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：@koki、@ 鲍勃
1、Vivix 发布 W1 与 A1 实时交互多模态模型：30B 激活参数，首帧延迟降至 300–600ms
多模态 AI 初创公司 Vivix 正式推出面向互动叙事的基座模型 W1 与面向交互角色的 A1，并开放 API。该系统实现单模型集成实时理解、交互与生成，在 30B 激活参数规模下将首帧渲染延迟控制在 300–600ms，并在一年内将系统推理与基础设施成本降低了两个数量级。
单模型一体化架构与 300–600ms 极低延迟：摒弃分步级联管线，将视觉理解、多模态交互（触屏、手势、语音）与实时生成统一整合于单模型中；在 30B 激活参数下，TTFF（首帧渲染时间）达 300–600ms。
发布 A1 人形场景交互模型：超越嘴型/手势匹配的传统数字人，实现 AI 角色在动态场景内的物理交互，例如带货场景中抓取与展示商品、游戏场景内进行环境导航与实体互动。
工程 Infra 成本降低 90% 以上：通过基础设施与模型推理优化，系统整体成本在一年内降低两个数量级（100 倍），对标 YouTube CDN 与带宽成本线（约每人小时 0.2 美元）。
无文本中介的三元原生交互数据集：直接投喂游戏 Replay 录屏与仿真环境操作日志（涵盖「过去状态理解 - 人类交互动作 - 下一秒环境变化」三元组数据），不依赖自然语言翻译中介，数据量已对标头部视频生成模型。
开放 API 与季度迭代计划：W1 作为中等规模验证模型已开放 API 接口；训练数据量扩大 100 倍的下一代基座模型 W2 计划于今年第四季度发布。
（@Monolith 砺思资本、智能涌现）
2、OpenAI 发布企业级智能体平台 Presence：支持实时语音与文本交互，通过 API 集成第三方模型与工具
OpenAI 推出企业级智能体部署与管理平台 OpenAI Presence，专注于实时语音及文本工作流落地。该平台通过结合预置护栏策略、仿真评测工具与前线工程师（FDE）交付模式，解决智能体在生产环境中高并发实时交互的可靠性及策略更新问题。
实时语音交互与多模型 API 融合：原生支持全双工实时语音与文本频道，涵盖客服呼叫（如 SoftBank 日语客服、BBVA 墨西哥语音银行业务）、外呼销售及内部 IT/HR 服务台；核心智能体运行 OpenAI 模型，同时开放 API 接口，允许企业引入第三方模型或服务用于工具调用（Tools）与安全护栏（Guardrails）。
电话客服实测 75% 自主解决率：Presence 已承载 OpenAI 官方英文电话客服（1-888-GPT-0090），处理验证身份、账户查询及执行批准动作等开放式语音请求，实现 75% 的无人工介入解决率；基于 Codex 的优化机制在 10 天内将人工转接率降低了 15 个百分点。
Codex 驱动的策略闭环更新：内置 Presence Codex 插件，自动捕获生产环境会话与人工转接（escalation）日志，分析用户意图与策略偏差，自动生成提示词（Prompt）与 SOP 变更建议，并支持在线对比仿真测试与受控发布。
基于任务的最小授权与批处理仿真：对智能体施加基于特定工作流的最小数据与系统 API 访问权限；提供离线批处理仿真（Simulation Batches）与自动评分器（Graders），在上线前评估策略符合度与边界规则，防止语音与文本交互中的越权或误操作。
( @venturebeat）
3、OpenAI Codex 曝光实时语音智能体功能 Realtime Voice Mode：集成 Connectors 支持跨应用复杂任务执行
OpenAI 被发现在 ChatGPT 代码中集成了 Codex Realtime Voice Mode。该功能将实时语音交互与 Codex 智能体相结合，使系统能够通过语音操控 Connectors 执行跨应用的复杂任务。
连接器与工具链调用：用户可通过语音触发 Connectors，直接操控 Slack、Spotify、文档、日历、网页浏览器、在线购物及外卖下单等第三方服务。
通用智能体定位：基于 Codex 智能体构建，将原本针对代码场景的能力扩展至通用自动化任务执行。
交互形态演进：此前在 Codex 应用中曾以 Orb 或 Pets 挂件形态曝光，目前尚未在 ChatGPT 桌面端公开发布。
竞品同步推进：Anthropic 也在为其 Opus 和 Sonnet 模型升级语音模式，同步支持 Connectors 与工具调用。
目前处于代码曝光阶段，具体上线时间未定。
1、硬件初创公司 Augmental 开售 MouthPad 口腔触控板：通过舌头控制指针，厚度 1mm，售价 1400 美元
硬件初创公司 Augmental 正式在美国开售基于口腔佩戴的无线触控设备 MouthPad。该设备可将舌头与头部微动转化为计算机指针指令，帮助无障碍需求用户实现免手操作，定价 1,400 美元起。
3D 打印个性化牙科封装：设备基于用户牙科 3D 扫描定制，采用牙科树脂材料制造；整体厚度约 1 mm，重量约 10 g，尽量降低对语言发音的影响。
舌头与头部运动多模态映射：内置中央触控板与侧边柔性电路，支持将舌头触碰、滑动以及头部移动精准转化为鼠标指针定位、单击、双击、滚动及拖拽等操作。
标准蓝牙无线连接：设备直接通过 Bluetooth 协议与终端连接，兼容 macOS、Windows、Linux、iOS 及 Android 系统，支持多设备间实时切换，并提供专属控制 App（适配 macOS、Windows、iOS）。
