开发者朋友们大家好：

这里是「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement） 领域内「有话题的技术」、「有亮点的产品」、「有思考的文章」、「有态度的观点」、「有看点的活动」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。

本期编辑：@Jerry fong，@鲍勃

01有话题的技术

1、OpenAI 新模型疑似 GPT 5.1，年底或将正式发布

OpenRouter 平台在 11 月 7 日深夜上线了一款全新隐名模型「Polaris Alpha」，被业内普遍认为是 GPT 5.1 的测试版本。

该模型目前已开放 API 调用，最大 context 容量为 256K，单次最大输出可达 128K，知识库截止时间为 2024 年 10 月，但暂不支持推理模式。

Polaris 在文本生成、文案创意和编程任务中表现稳定，文风具有典型的「GPT 系」特征。

部分用户通过测试发现，该模型在处理长文本输入时具备自我纠错能力，能够在二次运行中修正错误信息。其在编程场景下可快速生成小游戏代码，并支持网页设计，显示出一定的美学特色。

值得注意的是，OpenAI CEO Sam Altman 曾在此前明确表示，ChatGPT 将在年底推出 NSFW 模式（成人模式）。在 Polaris 的测试版本中，已有相关功能的迹象出现，这进一步加深了外界对其与 GPT 5.1 关联的猜测。

据传，GPT 5.1 预计将在 11 月中正式发布。

试用链接：

https://openrouter.ai/chat

(@APPSO)

2、谢赛宁 x 李飞飞 x LeCun 联手发布「空间超感知」AI 框架

据新智元报道，近日，谢赛宁、李飞飞与 Yann LeCun 联合发布论文《Cambrian-S：迈向视频中的空间超感知》，提出全新 AI 范式，旨在突破现有大语言模型在感官建模上的局限。

三位学者指出，当前基于 LLM 的多模态模型虽具备强大文本与图像处理能力，但在空间认知与预测性世界建模方面仍存在显著缺陷。

他们强调「超感知」是迈向超级智能的关键环节，AI 必须具备对视频流进行三维空间理解与长期记忆的能力，才能在现实场景中实现可靠应用。

团队在 Cambrian-S 框架下构建了 VSI-590K 数据集，涵盖 59 万个带有 3D 标注的训练样本，并训练了从 5 亿到 70 亿参数规模的模型。实验结果显示，其空间推理性能较基座模型提升最高达 30%，即使小规模模型也表现突出。

此外，研究团队提出「预测性感知」原型，通过潜在帧预测模块引入「惊异度」机制，用于优化记忆管理与事件切分。该方法在 VSI-Super 基准测试中已超越 Gemini 模型，显示出在长视频理解与空间智能方面的潜力。

研究者强调，单纯依赖规模化与数据扩展无法解决感知问题，开放科学与跨学科研究才是推动 AGI 的必由之路。此次合作不仅在学术界引发广泛关注，也被视为对现有 AI 技术路线的深度挑战。

(@APPSO)

3、Meta AI 推出「全语种」语音识别系统，一口气支持 1600+语言，打破全球语言壁垒！

Meta 的基础人工智能研究（FAIR）团队近日宣布推出 Omnilingual ASR，这是一款创新的自动语音识别系统，能够转录超过 1600 种口语语言。此举旨在弥合现有 AI 工具在语言覆盖上的巨大差距，正式迈向「通用转录系统」的目标。

长期以来，大多数语音识别系统仅专注于少数拥有大量转录音频资源的语言，导致全球 7000 多种语言中，有数千种几乎得不到 AI 支持。Omnilingual ASR 的发布将改变这一现状。Meta 指出，在其支持的 1600 种语言中，有 500 种语言此前从未被任何人工智能系统覆盖。

