AINews - 2026-04-29
📰 十大AI新闻要点
1. OpenAI 打破 Azure 独家协议，模型将登陆 AWS Bedrock
OpenAI 更新了与微软的合作伙伴关系，微软仍为主要云服务商，但 OpenAI 现在可以跨所有云平台提供产品。产品/模型承诺延长至 2032 年，收入分成至 2030 年。AWS CEO @ajassy 确认 OpenAI 模型将在未来几周内登陆 AWS Bedrock。这标志着 OpenAI 分销策略的重大转变，旧版 AGI 条款实际上已失效。
2. GPT-5.5 性能全面升级但非绝对领先
社区评测显示，GPT-5.5 无思考模式在 WeirdML 上达到 67.1%（GPT-5.4 为 57.4%），但仍落后于 Opus 4.7 的 76.4%。LMSYS Arena 排名显示 GPT-5.5 在代码领域第 9、数学第 3、搜索第 2。开发者反馈在 GPU 内核等硬编码任务上表现积极，但无思考模式存在“压缩 CoT 泄漏”问题。
3. GitHub Copilot 将于 6 月 1 日转向按用量计费
GitHub 宣布 Copilot 将从 6 月 1 日起采用基于使用量的计费模式，这是对代理工作流消耗更多运行时的直接回应。同时，Codex 使用乘数被记录：GPT-5.4 fast 为 2x，GPT-5.5 fast 为 2.5x，而 5.4-mini 和 GPT-5.3-Codex 则便宜得多。
4. 小米开源 MiMo-V2.5 系列模型，MIT 许可+1M 上下文
小米开源了 MiMo-V2.5-Pro 和 MiMo-V2.5，均采用 MIT 许可，支持 1M token 上下文。Pro 版约 1T 总参数/42B 活跃参数，训练于 27T tokens；标准版约 310B 总/15B 活跃，训练于 48T tokens。小米还宣布为开发者提供 100T token 的赠款。vLLM 和 SGLang 已迅速提供 Day-0 推理支持。
5. Kimi K2.6 登顶 OpenRouter 周榜，支持 300 个并发子代理
Kimi K2.6 成为 OpenRouter 周榜第一，专为编码和长周期代理任务设计。它能扩展到 300 个并发子代理，协调 4,000 个步骤。实践者发现它在 Hermes 中比 DeepSeek V4 慢得多，但有时能修复 V4 无法修复的 bug。
6. Sakana 发布 7B Conductor：用 RL 训练模型来编排其他 AI 模型
Sakana AI 推出 7B Conductor，通过强化学习训练，用自然语言编排前沿模型池。它动态决定调用哪个代理、分配什么子任务以及暴露哪些上下文。在 LiveCodeBench 上达到 83.9%，在 GPQA-Diamond 上达到 87.5%，击败了池中任何单个工作模型。这代表了“AI 管理 AI”和递归自选择作为测试时扩展的新方向。
7. Google TPU v8 拆分为训练和推理专用芯片
Google Cloud Next 宣布 TPU v8 拆分为 8t（训练）和 8i（推理），训练速度提升约 2.8 倍，推理性能/美元提升 80%。这是 Google 首次按工作负载拆分定制芯片。据报道，OpenAI、Anthropic 和 Meta 正在购买 TPU 容量。
8. vLLM 0.20.0 发布，支持 DeepSeek V4 和 2-bit KV 缓存
vLLM 0.20.0 版本亮点包括：DeepSeek V4 基础模型支持（需要 expert_dtype 配置字段区分 FP4 指令版和 FP8 基础版）、FA4 作为默认 MLA 预填充、TurboQuant 2-bit KV 缓存，以及 Blackwell 上的 DeepSeek 专用 MegaMoE 路径。
9. FP8 KV 缓存修复将 128k 大海捞针准确率从 13% 提升至 89%