硬件续航与安全认证：配备专属充电盒，内置电池可支持 7 小时以上的连续使用，完全充电时间约为 1.5 小时。
无声打字扩展模块（VOX）：同步推出公测版体感麦克风 VOX，利用体传导技术拾音，与 MouthPad 组合实现无双手参与下的完整「指针 + 打字」交互。
目前已在美国开放预订，单机售价 1,400 美元，双机套餐售价 1,900 美元；用户需在本地完成 3D 牙科扫描并提交数据，定制设备将在 6 个月内完成发货。
( @augmentaltech\@X)
2、商汤 001 号员工「再创业」AI 陪伴，完成数千万种子轮
AI 角色硬件公司酷奇奇科技（Coolqq）宣布完成数千万元种子轮融资。本轮融资由上海浦东人工智能种子基金领投，商汤科技、零以创投跟投，云杉资本 Spruce Capital 担任长期独家财务顾问。
酷奇奇的创始人徐持衡，是商汤科技 001 号员工，师从计算机视觉泰斗汤晓鸥教授，曾与团队共同开发商汤早期最重要的人脸识别技术。此后，他出任灵宇宙 CTO，主导 AI 教育产品「Ling」从概念到完整落地。
酷奇奇的核心产品「CookiePi 角色互动伙伴」是一款分布式多端 AI 互动产品。它由触发器 Cookie 和角色端 Pi 两部分组成，可适配玩偶、手办、家居等各种物理实体，让数字生命能够以具身形态存在于现实场景中。
多个 AI 互动伙伴可以融入家居各处，主动探索空间，陪用户聊天，也能即兴演剧，共同演绎日常生活。
（@AING 硬迹）
3、Synthesia 发布 Roleplay 交互式培训系统：接入 OpenAI 推理引擎，集成自研 Avatar 与实时量化评分
Synthesia 推出全新 Sessions 平台首款产品 Roleplay，支持员工与 AI 虚拟形象进行销售演示、绩效评估等高难度场景的实操模拟。该系统将底层 OpenAI 推理模型与自研音视频技术相结合，引入量化评分标准与性能分析层，推动公司业务从单纯视频生成向数据驱动的绩效管理平台转型。
架构解耦与自研结合：底层推理智能接入 OpenAI 模型，前端融合 Synthesia 自有专利的 AI 虚拟形象生成与语音合成技术。
实时抗辩与量化评分：AI 虚拟形象具备实时对答与提出质疑（push back）的能力，并在互动结束后依据预设量化指标（rubric）自动完成多维能力打分。
分析层沉淀与人才图谱：集成 Performance Analytics 模块，将软技能培训转化为可视化数据，协助管理层进行细粒度的人力资源表现评估。
场景拓展规划：作为「Sessions」平台的首发模块，后续计划将该交互架构延伸至求职面试与候选人筛选等场景。
( @TechCrunch)
1、Vibe Coding 概念提出人 AK：用 10 分钟的交流，换取更懂你的大模型
近日，OpenAI 联合创始人、前特斯拉 AI 总监、vibe coding 概念提出人安德烈·卡帕西（Andrej Karpathy）在社交媒体上分享了他与大模型互动的独门秘诀：不要试图写出完美的指令，去和它交谈，越乱越好。
卡帕西指出，当面对复杂任务时，人类往往因为「懒得打字」而无法向大模型提供足够的背景信息。他的解决方案极具颠覆性：坐在椅子上，切换到语音模式，然后开始长达 10 分钟的「闲聊」——没有任何逻辑，想到什么说什么，甚至夹杂着口误和废话。
令人惊奇的是，大模型展现出了极强的「去粗取精」能力。它们能够从这些混乱、冗长的语音碎片中，精准重构出用户内心深处的真实意图，并给出一个比用户初始想法还要清晰得多的结构化回应。一旦完成这一步，后续的合作就会变得顺畅无比，几乎不再需要反复修正。
招聘、项目分享、求助……任何你想和社区分享的信息，请联系我们投稿。（加微信 creators2022，备注「社区黑板报」）
1、活动推荐｜BUIDL_QUESTS 2026 深圳站
BUIDL_QUESTS 2026 是一场聚焦 AI × AI-Crypto 的全球创业大赛。从新加坡出发，途经亚洲和美国 12+ 座城市，最终回到新加坡举办全球总决赛（7 月 → 10 月）。
去年我们 BUIDL_QUESTS 2025 共吸引了 150+ 项目提交、4,000+ 报名者、2,500+ 线下参与者，覆盖 10 场线下活动 和 13 场线上 Workshop（累计 46,000+ 观看）。Top 10 团队登上 Demo Day 路演，其中赛后一支团队成功获得 Tier-1 VC 150 万美元种子轮融资。
今年的主题为 Autonomous Agent & Sovereignty（自主智能体与主权），设置 Autonomous Agents、Sovereignty、Agent Commerce、AI Hardware、OPC（超级个体）五大赛道，目前奖金池已达 $50K+（持续增加中）。
目前我们已经联合了 70+ 生态合作伙伴（包括 VC、社区、Crypto 公司、AI 公司、硬件企业、媒体及电视台），同时也与韩国、越南、泰国、英国、土耳其等多个国家和地区的合作伙伴共同开展全球宣发。
更多活动详情可参考官网：
https://openarena.to/zh/events/buidl-quests-2026
阅读更多 Voice Agent 学习笔记：了解最懂 AI 语音的头脑都在思考什么
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。
作者提示: 个人观点，仅供参考
