975B Inkling、27B手机模型与ChatGPT Work：70篇AI新闻里最该看懂的3个进展
今天的新闻很多，但真正值得停下来看的，不是又多了几篇教程或几个概念，而是三条更硬的变化：超大开源模型重新定义平台竞争，端侧压缩把旗舰能力往手机里塞，AI助手则进一步从问答迈向执行。把这三条线看懂，今天其余新闻就更容易归位。
深度解读
Thinking Machines把 975B 的 Inkling 开源出来，开源模型竞争重新回到“平台级底座”
发生了什么：Thinking Machines发布开源模型Inkling、Inkling技术细节 和 TechCrunch报道 指向同一件事：Mira Murati 创办的 Thinking Machines Lab 发布了首个开源权重模型 Inkling，总参数 975B，活跃参数 41B，支持文本、图像和音频输入，上下文窗口达到 1M token。
为什么重要：这不是一次普通的“又有新模型”发布。过去开源模型常在两个方向卷：一是更便宜可跑，二是某个榜单分数更高。但 Inkling 的定位明显不同，它想做的是一个可微调、可治理、可接企业平台的底座。也就是说，开源阵营不只是在追赶闭源旗舰，而是在争“谁能成为企业默认接入的基础层”。这和同一天 Inkling上线Databricks 的消息连在一起看更清楚：模型发布、平台接入、企业治理正在同步推进，开源不再只是社区事件，而是商业分发体系的一部分。
具体细节：Inkling 采用 MoE 架构，975B 总参数里只有 41B 在单次推理中被激活，这决定了它虽然规模惊人，但成本逻辑并不等于“975B 全开”。文章还提到它支持可控思考强度、多模态输入，以及在 Tinker 上进行微调；TechCrunch 版本给出的训练规模则是 45 万亿 token，覆盖文本、图像、音频和视频。把这些细节放在一起，能看出 Thinking Machines 的目标不是做一个单点爆款，而是把模型、微调接口、托管分发和企业接入打包成体系。今天最值得记住的不是参数有多大，而是开源模型竞争正在从“谁更像闭源替代品”转向“谁更像下一层平台”。
关键数字卡
一句判断
- 开源阵营开始重新争夺企业默认底座。
- 模型、平台和治理能力正在被一起打包出售。
- 参数规模本身不是重点，分发体系才是重点。
PrismML把 27B 模型压进 3.9GB，端侧AI开始逼近“旗舰能力本地跑”
发生了什么：手机运行27B模型：智能密度提升十倍 披露，PrismML 发布 Bonsai 27B，把 27B 参数模型压缩到 3.9GB 内存占用，在保留约 90% 能力的同时，把“智能密度”做到 0.53/GB，号称达到全精度基线的 10 倍；这与 Marktechpost相关报道 形成呼应。
为什么重要：端侧AI过去的尴尬在于，真正能本地跑的模型通常太弱，而强模型又离不开云。Bonsai 27B 这类工作的重要性在于，它试图打破这条旧边界：不是把小模型再优化一点，而是把“原本属于云端旗舰”的能力拆解、量化、压缩，直到手机和笔记本也能承载。这会直接影响两个方向：一是隐私和时延更可控，二是应用层会更愿意做离线、常驻、个性化的AI交互。今天端侧新闻之所以值得看，不是因为又有人说“手机也能跑模型”，而是压缩比和保真度终于开始接近真正可用的阈值。
具体细节：Bonsai 27B 最抓眼球的数字有三个：27B 参数、3.9GB 运行内存、约 90% 能力保留。更关键的是“0.53/GB”的智能密度指标，它等于在用一个更贴近设备现实的方式评价模型，而不是只谈参数和榜单。把它和 面壁智能的端侧模型之路、阶跃推出端侧模型Step Edge 这类近期信号放在一起看，会发现行业焦点已经从“能不能端侧部署”转向“多强的模型值得被端侧部署”。如果这个方向持续推进，终端厂商、系统厂商和应用开发者之间的分工都会被改写。
压缩效果可视化
一句判断
- 端侧AI竞争开始进入“强模型压缩”阶段。
- 真正决定体验的，不再只是参数，而是每GB能换来多少能力。
