ListenHub：让编辑 AI 播客像用 Word 一样简单；前天猫精灵总裁创业：运动可穿戴 +智能体切入通用智能丨日报

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、MiniMax 开源模型 MiniMax-M2

在大模型竞赛从「拼参数」转向「拼效率」的关键节点，MiniMax 于 10 月 27 日发布新一代开源推理模型 M2，以精准的工程取舍，锚定智能 Agent 这一下一代 AI 应用的核心战场。

M2 采用混合专家架构（Mixture-of-Experts， MoE），总参数量达 2300 亿，但每次推理仅激活 100 亿参数，实现高达每秒 100 个 token 的输出速度——这一性能指标使其在实时交互场景中具备显著优势。尤为关键的是，M2 专为智能 Agent 设计，强化了在行为决策、多轮任务规划与环境交互中的推理连贯性与响应效率，为构建真正自主的 AI 智能体提供底层引擎。

值得注意的是，相比前代 M1 模型，M2 在上下文窗口上做出战略调整：从 M1 支持的 100 万 token 大幅缩减至 20.48 万 token。这一变化并非技术倒退，而是 MiniMax 在长文本处理、推理速度与部署成本之间做出的务实权衡。M1 虽以「百万上下文」创下纪录，但高资源消耗限制了实际落地；而 M2 则聚焦高频、高响应的 Agent 任务，在保证足够上下文长度的同时，大幅提升吞吐效率与经济性。

作为开源模型，M2 进一步降低了开发者构建定制化智能体的门槛。无论是打造具备复杂任务链的虚拟助手、自动化工作流机器人，还是嵌入企业系统的决策 Agent，开发者均可基于 M2 快速迭代，灵活调优。

MiniMax 明确将 M2 定位为「Agent 时代的推理基座」。在 AI 正从「问答工具」迈向「行动代理」的浪潮中，M2 的推出不仅是一次模型升级，更是对下一代 AI 应用范式的押注——当智能体需要快速思考、持续行动、高效交互，速度与成本，或许比上下文长度更为关键。

2、inclusionAI 发布 Ming-flash-omni Preview 模型

蚂蚁集团 inclusionAI 发布了 Ming-flash-omni Preview 模型，基于 Ling-Flash-2.0 构建，总参数量为 100B，其中每个 token 仅激活 6B 参数。与前代模型相比，Ming-flash-omni Preview 在多模态理解和生成方面展现出实质性提升，并在视觉-文本理解、图像生成、音频理解和文本转语音能力方面表现出竞争力。

该模型在多模态能力上进行了关键优化，特别是在语音识别方面，实现了上下文 ASR（ContextASR）和方言感知 ASR 的 State-of-the-Art 性能，在全部 12 个 ContextASR 基准测试中均设定了新的 State-of-the-Art 性能，并显著提升了对 15 种中文方言的识别性能。在图像生成方面，Ming-flash-omni Preview 引入了高保真文本渲染，并在图像编辑过程中展示了场景一致性和身份保留方面的显著增益。此外，模型引入了生成式分割（Generative Segmentation），该能力不仅实现了强大的独立分割性能，还增强了图像生成中的空间控制，并改善了编辑一致性。

Ming-flash-omni Preview 支持图像、文本、视频和音频作为输入模态，并支持图像、文本和音频作为输出模态，可用于流媒体视频对话、音频上下文 ASR 与方言 ASR、音频语音克隆以及图像生成与编辑等用例。该模型的预览版本已发布。

3、谷歌推出 Earth AI 新模型，强化地理空间推理能力

日前，谷歌宣布在 Google Earth 和 Google Cloud 平台扩展其「Earth AI」能力，推出新一代地理空间 AI 模型与推理智能体。该系统结合基础模型与多模态推理，旨在为复杂的全球性问题提供可行的建议。

谷歌表示，Earth AI 的核心在于将影像、人口与环境等多领域模型与推理 Agent 结合。

Agent 可将自然语言问题分解为多步计划，调用不同模型与地理空间工具，并融合结果生成整体答案。例如，在预测飓风登陆及评估受影响社区时，系统可同时调用天气预测、人口动态与卫星影像识别关键基础设施。

据介绍，此次更新包括两大新模型：

影像基础模型：支持自然语言查询卫星图像，提升超过 16% 的文本检索准确率，并在零样本目标检测中将基线精度提升一倍以上；
人口动态模型：覆盖 17 个国家，提供月度更新的嵌入向量，用于捕捉人类活动变化。在独立研究中，该模型将巴西登革热长期预测的 R² 指标从 0.456 提升至 0.656。

此外，Google 强调多模型融合的预测能力。例如，将人口动态与地貌特征结合后，对美国联邦紧急事务管理署（FEMA）国家风险指数的预测准确率平均提升 11%，其中龙卷风风险预测提升 25%，河流洪水风险提升 17%。

在评估中，Earth AI 的地理空间推理代理在问答基准测试中取得 0.82 的整体准确率，显著优于 Gemini 2.5 Pro 的 0.50 和 Gemini 2.5 Flash 的 0.39。

目前，Earth AI 已被联合国 Global Pulse、GiveDirectly 等组织用于灾害响应与公共健康研究，并吸引了包括 Public Storage、CARTO 和 Visiona Space Technology 在内的企业用户。

(@ APPSO)

02有亮点的产品

1、OpenAI GPT-5 强化心理健康响应，不当回答骤降 65%

OpenAI 近日发布了其最新模型 "gpt-5-oct-3"，本次升级的核心在于对心理健康话题回应进行了突破性的改进。OpenAI 披露的数据显示，用户对心理健康的求助需求巨大且严峻：每周约有 0.15% 的活跃用户对话中出现明确的潜在自杀计划或意图迹象，这相当于每周约有 100 万人正在与 ChatGPT 讨论自杀相关话题。

