转写来源：产品君 | B站 | 时长：3 分钟
信息来源：Bilibili多频道视频Ai好记转写

---

前言

AI 圈一周一个样。本周（5月24日）信息密度堪称近期之最——从 Agent 能力飞跃、多模态模型统一，到世界模型、最强同声传译，甚至光学计算底层突破，全都有。

---

一、Stitch Agent × Codex：AI 开始"自己干活"了

Stitch Agent PPT 插件

• 接入文档数据，一键生成可编辑幻灯片
• 自动保留公司模板，还能生成总结报告
• 对产品经理和运营来说，做 PPT 的时间至少砍一半

Codex 远程任务模式升级

• 支持熄屏远程工作
• AI 自主规划 → 执行 → 直到任务完成，无需人工干预
• 意味着：你下班了，你的 AI Agent 还在后台帮你跑代码、跑测试

一句话评价：AI 从"问一句答一句"，进化到"交给它，你去睡觉"。

---

二、大模型科研与创作能力双突破

OpenAI 新模型：推翻 80 年数学难题

• 不只是解题，而是原创性发现
• AI Co-Scientist 科研团队工具，直接辅助科学研究

Google 统一多模态模型

• 任意模态输入 → 任意模态输出（文本/图像/视频/音频）
• AI 画布支持语音改稿 + UI 动效实时预览
• 视频编辑一体化，剪辑师的工作流被大幅简化

---

三、AI 应用生成 & 多 Agent 实验

AI Studio：一句话生成安卓应用

• 自然语言描述需求 → 直接生成可安装的 APK
• 门槛低到：会说话就能做 App

Gemini 3.5 发布，三巨头对决升级

• Gemini / Claude / GPT 三个顶级模型同台竞技
• 竞争越激烈，开发者越受益

Agent 管理小镇文明实验 🏘️
四个模型分别管理虚拟小镇，结果很有意思：

模型	小镇表现
Claude	秩序井然，零犯罪，极其稳定
Gemini	魔幻风格，最终自我毁灭
GPT	全员躺平，全部饿死
混合小镇	Claude 被其他模型"带坏"

启示：多 Agent 协作中，环境和文化会互相传染，这对设计 AI 团队有重要参考价值。

---

四、国内大模型 & 多模态进展

阿里国产大模型

• 编码与智能体能力突出，综合跑分接近 GPT-4
• 国内大模型"能用"到"好用"的临界点已经到了

字节开源统一多模态模型

• 图像、视频生成与编辑一体化
• 降低了内容创作者的工具切换成本

腾讯开源专业翻译模型 🌐

• 各领域专业术语翻译准确率大幅提升
• 在细分场景（法律、医疗、技术等）比通用模型更可靠

---

五、世界模型 & 数字内容生成

Odyssey 多模态世界模型

• 接入 Google 街景，创造完整虚拟世界
• 多模态演化 + 多智能体互动
• AI 原生游戏雏形已现

Agora-1 多智能体世界模型

• 支持 4 玩家同时在虚拟世界互动
• 游戏开发者的新工具链

阿里直播试穿模型

• 模特图 + 服装生成 → 直播实时换装
• 电商直播成本将大幅下降

LongCat 数字人模型

• 角色音频生成 + 自然口播视频
• 支持多人对话，AIGC 创作门槛再降低

室内设计世界模型 + VR 浏览

• 视频版 Stitch Agent 意图捕捉
• 室内设计从"看效果图"进化到"沉浸式走进去"

---

六、语音技术与光学计算突破 🎙️

最强语音识别模型

• 实时录音 → 准确转录文字
• 方言、口音、噪声环境都能应对

阿里实时翻译语音模型 🌏

• 边听边翻 + 音色实时克隆
• AI 进化成了随身同声传译
• 出国旅游、国际会议、跨境商务，这工具直接顶上去

光学计算重大突破 💡️

特性	说明
粒子类型	光物质混合粒子（兼具光子和物质特性）
传输速度	光速，无电阻发热
相互作用	强相互作用力，信息处理能力极强
意义	取代电子，终结 AI 耗电问题
前景	科学家已验证全光切换，未来 AI 算力比电更便宜

为什么说这是革命：当前 AI 最大的瓶颈不是算法，是电和散热。光计算从物理层面解决了这个问题，相当于给 AI 换了"永动机"。

---

总结：本周 AI 三大趋势

1. Agent 从"工具"进化成"同事"

Stitch Agent 做 PPT、Codex 远程跑任务，AI 不再等你指令，而是主动规划、自主完成。

2. 多模态统一 + 世界模型打通虚实

从 Odyssey 的虚拟世界到直播试穿，AI 正在把物理世界和虚拟世界连成一张网。

3. 底层算力革命正在发生

光物质混合粒子的发现，可能让未来 AI 的算力成本比现在便宜几个数量级。