AI测试 Meta 成立超级智能实验室，多名顶尖语音科学家加入；TEN VAD 开源 ONNX 模型，GitHub 破 700 星丨日报
开发者朋友们大家好：
这里是 「RTE 开发者日报」 ，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement）领域内「有话题的 技术 」、「有亮点的 产品 」、「有思考的 文章 」、「有态度的 观点 」、「有看点的 活动 」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。
本期编辑：@ 赵怡岭、@ 鲍勃
01 有话题的技术
1、语音活动检测模型 TEN VAD 开源其 ONNX 模型及相关预处理代码
TEN VAD 开源了 ONNX 模型及相关预处理代码，开发者可以在任何平台和硬件架构上部署 TEN VAD。让 Voice AI Agent 更加拟人化。
TEN VAD 是一个低延迟、低功耗、高准确率的语音活动检测模型（Voice Activity Detector）。它非常轻量，相比 Silero VAD，TEN VAD 的 RTF 减少了 32%，library size 减少了大约 86%。
作为对话式 AI 的原子能力，TEN VAD 通过准确识别音频帧中是否有人声，提升人机对话的交互体验。同时，TEN VAD 还支持无缝集成主流对话式 AI Agent 开源框架 TEN Framework。
相关链接：
https://github.com/TEN-framework/ten-vad
02 有话题的技术
1、华为正式宣布开源盘古 70 亿参数的稠密模型、盘古 Pro MoE 720 亿参数的混合专家模型和基于昇腾的模型推理技术
6 月 30 日，华为正式宣布开源盘古 70 亿参数的稠密模型、盘古 Pro MoE 720 亿参数的混合专家模型和基于昇腾的模型推理技术。
据悉，此举是华为践行昇腾生态战略的又一关键举措，推动大模型技术的研究与创新发展，加速推进人工智能在千行百业的应用与价值创造：
盘古 Pro MoE 72B 模型权重、基础推理代码，已正式上线开源平台；
基于昇腾的超大规模 MoE 模型推理代码，已正式上线开源平台；
盘古 7B 相关模型权重与推理代码将于近期上线开源平台。
盘古 Embedded 7B 模型：
参数规模为 70 亿，采用双系统框架，具备「快思考」和「慢思考」能力；
模型具备元认知能力，可根据任务复杂度自动切换推理模式；专为在昇腾 NPU 上优化部署，兼顾推理速度与推理深度；
在 AIME、GPQA 等复杂推理基准测试中，超越 Qwen3-8B、GLM4-9B 等同量级模型。
盘古 Pro MoE 72B 模型：
基于分组混合专家（MoGE）架构；总参数量 720 亿，激活参数量 160 亿；
通过专家分组和组内均衡激活，解决专家负载不均，提高部署效率；
针对昇腾硬件深度优化，推理速度高效（最高单卡 1528 tokens/s）；
性能优于同规模稠密模型，在多项公开基准测试中处于领先地位；支持大规模并行训练，具备高性价比推理方案。华为官方表示将诚邀全球开发者、企业伙伴及研究人员下载使用，反馈使用意见，共同完善。
相关链接：
https://arxiv.org/abs/2505.21411
相关链接：
https://gitcode.com/ascend-tribe/pangu-pro-moe-model
相关链接：
https://gitcode.com/ascend-tribe/ascend-inference-system
相关链接：
https://arxiv.org/abs/2505.22375（@APPSO、@ 果比 AI）
2、字节跳动 XVerse 开源：多主体身份一致图像生成模型
字节跳动最新开源 XVerse 模型，实现了多主体图像生成中身份一致性。
该模型不仅能保持多个角色身份特征稳定，还支持高度自定义的姿势、风格和灯光调节。
XVerse 通过将参考图像转换为特定于令牌的文本流调制偏移，实现了对特定对象的精确和独立控制，而不会干扰图像潜在变量或特征。
XVerse 具有如下的一些核心优势，它可以显著提高了个性化和复杂场景生成的能力。
高保真、可编辑的多主体图像合成；
对单个主题特征的强大控制；
语义属性的细粒度操作。
项目主页：
https://bytedance.github.io/XVerse/
代码链接：
https://github.com/bytedance/XVerse
论文链接：
https://arxiv.org/pdf/2506.21416（@ 三花 AI、@AI 产品汇）
3、HuggingFace 发布多语言数据集 FineWeb2，涵盖多达 1000 种语言
FineWeb2 是由 HuggingFace 发布的一个多语言数据集，容量达到 20TB（以硬盘空间计算，而非 token 数量），涵盖了多达 1000 种语言。这一数据集为研究和开发自然语言处理（NLP）应用提供了丰富的多语言资源，助力于多语言模型的训练与优化。
