2025年11月，腾讯混元大模型团队正式发布并开源HunyuanOCR模型，这是一款商业级、轻量（1B参数）的OCR专用视觉语言模型，采用原生ViT和轻量LLM架构。其感知能力（文本检测、复杂文档解析）优于所有公开方案，语义能力（信息抽取、翻译）表现出色，荣获ICDAR 2025 DIMT挑战赛小模型赛道冠军，并在OCRBench上取得3B以下模型SOTA成绩。该模型实现三大突破：全能与高效统一、极简端到端架构、数据驱动与强化学习创新。目前，模型已在Hugging Face趋势榜排名前四，GitHub标星超700，并被vllm官方团队接入。项目提供高性能部署方案，助力科研与工业落地。

11月13日，腾讯总裁刘炽平在Q3财报电话会上透露，微信计划推出AI智能体，帮助用户完成多种任务。同日，阿里被曝将对通义APP进行全面改革，更名为“Qwen”，并整合购物功能以争夺C端市场。谷歌则推出全新AI购物功能，覆盖商品搜索到结账的全流程。三大巨头纷纷布局AI领域，标志着AI技术正从单一功能向跨场景、端到端闭环服务演进。这一系列动作显示，互联网巨头正在加速争夺AI时代的用户服务控制权，竞争已进入全面混战阶段。

9月27日至29日，第七届世界新能源汽车大会在海南海口举办期间，百度地图发布全新出行智能体——小度想想2.0。这是行业首个深度融合端到端语音语言大模型的智能出行助手。其核心优势包括：引入独家地图出行知识库与百度实时搜索数据，提升复杂意图理解能力；构建跨端记忆体，支持多场景无缝切换；升级端到端跨模态交互，实现多维度信息高效协作。实际应用中，小度想想2.0可无缝衔接手机与车机操作，记忆用户近期习惯与长期偏好，并提供个性化推荐。目前，该产品已面向智能汽车全面开放。

9月19日，小米宣布开源首个原生端到端语音大模型Xiaomi-MiMo-Audio，首次在语音领域实现基于ICL的少样本泛化。该模型通过创新预训练架构和上亿小时数据，在自然度、情感表达和交互适配方面达到拟人化水准。其突破性创新包括：证明语音无损压缩预训练可“涌现”跨任务泛化性，并开源完整语音预训练方案，包括Tokenizer、模型结构等。目前，模型已在Huggingface和Github平台开源，参数量达1.2B，支持音频重建和音频转文本任务。

2025年9月1日，阶跃星辰发布开源端到端语音大模型Step-Audio 2 mini，并在多个国际基准测试中取得SOTA成绩。该模型统一语音理解、音频推理与生成，支持语音原生Tool Calling能力，可实现联网搜索等操作。其综合性能超越Qwen-Omni、Kimi-Audio等开源模型及GPT-4o Audio，在音频理解、语音识别、翻译和对话场景中表现突出。例如，在中英互译任务上，其CoVoST 2和CVSS评分分别达39.3和29.1；语音识别任务中，中文CER为3.19，英语WER为3.50，领先其他开源模型15%以上。通过真端到端多模态架构、CoT推理结合强化学习及音频知识增强，Step-Audio 2 mini有效解决传统语音模型智商情商不足的问题，现已上线阶跃星辰开放平台并开源。

8月18日，理想汽车旗下AI助手理想同学宣布MindGPT 3.1升级为端到端智能体模型，支持边想边搜功能。新版本将智能体能力融入大模型，在推理过程中可同步调用工具，提供更快速、全面、准确的结果，每秒出字速度最高达200 tokens，较3.0版本提升近5倍。理想同学App于去年12月上线苹果App Store，今年3月网页版上线并接入DeepSeek-R1-0528最新模型，持续优化用户体验。

标题：世界机器人大会：技术路线的“非共识”之争 正文： 今年的世界机器人大会（WRC）上，机器人领域展现出多样化的产品形态和技术路线，但缺乏统一标准，形成了大量“非共识”。硬件设计分化出不同场景适配方案，软件算法则在VLA、端到端模型和仿真数据训练等方面分道扬镳。这种发散状态虽看似混乱，却是新兴...

标题：一句话生成播客，豆包·播客模型太逼真了！ 家人们，又一款有趣的AI来了——火山引擎发布了豆包·播客模型！只需一句话，就能生成高质量的播客内容。无论是实时热点讲解、超长文本概括，还是开放式话题反应，豆包·播客模型都能轻松应对。 例如，根据“亚朵酒店致歉”生成的播客，AI展现出清晰的态度和专业性；...

4月1日，中信建投指出，预训练大模型的边际收益因Scaling Law接近瓶颈，智能体（Agent）成为大模型厂商的新发力点。Agent技术历经三阶段演进：工作流+预训练模型、工作流+推理模型，再到端到端智能体+推理模型。第三代智能体代表如OpenAI Deep Research，展现出巨大潜力。得益于国产推理模型的支持，国产第三代智能体预计将在4月迎来集中发布，并展现强劲竞争力。

3月6日，智平方宣布完成新一轮过亿元Pre A+轮融资，投资方包括敦鸿资产、云启资本和国投创盈等。智平方是国内最早探索端到端VLA技术路线的企业，2024年实现搭载端到端VLA具身大模型的智能机器人商业化。2025年初，智平方在两个月内迅速完成两轮数亿融资。本轮融资将用于加速端到端VLA模型迭代及推动具身智能机器人商业化。智平方自主研发的AI2R Brain具身大模型已部署于Alpha Bot系列机器人，最新产品Alpha Bot 1S融合了轮式设计和高自由度机械臂。智平方已签约多家国内外一线车企、高端制造企业及互联网巨头，并实现数千万级别收入。智平方创始人郭彦东博士曾任小鹏汽车和OPPO首席科学家，团队汇集了AI、机器人和智能终端领域的顶尖人才。