为解决这一攸关生命的问题，OpenAI 联合了来自全球 60 个国家的 300 位心理健康专业人士对 GPT-5 模型进行了深度优化。改进成果令人鼓舞，模型在三大关键领域——包括严重的心理健康症状（如幻觉、躁狂、妄想）、自杀与自伤倾向，以及对 AI 的情感依赖——的表现均有大幅提升。

具体而言，相关「不安全回应」减少了 65%；在自杀相关测试中，GPT-5 的合规率高达 91%，相较于 GPT-4o 的 77% 有了显著飞跃；此外，经专家评估，GPT-5 的不当回答比 GPT-4o 减少了 52%。针对具体症状，精神病与躁狂对话的不当回应减少 65%，而 AI 情感依赖类对话的不当回应更是大幅减少了 80%。

这次对 GPT-5 在心理健康响应上的重大升级，标志着人工智能在处理敏感和高风险话题方面迈出了重要一步，凸显了 OpenAI 在推动 AI 安全性和负责任部署方面的坚定承诺。

2、前天猫精灵总裁创业：运动可穿戴 + Agent 智能体切入通用智能

据 36 氪报道，前阿里巴巴集团副总裁、天猫精灵总裁彭超已于近日创立新公司「云玦科技」，并计划通过运动 AI 硬件切入通用智能赛道。

该项目于 10 月中旬启动，首款产品定位为运动可穿戴设备与 Agent 智能体的结合，旨在让 AI 在高速、高频运动场景中承担跟踪、规划、分析和执行等角色，并具备自进化能力，未来可迁移至更广泛的物理空间。

知情人士透露，「云玦科技」的产品形态仍在设计中，但方向并非单一硬件，而是「一套产品组合」。这一思路契合 2025 年以来 AI 大模型在 Agentic use 方向的趋势，即从被动响应指令进化为主动规划和执行复杂任务。随着小参数量推理模型（SLM）的成熟，AI 正逐步从工具向助理转变。

联合创始人齐炜祯曾是微软与中科大联合培养博士，提出过 MTP（Multi-token Prediction）架构，该方法已被 Deepseek V3、Qwen-3-Next 等大模型采用。他在非自回归生成加速、多模态智能体和端到端推理加速方面也有开源经验。

彭超此前在华为和阿里均有丰富的硬件与 AIoT 业务经验。在阿里任职期间，他主导将达摩院大模型引入天猫精灵，并推动集团智能互联业务的搭建，实现硬件毛利转正和软件订阅规模化收入。

(@ APPSO)

3、ListenHub ：让编辑 AI 播客像用 Word 一样简单

来自 ListenHub 创始人@oran_ge：

自 ListenHub 五月上线以来，用户呼声最高的功能就是编辑模式。

AI 生成的播客很酷，但编辑起来真的很令人沮丧。改动几个字就可能导致声音合成出错，更换声音或增加段落更是基本不可能。这就像给了你一辆跑车，却没有给你方向盘。

过去几个月，我们一直在思考如何以最简单的方式实现对 AI 音频内容的编辑。ListenHub 全新的编辑模式正式上线。我们彻底重构了编辑体验，目标只有一个：让编辑 AI 播客像使用 Word 一样简单。

两大核心功能：

像导演选角一样分配声音
你可以为播客设定多个角色，为每一句话单独指定声音。想做一期三国主题的播客？让曹操和刘备直接对话——单击一下即可更换人物。
像作家一样自由构建故事
想增加更多内容？将鼠标悬停在两段之间，单击一下即可插入新素材。觉得太啰嗦？直接删除即可，就像在 Word 里按下删除键一样干脆。

ListenHub 编辑模式的位置：

生成一期播客后，在播客脚本页面的右上角，就能看到「编辑」按钮啦。编辑功能为 ListenHub 付费用户专享功能，付费用户还可享受定制音色、API 调用等多种福利，欢迎订阅 ListenHub Pro。

使用链接：

https://listenhub.ai/zh

( @oran_ge)

03有态度的观点

1、R 星母公司 CEO：AI 是「好事」，但永远不具备创造力

据 PC Gamer 报道，R 星母公司 Take-Two 董事长兼 CEO Strauss Zelnick 在昨日于加州门洛帕克举行的 Paley International Council Summit 上表示，人工智能虽能为游戏开发带来效率提升，但其本质是「大数据集与计算能力结合的语言模型」，无法真正创造热门作品或展现创造力。

Zelnick 强调，AI 的预测模型依赖既有数据，因此「数据集是回顾性的，而创造力则是前瞻性的」。他指出，AI 在拥有大量清晰数据时表现出色，但在数据不足时能力有限，因此「AI 看似前瞻，实则只是预测模型」。

他进一步形容当前的 AI 热潮为「元数据与戏法的结合」，并预测随着时间推移，公众会逐渐习惯其存在，就像当年对 Google 的接受过程一样。尽管如此，Zelnick 并未否认 AI 的价值，他称其为「对所有行业而言都是一件好事」，但明确表示「不会重现或创造天才，也不会制造爆款」。

在就业影响方面，Zelnick 认为 AI 不会减少岗位，反而会增加。他以农业为例指出，1865 年美国 65% 的劳动力从事农业，而如今仅有 2% 的劳动力即可满足国内外需求，社会并未因此出现就业危机。

整体来看，Zelnick 的立场既非全盘否定，也非盲目乐观，而是强调 AI 的局限性与辅助价值，凸显其在效率层面的潜力，而非创造力的替代。

(@ APPSO)