
> 从单体智能跃迁至群体协作。谷歌通过将视频理解与任务编排深度耦合，重塑了机器人集群的算力分配与数据交互范式。

具身智能领域的演进，长期受困于一个尴尬的技术瓶颈　我们能造出后空翻的机器狗，却无法让三台机械臂在流水线上不打架。Google DeepMind发布的Gemini Robotics ER 2，正是为了击碎这座“单机智能孤岛”而生。它不仅是一个模型更新，更是物理世界中多并发进程的一次底层架构重构。

要理解ER 2的突破，需要透视其处理真实世界物理变量的独特方式。过去的机器人协同往往依赖中央调度系统进行低维指令下发，这类似于让一群蒙着眼睛的人通过对讲机听从指挥。而ER 2首次将原生多模态的大语言模型作为群体机器人的“共享视觉皮层”。通过深度的视频流理解，模型不再是处理生硬的坐标数据，而是直接解析连续的物理时空关系。

![32.jpg](https://static.downly.cn/images/03dfe6e7bad4b26442e57c0e5139e73a.jpg)
<center>图源备注 图片由AI生成</center>

## 剥离算力冗余 视频流驱动的群体大脑

技术架构的最惊艳之处，在于其处理高并发物理交互时的低延迟策略。ER 2巧妙地利用了端侧与云侧的算力切分。中央大脑负责全局视野的帧间逻辑推理，理解诸如“机器人A正在移动障碍物，机器人B需要等待路径清空”的宏观语义；而微观的运动学解算（如关节扭矩控制）则下放至机器人端侧闭环。

这种“语义级编排”解决了传统多机协同中最为致命的通信延迟与状态机爆炸问题。它就如同为一个交响乐团配备了一位能读懂每个乐手眼神的超级指挥家。在这个系统中，视频不仅仅是输入源，更成为了连接多个物理实体的动态共识网络。当一台机器人遭遇视觉盲区时，另一台机器人的摄像头可以无缝补位，形成一种令人惊叹的分布式感知场。

![33.jpg](https://static.downly.cn/images/0bb99efba1bbb5f8b9a663edd73aad02.jpg)
<center>图源备注 图片由AI生成</center>

## 务实的未来预测 柔性制造的无人工厂倒计时

ER 2的工程落地，直接宣告了传统硬编码工业自动化方案的过时。多机协同的解锁，意味着未来工厂不需要为了特定产品铺设固定的导轨与围栏。

在未来三年内，基于类似架构的具身智能体集群将率先在仓储物流与精密柔性制造领域大规模铺开。这不再是简单的机器换人，而是生产资料交互逻辑的重写。开发者只需要用自然语言下达“组装一台手机并打包”的指令，机器人集群就能自主完成任务拆解、空间防碰撞路径规划与协同操作。一个真正意义上的软件定义物理世界的时代，正在拉开帷幕。

破局具身智能孤岛 Gemini Robotics ER2解锁多机协同底层架构



> 从模糊的像素拼凑到原生 4K 的丝滑跃升，Runway 此次模型更新精准切中了视频生成最棘手的时间帧连贯性难题。这不是简单的清晰度升级，而是底层扩散架构向物理世界规律的一次深度重构。

## 暴力美学与架构优化的平衡

对于视频大模型而言，分辨率从 1080P 跃升至真正的原生 4K，绝不仅仅是将算力规模放大四倍那么简单。在扩散模型（Diffusion Models）的潜在空间（Latent Space）中，维度的激增会导致计算复杂度的指数级爆炸，极易产生画面崩溃或色彩失真。

Runway 此次推出的 Seedance 4K 等模型，在底层架构上放弃了简单粗暴的“逐帧放大”路径。它引入了更深层次的三维注意力机制，将时间维度与空间维度进行了联合编码。这意味着模型不再像一个快速翻页的画册，而更像是在一个连续的流体空间中直接雕刻光影。这种架构的优化，使得 4K 细节的生成不再依赖后期的超分辨率修饰，而是从源头就具备了高清晰度的基因。

![32.png](https://static.downly.cn/images/8a4dfee7b0fd644c6230ebf0129a7d07.png) <center>图源备注 图片由AI生成</center>

