DeepSeek 再发新论文，智谱登顶全球榜首，Claude 开始接管电脑！| AI Weekly 1.12-1.18

📢 本周 AI 快讯 | 1 分钟速览🚀

1️⃣🧠 DeepSeek 发布 Engram 论文：提出条件记忆新稀疏轴，将静态知识与动态推理解耦，Engram-27B在等参数约束下全面超越 MoE 基线。

2️⃣🖼️ 智谱联合华为开源 GLM-Image：首个全国产算力训练的 SOTA 文生图模型，开源不到 24 小时登顶 Hugging Face Trending 榜首。

3️⃣📱 千问 App 月活破亿：全面接入淘宝、支付宝、飞猪、高德等阿里生态，上线超 400 项 AI 办事功能，率先实现端内闭环 AI 购物。

4️⃣🐱 美团开源 LongCat-Flash-Thinking-2601：560B 参数 MoE 架构，AIME-25 满分，部分能力超越Claude-Opus-4.5-Thinking。

5️⃣🎬 Vidu 上线一键生成 MV：多智能体协作分钟级出片，全程无需人工干预，相当于端到端虚拟制片厂。

6️⃣📺 ChatGPT 将投放广告：OpenAI 宣布在免费版和 Go 版测试广告功能，Plus、Pro 及企业版不受影响。

7️⃣💵 ChatGPT Go 全球上线：8 美元/月，仅为 Plus 的 40%，提供准 Plus 体验但会展示广告。

8️⃣🌐 ChatGPT Translate 低调上线：无需登录即可使用，主打理解语气和上下文，支持一键风格调整。

9️⃣🤖 Anthropic 发布 Claude Cowork：定位「Claude Code for the rest of your work」，让普通用户也能使用 AI Agent 自主操作文件。

1️⃣0️⃣✨ Gemini 推出「个人智能」功能：跨应用整合 Gmail、Photos、YouTube 等用户数据，无需指定来源即可理解上下文。

1️⃣1️⃣🔤 谷歌开源 TranslateGemma：基于Gemma 3架构，12B 版本超越 27B 基线，支持 55 种语言互译。

1️⃣2️⃣⚡ xAI Colossus 2 投入运行：全球首个吉瓦级 AI 训练集群，部署超 55 万块 NVIDIA GPU，采购成本约 180 亿美元。

01｜DeepSeek 发布 Engram 论文，让大模型「查字典」取代「硬算」

1 月 12 日，DeepSeek 发布论文「Conditional Memory via Scalable Lookup」，提出 Engram 模块，将经典 N-gram 嵌入现代化为 O(1) 常数时间查找的条件记忆系统。该模块与 MoE 的条件计算形成互补，专门处理静态模式检索，让神经网络专注于复杂推理。论文由创始人梁文峰共同署名，代码已在 GitHub 开源。

Engram 的三项核心技术包括 Tokenizer 压缩（将「Apple」和「apple」映射为同一概念，减少 23% 词汇量）、多头哈希（避免不同模式的碰撞）以及上下文感知门控（根据当前语境过滤检索结果）。实验显示最优配比为 75-80% 参数用于计算、20-25% 用于记忆。Engram-27B在知识、推理、代码和数学任务上均超越同参数 MoE 基线，复杂推理准确率从 70% 提升至 74%。该模块支持将大规模嵌入表卸载至主机内存而非 GPU 显存，推理开销极低，被视为可能引发新一轮「DeepSeek 时刻」的架构突破。

02｜智谱联合华为开源「GLM-Image」，首个全国产算力训练的 SOTA 文生图模型

1 月 14 日，智谱联合华为开源图像生成模型GLM-Image，基于昇腾 Atlas 800T A2 和昇思 MindSpore 框架完成从数据预处理到大规模训练的全流程，是首个在国产芯片上完成全程训练的 SOTA 多模态模型。开源不到 24 小时即登顶 Hugging Face Trending 榜首，系国产芯片训练模型首次在国际开源社区获此成绩。

模型采用「自回归 + 扩散解码器」混合架构，融合 9B 自回归模型与 7B DiT 解码器，在复杂指令理解和汉字生成上表现突出，原生支持 1024 至 2048 尺寸任意比例输出。API 调用价格 0.1 元/张，已在 GitHub 和 Hugging Face 全面开源。

