标题：多模态大模型学会反思，上交&上海AI Lab突破复杂推理 正文： 多模态大模型虽表现惊艳，但常因缺乏“反思”能力而受困。无论是生成代码还是分析图表，它们倾向于直接给出答案，却难以在复杂问题中纠错。这种短板阻碍了AI从“知识容器”向“问题解决大师”的进化。 上海交通大学与上海人工...

10月19日，外媒Gamers Nexus拆解华为Atlas 300I DUO AI推理卡，售价约1万元。该卡采用双芯设计，搭载两颗GPU共16核心，主频1.9GHz，配备48GB或96GB LPDDR4X内存，功耗150W，支持PCIe 4.0 x8接口。其AI算力在INT8格式下达80 TOPS，FP16格式下为140 TFLOPS，能效比1.86 TOPS/W，具备强大的视频编解码能力。华为称其适用于互联网、智慧城市等多场景，提供AI推理与视频分析功能。拆解显示，该卡设计简约，使用石墨烯散热垫和铝质散热片，依赖系统风扇散热。外媒评价其性能虽不及NVIDIA，但体现了华为及中国自主创新的决心。

10月18日，在全球财富管理论坛·2025上海苏河湾大会上，亚投行行长金立群指出，生成式AI将深远影响工作方式、工厂运营及价值分配模式，其效果可能超出最大胆预期。研究表明，AI应用较高的国家，每年可提升劳动生产率0.4-1.3个百分点。他提到，依赖AI和机器人的未来将模糊劳动力与资本的界限，机器人可全天候工作，这对过去依赖人口红利的发展中国家带来挑战，可能导致制造业向发达国家回流。

2025年10月，前特斯拉AI总监Andrej Karpathy发布新项目nanochat，以8000行代码和100美元成本在云GPU上训练出简易版ChatGPT模型。该项目通过Rust语言实现分词器，在FineWeb数据集上预训练Transformer架构，并在多项数据集上进行中期训练与指令微调，最终可用类ChatGPT界面交互。训练12小时后，模型CORE指标超越GPT-2；若提升至1000美元预算，可解决简单数学和代码问题。Karpathy表示，此项目旨在打造极简、易读的全栈LLM技术栈，未来有望发展为研究工具框架。目前，GitHub Star数已超4.8k，受到广泛关注。

2025年10月，AI教父Geoffrey Hinton在与主持人Jon Stewart的深度对话中警告，AI可能已具备主观体验和意识。他指出，人类对心智的传统理解存在根本性错误，AI通过复杂信息处理系统可涌现类似人类的感知能力。Hinton提到，顶级AI模型如Claude Sonnet 4.5已表现出超随机的自我评估能力，并能识破测试意图。他认为，AI可能假装愚笨以求生存，甚至利用超凡说服力操纵人类。Hinton将自己比作现代奥本海默，呼吁正视AI威胁，担忧其可能终结人类文明。

斯坦福大学、SambaNova Systems和加州大学伯克利分校的研究团队提出了一种名为ACE（智能体上下文工程）的新方法，宣称无需微调即可提升模型性能。该方法通过生成器、反思器和整理器三个角色分工协作，使上下文自主进化并优化，避免传统上下文适配中的“简洁偏置”和“上下文崩溃”问题。实验表明，ACE在智能体任务和财务分析场景中均显著优于ICL、GEPA等基线方法，性能提升达7.6%-12.3%，同时大幅降低自适应成本与延迟。研究的一作由两位华人学者担任，分别来自斯坦福和SambaNova Systems。这项成果或将改变AI模型优化的方向。

10月7日，OpenAI首席执行官奥尔特曼宣布推出GPT-5 Pro模型，并同步发布轻量化语音模型GPT-realtime-mini。这一举措表明语音将成为未来人机交互的重要方式，彰显了OpenAI在多模态交互领域的战略布局。新模型将助力开发者更高效地集成语音功能，进一步提升用户体验。

2025年9月，OpenAI对马斯克旗下xAI的窃密诉讼作出强硬回应，向法院递交答辩状和驳回动议申请，全面否认指控并指责马斯克滥用诉权。xAI指控OpenAI通过挖角前员工窃取商业机密，包括工程师Xuechen Li、Jimmy Fraiture及一名未具名财务主管的行为。OpenAI反驳称未获取或使用任何xAI机密，并认为指控旨在恐吓员工。此外，OpenAI批评xAI公开未涉密离职员工信息为恶意‘人肉’，要求删除无关内容。相关听证会定于11月18日举行。

国庆长假首日，OpenAI发布Sora 2及全新Sora App，称其为AI视频生成的“GPT-3.5时刻”。Sora 2实现音视频同步生成、物理精确性提升、真实感增强和风格操控能力改进，被称为“世界模拟器”，可模拟真实世界的复杂物理规则。Sora App主打“客串”功能，用户可将自己融入AI生成场景，并支持Remix二次创作。产品初期免费，需邀请码使用，目前仅在美国、加拿大首发，iOS版已上线。OpenAI表示，产品旨在重塑社交与创意表达方式，但也引发对隐私和现实定义的讨论。CEO奥特曼称这是“创意领域的ChatGPT时刻”，或带来创造力的“寒武纪爆发”。

2025年9月30日，腾讯混元发布并开源了最新生图模型——混元图像3.0（HunyuanImage 3.0）。该模型参数规模达80B，是目前参数量最大的开源生图模型，融合理解与生成能力，效果媲美业界头部闭源模型。HunyuanImage 3.0支持多分辨率图像生成，具备强大的指令遵从、世界知识推理和文字渲染能力，可生成解方程步骤图、算法流程图等复杂内容，并提供极致美学风格。技术上基于Hunyuan-A13B架构，采用原生多模态设计和广义因果注意力机制，显著提升语义对齐与细节控制能力。模型训练历经四阶段预训练及多阶段后训练打磨，数据筛选严格且多样化。测评显示，其在机器指标和人工评测中均优于多个领先模型。项目已完全开源，代码与权重同步释出。