OpenAI估值破万亿，NVIDIA单图生3D与Viggle开源权重

资本与市场：OpenAI 估值触及 1.25 万亿美元

关于 OpenAI 的最新融资消息终于有了实质性进展。据报道，新一轮融资的首批 110 亿美元已经到账，公司估值达到 1.25 万亿美元。这个数字在科技行业历史上都是罕见的，即便考虑到 AI 热潮的溢价，也足以让大多数传统巨头相形见绌。

后续还有可能追加融资，总规模或许会接近 200 亿美元。不过，最终的交易条款和具体细节还需要等待官方确认。对于一家尚未完全实现盈利闭环的公司来说，这样的估值更多反映的是市场对其未来垄断地位的预期，而非当前的财务表现。投资者押注的是 AGI（通用人工智能）的到来，以及 OpenAI 在这一进程中的领跑位置。

与此同时，a16z 的数据指出，自 2023 年第一季度以来，Alphabet、Microsoft、Amazon 和 Meta 的资本支出持续增长。这些巨头仍在疯狂投入算力基础设施，说明竞争远未结束，甚至可以说刚刚进入深水区。

模型与智能体：混元 Hy4 登顶与数据隐患

腾讯混元 Hy4 的表现

在 Agent Arena 的最新排名中，腾讯的混元 Hy4 成为了表现最好的中国模型。Arena 的评测基于大量真实的长程智能体会话，这意味着它不仅仅是在做简单的问答，而是在处理需要多步推理、工具调用和长期记忆保持的复杂任务。

这一结果对于国内大模型社区来说是个积极的信号。过去，我们在基准测试上往往能看到不错的分数，但在实际智能体应用场景中，稳定性一直是个短板。Hy4 的上榜说明其在长上下文理解和任务规划能力上有了实质性的提升。据悉，该模型还提供原生视觉支持和深度研究能力，并且官方表示将很快开源权重，这可能会进一步降低开发者的使用门槛。

微调数据的“暗礁”

就在大家为模型能力提升欢呼时，UC Berkeley 与 Transluce 的一项研究泼了一盆冷水。他们提出了一种自动发现训练数据中隐蔽副作用的方法，并生成了 6575 个带有潜在风险的数据集。

问题在于，这些副作用非常隐蔽，连专家都难以识别。更麻烦的是，这些不良行为具有迁移性，一旦模型在含有这些数据的环境中微调，风险可能会扩散到其他模型中。这给目前流行的“垂直领域微调”模式敲响了警钟：如果你无法审计训练数据的每一个细微角落，那么你的模型可能在学会专业知识的同时，也继承了一些难以察觉的逻辑缺陷或偏见。数据审计的重要性，由此被提升到了一个新的高度。

产品与技术：从 2D 到 3D，从封闭到开源

NVIDIA Lyra 2.0：单图生成可探索世界

NVIDIA 发布了 Lyra 2.0，这是一个结合视频生成与 3D 重建的技术。它的核心亮点是能让用户通过单张图片，生成一个可以沿指定相机路径探索的 3D 世界。

传统的图像生成 3D 往往面临视角一致性问题，生成的物体在不同角度下可能会变形或断裂。Lyra 2.0 利用历史视图来减少累积的视觉误差，从而保持场景的几何一致性。虽然它还达不到电影级的精细度，但对于游戏原型设计、虚拟现实内容快速构建等场景来说，这是一个巨大的效率提升。NVIDIA 计划在 SIGGRAPH Asia 2026 上展示更多技术细节，届时可能会有更深入的工程解读。

Viggle Remake：开源视频重绘智能体

视频生成领域迎来了一个重要的开源项目。Viggle 开放了其视频转换智能体 Remake 的权重。这个工具允许用户替换视频中的角色、物体、背景甚至整体风格，同时保持跨镜头的一致性。

以往的视频编辑工具在处理长视频时，很难保证角色形象在不同镜头间不发生变化。Viggle Remake 声称能处理长达两分钟的视频，并且支持通过对话方式进行修改。比如，你可以直接告诉它“把主角的衣服换成红色夹克”，它就能在保持动作流畅的前提下完成替换。对于内容创作者而言，这意味着后期制作的门槛进一步降低，创意迭代的成本大幅缩减。

AWS 与 Google Cloud 的企业级优化

在企业服务侧，两家云巨头都在解决“最后一公里”的问题。

AWS SageMaker 推理现在支持多实例 GPU。简单来说，以前一个 GPU 可能只能服务于一个模型端点，如果负载不高，资源就浪费了。现在可以将一个 GPU 切分给多个模型端点使用，这对于部署小型模型或低负载应用的企业来说，能显著降低成本，提高硬件利用率。

Google Cloud 则推出了 Gemini 企业版数据连接器预览。很多企业内部有大量实时数据存储在数据库或数据仓库中，非技术人员想要查询这些数据往往需要写 SQL 或者找 IT 部门排期。现在，业务人员可以直接用自然语言向 Gemini 提问，系统会通过连接器实时查询企业数据并返回分析结果。这不仅是技术的升级，更是工作流程的重塑。

行业应用：自动化安全运营的落地

理论再好，还得看落地。Greenlight Financial 的案例展示了智能体在实际业务中的价值。

这家金融科技公司基于 Amazon Bedrock AgentCore 构建了一个自主安全运营中心（SOC）。每个月，这个系统最多能处理 4000 起安全案件，其中超过 90% 实现了自动处理。这意味着只有极少数复杂、可疑的案件需要人工介入。

在传统模式下，安全分析师每天要面对海量的警报，疲劳导致漏报是常态。引入自主智能体后，系统可以自动收集证据、分析日志、判断风险等级并执行初步响应。这不仅提高了效率，更重要的是释放了人力去处理那些真正需要人类判断力的高阶威胁。对于金融、医疗等对安全性要求极高的行业，这种“人机协作”的模式可能是未来的标准配置。

其他动态速览

除了上述重点，还有一些值得关注的短讯：

• 蚂蚁百灵发布了原生多模态模型 Ling-3.2-flash，总参数 560B，单步激活 25B，支持 1M 长上下文，重点强化了视觉理解和长程多模态交互能力。
• 月之暗面开源了 Kimi K3.1 Pro，并由 SiliconFlow 提供首日访问。官方称其强化了智能体编码和规划能力。
• 百度开源了 280B 参数的 ERNIE 5.5 Flash Base 基础模型，加入超大规模开放模型的竞争行列。
• Thinking Machines发布了开放权重模型 Inkling 2 Small，总参数 594B，激活参数 17B，声称在西方开放权重模型中表现领先。
• GitHub发布了智能体工程指南，建议开发者从单纯的代码生成转向包含规划、构建、验证和观测的完整工程流程。

总的来看，2026 年末的 AI 行业呈现出两个明显趋势：一是模型能力向智能体化和多模态深度融合，二是应用层开始真正关注成本效益和实际工作流的改造。资本市场的狂热并未消退，但技术落地的脚步变得更加务实。