Omnilingual ASR 的性能令人瞩目：

• 在测试的 1600 种语言中，系统对 78%的语言实现了低于 10 个字符的错误率。

• 对于拥有至少 10 小时训练音频的「资源丰富」语言，这一准确率标准达到了 95%的覆盖。

• 即使是音频时长不足 10 小时的「低资源」语言，也有 36%的语言错误率低于 10 个字符的阈值，为这些群体带来了实用的语音识别功能。

情境学习：将覆盖范围扩展至 5400 种语言。Omnilingual ASR 的一个关键创新是其「自带语言」选项，该功能借鉴大型语言模型的情境学习技术。用户只需提供少量的音频和文本配对样本，系统即可直接从这些样本中学习新语言，无需重新训练或大量的计算资源。Meta 表示，理论上，这一方法有望将 Omnilingual ASR 的覆盖范围扩展到超过 5400 种语言，远远超越了当前的行业标准。

模型开源： Omnilingual ASR 以 Apache2.0 许可证发布，允许研究人员和开发者自由使用、修改和构建模型，包括用于商业用途。模型基于 PyTorch 的 fairseq2 框架构建，提供了从适用于低功耗设备的 3 亿参数版本到追求「顶级准确度」的 70 亿参数版本。

Github: 

https://github.com/facebookresearch/omnilingual-asr

（@麋鹿研究所）

02有亮点的产品

1、AI 教师「会画图」了：ChatTutor 上线，边讲边画、实时推演，教学效果直逼真人名师

AI 教育迎来质的飞跃。今日，全新一代可视化交互式 AI 教师系统——ChatTutor 正式发布，彻底打破传统 AI 问答「纯文字输出」的局限，通过右侧实时同步画板，实现「边讲解、边绘制、边推演」的类人教学体验。当用户提问「二次函数如何平移」，AI 不仅口述原理，更在画板上动态绘制曲线、标注顶点、演示变换过程——知识不再抽象，而是看得见、摸得着的视觉逻辑。

五大教学引擎，覆盖核心学科场景

ChatTutor 依托多模态生成技术，构建起覆盖多领域的智能教学矩阵：

数学可视化：函数图像、几何构造、统计图表一键生成，支持动态推导与参数调节；

物理实验模拟：即时绘制力学受力图、运动轨迹、波动传播等，将抽象定律具象化；

逻辑电路交互：可拖拽门电路元件，实时验证时序逻辑与状态转换；

编程逐行教学：支持 Python、JavaScript 等语言，边写代码边解释执行流程与错误排查；

思维导图生成：将复杂概念自动结构化，一键导出用于复习或团队协作。

评测实测：教学逻辑媲美一线教师

AIbase 实测显示，面对「讲解牛顿第二定律在斜面运动中的应用」这类复合问题，ChatTutor 先绘制斜面、标注重力分力与摩擦力，再逐步推导加速度公式，并用颜色区分矢量方向与变量关系。整个过程逻辑清晰、节奏得当，远超传统「答案搬运」式 AI 助手。

从「会答题」到「会教学」:AI 教育的分水岭

过去，AI 教育工具多聚焦于题库匹配与答案生成；而 ChatTutor 首次将教学法（Pedagogy）融入 AI 内核——通过视觉引导、分步拆解与互动反馈，模拟人类教师的启发式教学。这不仅提升理解效率，更培养用户的结构化思维能力。

AIbase 认为，ChatTutor 的出现，标志着 AI 教育正式从「信息检索工具」升级为「认知协作伙伴」。当 AI 不仅能告诉你「是什么」，还能清晰展示「为什么」和「怎么做」，知识获取的门槛将前所未有地降低。未来，无论是学生自学、教师备课，还是企业培训，这样的「可视化 AI 导师」或将成为标配。教育的智能化，正从这里真正开始。

项目地址：

https://github.com/sheepbox8646/ChatTutor

(@AIBase)

2、Google TV 正式接入 Gemini，用情境化问答革新家庭娱乐和学习方式

谷歌周一宣布，将开始在其 Google TV 流媒体播放器上推出 Gemini 语音助手，正式取代原有的 Google Assistant，此举是公司将 Gemini 整合进所有平台战略的重要一步。

此次升级旨在通过更先进的 AI 能力，使用户能够以更自然、更像对话的方式访问内容和各项功能。例如，用户现在可以提出像「我喜欢剧情片，但我妻子喜欢喜剧片。有什么电影我们可以一起看吗？」等复杂的跨情境查询，或者快速了解追看剧集的剧情，如「《古战场传奇》上一季结尾发生了什么？」.

