年5月AI大模型周报：推理突破、多模态与Agent时代全面提速

本期周报信息密度极高

这期周报的信息密度，说实话，有点高。OpenAI那个推理模型，干了件大事——自己推翻了一个80年的数学猜想。这事儿的意义不只是发篇论文，它标志着AI的角色正在从“辅助工具”向“科研主体”转变。

与此同时，Qwen3.5的实时翻译、Cursor Composer 2.5、英伟达的世界模型、还有Manus的定时任务，这些产品密集落地。AI基础设施的进化方向越来越清晰：从“能用”到“好用、省钱、还能自主干活”。

一、OpenAI推理突破：80年数学猜想被AI自己推翻了

平面单位距离问题（the point distance problem）

• 1946年由数学家鄂多斯提出，学界主流观点一直认为，正方形网络构造最接近最优解。
• 结果OpenAI那个通用推理模型——注意，不是专门为了数学训练的那种——自己发现了一种全新的构造方式。
• 这项改进直接实现了多项式级别的优化，而且证明已经通过了外部数学家团队的验证。
• 这被认为是AI第一次自主解决某个数学子领域的核心开放问题。

意义

二、OpenAI面向美国用户开放个人理财功能

• Personal Finance Experience功能已经上线。
• 接入了2万家金融机构的数据，结合Qwen3.5的推理能力。
• 能提供消费分析和财务规划，直接对标传统理财顾问。

同期：马尔他政府启动「AI for all」项目

• 公民只要完成AI素养课程，就能免费获得ChatGPT Pro一年的订阅。
• OpenAI目前还在和爱沙尼亚、希腊等国家政府推进国家级别的AI部署。
• 从企业工具到国家基础设施，这一步走得比想象中快。

三、智能体（Agent）开发：成本、模式与工具链

「人管Agent」模式：龙虾之父Berger团队案例

Cursor Composer 2.5：编程效率提升10倍

• 通过扩大训练规模加上复杂增强学习环境实现的。
• 相比上一代模型，成本优势很明显。
• 与SpaceX AI合作，利用百万H100等效算力训练更大模型。
• SpaceX AI正在为下个月的上市招募人才。

Manus升级定时任务功能

• Schedules 2.0支持在指定环境上下文中运行。
• 可以驱动由Manus Schedules创建的外部应用。
• Agent从“随叫随到”进化成了“定时自主执行”。

四、阿里通义：实时翻译 + 旗舰模型 + 语音设计工作台

Qwen3.5-LiveTranslate实时翻译系统

Qwen3.7-Max：面向智能体时代的旗舰模型

• 通过API提供服务，在编程、通用智能体、推理方面表现都相当亮眼。
• 具备跨框架的泛化能力。
• 真实场景验证结果很有意思：持续35小时、超过1000次工具调用，依然能保持连贯推理与稳定执行。

Design Desk语音驱动设计工作台

• 用户直接通过语音描述需求，就能获得可运行、可编辑的设计成果。
• 输出保留了可读可接手的工程文件结构。
• 传统“设计稿→标注→沟通→还原”的多轮沟通被直接跳过，从创意到产品的周期大幅压缩。

五、腾讯 + 古文字 + 编程模型 + 宠物医疗

Ardot：设计智能体平台

• 覆盖完整的UX工作流：设计、生成、编辑、导入、实时协作。
• 与阿里Design Desk形成直接竞争。

Chronicles-OCR古文字视觉感知评测集

• 专注于汉字演化轨迹的跨时空评测。
• 涵盖甲骨文、经文等，共2800张高质量图像。
• 设置了四大评估任务：字符定位、细粒度识别、古文解析、字体分类。
• 目的很明确：评估多模态模型处理古文字的能力。

Codex 55在流体控制中击败强化学习模型

• 没有训练神经网络，而是通过读取仿真日志直接编写控制代码。
• 结果成功击败了顶级的强化学习模型。
• 全部控制策略花费不到14美元。
• 这释放了一个信号：“砸算力”的黑盒模式或许已经过时了。

宠物大模型健康公司完成融资

• 依托千万级宠物医疗数据训练了垂直大模型。
• 推出了AI辅助问诊系统加上AI智能项圈硬件。
• 通过数据回流闭环，已经服务了200多家宠物医院。

六、Meta裁员 + Shopify开放通用购物组件

Meta公司裁员与AI监控工具

• 2024年4月宣布“为AI时代重塑公司”。
• 计划到5月20日裁员8000人，占总员工10%。
• 本周裁员已经覆盖多个国家的办公区。
• 员工电脑被强制安装了model capability监控工具，记录操作并截屏，数据或许会被用于训练AI模型。

Shopify开放Universal Particle（通用购物组件）

• 面向开发者开放，基于Shopify catalog打造购物体验。
• 个人可以调用数百万家商的商品库。
• 从大型AI平台覆盖扩展至任何人、任何地方。
• 智能体交易版图正在持续扩张。

七、Runway + 英伟达世界模型 + Cohere企业级Agent

Runway Edit Studio应用 + RF 2.0模型

• 支持编辑视频中任意一帧的画面。
• 预览确认的变化会延续到后续的整个视频。
• 视频编辑从“逐帧改”进化为“一句话改全局”。

英伟达开源世界模型（26亿参数）

Cohere开源Command A+：企业级智能体模型

• 针对企业级智能体应用深度优化。
• 支持大规模并发调用，非常适合构建企业AI基础设施。

八、AI基础设施：数据库、编排框架与低成本替代

Nebius TokenFactory：高可用性推理后端

• 为智能体提供稳定、可扩展的推理服务。
• 解决的是Agent规模化落地中的可靠性和吞吐量问题。

LangGraph：智能体编排框架

• 支持自研大模型+向量数据库，满足复杂搜索需求。
• 允许为不同子智能体分配不同模型，从而优化整体成本。

a16z发布AI创业指南

• 为创业者提供从0到1的AI创业方法论。
• 涵盖技术选型、商业模式、融资策略等核心维度。

谷歌AI处理规模指数级增长

• Token处理量持续爆发，AI云服务已经成为企业基础设施的重要组成部分。
• 低成本训练方法（仅用少量数据训练高质量模型）和替代方案（不训练神经网络的控制代码生成）正在快速涌现。

总结：2026年5月AI的三大分水岭

1. 科研AI已成年

OpenAI推翻80年数学猜想不是噱头。它证明了一件事：通用模型已经具备原创性科学发现能力，科研人员的好帮手真的来了。

2. Agent从“能干活”到“会自主”

• Cursor带来的10倍效率提升。
• Manus的定时任务。
• Cohere的企业级Agent。
• 加上编排框架（LangGraph）和高可用推理后端（Nebius），这些力量共同把Agent从实验态推向了生产态。

3. 成本战全面打响

• 英伟达世界模型吞吐量提升了36倍。
• Codex 55只用了14美元就打败了强化学习。
• 「人管Agent」模式用3个人顶替了传统团队。
• 这场游戏的规则很明确：谁能在保证质量的前提下把成本打下来，谁就握住了下一阶段的门票。