【开发者周报第1期】2025/06/23-06/27

更多精彩内容请访问www.qiniu.com

刚刚，AI大模型的参数规模可能又突破了某个量级，具身智能机器人或许刚学会更自然的「手眼协调」，多模态交互的应用场景正从实验室走向真实生活……我们为你筛出了最值得关注的5件大事，带你穿透信息泡沫，直抵技术内核。开发者的故事，从这里开始：

Fast Reading：

快速抓重点

1、谷歌发布“自家最强”VLA模型

2、Claude 让每个人都能开发 AI 应用

3、小米首款AI眼镜正式发布

4、最高683分！大模型“高考”出分

5、多指标超GPT-4o！月之暗面Kimi-VL新版开源

内容详情

1、给机器人装上“离线大脑”+“安卓系统”，谷歌端上“自家最强”VLA模型

近日，谷歌DeepMind正式发布Gemini家族新成员——Gemini Robotics On-Device，这是其首个可直接部署于机器人的视觉-语言-动作（VLA）模型，旨在通过本地高效运行，助力机器人快速适应新任务与环境，无需依赖持续互联网连接。

该模型基于Gemini 2.0多模态推理能力构建，属Gemini Robotics系列（今年3月首次发布），经优化可在机器人本体上实现低延迟推理，尤其适用于延迟敏感型或断网场景。实验显示，其具备强大任务泛化与跨具身适应能力：仅需50-100个演示即可微调适应新任务，能完成拉开袋子拉链、折叠衣物等高度灵巧操作；且可跨ALOHA、Franka FR3双臂机器人及Apollo人形机器人等不同机型泛化，处理未见过的物体与场景。

针对开发者，DeepMind将同步推出Gemini Robotics SDK，支持在MuJoCo物理模拟器中快速测试与适配新领域（注：MuJoCo Playground联合团队近期获机器人科学与系统会议RSS 2025杰出演示论文奖）。

DeepMind表示，此模型标志着机器人模型向“更易获取、更易适应”迈出关键一步，推动具身智能技术迈向新阶段。

2、Anthropic 重磅更新：Claude 让每个人都能开发 AI 应用

人工智能公司 Anthropic 宣布其 Claude 聊天机器人新增一项重磅功能，允许用户直接在应用内构建由 AI 驱动的应用程序。该功能目前已正式上线，是基于去年推出的 Artifacts 功能的全面升级。

在官方博客中，Anthropic 表示："通过启用这项新的交互功能，用户可以在 Claude 应用中开始构建自己的应用程序。只需简单描述你想要创建的内容，Claude 就会为你编写代码。"这意味着，即使完全不懂编程的用户，也能通过自然语言对话的方式，让 AI 帮你开发出功能完整的应用程序。

据 Anthropic 介绍，早期使用该功能的用户已经成功构建了多种类型的 AI 驱动应用程序：

  • AI 游戏：带有智能 NPC 的互动游戏

  • 学习工具：个性化教学应用和智能单词卡

  • 数据分析应用：上传表格就能自然语言查询

  • 写作助手：针对特定需求的创作工具

  • 智能体工作流：协调多次调用 Claude 的复杂任务应用

这些应用程序都能通过 API 与 Claude 进行实时交互，实现真正的智能化体验。

3、小米首款AI眼镜正式发布，售价1999元起

6月26日晚，小米创办人、董事长兼CEO雷军在小米人车家全生态发布会上，正式发布首款AI眼镜，售价1999元起并已开售。该产品定位“面向下个时代的个人智能设备”，支持实时语音问答（唤醒小爱同学）、第一人称视角拍摄（健身/骑行等场景）、第三方APP视频通话/直播，专为亚洲脸型优化（仅重40g），兼具开放式耳机功能，强调全天佩戴舒适性。


