我用上了豆包手机掀巨浪，DeepSeek和谷歌发 Deep Think，阿里推千问和语音模型，开源大战 | 2025.12.08
池建强约 6 分钟最近一段时间 AI 世界像被按下了快进键，看着这些发布的产品我都觉得 AI 产业似乎来到了一个历史拐点。我自己有个明显的感知：行业重心从单纯的“预训练规模定律”（Scaling Laws）向“并行推理计算”和“端侧 Agent 化”（Edge Agency）的深刻转型。
比如 DeepSeek V3.2 发布时论文里提到了“Thinking in Tool Use”，DeepMind 团队则提出并发布了“Deep Think 模式”，并行推理能力变得无比重要。
字节则联合中兴通讯推出了一款“豆包 AI 手机”——nubia M153，把端侧 Agent 向前推了一大步，只要你允许豆包操作你的手机里的 App，它几乎可以做任何事，这同样引起了轩然大波。其他厂商的不安和用户的隐私安全问题一直是本周的发酵话题。我用上了：
模型迭代加速，开源与闭源同台竞争，多模态继续扩张，Agent 开始入侵手机端侧。今天上午我梳理一下最近发布并给我深刻印象的产品，就是这些：
1
最近一周最炙手可热的手机可能是豆包 AI 手机。这是第一款 Agent 与硬件的物理融合：字节跳动与中兴通讯合作推出 Nubia M153 原型机，定义了全球首款“全 Agent AI 智能手机”。豆包大模型则通过这个原型机实现了我们想要 Siri 实现的功能：按住左侧的 AI 键，告诉豆包帮我发一条微博，告诉 QQ 音乐播放李健的歌单，帮我把微博的特别关注列表整理成文章等等。
为了实现这些功能，该设备采用了独特的双层架构：
云端大脑（Doubao）：字节跳动的 豆包（Doubao） 大模型负责语义理解和复杂推理，规划任务步骤。
端侧执行者（Nebula-GUI）：中兴自研的 7B 参数 Nebula-GUI 模型 驻留在手机本地（搭载骁龙 8 Elite Gen 5 芯片）。它负责实时分析屏幕截图，识别 UI 元素，并执行点击操作。这种本地处理不仅速度快，还最大限度地保护了支付密码等隐私数据。
这部手机的问世，一方面为用户带来了巨大的惊喜，另一方面引发了诸多争议。
比如 Siri 想做到这一点，首先苹果要具备相应的 AI 能力，第二苹果必须要和各大厂商签订相关的协议，第三要做好隐私和安全承诺。
豆包好像没和谁打招呼，只要用户同意，就可以让 AI Agent 接管你的手机。这个举动自然引发了 App 厂商的反制，比如微信支付宝就不让豆包用，今天阿里侧的产品也禁止 AI 使用自己的 App。豆包应该很快意识到了这一点，在 12 月 5 号紧急发布了一个声明：
1、限制刷分、刷激励的使用场景
2、进一步限制金融类应用的使用
3、限制部分游戏类使用场景
具体内容大家可以去看豆包手机助手的公众号。
目前我还在把玩和探索这台 AI 手机，但它显然不会作为我的主力机使用。等我做个详细评测，可能会再写一篇文章。
2
推理能力也是最近的热门话题：中国的 DeepSeek 发布了 V3.2 及其高算力版本 V3.2-Speciale，通过架构创新（稀疏注意力机制）在国际奥林匹克数学竞赛（IMO）和信息学奥林匹克竞赛（IOI）中摘得金牌，并在多项基准测试中超越了 OpenAI 的 GPT-5 High 和 Google 的 Gemini 3 Pro。这一成就打破了算力成本与智能水平之间的传统线性关系，证明了算法效率可以挑战资本密集的算力堆叠。
可以参考我的公众号文章：DeepSeek 发布 3.2 加强推理能力
谷歌则继续在 Gemini 3 上突飞猛进，推出了 Gemini 3 Deep Think 模式。这是一种基于并行假设评估的 System 2 思维模式，专门为解决极度复杂的逻辑和科学问题设计的，这个服务目前只针对每月 250 美元的 Ultra 订阅用户。
Deep Think 在海外社交媒体上引发了热议，它强调的是“并行思维”能力，在单次推理中同时探索多个假设，尤其擅长解决复杂数学和科学问题。有开发者声称，该模式能通过一个提示词就生成完整的多米诺骨牌模拟代码。
