ChatGPT支持GIF生成，百度开源ERNIE 5.5 Flash

本期AI日报速览

今天的AI圈信息密度极高：OpenAI为ChatGPT带来了GIF动图生成能力，百度开源了总参数2800亿的ERNIE 5.5 Flash Base，腾讯混元Hy4正式版引入视觉与电脑操作能力。另一边，苹果Apple智能入华时间表、OpenAI收购Pierre Computer Company、Anthropic开源ZK证明方案等消息同样值得关注。

OpenAI：Images 2.6让ChatGPT直接生成GIF

OpenAI发布Images 2.6，ChatGPT首次支持直接生成GIF动图。据官方描述，新版本可调整播放速度、逐帧编辑，并支持附用参考图。API侧同步上线Flare与Sunburst两款模型，官方称整体比前代快50%。

这一更新的意义不止于“多了一种格式”。GIF生成意味着模型开始处理时间维度上的连续帧一致性，而逐帧编辑则把控制权交回用户手中。对于内容创作者和产品演示场景，这能显著降低动图制作的门槛。

百度开源ERNIE 5.5 Flash Base：2800亿参数、100万上下文

百度文心开源Ernie 5.5 Flash Base权重模型。关键规格：总参数2800亿，每个Token激活140亿，在33.5万亿Token上完成预训练，支持100万Token上下文。FP8与BF16两个版本已上线Hugging Face，后训练版本随后推出。

高总参数配合低激活参数的设计，延续了稀疏化路线的思路——在控制推理成本的同时保留模型容量。100万Token上下文则直接对标长文档与代码库级输入场景。开源权重加上Hugging Face同步上线，对国内开发者生态是实质性利好。

稀疏化路线与MoE：文中提到“总参数2800亿、每个Token激活140亿”，这是典型的混合专家（Mixture-of-Experts, MoE）架构特征。MoE将模型拆分为多个“专家”子网络，每个Token仅路由到少数专家进行计算，因此激活参数远小于总参数。这样做的核心权衡是：用更大的总参数量提升模型容量与知识覆盖面，同时用低激活参数控制单次推理的算力开销。业界常见做法是总参数量与激活参数比例在10:1到20:1之间，2800亿/140亿恰好是20:1。理解这一点，才能明白为何“高总参数+低激活”不是矛盾，而是成本与能力之间的工程设计。

腾讯混元Hy4正式版：首次引入视觉与电脑操作

腾讯混元发布HY4正式版，首次引入视觉能力和电脑操作能力。官方称GameDev与GameLogic分别提升19.1%和9.8%，API价格不变，计划近期开源权重。HITAU4已上线腾讯云^广告、OpenRouter与元宝。

“电脑操作”能力是本次升级的核心看点。让模型直接操作界面，意味着从对话式助手向执行型智能体迈出一步。价格不变叠加计划开源权重，说明混元在争夺开发者份额上采取了更激进的姿态。

电脑操作（Computer Use）能力：所谓“电脑操作”，指模型能够理解屏幕截图或界面元素，并输出点击、输入、滚动等操作指令，从而代替人完成软件界面上的任务。这类能力通常依赖视觉定位（GUI grounding）与动作序列规划两部分：前者把界面元素映射为可点击坐标，后者决定操作顺序。它与传统的API调用式智能体不同，不要求目标软件提供接口，因此适用范围更广，但也更容易受界面变化、分辨率差异影响。这也是为何“能否在真实场景落地”成为本期结语中值得跟踪的问题之一。

人才流动：Kat Wu加入OpenAI

Cloud Code产品负责人Kat Wu宣布加入OpenAI，负责Core Products产品管理，将与T-Boat Sotio团队合作开发智能体产品。OpenAI联合创始人Greg Brockman转发确认了这一消息。

产品负责人层面的流动往往预示路线图变化。智能体产品被明确点名为合作方向，与OpenAI近期在电脑操作、代码审阅等执行类能力上的投入形成呼应。

苹果：Apple智能随iOS27.3入华

苹果宣布Apple智能随iOS27.3入华，11月4日开放开发者预览版，12月上正式版。阿里公告称通义接入Siri写作工具和视觉智能，用户自主选择是否开通，请求与回复不用于模型训练。此次上线不含新版Siri AI。