03｜「千问 App」接入阿里全生态，月活破亿后上线 400 项 AI 办事功能

1 月 15 日，千问 App 宣布全面接入淘宝、支付宝、淘宝闪购、飞猪、高德等阿里生态业务，实现点外卖、购物、订机票等端内闭环交易。用户只需一句话指令，千问即可调用淘宝闪购下单并通过支付宝「AI 付」完成支付，无需跳转其他 App。谷歌此前宣布与沃尔玛的 AI 购物合作计划尚未落地，千问率先实现了多品类 AI 购物功能。

千问 C 端事业群总裁吴嘉透露，上线不到 2 个月，千问月活已突破 1 亿。此次升级同步上线超 400 项 AI 办事功能，涵盖购物推荐、出行规划、政务服务等场景，还接入支付宝 50 项民生服务。「任务助理」功能已开始定向测试，支持报表整理、研报撰写等复杂任务，测试结束后将免费开放。

04｜美团开源「LongCat-Flash-Thinking-2601」，部分能力超越 Claude Opus 4.5

1 月 16 日，美团 LongCat 团队发布并开源LongCat-Flash-Thinking-2601，总参数 5600 亿，激活参数约 270 亿，采用 MoE 架构。该模型在智能体工具调用、搜索和数学推理等核心评测中均达到开源 SOTA，在复杂随机任务的泛化能力上超越Claude-Opus-4.5-Thinking。

模型核心创新是「重思考」模式，可同时启动 8 条独立推理路径并行思考，再通过强化学习优化的总结模块进行合成迭代。具体成绩包括 AIME-25 满分 100、IMO-AnswerBench 86.8 分、BrowseComp 73.1 分均为当前最优。模型权重以 MIT 协议开源，可在龙猫官网免费体验。

05｜生数科技「Vidu」上线一键生成 MV 功能，多智能体协作分钟级出片

1 月 14 日，生数科技宣布 Vidu AI 开放平台上线「一键生成 MV」功能。该工具基于多智能体系统架构，用户只需提供音乐、最多 7 张参考图和文本指令，系统即可在分钟级时间内自动输出叙事连贯、音画同步的完整 MV。

系统内部包含四个协作智能体：导演智能体解析音乐结构与歌词，规划叙事脉络；分镜脚本智能体生成景别、运镜和时长描述；视觉生成智能体基于参考图保持角色和风格一致性；剪辑合成智能体负责节奏卡点、转场特效和动态字幕。全程无需人工干预，相当于一个端到端的虚拟制片厂。Vidu 目前全球用户累计生成视频数已突破 4 亿条。

06｜OpenAI 确认 ChatGPT 将投放广告，免费版和 Go 版率先试水

1 月 16 日，OpenAI 宣布将在未来几周内开始测试 ChatGPT 广告功能，面向美国成年用户的免费版和 8 美元/月的 Go 版。Plus、Pro、Business 和 Enterprise 订阅不受影响。广告将以「Sponsored」标签显示在回答底部，基于当前对话内容进行个性化推荐，但不会出现在健康、心理健康和政治等敏感话题中。

这是 OpenAI 商业模式的重大转向。公司承诺广告不会影响 ChatGPT 的回答内容，也不会向广告商出售用户数据，用户可随时关闭个性化或清除广告相关数据。CEO Sam Altman 曾称 AI 与广告结合「令人不安」，但面对未来十年 1.4 万亿美元的基础设施支出和 8 亿月活用户的变现压力，广告成为不得不走的一步。

07｜「ChatGPT Go」全球上线，8 美元/月提供准 Plus 体验

1 月 16 日，OpenAI 宣布 ChatGPT Go 订阅方案正式面向美国及全球市场开放，定价 8 美元/月，仅为 Plus 版 20 美元/月的 40%。该方案最早于去年 8 月在印度推出，随后覆盖 171 个国家，此次扩展至全球所有 ChatGPT 可用地区。

Go 版提供消息发送、图像生成、文件上传和记忆功能，核心体验接近 Plus，但会展示广告。对于不想付费又嫌免费版限制太多的用户，Go 版填补了中间档位的空白。Plus、Pro 及企业版用户不受广告影响。

08｜OpenAI 低调上线「ChatGPT Translate」，直接对标谷歌翻译

1 月 14 日，OpenAI 悄然推出独立翻译工具 ChatGPT Translate，可直接访问，无需登录或付费。界面采用与 Google Translate 类似的双栏布局，支持几十种语言的文本翻译，具备自动语言检测功能，官方称还将支持语音和图片翻译。