- 手机本地跑旗舰模型，正在从演示走向产品规划。
ChatGPT Work上线，AI 助手竞争正在从“回答问题”转向“接管任务流”
发生了什么：ChatGPT Work上线：AI进入实际执行层 提到，OpenAI 推出 ChatGPT Work，把 Codex 的长任务处理和工具调用能力扩展到更广泛的办公场景，由 GPT-5.6 驱动，能够读取文件、调用插件、拆解任务、生成可编辑交付物，并支持长时间运行和周期任务。
为什么重要：这件事的意义不在于多了一个功能名，而在于AI助手的评价标准变了。过去大家比较的是回答质量、写作流畅度和知识覆盖面；现在更关键的是，AI能不能持续执行、能不能跨工具、能不能把中间过程收束成可交付结果。只要竞争进入这一步，产品形态就会从聊天窗口慢慢转向工作台、任务面板和自动化队列。换句话说，行业开始争的不是“谁更像聪明搜索框”，而是谁能先成为真正的数字同事。
具体细节：文章给出的关键词很直接：长任务、工具调用、文件读取、周期任务、可编辑交付物。这说明 ChatGPT Work 并不是单轮增强，而是在把模型包进一个持续运行的任务壳层里。与它形成对照的还有 SpaceXAI开源Grok Build终端代码代理工具、xAI开源Grok构建工具 以及 利用AI远程高效办公的方法：一边是平台方把Agent能力产品化，一边是工具方把代理执行环境开源，一边是重度用户已经在重构自己的工作方式。今天最重要的信号是，AI已不满足于给建议，它开始要求一个能持续接手任务的工作入口。
能力结构
一句判断
- Agent竞争开始从编码场景外溢到通用办公。
- 未来的主战场会是任务编排、权限管理和结果交付。
- 聊天框仍在，但真正的价值开始转向执行层。
快讯
- AI记忆系统新突破：将存储与回忆分离：Shadoweave团队提出分层记忆方案，把历史封存与回忆推导拆开，长时记忆基础设施仍是Agent体验瓶颈。
- 哈工大开源原生端到端全双工语音大模型：Lychee-FD把语义理解、实时响应和交互流畅度放进同一框架，语音助手离自然打断式对话又近一步。
- 国产企业梳理Agentic RL系统设计原则：Agent强化学习已从单点论文走向系统工程，工具集成和长时序决策成为重点。
- 科沃斯与苏职大联合揭牌产教融合基地：具身智能开始从企业研发扩展到课程和实训体系，人才供给正在被提前布局。
- OpenAI研究员Miles Wang拟创办AI药物发现公司：顶级研究员流向垂直创业，药物发现仍是最能吸引高估值的AI应用赛道之一。
- AI视频交互新突破：Xmax AI把视频从单向播放推进到实时互动，视频内容正在向“可操控空间”演变。
- WAIC 2026聚焦AI落地与产业转型：头部企业ROI超25%、但尾部30%亏损，说明AI产业化已明显分层。
- OpenAI用AI对抗AI提升安全性：GPT-Red把红队测试模型化，安全能力也开始走向自动化生产。
- OpenAI进军硬件市场推出两款新设备：从Codex Micro键盘到无屏音箱，OpenAI在试探新的交互入口。
- 微软销售团队计划竞逐AI市场：模型竞争已进入正面销售战，价格、集成和替代策略一起被摆上台面。
- CLaRa连续潜在推理框架：苹果在RAG方向押注连续潜在表示，目标是缩短输入同时保住答案质量。
- 阶跃星辰发布Agent手机：继昨天的系统入口话题后，Agent原生手机继续强化“终端即工作入口”的方向。
- 阿里语音交互模型Qwen-Audio 3.0升级：实时语音、共情对话和动态工具调用被同时推进，语音Agent竞争显著升温。
- 现代AI控制系统的漏洞与攻击路径：安全问题已从模型本身外溢到skills、权限、子代理和记忆这些外部壳层。
- 苹果AI服务获中国批准，将整合阿里Qwen模型：国际终端厂商与中国模型的协作继续深化，本地合规成为真正落地前提。
- 小米发布具身生成模型Xiaomi-Robotics-U0：38B多模态自回归模型把机器人数据生成与编辑打通，具身数据效率继续被拔高。