相关链接：
https://huggingface.co/datasets/HuggingFaceFW/fineweb-2（@ 果比 AI）
03 有亮点的产品
1、苹果公司正在考虑用 OpenAI 或 Anthropic 的模型来驱动新版 Siri
7 月 1 日消息，据彭博社知名记者马克·古尔曼（Mark Gurman）爆料，苹果公司正在考虑用 OpenAI 或 Anthropic 的模型来驱动新版 Siri，替代苹果自研大模型。
据报道，苹果已经和 OpenAI、Anthropic 两家公司就利用其大模型优化 Siri 进行了深入探讨，并请求两家公司训练能够在苹果云基础设施上运行的模型版本，以便苹果进行测试。
此前苹果已经与 OpenAI 合作，Siri 可以调用 ChatGPT 进行搜索，但此次苹果是要将 Siri 背后的基础模型直接替换为三方，有本质上的区别。
古尔曼认为，如果苹果决定在自家核心产品 Siri 中使用第三方模型，这将会是一个重大的转折点，也将标志着苹果承认自己在 AI 竞争中面临困难，同时这可能会让苹果 Siri 的 AI 功能追上安卓手机的 AI 助手。
报道中还提到，苹果和 Anthropic 因「钱」的问题没有谈拢。与此同时，苹果 AI 团队内部动荡持续升温，苹果资深大模型研究员上周刚刚离职，内部核心苹果机器学习框架（MLX）团队本月也威胁要集体离职。
知情人士透露，目前苹果和两家公司的谈判仍然处于初期阶段，最终是否会用还不确定。与此同时，苹果内部代号为「LLM Siri」、采用苹果自研模型的项目仍然在积极推进中。
报道链接：
https://www.bloomberg.com/news/articles/2025-06-30/apple-weighs-replacing-siri-s-ai-llms-with-anthropic-claude-or-openai-chatgpt（@ 智东西）
2、专为 Google Gemini API 设计的网页聊天应用 All Model Chat：支持与 Gemini 家族模型的全面交互，包括文本、图像、视频生成和文本转语音
All Model Chat 是一款专为 Google Gemini API 设计的网页聊天应用，支持与 Gemini 家族模型的全面交互，包括文本、图像、视频生成和文本转语音。它的主要功能包括动态模型切换、流式和非流式响应选择，以及高级 AI 配置，如随机性参数调整和系统提示设置。用户能够通过多种方式上传文件，并享受智能文件管理与实时预览。同时，应用支持聊天历史的持久化管理，用户可以轻松浏览和管理对话记录，定制会话环境。此外，消息渲染功能强大，支持 GitHub Flavored Markdown 和 LaTeX 公式，并提供代码块交互功能。
相关链接：
https://github.com/yeahhe365/All-Model-Chat（@ 果比 AI）
3、Meta 宣布正式成立「超级智能实验室」
据彭博社等最新消息，在周一给 Meta 员工的一份内部备忘录中，扎克伯格宣布重组公司人工智能团队（包括研究、基础设施和产品），合并到新成立的「Meta 超级智能实验室」（Meta Superintelligence Labs）。
该部门将由数据标注初创公司 Scale AI 前 CEO Alexandr Wang 领导，并担任公司首席人工智能官。同时，扎克伯克还首次曝光了 11 位从 OpenAI、Anthropic、谷歌 DeepMind 那里挖来的顶尖人才。
扎克伯格表示，MSL 将吸纳公司的各个团队，致力于开发 Llama 开源系列大模型、相关产品和基础人工智能研究项目等。
Meta 还新招聘了 11 名专注于人工智能的人才，其中包括前 Anthropic、Google DeepMind 和 OpenAI 的员工。
Johan Schalkwyk— 前 Google Fellow，Sesame 系统早期贡献者，Maya 项目技术主管。
Jiahui Yu（余家辉）— o3/o4-mini/GPT-4.1/GPT-4o 共同创建者，曾任 OpenAI 感知团队负责人，Gemini 多模态系统联合主管。
Shuchao Bi— GPT-4o 语音模式与 o4-mini 共同创建者，曾任 OpenAI 多模态后训练负责人。
Trapit Bansal — 思维链（CoT）强化学习技术开创者，OpenAI o 系列模型共同创建者。
Huiwen Chang— GPT-4o 图像生成系统共同创建者，Google Research 期间发明 MaskGIT 及 Muse 文生图架构。
Ji Lin — 参与开发 o3/o4-mini、GPT-4o、GPT-4.1、GPT-4.5、4o-imagegen 及 Operator 推理框架。
