Mercury 3 Preview 拿下 ARC-AGI-1 88.5%,面壁端侧 MoE 跑进 iPhone
本期关注ARC Prize中Mercury 3 Preview在推理测试上的表现,以及面壁智能MiniCPM-V 4.7如何在手机端实现低内存占用运行。同时梳理了ElevenLabs医疗转录、First Person Labs个人模型融资等应用层进展,并探讨LangSmith数据管控与李沐加盟Aimotion等行业动向
模型能力:从抽象推理到端侧落地
眼下 AI 模型的较量,已经不只看参数堆得多大。能不能把特定任务干好、部署起来够不够灵活,成了新的分水岭。本周有两条消息看着不搭界,指向的却是同一件事:模型正在变得更能想,也更轻巧。
Mercury 3 Preview 在 ARC-AGI-1 的表现
ARC Prize 放出了 Mercury 3 Preview 的成绩单。ARC-AGI-1 测试里,它拿到 88.5% 的准确率,跑一次推理的花费约 0.03 美元。换成更难的 ARC-AGI-2 和 ARC-AGI-3,得分掉到 61.8% 和 0.1%-0.2%。
这份结果里有两处值得细看。Mercury 3 Preview 是头一个参加这套评测的扩散模型——以往这类逻辑推理活计基本由自回归语言模型包办,扩散模型多用在图像、音频生成上。它下场参赛,说明不同架构的模型开始跨出自家地盘,去啃同一类难题。1743 tokens/s 的峰值处理速度,也显出它在推理效率上有两把刷子。可 ARC-AGI-3 那点分数同样摆在那里:碰上极其复杂或新鲜的逻辑模式,现有模型还是卡得明显。
面壁 MiniCPM-V 4.7:手机端跑通 MoE
Mercury 亮的是架构路线的多样,
面壁智能的 MiniCPM-V 4.7 秀的则是工程优化的火候。Web Summit 上,面壁把这枚 35B-A3B 参数的开源多模态模型摆了出来。
几个数字很能说明问题。放在最新款 iPhone 上,它只吃掉约 3GB 内存,解码速度能到 20 tokens/s。更关键的是,这是全球首个声称能在端侧“无损运行”的开源 MoE(混合专家)模型。每跑一次推理只激活 30 亿参数,其余计算资源多数时候闲着,功耗和内存占用就这么降下来了。
对开发者来说,这里头的意思很清楚:复杂的视觉理解任务,不必再绑在云端 API 上。放到本地跑,延迟问题解决了,数据隐私泄露的风险也从根上避开。35B 级别的模型既然能塞进手机,那些原先卡在网络条件或隐私顾虑上、落不了地的场景——实时现场辅助、离线文档分析——一下子就有了做的可能。
应用层:垂直场景的精细化打磨
通用模型能力往外溢,垂直应用的迭代也跟着快起来。本周几项产品更新,盯的都是准确性和个性化这两个老痛点。
ElevenLabs 切入医疗转录
ElevenLabs 推出 Scribe v3 Live Medical,把实时转录往医疗场景上专门调。医疗对话里专业术语扎堆,药名、手术步骤、症状描述常常读音相近、意思差得远,通用转录工具一碰就容易错。
Scribe v3 支持用户导入最多 1 万条自定义词条。医院或诊所可以提前把自家药品库、科室术语,甚至医生的用词习惯录进去。眼下这项功能已经接进 ElevenAgents 平台。通用底座加行业词库,这套打法很可能是 AI 语音在 B 端落地的常规路径——不去重造轮子,而是调一调,让轮子适配脚下的路面。
First Person Labs 与“数字分身”
First Person Labs 拿到 a16z 领投的 1000 万美元种子轮,其产品 Second 想给个人用户建本地化的 AI 模型。
Second 的玩法是在 Mac 本地持续学习用户数据,攒出一个不断更新的“你”的模型,再通过 API 把这份上下文交给其他 Agent 用。卖点落在两处:数据主权,以及设备端默认运行。用户对云端拿数据训练越来越敏感,把个人数据留在本地、只往外输出脱敏后的上下文或指令,或许是更可持续的商业模式。它要解的是 AI 助手“不够懂我”这道题,同时不拿隐私安全去换。
LangSmith 的企业级管控
企业开始大规模铺 Agent,可观测性和数据安全就成了硬需求。LangChain 给 LangSmith 补了三项追踪数据访问控制功能:
- 限定谁能查看 Trace 的输入与输出;
- 按用户组管团队权限;
- 依据 Metadata 设定 Trace 级别的访问策略。
这几项功能听着枯燥,对合规要求严的金融、医疗等行业却缺不得。工程师要调试 Agent 的行为,法务那边可能不许他们看到含客户隐私的原始对话。权限控制做到细粒度,企业级 AI 应用才算从“玩具”跨进“工具”的门槛。
行业动向:人才流动与商业验证
李沐加盟 Aimotion
量子位报道,李沐已加入 Aimotion,这家公司给自己定的方向是“产业级世界模型”。世界模型被看作通向具身智能和通用人工智能的关键一步,它要求 AI 不光能处理语言,还得理解物理世界怎么运转。
李沐在深度学习系统和开源社区里的影响力众所周知。他这一来,给 Aimotion 添了技术背书,世界模型在工业场景中的标准化进程也可能因此加快。关注具身智能的从业者可以把这个信号记下来:产业界正试着把抽象的世界模型理论,变成能落地的工业方案。
Auctor 的产品重写与增长
YC 校友企业 Auctor 做的是基于 AI 的企业软件实施服务。团队拿到 Sequoia A 轮融资后,决定把产品推倒重写。结果使用量涨了 5-10 倍,产品还没正式成型,就已经预约了数百场 Demo。
推倒重写这件事,放在初创公司里通常被当成浪费资源,Auctor 的案例恰恰反着来。它说明早期的 AI 应用常常卡在对 LLM 能力的误解或者架构不合理上。等团队对 AI 原生工作流理解更深了,彻底重构比修补旧代码更管用。创业者也能从中得到提醒:AI 领域技术迭代太快,架构保持灵活,比过早优化更重要。
Bryan Johnson 的健康“天气 App”
生物黑客 Bryan Johnson 用 Devin Bots 汇总了数十亿个健康数据点,生成对自身状态的统一解读。他的形容是“像天气 App 一样,天气就是我”。
这个比喻挺形象。传统健康监测是离散的:血压多少、血糖多少。AI Agent 干的活,是把这些离散数据拼成一个连贯的“叙事”,告诉用户今天的身体“气候”怎么样,适合做什么运动、吃什么食物。多 Agent 系统在个人数据分析场景里的实际价值也在这里:给的不是原始数据,而是能执行的洞察。
结语
从 Mercury 3 的架构创新,到 MiniCPM 的端侧优化,再到 ElevenLabs 和 First Person Labs 在场景上的深耕,本周的动态说明 AI 行业正走进一个“深水区”。光堆参数、发通用聊天机器人的日子正在过去。
现在的竞争焦点换成了几件事:模型在特定任务上怎么更准,比如医疗转录;在受限设备上怎么更高效,比如手机端 MoE;用户怎么更放心地用数据,比如本地化个人模型。这些工程和产品上的改进看着细微,却正是 AI 技术真正融进日常工作和生活的关键步骤。