3
随着谷歌的大踏步前进，OpenAI 凸显生存焦虑，在内部信中，OpenAI CEO Sam Altman 罕见地宣布公司进入“红色代码”（Code Red）状态。面对 Gemini 3 的强势崛起和自身产品（比如 Pulse 助手）的技术瓶颈，OpenAI 推迟了多项发布计划，集中资源提升核心模型 ChatGPT 的能力。这一事件标志着 OpenAI 从“默认赢家”的心态跌落，进入了残酷的阵地争夺战。
我的墨问笔记：奥特曼老师开始慌了
4
中国开源生态正在全面爆发，除了 DeepSeek，阿里巴巴 Qwen 系列也在持续迭代，构建了一个在性能上足以匹敌闭源前沿模型的开源生态，彻底改变了企业级 AI 的部署经济学。阿里还发布了 Qwen3-TTS。这是一个支持 10 种语言和 9 种中国方言（如粤语、四川话等）的文本转语音模型。
多模态方向同样热闹。阿里巴巴的 Qwen3-VL 在 Hugging Papers 上讨论的极为火热，被认为开启了新的多模态纪元：原生 256K 上下文，同时处理文本与视频输入。
在 App 生态领域，阿里发布了千问 App 和千问+夸克 AI 浏览器，为超过 1 亿用户提供原生的 AI 搜索和摘要服务。
最近阿里的动作是真得快。
腾讯则继续发挥其在游戏和社交媒体领域的优势，专注于 3D 和视频生成。
混元 3D 引擎全球发布：腾讯云向全球发布了 Hunyuan 3D 创建引擎。该引擎能从文本或图像生成高质量的 3D 资产，直接对接 Unity 和 Unreal 引擎，旨在降低游戏开发的门槛。其模型在 Hugging Face 上的下载量已突破 300 万次。
HunyuanVideo：腾讯开源了基于“双流到单流”架构的视频生成模型 HunyuanVideo。据称，该模型在人工评估中超越了 Runway Gen-3 和 Luma 1.6 等顶级闭源模型，显示了中国在视频生成领域的追赶速度。
5
开源与欧洲力量：Mistral 3 的崛起，在美中两极之外，欧洲的 AI 力量也在本周发出了强音。
法国 AI 独角兽 Mistral AI 发布了其最新的旗舰模型家族 Mistral 3。其中最引人注目的是 Mistral Large 3，这是一个拥有 6750 亿参数（激活参数 410亿）的混合专家（MoE）模型 。Mistral Large 3 采用 Apache 2.0 许可证全开源发布。它在指令遵循和多语言处理上达到了与 GPT-4 等闭源模型相当的水平。对于那些对数据隐私敏感、希望在本地部署高性能模型的西方企业来说，Mistral 3 提供了一个除 DeepSeek 之外的最佳选择（规避了潜在的地缘政治合规风险）。
6
12 月初，Anthropic 宣布收购 JavaScript 运行时工具 Bun——这是一个极大提升 JavaScript 和 TypeScript 开发体验的产品，收购是为了加速 Claude Code 的发展，争夺开发者生态。
Anthropic 在公告里是这么写的：“Bun 正在重新定义现代软件工程和开发的速度与性能。Bun 由 Jarred Sumner 于 2021 年创立，其速度远超领先的竞争对手。作为一个集运行时、包管理器、打包器和测试运行器于一体的工具包，它已成为 AI 驱动的软件工程不可或缺的基础架构，帮助开发者以前所未有的速度构建和测试应用程序。”
Anthropic 目前依然是海外 AI 三巨头之一，11 月 24 日推出旗舰AI模型的最新版本Claude Opus 4.5，力压 Gemini Pro 3，霸榜的存在。随后又收购了 Bun，夯实技术基础和生态。
在人工智能时代，Anthropic 押注的一直是 AI 编程领域，事实上，Claude Code 在发布六个月后，其年化运营收入已经达到 10 亿美元。
昨天徒步走了十公里，睡觉极香，周日上午爬起来玩了会豆包手机，说梳理下最近 AI 领域里的话题吧。没想到写了这么多，就这吧，我吃饭去了。