## 拆解时间轴注意力机制

过去，AI 视频最令人诟病的就是“物理定律的崩塌”，比如人物多长出一根手指，或者背景物体在镜头平移时莫名融化。Seedance 模型的核心突破，在于极大增强了“时间轴注意力”（Temporal Attention）的权重。

技术亮点　当模型生成第 60 帧时，它能以极高的精度回调并对齐第 1 帧的物理特征。这就好比给 AI 戴上了一副“记忆眼镜”，让它在渲染每一根发丝的飘动轨迹时，都严格遵循前序帧设定的物理规律。这种一致性的突破，彻底解决了长视频生成中常见的角色变形问题，让 AI 生成的内容终于达到了可信的观感阈值。

## 渲染管线前置与影视后期变革

Runway 的这波技术推进，正在悄然重塑影视制作的渲染管线。以往，高质量的特效需要经过建模、材质、灯光、渲染农场计算等漫长且昂贵的流程。如今，Seedance 4K 的表现力使得某些特定的视觉概念可以直接“端到端”生成。

![33.png](https://static.downly.cn/images/88c21754bc62a5d4f9110d0a11ae1e79.png) <center>图源备注 图片由AI生成</center>

## 算力成本与本地化部署的博弈

然而，技术的狂欢背后是冷酷的算力账本。原生 4K 视频的生成对显存带宽提出了极其苛刻的要求。对于广大创作者而言，如何在云端高昂的调用费用与漫长的排队等待中找到平衡，依然是个未知数。Runway 必须在模型参数量与推理效率之间进行极限微调，否则这项足以载入史册的技术突破，只能停留在炫技用的宣传片中，无法真正普及到每一个极客的桌面上。

Runway 连发三款新模型 Seedance 4K 突破视频生成时空一致性瓶颈



> OpenAI 正式确立新旧技术分水岭，将于下月起停止包括 GPT-4o 在内的多款旧版模型服务。数据显示仅 0.1% 用户留存旧版本，官方将集中资源优化 GPT-5.2 及后续旗舰架构。

## 历史使命终结 GPT-4o 即将退场

OpenAI 近日发布公告，确认将从下个月开始对 ChatGPT 的模型库进行重大调整。曾作为旗舰产品备受赞誉的 GPT-4o，在完成其阶段性历史使命后，将正式退出技术舞台。这款于 2024 年 5 月发布的模型，曾以其流畅的亲切对话风格和卓越的多模态处理能力，定义了当时的人机交互标准。然而，随着 AI 技术的指数级迭代，OpenAI 的战略重心已全面转移至更高效的新一代架构。

## 优胜劣汰 数据揭示 GPT-5.2 统治地位

此次决策背后的核心驱动力来自真实的用户行为数据。OpenAI 披露，目前每日仅有 0.1% 的活跃用户仍在使用 GPT-4o 进行交互。与之形成鲜明对比的是，绝大多数用户已自发迁移至性能更强、逻辑推理更缜密的 GPT-5.2 模型。

官方对此表示，公司近期在模型的个性化定制、深度推理以及创意构思能力上取得了突破性进展。目前的时机已经成熟，停用旧模型不仅符合市场选择，更是为了释放维护成本，聚焦未来的技术演进。

![Google_AI_Studio_2026-01-31T03_23_41.960Z.png](https://static.downly.cn/images/a88f44c3d58edb4dfad30dff9c0d52ec.png) <center>图源备注：图片由AI生成</center>

## 清理名单 mini 与推理模型同步下线

此次模型库的精简不仅限于 GPT-4o，OpenAI 将执行一次彻底的“大清洗”。根据公告，以下模型也将同步移出服务列表：

*   GPT-4.1
*   GPT-4.1mini
*   OpenAI o4-mini
*   GPT-5Instant
*   GPT-5Thinking

此前 OpenAI 曾尝试限制 GPT-4o 的访问权限，因用户反响强烈而短暂恢复。但随着 GPT-5 系列模型的全面铺开与性能验证，OpenAI 最终下定决心通过精简模型库来统合算力资源，确保为全球用户提供更统一、更先进的 AI 交互体验。

OpenAI 宣布停用 GPT-4o 等旧版模型 算力全面向 GPT-5 系列倾斜

即日起，用户通过官网、App 或小程序进入对话界面，**开启“深度思考”功能**即可体验全新升级的 R1 模型！API 同步更新，调用方式不变。

------

### 🔍 深度思考能力：跨越式进化

本次升级基于 **DeepSeek V3 Base（2024.12 基座）**，通过强化训练显著提升模型思维深度与推理能力。在数学、编程、逻辑等多项权威测评中，**DeepSeek-R1-0528 综合表现领跑国内模型，并逼近国际顶尖水平（如 o3、Gemini-2.5-Pro）**。