vLLM 与 Red Hat/AWS 联合发布 FP8 KV 缓存深度分析，修复了 FA3 两级累积问题，将 128k 上下文的大海捞针测试准确率从 13% 提升至 89%，同时保留了 FP8 解码的速度优势。这凸显了 KV 缓存优化在长上下文场景中的关键作用。
10. 代理编码消耗 token 可达聊天模式的 1000 倍，成本意识评估成为焦点
一项关于 SWE-bench Verified 上编码代理支出的新研究显示：代理编码可消耗约 1000 倍于聊天/代码推理的 token，相同任务的不同运行间使用量可变化 30 倍，且更多支出并不单调地提高准确率。这与 Copilot 定价模式变化和对不受控代理运行时经济的担忧相呼应。
🛠️ 十大工具产品要点
1. OpenAI 开源 Symphony：连接问题追踪器与 Codex 代理的编排层
OpenAI 开源 Symphony，这是一个编排层，将问题追踪器连接到 Codex 代理，实现“开放问题 → 代理 → PR → 人工审查”的完整工作流。这是 OpenAI 在开发者工具生态中的重要开源举措。
2. Cognition 发布 Devin for Terminal：本地 Shell 代理
Cognition 推出 Devin for Terminal，一个本地 shell 代理，可以稍后“移交”到云端。这扩展了 Devin 的使用场景，使其能在本地环境中工作，同时保留云端的扩展能力。
3. Google 展示基于 Gemma 4 + WebGPU 的完全本地浏览器代理
Google Gemma 团队演示了一个 100% 本地运行的浏览器代理，使用 Gemma 4 和 WebGPU，支持原生工具调用，包括浏览历史管理、标签页管理和页面摘要。这标志着本地 AI 代理的重要进展。
4. Hermes Agent 仓库超越 Claude Code，原生视觉成为默认模式
Hermes Agent 的 GitHub 仓库星数已超越 Claude Code。同时，当支持时，原生视觉已成为默认模式。Hermes 生态系统在代理框架领域持续获得关注。
5. Cline Kanban 支持每个任务卡使用不同的代理/模型
Cline 的看板功能现在支持为每个任务卡分配不同的代理或模型。这为复杂工作流提供了更大的灵活性，允许用户根据任务特性选择最合适的模型。
6. 微软开源 TRELLIS.2：4B 参数图像转 3D 模型
微软发布 TRELLIS.2，一个 4B 参数的开源模型，可从图像生成高达 1536³ 分辨率的高保真 3D 资产，支持完整 PBR 材质。采用创新的“O-Voxel”结构，实现 16 倍空间压缩。代码和演示均已开源。
7. AMD Hipfire：专为 AMD GPU 优化的新推理引擎
AMD Hipfire 是一个非官方的推理引擎，专为 AMD GPU 优化，使用独特的 mq4 量化方法。在 RX 7900 XTX 上相比基线实现 2.86 倍加速。在 AR 解码方面表现优异，但在预填充方面落后于 llama.cpp，特别适合结构化/代码生成任务。
8. Luce DFlash：Qwen3.6-27B 在单张 RTX 3090 上实现 2 倍吞吐量
Luce DFlash 是 Qwen3.6-27B 模型的新推测解码实现，在单张 RTX 3090 上使用独立的 C++/CUDA 栈（基于 ggml），在 HumanEval、GSM8K 和 Math500 等基准上实现高达 1.98 倍的吞吐量提升，无需重新训练。
9. DeepSeek 再次降价：缓存命中输入 token 降至原价的 1/10
DeepSeek 宣布永久性降价，缓存命中输入 token 价格从 $0.145 降至 $0.0145，仅为原价的 1/10。这对需要 1M 上下文长度的应用尤其有利，显著增强了 DeepSeek 的市场竞争力。
10. LlamaIndex 发布 ParseBench：2000 页企业文档解析基准
LlamaIndex 推出 ParseBench，包含 2000 页经过验证的企业文档，用于评估解析代理的性能。这填补了企业级文档解析评估的空白，为开发者提供了更贴近实际应用场景的测试标准。