一周AI大事：GPT-5.1＂情商＂大升级，“空间智能”正式上线(2)

　　锐评：话音未落，已转录成文。

　　4. 新闻：谷歌更新Android和iOS平台上的Gemini Live，提供更具适应性和表现力的语音功能。用户现在可以调整语速，听到更细微的语调和节奏变化，还可以要求AI用不同角色的口音来讲故事。新版应用还改进了AI对语言学习和练习对话的支持。此外，Gemini Live API中新增的本地音频模型降低了延迟，提升了语音优先应用的性能。

　　锐评：除了不像人会喘气，啥音都会。

　　5. 新闻：谷歌在其搜索的AI模式以及Gemini应用中推出了一整套AI购物工具。对话式购物功能可以从包含约500亿个产品列表的图谱中提取信息；“智能结账”功能可跟踪价格，并在商品价格降至用户设定阈值以下时通过Google Pay自动下单；“让Google致电”的智能体功能可代替用户致电本地商店，查询库存和促销信息。

　　锐评：这下网购花钱更快了。

　　6. 新闻：Terminal-Bench基准测试已更新至2.0版。Terminal-Bench是一个开源基准测试，包含89个实际终端任务，用于评估AI智能体在真实Shell环境中的操作能力。Terminal-Bench团队还发布了基于容器的标准框架Harbor，可以让不同智能体在相同任务上进行可复现的评估。Terminal-Bench的公开排行榜会跟踪各智能体在终端AI自动化任务上的表现。

　　锐评：智能体考试也越来越难，还要比拼敲命令行。

　　7. 新闻：总部位于巴黎的H Company公司发布新一代多模态模型Holo Two，旨在推动跨平台的计算机使用智能体。Holo Two模型有40亿、80亿和300亿-A3B MoE三种规模，均是经过调优的视觉语言模型，用于在真实GUI（图形用户界面）中进行定位、导航和任务执行。这些模型使智能体能够“查看”屏幕，并通过点击和按键来控制屏幕；它们可以在网页、桌面以及移动端运行。Holo Two模型现已开放权重并上线Hugging Face平台。

　　锐评：能看屏幕、能点按钮、能跑GUI，这不是把坐办公室的活全包了嘛。

　　8. 新闻：新发布的Robyn是前医生Jenny Shao创建的一款富有同理心的AI伴侣。作为一款iOS应用，Robyn的定位并非替代心理医生，而是一个高情商的伙伴。它能记住用户的详细信息，具备长期跟踪模式，可以提供关于压力、情感依恋风格和习惯方面的见解，同时为了确保安全还内置了防护措施和危机响应流程。

　　锐评：明明白白你的心，渴望一份真感情。

　　9. 新闻：Gemini 3和Nano Banana 2即将发布。Gemini 3预览版现已在LMArena上线，代号为“riftrunner”。谷歌新一代AI图像模型Nano Banana 2也已以预览形式出现在Gemini应用内。Nano Banana 2在角度和视点方面具备更强的类相机控制，改进了文本渲染能力，并采用多步骤的“规划、生成、评估、修复”工作流，在呈现最终结果前会反复自我修正图像。

　　锐评：还会反复纠错，AI出图这是要卷到用户满意为止。

　　三、AI研究动态：小模型打出大智慧，多语言多环境AI纷纷出炉

　　1. 新闻：Meta推出语音识别系统Omnilingual ASR，能支持超过1600种语言和方言。Meta表示，Omnilingual ASR是“被设计成一个社区驱动的框架”，其中包含一套用于自动语音识别 (ASR) 的新型开源AI模型和一个涵盖350种冷门小语种的转录语音数据集。这些AI模型的参数量从3.5亿到70亿不等，均基于Meta的wav2vec 2.0架构开发。Meta在论文《Omnilingual ASR：支持1600多种语言的开源多语言语音识别》中公布了他们的研究成果。