“用户自主选择是否开通”和“不用于模型训练”是两条关键承诺，直接回应了此前外界对数据流向的关切。分阶段上线、先开发者预览再正式版，也说明本地化适配仍在推进中。

OpenAI收购Pierre Computer Company

OpenAI收购Pierre Computer Company。其开源工具已用于Codex的文件浏览和代码审阅，交割后项目继续开源，功能逐步并入Codex，交易待监管批准，金额未披露。

继续开源这一承诺值得注意——被收购方的工具仍保持开源属性，功能并入Codex而非闭源消化。这与OpenAI近期围绕代码审阅的能力补强方向一致。

Google：Guided Learning进入Search

Google把Guided Learning引入Search，学生账号和Classroom K到12年级账号默认关闭。关闭Gemini时搜索一并关闭，该安排从2027年初起生效。

默认关闭的设置体现了教育场景下的谨慎态度。将学习辅助功能与Gemini开关绑定，也让家长和学校对功能边界有更清晰的控制。

Anthropic开源Flash Proof：用ZK证明验证模型来源

Anthropic开源Flash Proof，用ZKSN Arc验证回复确由指定模型生成。在4000亿参数的Llama4 Maverick上，单张H100每秒生成超过100 Token的证明，GPU耗时约为VLLM的70-95倍。

这项工作的价值在于为“这条回复到底出自哪个模型”提供了密码学层面的答案。70-95倍的GPU耗时意味着当前成本仍然偏高，但作为开源方案，它为模型溯源和内容真实性验证提供了可复现的基础设施。

零知识证明与ZKSNARK：文中“ZKSN Arc”应为ZKSNARK（零知识简洁非交互式知识论证）的笔误或转写差异。零知识证明允许证明者在不暴露原始数据的前提下，向验证者证明某个陈述为真。用在模型溯源场景中，证明者需要证明“这段回复确实由指定模型、按指定输入计算得出”，而不必公开模型权重或完整推理过程。其代价是证明生成需要额外算力，这正是文中“GPU耗时约为VLLM的70-95倍”的来源。简洁性（succinct）意味着验证端开销很小，适合让第三方快速核验，但生成端的成本仍是当前落地的主要瓶颈。

OpenAI自主管线：从2308个候选中验证1724个漏洞

OpenAI称其自主管线在10月中旬对最新Linux内核的一次运行中，从2308个候选中验证出1724个漏洞，为948个提权漏洞生成利用代码和补丁，总API成本约121万3000美元。

这组数据的看点在于成本结构：用API成本换安全审计的人力投入，单次运行即可覆盖大规模代码库。提权漏洞的利用代码与补丁同时生成，说明管线已具备从发现到修复的闭环能力。

自主漏洞挖掘管线：这类管线通常由多个智能体分工协作：候选生成阶段从代码变更或静态分析结果中提出可疑点，验证阶段通过构造输入、运行测试或符号执行确认漏洞是否真实存在，利用与修复阶段则生成提权利用代码和补丁。文中“从2308个候选中验证1724个”体现的是高召回后的精确筛选，而“为948个提权漏洞生成利用代码和补丁”说明管线已覆盖发现到修复的闭环。以API成本衡量安全审计投入，是这类方案区别于传统人工审计的关键经济性论点，但也需注意验证环节本身可能引入误报。

人事与传闻：开图离职、GPT 6.2 Astra标识

开图宣布已于上周五离开Anthropic，并会在2月中旬回顾Cloud Code从手动批准权限到默认信任自动批准的变化。

Codex用量统计出现GPT 6.2 Astra标识，有账户占比19.8%。OpenAI官方目录与公告未确认该型号，这一信息目前仅来自用量统计界面，需谨慎看待。

结语

本期最值得持续跟踪的三条线：百度ERNIE 5.5 Flash Base的开源权重将如何影响国内模型选型；腾讯Hy4的电脑操作能力能否在真实场景中落地；以及Anthropic的ZK证明方案在成本下降后是否会成为模型溯源的行业标准。