![img](https://static.downly.cn/images/DeepSeek-R1-0528.png)
*（基准测试：64K 输出长度 | Humanity's Last Exam 仅文本题目）*

#### 关键突破：

- **复杂推理飞跃**：AIME 2025 测试准确率从 **70% → 87.5%**
- **思维深度倍增**：单题平均思考量从 12K tokens → **23K tokens**（解题更严谨周密）
- **开源模型赋能**：蒸馏 R1 思维链训练的 **DeepSeek-R1-0528-Qwen3-8B**，在 AIME 2024 测试中：
  ✅ **超越原版 Qwen3-8B 达 10%**
  ✅ **性能媲美 Qwen3-235B 大模型**
  → *为学术界与工业界小模型开发提供全新范本*

![img](https://static.downly.cn/images/DeepSeek-R1-0528-Qwen3-8B.png)
*（开源模型 AIME 2024 对比结果）*

------

### 💻 前端开发：视觉与代码双重突破

实测 **R1-0528 前端开发能力大幅领先 Claude4**，生成代码**布局美观、设计现代**，效果差距显著：

**▶️ 视频演示：R1 开发网页/App 全流程**

<video src="https://static.downly.cn/images/20250530025603.815842284.MP4" controls width="70%" title="v0300fg10000d0s93n7og65vlraqrc6g.MP4"></video>

------

### 🚀 全维度能力升级

#### 1️⃣ 幻觉率降低 45~50%

优化改写、摘要、阅读等场景，输出更可靠

#### 2️⃣ 创意写作进化

长文生成能力增强：议论文/小说/散文结构更完整，文风更自然

#### 3️⃣ 工具调用（Function Calling）

- 支持非思考模式下工具调用
- Tau-Bench 性能比肩 **OpenAI o1-high**（airline 53.5% / retail 63.9%）
  ![img](https://static.downly.cn/images/ypP8EWib4r36XeQlrkXBufIxeCTibFKyyW.gif)
  *（LobeChat 调用示例：网页内容总结）*

#### 4️⃣ 角色扮演 & 前端生成再提升

![img](https://static.downly.cn/images/640434543425432.gif)
*（R1 开发单词卡片应用：现代简约风格）*

------

### ⚙️ API 更新指南

- 接口与调用方式**完全兼容旧版**
- 新增支持：**Function Calling** / **JSON 格式输出**
- **重要调整**：`max_tokens` 现限制**单次输出总长度（含思考过程）**
  ▸ 默认值：32K　▸ 最大值：64K
  → *请开发者调整参数避免截断*
  🔗 使用文档：https://api-docs.deepseek.com/zh-cn/guides/reasoning_model

> 📢 注：官网/App/API 仍提供 **64K 上下文**，需 **128K 上下文**可调用开源版本

------

### 🧠 模型开源

- **架构**：同前代 R1（685B 参数，含 14B MTP 层）
- **训练优化**：改进后训练方法，私有化部署仅需更新 checkpoint 与配置文件
- **开源版本**：**128K 上下文**（MIT License 可商用）
- **下载地址**：
  **▪️ Model Scope**
  https://modelscope.cn/models/deepseek-ai/DeepSeek-R1-0528
  **▪️ Hugging Face**
  https://huggingface.co/deepseek-ai/DeepSeek-R1-0528

------

**立即开启“深度思考”，体验更强大的 R1！**
官网 | App | 小程序 | API 同步上线

------

### 优化说明：

1. **强化标题层级**：使用符号/加粗/分段提升可读性
2. **突出核心数据**：关键指标（87.5%→）视觉强化
3. **用户引导明确**：操作步骤（开启深度思考）前置+重复提示
4. **技术表述简化**：如“后训练过程”→“强化训练”，“思维链蒸馏”→功能化描述
5. **视觉元素整合**：图片/视频说明更简洁，避免中断阅读流
6. **API 变更高亮**：重要调整（max_tokens）单独标注
7. **增加行动号召**：结尾强化体验入口

搜索结果: 模型更新