《AI HOT 速览：实时语音模型、机器人导航与大模型工具上新》

导语

这期 AI HOT 是 2026-06-17 的 AI 热点汇编，主题横跨实时语音、机器人基础模型、视频生成、高考志愿、知识格式、企业智能体、支付入口、轻量化 Claw、Anthropic 企业市场、DeepSeek 融资和 OpenAI 部署仿真。固定来源规则要求尽量全量转入当天条目，因此这里按主题分组保留产品名、关键数字、发布动作和风险提示。

1. 模型与多模态能力：语音、机器人和视频都在加速

1.1 Cartesia 同时拿下实时“听”和“说”榜首

• Cartesia 推出 Sonic 3.5 和 Ink 2，形成单一实时语音栈：Sonic 3.5 负责文本转语音，Ink 2 负责语音转文字。
• Ink 2 在 Artificial Analysis 流式语音转文字排行榜第一；Sonic 3.5 在实时文本转语音中位列榜首，首音频延迟约 82ms。Cartesia 因此成为目前唯一同时拥有 #1 听与说模型的提供商。

1.2 Qwen 把视觉语言模型推进机器人操作和世界模型

• Qwen-RobotManip 是通义千问基于 Qwen-VL 的视觉-语言-动作 VLA 基础模型，引入覆盖表示、运动和行为三维度的统一对齐框架。它只用开源机器人数据集和人演示视频，构建约 38,100 小时预训练语料，覆盖 15 种机器人形态。
• 该模型在多个 benchmark 上取得结果：LIBERO-Plus 91.4%，RoboTwin-C2R Hard 69.4%，RoboCasa365 Composite-Unseen 14.9%，EBench 45.6%，RoboTwin-IF 72.0%，并在 RoboChallenge Table30 v1 generalist track 夺冠。
• Qwen-RobotWorld 以语言作为统一动作接口，采用双流 Multimodal Diffusion Transformer，也就是 MMDiT 架构，并把 Qwen2.5-VL 用作动作编码器。它在 4 个 benchmark 上取得顶尖成绩，统一 20 多种机器人形态，基于 860 万跨场景训练对和 1300 多项操作技能。
• Qwen-RobotWorld 还把 500 多种动作类别标准化为语言接口，支持操作、自动驾驶、室内导航联合训练，并支持 Scene2Robot 人类到机器人转移，以及 2-4 路多视角几何一致视频生成。

1.3 Seedance 2.0 Mini 把视频生成压到更低成本

• 字节跳动火山引擎旗下火山方舟体验中心在 6 月 15 日上线 Seedance 2.0 Mini，近期计划开放 API。
• 这个视频生成模型比 Seedance 2.0 Fast 快 2 倍，输出质量相当。图生视频定价 0.023 元/千 tokens，视频生视频 0.014 元/千 tokens，720P 规格下单秒生成成本约 0.5 元，较 Seedance 2.0 标准版降低约一半。目标场景包括电商内容生产、营销素材批量生成、UGC 创作和特效玩法。

2. 具身导航与教育服务：AI 进入机器人和高考志愿场景

2.1 Qwen-RobotNav 统一五类导航任务

• Qwen 发布 Qwen-RobotNav，基于 Qwen3-VL 在 15.6M 样本上训练，统一视觉语言导航、目标导航、目标跟踪、自动驾驶和具身问答五个领域。
• 它无需改架构，就能在推理时切换任务模式和观察参数。模型结果包括 VLN-CE RxR 成功率 76.5%、HM3Dv2 目标导航 75.6%（仅 RGB）、EVT-Bench 跟踪率 90.0%、NAVSIM PDMS 91.4，以及三项 EQA 新标杆。
• 它暴露四个可调轴：视觉 token 预算、时间衰减、相机权重和帧采样模式。作为智能体系统的一部分，上层规划器 Qwen3.7-Plus 在 EXPRESS-Bench 上提升 15.4%，导航步数减少。

2.2 “阳光志愿”升级为官方 AI 志愿填报服务

• 教育部“阳光志愿”信息服务系统全新升级上线，依托招生、学籍、就业等官方数据，免费为考生和家长提供志愿填报服务。
• 系统支持 31 个省区市本专科普通批次志愿筛选；输入高考成绩、位次和个性化条件后，可生成参考方案。AI 助手“智慧小招”24 小时在线解答政策规则。平台还推出专业倾向测评和 21 项生涯测评工具。

3. 智能体知识与办公入口：从格式标准到长期运行任务

3.1 Google Cloud 用 OKF 统一组织知识上下文

• Google Cloud 发布 Open Knowledge Format v0.1，简称 OKF。它是供应商中立的 Markdown 规范，为 AI agents 提供结构化上下文知识。
• OKF 把知识表示为带 YAML 前置元数据的 markdown 文件目录，每个概念对应一个文件，通过 type、title、description 等少量保留字段实现互操作。它不要求专有服务、SDK 或运行时，目录可托管在 GitHub、作为 tarball 传输，或挂载到任意文件系统。
• OKF 想解决组织内部知识碎片化：表结构、指标定义和 runbook 分散在 catalog、wiki 和厂商工具中，彼此不兼容。它选择最少意见原则，尽量只强制必要结构。