这是小米在AI硬件领域的一次关键突破，标志着个人智能设备向“随身AI入口”形态进阶：通过轻量化设计（40g）、场景化交互（实时问答+第一视角记录）及多模态能力（语音+视觉+音频），重新定义了“人机交互”的便捷性与实用性，推动AI从“工具”向“日常陪伴者”升级，也为消费电子行业探索AI硬件的新形态提供了参考样本。

对开发者而言，小米AI眼镜的第三方APP适配（如视频通话、直播）将催生更多针对“第一视角交互”的场景化应用开发需求；其“随身AI入口”的定位，可能推动开发者围绕“实时语音交互+场景感知”优化算法与服务；此外，轻量化设计与开放式耳机的融合，或引导开发者关注AI设备在“日常穿戴”场景下的用户体验，加速AI技术与消费硬件的深度协同创新。

4、高考出分！5款大模型考「山东卷」，Gemini、豆包分别获文理第一名

近日字节跳动 Seed 团队集结了五款主流推理模型—— Seed 1.6-Thinking、DeepSeek-R1-0528，以及国外大模型 Gemini-2.5-Pro-0605、Claude-Sonnet-4、OpenAI-o3-high-0416，用 2025 年山东高考真题（主科全国 Ⅰ 卷 + 副科自主命题）进行全科闭卷测评，以高考 750 分制对 AI 的「应试能力」展开硬核比拼。

按照传统的文理分科方式统计得分：

文科成绩：

豆包Seed1.6-Thinking以683分夺冠，其地理（94分）和历史（92分）表现尤为突出，展现了强大的逻辑推理和文本分析能力。相比之下，Claude Sonnet-4（633分）和OpenAI-o3（625分）在政治科目存在明显短板，主要因教材观点关联不足导致失分。

理科成绩：

Gemini2.5-Pro以655分位居榜首，物理（89分）和化学（82分）优势显著，尤其在图像类题目中表现稳定。豆包虽以648分紧随其后，但通过高清图像重测后理科总分可提升至676分，显示多模态能力的潜力。DeepSeek-R1虽数学接近满分（145分），但物理科目仅得62分，拉低总分。

技术突破与挑战：

  • 多模态能力成关键：图像题占比达36%，豆包通过图文交织输入法在生化科目提升30分，验证了全模态推理的价值；

  • 理科差距显著：头部模型理科总分（约650分）仍低于文科（680+分），反映图像处理和复杂公式推导仍是难点；

  • 迭代速度惊人：对比去年媒体公开的大模型高考评测数据，豆包今年理科成绩暴涨181.5分，文科提升140.5 分，显示大模型学习效率的大幅提升。

此次测评表明，大模型已超越普通考生水平（山东一段线441分），部分模型达到清北录取线（预估赋分后超690分）。未来随着多模态技术的深化，AI在复杂问题解决领域的应用前景值得期待。

5、3B挑战70B！月之暗面Kimi-VL新版开源：数学、视频等多项指标超越GPT-4o

日前，月之暗面开源多模态模型Kimi-VL-A3B-Thinking-2506，这是其首个开源多模态推理模型Kimi-VL-A3B-Thinking发布两个月后的更新版本，可凭借2.8B激活参数（16B总参数）在多项测评中超越GPT-4o、Qwen2.5-VL-7B等模型。

这一突破标志着轻量化多模态模型进入新阶段：通过混合专家架构（MoE）、原生高分辨率视觉编码器（MoonViT）及多模态深度融合机制，模型实现了“小参数、强性能”的高效推理，重新定义了模型能效标准；同时，其在数学推导、长视频分析等复杂任务中的表现，验证了多模态技术与大模型学习的快速迭代能力，推动技术向普惠化发展。

对开发者而言，模型支持Hugging Face、VLLM双平台快速部署，且MIT协议允许商用，大幅降低了接入成本；行业层面，其轻量化特性适配边缘设备，可快速落地智能客服（屏幕指令执行准确率92.8%）、医疗影像（病灶识别超90%）等场景；此外，开源生态衍生出法律文书分析、工业质检等20+应用案例，加速多模态技术在千行百业的普及。