腾讯混元Hy4调用量激增：WorkBuddy十倍扩容应对

模型与服务：参数之外，负载成了新焦点

大模型这行的比拼重点，正悄悄挪位置。以前大家比的是参数规模，如今更在意模型被哪些人用上了、用得顺不顺，还有怎么在守住知识产权的前提下把信任建起来。

腾讯混元Hy4带动基础设施扩容

腾讯混元Hy4最近调用量涨得明显，直接后果是支撑它运行的WorkBuddy服务只能做十倍扩容。基础设施层面出现这种剧烈变动，比任何公关稿都更能说明真实市场需求。

Hy4不只是一款语言模型，它把原生视觉理解和深度研究（Deep Research）能力集成了进来。放到企业场景里，智能体（Agent）不再只是陪聊、写草稿，而是开始介入那些要处理复杂图表、长文档和跨源信息整合的实际工作流。一家公司一旦决定把核心业务逻辑交给AI智能体，对稳定性和并发能力的要求就会指数级上升。WorkBuddy这次扩容说明，企业级AI应用正从“试点”走向“规模化部署”，模型服务商得为此备好足够的算力冗余。

Hy4在部分金融图表基准测试中表现突出，金融和数据分析领域的需求因此率先爆发。对处理非结构化数据的企业来说，一个能看懂报表和趋势图的模型，价值远高于只会写代码的模型。

蚂蚁百灵Ling-3.2-flash：百万上下文的野心

蚂蚁集团发布了原生多模态模型Ling-3.2-flash。这款模型的参数结构采用混合专家（MoE）架构，总参数规模达到5600亿，但每次推理仅激活约250亿参数。这样设计是为了在性能与成本之间找平衡，让它在处理长文本时更经济。

Ling-3.2-flash最抓眼球的特性是支持100万token的上下文窗口，还能同时处理图像、文本和视频输入。落到现实应用里，它可以一口气“阅读”数百页技术文档、分析长达数小时的会议录像，或者处理复杂的工程图纸。法律、医疗和工程设计这些需要处理海量背景信息的行业，对这种长上下文能力是刚需。

不过，基准测试上的优势还得靠独立验证。长上下文场景里模型会不会“中间迷失”，多模态输入下注意力分配是否合理，都要开发者在实际业务中做压力测试。目前来看，蚂蚁是想靠高吞吐和低激活成本，在B端市场占下一块地盘。

Gemini Omni 1.2 Flash登顶视频生成榜

创意生成领域，Google的Gemini Omni 1.2 Flash在Arena图生视频榜单中排名第一，得分1502分，比前一版本提升了39分。在竞争激烈的排行榜上，这个分差具有统计显著性。

视频生成是目前AI最难攻克的堡垒之一，因为它不只看单帧画面质量，还要求时间维度上的连贯性和物理规律的正确性。Gemini Omni 1.2 Flash这次的提升，说明它在运动平滑度、物体一致性以及提示词遵循能力上有了实质性改进。对短视频创作者和广告行业来说，AI生成的视频素材会从“不可用”慢慢过渡到“可编辑可用”，后期制作的时间成本能大幅降下来。

AI安全与信任：用数学证明“我是我”

AI生成内容越来越多，怎么确认一段回答确实出自某个特定模型、同时又不泄露模型的核心权重，成了个棘手的安全问题。Anthropic给出的解法挺有极客味道。

Anthropic开源FlashProve原型

Anthropic发布了一个叫FlashProve的研究原型，想解决AI回答的来源验证问题。传统办法要么把模型权重完全公开（比如开源模型），要么黑盒运行（比如闭源API），前者有被滥用的风险，后者缺透明度。

FlashProve利用zkSNARK（零知识简洁非交互式知识论证）技术，让模型生成一个加密证明。这个证明能向验证者确认：“这段回答确实是由指定模型生成的”，同时完全不暴露模型的内部权重或训练数据。好比你去酒吧证明自己已满18岁，只出示身份证上的年龄信息就行，姓名、住址这些隐私细节都不用亮出来。

不过这项技术目前还在早期阶段。原型的验证开销约为推理成本的70至95倍，也就是说，每生成一次回答，都要消耗巨大的计算资源来生成和验证证明。报道指出CPU端的验证相对高效，这为将来在终端设备或低成本服务器上做验证留出了可能。高成本眼下限制了大规模商用，但它为构建可信AI生态提供了一条技术路径：未来或许能验证每一条AI新闻、每一段代码的真实来源，从而遏制深度伪造和模型冒充。

CyberGym评测中的99.4%成绩

AI攻防领域，中国团队在CyberGym评测中拿下99.4%的成绩，刷新了纪录。CyberGym是专门评估AI智能体在网络安全场景下能力的基准测试，覆盖漏洞发现、利用和修复等环节。

这个高分说明，当前AI智能体在理解代码逻辑、识别潜在安全风险方面已经达到极高水准。对防御方来说，可以用AI自动扫描和修补系统漏洞；对攻击方来说，自动化攻击工具的门槛也在降低。评测方法和结果的独立性仍需进一步核验，但趋势很清楚：AI正成为网络安全博弈中的核心变量，未来的安全对抗将是智能体之间的对抗。

应用落地：工作流整合与数据加速

技术只有融进工作流才能产生价值。本周的两个案例展示了AI如何缩短从数据到决策、从创意到成品的路径。

即梦短剧工作室：剧本、分镜与预演合成一条流水线

字节跳动旗下的即梦短剧工作室上线了一套新的创作流程，剧本生成、分镜绘制、视频预演被放进同一个平台。与此同时，Seedance 2.5模型的调用价格也对外公布。

过去做短剧是件吃人力的活，编剧、画师、导演几拨人来回对接。AI进来不是要把这些人换掉，而是要抹平环节之间的磕碰。按以前的走法，编剧交完稿得等画师出分镜，分镜出来再等视频团队做样片，一圈下来按周算。现在走一体化流程，几分钟就能看到剧本对应的视觉预演，改起来也快。Seedance 2.5的调用价格压得低，个人创作者和小团队也掏得起高质量视频生成的费用，短剧内容的供给会因此多起来。

LSEG与Databricks：把数据管道压到极致

金融和数据基础设施这行，效率直接对应成本。伦敦证券交易所集团（LSEG）亮出了一项回测流程优化，基于五年的市场数据，运行时间从数小时缩到一分钟左右。算法优化是一方面，更关键的是底层算力架构上去了，分析师能实时翻看逐笔买卖盘和交易数据，交易策略验证起来快得多。

另一边，Databricks讲了怎么用Debezium和Zerobus Ingest搭推送式CDC（变更数据捕获）管道，把实时数据接进Unity Catalog。老架构里数据通常得批量同步，延迟躲不掉。推送式CDC在数据产生的瞬间就把它抓住，送进AI分析管道，实时风控、实时推荐这类应用离了它很难成立。两件事指向同一个方向：AI应用对数据时效的要求在往上走，数据基础设施正朝“实时化”和“低延迟”挪。

结语

这一周的消息看下来，AI行业正从“炫技”往“实用”里沉淀。腾讯混元因为负载激增而扩容，Anthropic在摸索可验证的AI信任机制，短剧制作和数据回测的效率也在往上提，几件事都说明AI正往具体的业务场景里扎。

往后比拼的不只是谁的模型参数更大，还要看谁能把服务做得更稳、更可信、更顺地嵌进工作流。对开发者来说，盯着这些基础设施和工作流工具的变化，比单纯追新模型发布更有实际意义。