与传统翻译工具不同，ChatGPT Translate 主打「理解语气、习语和上下文」，提供一键风格调整，可将译文改写为商务正式、学术风格或儿童友好版本。不过目前功能尚不完整，图片和文件翻译暂未开放，语言数量也远少于 Google Translate 的 240 种。这次低调上线可能是 OpenAI 在正式发布前的测试阶段。

09｜Anthropic 发布「Claude Cowork」，将 Claude Code 能力扩展到普通用户

1 月 12 日，Anthropic 发布 Claude Cowork，定位为「Claude Code for the rest of your work」。用户只需授权 Claude 访问电脑上的特定文件夹，即可让 AI 自主读取、编辑和创建文件，无需命令行操作。典型场景包括整理下载文件夹、从收据截图生成费用表格、从散乱笔记起草报告等。最初仅面向 Max 订阅用户开放，1 月 16 日已扩展至 20 美元/月的 Pro 用户。

Cowork 基于 Claude Agent SDK 构建，底层架构与 Claude Code 相同，通过 Apple VZVirtualMachine 实现文件系统沙盒隔离。Anthropic 透露，整个产品由团队使用 Claude Code 在约 10 天内完成开发。目前仅支持 macOS，Windows 版本尚无明确时间表。Anthropic 在公告中坦承提示注入攻击和误删文件的风险仍存在，建议用户给出明确指令并谨慎授权敏感文件。

10｜谷歌 Gemini 推出「个人智能」功能，跨应用整合用户数据提供个性化回答

1 月 14 日，谷歌宣布 Gemini 新增「Personal Intelligence」功能，可连接 Gmail、Google Photos、YouTube 和 Search，跨应用整合用户数据进行推理，无需用户指定数据来源即可理解上下文。例如询问轮胎规格时，Gemini 不仅能查到参数，还会根据 Photos 中的家庭旅行照片推荐全天候轮胎，甚至从照片中提取车牌号。

该功能默认关闭，用户可自主选择连接哪些应用。谷歌强调不会直接使用 Gmail 邮箱或相册内容训练模型，仅在生成回答时引用相关数据。目前面向美国 Google AI Pro 和 Ultra 订阅用户开放测试，后续将扩展至免费用户和更多国家。

11｜谷歌开源「TranslateGemma」翻译模型，12B 版本性能超越 27B 基线

1 月 15 日，谷歌发布基于Gemma 3架构的开源翻译模型系列TranslateGemma，提供 4B、12B 和 27B 三种参数规模，支持 55 种语言互译。在 WMT24++ 基准测试中，12B 版本的 MetricX 得分为 3.60，超越 27B 基线模型的 4.04，错误率降低约 26%；4B 版本性能与 12B 基线相当，可在手机端运行。

模型通过两阶段微调训练，先在混合人工翻译和 Gemini 生成的高质量合成数据上进行监督微调，再通过强化学习优化翻译质量。TranslateGemma继承了Gemma 3的多模态能力，无需额外训练即可翻译图像中的文字。4B 版本面向移动端部署，12B 可在消费级笔记本运行，27B 需单卡 H100 或 TPU。模型已在 Kaggle、Hugging Face 和 Vertex AI 开放下载。

12｜「xAI Colossus 2」正式投入运行，成全球首个吉瓦级 AI 训练集群

1 月 17 日，马斯克宣布 xAI 的 Colossus 2 超级计算机已投入运行，成为全球首个达到 1 吉瓦功率的 AI 训练集群。该设施位于田纳西州孟菲斯，部署超过 55 万块 NVIDIAGB200和GB300GPU，采购成本约 180 亿美元。4 月将升级至 1.5 吉瓦，最终目标是容纳 100 万块 GPU。

这一规模远超 Colossus 1 的 23 万块 GPU 和 300 兆瓦功率。1 吉瓦相当于 75 万美国家庭的用电量，为解决电力瓶颈，xAI 在密西西比州南黑文自建天然气发电厂并部署 Tesla Megapack 储能系统。NVIDIA CEO 黄仁勋曾评价 Colossus 的建设速度「超人类」，首期工程仅用 122 天完成，而行业平均需要 4 年。