Gemini 的功能不仅限于娱乐，它还将手机上 AI 助手的通用能力带到了电视上，用户可以提问「请给我的三年级孩子解释一下火山为什么会喷发」等学习性问题，甚至通过 YouTube 视频指导 DIY 项目或食谱。用户只需按下遥控器上的麦克风按钮即可唤醒助手，此次更新将在未来几周内向 18 岁及以上的用户推出。

这一部署是意料之中的，此前谷歌已在今年的 CES 展会上宣布 Gemini 将登陆 Google TV，并已确认其将支持包括 Walmart Onn4K Pro 流媒体设备以及未来的 2025 款海信和 TCL 电视机型。

(@AIBase)

03有态度的观点 

1、咨询巨头 CEO：不会用 AI 的员工将被清退

据《华尔街日报》报道，咨询巨头埃森哲（Accenture）CEO 朱莉·斯威特近日在面向投资者的讲话中表示，公司正在加速推动人工智能应用，并将「清退」无法掌握 AI 技能的员工。

她透露，埃森哲已为约 77.9 万名员工中的 70% 提供了生成式 AI 基础培训，但对于那些「再培训已不可行」的员工，公司将要求其离开岗位。

这一举措凸显了企业在数字化转型中的新趋势：员工不再仅担心被 AI 取代，更面临被懂 AI 的同事取代的压力。

斯威特强调，AI 技能已成为核心竞争力，公司将继续在内部推动培训和应用，以确保整体生产力和市场竞争力。

(@APPSO)

2、摩根大通 CEO：随着 AI 发展，未来发达国家每周可能只需上班三天半

据《财富》报道，摩根大通 CEO 杰米 · 戴蒙（Jamie Dimon）日前在美国商业论坛上表示，随着 AI 的快速发展，未来 20 至 40 年内，发达国家的工作周可能缩短至「三天半」。

他强调，AI 将影响「每一项应用、每一个岗位、每一位客户」，并显著提升生产效率和生活质量。

戴蒙指出，摩根大通已成为「活跃的 AI 实验室」，目前约有 2,000 名员工专职开发 AI 系统，约 15 万名员工每周使用大语言模型处理内部文档，银行已部署数百个应用场景，包括欺诈检测、法律审查、对账与营销优化等。此外，超过 20 万名员工正在使用 AI 工具，约 30 万人接受培训。

他同时警告，AI 的普及将导致部分岗位消失，企业与政府必须提前规划再培训、收入援助、岗位转移，甚至在某些情况下的提前退休，以避免社会反弹。在经济层面，戴蒙强调 AI 的建设不同于互联网，属于资本与能源密集型产业，部分项目可能因电力不足而受限。

他提醒投资者应逐案评估数据中心与 AI 基础设施，而非盲目跟风。他直言「部分 AI 项目处于泡沫」，但整体来看，技术最终将带来回报。

值得注意的是，京东创始人刘强东日前在乌镇峰会上也提出类似观点。他预测约 5 年后，中国 90% 家庭将使用智能锁，机器人可在授权后自主入户完成快递配送，届时员工每周可能仅需工作「一天甚至一小时」。

(@APPSO)

阅读更多 Voice Agent 学习笔记：了解最懂 AI 语音的头脑都在思考什么

写在最后：

我们欢迎更多的小伙伴参与「RTE 开发者日报」内容的共创，感兴趣的朋友请通过开发者社区或公众号留言联系，记得报暗号「共创」。

对于任何反馈（包括但不限于内容上、形式上）我们不胜感激、并有小惊喜回馈，例如你希望从日报中看到哪些内容；自己推荐的信源、项目、话题、活动等；或者列举几个你喜欢看、平时常看的内容渠道；内容排版或呈现形式上有哪些可以改进的地方等。

素材来源官方媒体/网络新闻