Joel Pobar— Anthropic 推理系统专家，此前在 Meta 任职 11 年主导 HHVM/Hack/Flow/Redex 开发及性能工具与机器学习。
Jack Rae— Gemini 预训练技术负责人及 Gemini 2.5 推理架构师，DeepMind 时期主导 Gopher/Chinchilla 早期大模型研发。
Hongyu Ren（任泓宇）— GPT-4o/4o-mini/o1-mini/o3-mini/o3/o4-mini 共同创建者，曾任 OpenAI 后训练团队主管。
Pei Sun— 谷歌 Deepmind Gemini 后训练 / 编程 / 推理架构师，曾主导 Waymo 近两代感知模型开发。
Shengjia Zhao— ChatGPT/GPT-4/4.1/o3 共同创建者，曾任 OpenAI 合成数据团队主管。
Meta 在向世界交付超级智能的进程中占据独特优势地位：我们拥有雄厚的业务实力支撑，能构建远超小型实验室规模的计算资源；具备服务数十亿用户的产品研发与增长经验；正开拓并引领高速增长的 AI 智能眼镜与可穿戴设备领域；更凭借企业架构优势，能以远胜同行的信念与魄力推进战略。
相关链接：
https://www.bloomberg.com/news/articles/2025-06-30/zuckerberg-announces-meta-superintelligence-effort-more-hires?srnd=phx-technology
相关链接：
https://www.cnbc.com/2025/06/30/mark-zuckerberg-creating-meta-superintelligence-labs-read-the-memo.html
相关链接：
https://www.theverge.com/news/695355/mark-zuckerberg-meta-ai-superintelligence-labs（@ 机器之心、@ 新智元）
04 有态度的观点
1、风投机构 a16z：速度正在取代 AI 的传统护城河
日前，知名风投机构 a16z 发布一篇名为《In Consumer AI，Momentum Is the Moat》的博客，讲述了如今 AI 产品、AI 公司需要如何营销，才能在市场中站稳脚跟。
文章中指出，现如今 AI 发展速度太快，以至于连一家公司的「护城河」都没办法构建。AI 基础模型和基础建设每周都会出现新的更新，因此 AI 公司没办法像移动时代那样按部就班的发展。
a16z 表示，在上述的环境中，最重要的就是「速度」——你需要尽快地推出新的 AI 产品、获得关注度并抢占市场份额。
而对于获得关注度，a16z 则认为早期宣传十分重要。每家公司都希望能够获得病毒史传播，但目前 AI 产品发布的数量庞大，迭代速度快，社交算法的易变性等难题，都令传播变得越来越困难。a16z 坦言，「教科书上的策略已不再适用，而现如今，需要打破常规。」
博客中举出了十分多新的营销案例：举行黑客马拉松、构建 AI 类的社交媒体实验（如邀请用户破解自家 AI 产品）、直播式 AI 产品发布等等。而这些新的营销方案，共同点则是：不需要依赖庞大的市场预算、不需要依赖渠道资源，通过社交网络的快速，一步步放大了产品的传播效益。(@APPSO)
更多 Voice Agent 学习笔记：
语音能否彻底取代键盘？Wispr Flow 融资 3000 万美金背后的思考丨 Voice Agent 学习笔记
11Labs 增长负责人分享：企业级市场将从消费级或开发者切入丨 Voice Agent 学习笔记
实时多模态如何重塑未来交互？我们邀请 Gemini 解锁了 39 个实时互动新可能丨 Voice Agent 学习笔记
级联 vs 端到端、全双工、轮次检测、方言语种、商业模式…语音 AI 开发者都在关心什么？丨 Voice Agent 学习笔记
a16z 最新报告：AI 数字人应用层即将爆发，或将孕育数十亿美金市场丨 Voice Agent 学习笔记
a16z 合伙人：语音交互将成为 AI 应用公司最强大的突破口之一，巨头们在 B2C 市场已落后太多丨 Voice Agent 学习笔记
ElevenLabs 33 亿美元估值的秘密：技术驱动 + 用户导向的「小熊软糖」团队丨 Voice Agent 学习笔记
端侧 AI 时代，每台家居设备都可以是一个 AI Agent 丨 Voice Agent 学习笔记
世界最炙手可热的语音 AI 公司，举办了一场全球黑客松，冠军作品你可能已经看过
写在最后：
我们欢迎更多的小伙伴参与 「RTE 开发者日报」 内容的共创，感兴趣的朋友请通过开发者社区或公众号留言联系，记得报暗号「共创」。
对于任何反馈（包括但不限于内容上、形式上）我们不胜感激、并有小惊喜回馈，例如你希望从日报中看到哪些内容；自己推荐的信源、项目、话题、活动等；或者列举几个你喜欢看、平时常看的内容渠道；内容排版或呈现形式上有哪些可以改进的地方等。
素材来源官方媒体/网络新闻