约200个软件包完成初步移植，重点是实现LoongArch64架构的“自我托管”能力。LoongArch是龙芯中科自主研发的CPU指令集架构，应用于多款处理器，Debian加强对其支持，标志着国产CPU在国际主流开源操作系统适配进程中迈出重要一步，对推动自主可控计算生态有积极意义。　　

【关键词】CPU指令，龙芯，LoongArch64

【摘要】　　8月18日，OSCHINA讯，科技记者古尔曼透露，苹果正在积极测试一项创新的Siri语音控制功能，旨在为iPhone用户提供更精准操作体验，提升使用便利性。新功能基于苹果最新的App Intents技术，赋予用户强大的跨应用语音控制能力。用户可通过语音指令完成各类任务，如查找、编辑和发送特定照片，无需手动操作手机屏幕；还能在社交媒体发布评论、浏览购物应用并添加商品到购物车等，实现“无手”操作。该功能推出意味着Siri凭借强大的语音识别和自然语言处理能力，能理解更复杂指令，提升用户交互体验，用户可直接通过语音与设备互动，带来更高便利性和流畅度。　　

【关键词】苹果，Siri，语音控制

【摘要】　　8月18日，OSCHINA讯，谷歌DeepMind正式发布最新一代世界模型Genie 3。它在生成时长、分辨率和物理一致性上显著提升，支持通过文本动态改变虚拟世界事件。作为通用世界模型，Genie 3能以24帧每秒生成720P分辨率的交互式3D环境，较前代Genie 2有飞跃，最长可维持数分钟环境一致性，视觉记忆时长达一分钟。其引入“可提示世界事件”功能，用户通过文本指令可动态修改虚拟世界，增强交互性，为游戏开发者、教育工作者和AI训练提供灵活工具。Genie 3无需依赖传统物理引擎，通过大规模视频数据集训练自主学习物理规律，能高度逼真呈现多种自然效果，为AI智能体提供丰富训练场景。虽存在连续交互时间短、AI智能体交互能力有限等局限，但Genie 3被视为迈向人工通用智能（AGI）的重要一步，目前以研究预览形式向部分学者和创作者开放，未来计划扩大测试范围并探索更广泛应用。　　

【关键词】谷歌，Genie，3，世界模型

【摘要】　　8月11日，OSCHINA讯，近日，谷歌在官方开发者博客及Google I/O2025大会上宣布，Android Studio正式推出免费Agent模式，为安卓应用开发带来革命性AI辅助功能，被视为对苹果开发生态的有力挑战。该模式基于Gemini2.5Pro，通过自然语言交互帮助开发者完成复杂多步骤开发任务，能深入理解项目上下文，自动制定执行计划并完成工作流。其核心功能亮点颇多，支持自然语言任务描述、UI代码快速修改、自定义规则设置，免费版有有限上下文窗口，订阅特定服务可解锁百万Token上下文窗口。此外，还能与外部工具集成扩展功能。　　

【关键词】Agent模式，安卓开发，AI辅助

【摘要】　　8月11日，OSCHINA讯，近日，腾讯混元基础模型团队发布图像生成新框架MixGRPO。该方案将训练时间缩短近50%，还推出变体MixGRPO-Flash使训练时间降低71%，这得益于将随机微分方程（SDE）和常微分方程(ODE)相结合的创新采样策略。当前图像生成技术中效率与质量常矛盾，MixGRPO通过混合采样方法优化马尔可夫决策过程（MDP）提升训练效率，限制智能体随机探索范围减少计算开销、简化训练流程。与DanceGRPO模型相比，它在多维度显著改善，对特定去噪步骤优化可保持或提升性能，虽降低计算开销但需高阶求解器加速旧策略模型采样，采用滑动窗口策略让模型去噪时聚焦关键时间步，在图像生成多样性和质量上有进步。　　

【关键词】图像生成，混元模型，MixGRPO

【摘要】　　8月11日，OSCHINA讯，近日，小米自研声音理解大模型MiDashengLM-7B正式发布并全量开源。该模型在速度精度上实现双突破，单样本首Token延迟仅为同类模型1/4、同显存下并发超20倍，在22个公开评测集上刷新多模态大模型最好成绩。它基于XiaomiDasheng音频编码器和Qwen2.5-Omni-7BThinker解码器，通过创新训练策略，实现对语音、环境声音和音乐的统一理解。训练数据为100%公开数据，以宽松的ApacheLicense2.0发布，支持学术和商业应用。　　

【关键词】小米，开源，声音理解

【摘要】　　8月4日，OSCHINA讯，近日，中国移动发布自主研发的“九天”基础大模型3.0。“九天众擎语言大模型”架构有突破性创新，采用可扩展至万亿级的MoE架构，经多阶段配比预训练数据与全流程治理体系，推理能力显著强化。其构建二维分级后训练框架，结合动态强化学习策略，复杂推理能力提升35%。在多项评测中表现优异，如GPQA - Diamond评测全球第二等，还强化了可控生成能力，破解沉浸式角色演绎难题。基于此语言大模型，中国移动推出九天代码大模型、九天数学大模型、“九天善智多模态大模型”等专项模型，各有突出表现。目前，中国移动已将多项模型及核心技术开源，包括九天数童结构化数据大模型、九天数学大模型、九天代码大模型等，还开源评测数据及评测体系、行业场景复杂指令遵循评测数据集。　　

【关键词】中国移动，九天大模型，技术开源

【摘要】　　8月4日，OSCHINA讯，近日，统信Windows应用兼容引擎官网正式上线，标志着兼容技术从工具迭代迈向生态共建新阶段。该引擎发展历经多年，2014年deepin-wine团队以让Linux系统流畅运行Windows应用为目标，向wine上游社区提交200余个补丁，产品不断升级。2021年推出wine助手，降低wine技术使用门槛；2024年推出UOS应用迁移助手，聚焦专业场景。同年11月，UOS应用迁移助手更名为统信Windows应用兼容引擎并迭代至V3.0.4版本，功能与定位升级。2025年持续迭代至V3.3.1版本，提升技术实力与生态覆盖，如适配Proton技术、新增稳定版Proton、实现应用清单与版本标准化、降低wine应用内存占用等。官网提供使用教程、开发文档与论坛交流入口。　　

【关键词】统信系统，兼容引擎，Windows应用

【摘要】　　8月4日，OSCHINA讯，智谱发布新一代旗舰模型GLM-4.5，这是专为智能体应用打造的基础模型。官方宣称其在包含推理、代码、智能体的综合能力达到开源SOTA水平，在真实代码智能体人工对比评测中实测为国内最佳。该模型已在Hugging Face与Model Scope平台同步开源，模型权重遵循MIT License，还提供了开源仓库、模型仓库、体验地址及技术报告链接。GLM-4.5采用混合专家（MoE）架构，有GLM-4.5和GLM-4.5-Air两个模型及两种模式，API调用价格低，高速版有较高响应速度。编程能力上，虽比Claude-4稍差，但比Qwen3-Coder强，还深度优化全栈编程与工具调用能力，兼容主流代码智能体，并提供了国内外使用指南。　　

【关键词】智谱，GLM-4.5，开源模型