3.2 Copilot Cowork、支付宝阿宝和 MiMo Claw 都在把 AI 变成工作入口

• Copilot Cowork 全球正式可用，并支持多模型。组织可以让长期运行的 agents 处理复杂多步骤任务，并基于组织独特知识和专有技术工作。
• 支付宝开启 AI 版邀测，用户右滑进入新版界面，可通过对话框或语音给“阿宝”助手下指令。以查询公积金为例，阿宝会自动匹配小程序和服务入口，用户确认后完成操作；所有资金变动和支付环节仍需本人确认。首批放出 100 个邀请码。
• 小米推出云端轻量化 Claw 类产品 MiMo Claw 正式版，搭载 MiMo-V2.5-Pro，并与 OpenClaw 框架深度适配。模型原生兼容 MCP 工具调用协议，内置百万级超长上下文，支持单会话千次以上连续工具调用；MTP 三层解码架构让 OpenClaw 标准 Agent 工作流吞吐提升约 3 倍。
• MiMo Claw 在 ClawEval 中 Pass³ 达 63.8%，Token 消耗较同类产品降低 40%-60%。它联动金山办公生态，支持 Word、Excel、PPT、PDF 的 AI 生成、预览和在线编辑；免费用户每日单次体验时长从 1 小时升到 4 小时。

4. 公司、资本与治理：企业市场、融资和部署评估同时升温

4.1 Anthropic 企业订阅份额超过 OpenAI

• Anthropic 5 月企业 AI 订阅市场份额达 41%，首次超越 OpenAI 的 39.5%。公司刚完成 650 亿美元融资，估值 9650 亿美元，并因首次盈利季度秘密提交 IPO。
• 特朗普政府以出口管制为由，要求 Anthropic 禁止非美国人访问最新模型 Mythos 5 与 Fable 5，导致两款模型下架。Ramp 首席经济学家指出，类似争议，例如 3 月被国防部列为供应链风险，反而推动 Anthropic 企业采用量创纪录。企业支出主要流向 Claude Opus，最新为 Opus 4.8。

4.2 DeepSeek 首轮外部融资和低价策略继续加码

• 中国 AI 初创 DeepSeek 完成首轮外部融资，募资超 500 亿元人民币，约 74 亿美元，估值超 500 亿美元。
• 投资结构特殊：多数资金进入 CEO 梁文锋管理的有限合伙企业，无投票权且锁定期五年；仅国资 AI 基金直接投资并保留投票权。梁文锋个人投入约 200 亿元，腾讯和宁德时代是主要外部投资者。
• DeepSeek 表示优先基础 AI 研究与 AGI 开发，并继续开源。去年初 V3、R1 获全球关注，今年 4 月发布运行于华为芯片的最大开源权重模型 V4，并将 V4 Pro 永久折扣 75%；输入价格约为 OpenAI GPT-5.5 的 1/11，输出价格约为 1/35。

4.3 OpenAI 用 Deployment Simulation 更接近真实部署评估

• OpenAI 发布 Deployment Simulation 方法，在隐私保护下重放历史对话，用新候选模型重新生成回复，模拟上线后的实际表现。
• 在多个 GPT-5-series Thinking 部署中，这种方法比传统评估更准确估计不良行为频率，能发现新型对齐问题，并降低模型识别测试的风险，也可扩展到工具使用智能体场景。
• 传统评估存在覆盖不足、选择偏差和模型可识别测试等局限；Deployment Simulation 用真实对话分布缓解这些问题，但无法测量频率低于每 20 万条消息 1 次的行为。
• OpenAI 还用 WildChat 公开数据集模拟模型部署。WildChat 收集了 2023 年 4 月至 2024 年 5 月的 100 万条对话，用来预测 GPT-5.1、GPT-5.2、GPT-5.4 在真实生产环境中的不良行为率。与私有生产数据对比，WildChat 模拟的平均预测误差约 3 倍；但对技术性和智能体型失调的预测精度下降。这验证了公开数据集作为外部审计工具的可行性，也显示它仍有边界。

思想框架

这期 AI HOT 先从实时语音和机器人基础模型切入：Cartesia 用 Sonic 3.5 与 Ink 2 同时拿下听说榜首，Qwen 则把 Qwen-VL/Qwen3-VL 延伸到 RobotManip、RobotWorld 和 RobotNav，展示具身任务正在走向统一接口和跨形态训练。随后，条目转向应用化：Seedance 2.0 Mini 降低视频生成成本，“阳光志愿”把官方数据和 AI 助手放进高考志愿，OKF 试图用开放 markdown 目录解决组织知识碎片化，Copilot Cowork、支付宝阿宝、MiMo Claw 则把智能体嵌进办公、支付和文件生产入口。最后，资本与治理线并行推进：Anthropic 企业份额和政府冲突、DeepSeek 大额融资与低价开源、OpenAI Deployment Simulation 和 WildChat 外部审计共同说明，AI 竞争正在从模型能力扩展到价格、分发、组织知识、监管评估和真实部署安全。