NVIDIA 开源全能多模态模型、OpenAI 增长隐忧浮现、国产视觉模型集体反超
英伟达发布 Nemotron 3 Nano Omni 开源多模态模型剑指智能体落地；OpenAI 营收与用户增长未达预期引发市场震荡；SuperCLUE-VLM 评测国产视觉模型全面反超海外；腾讯混元 Hy3 Preview 开源发布
今日动态
本期追踪到 4 项核心进展：英伟达进军多模态智能体模型市场，OpenAI 增长隐忧震动资本市场，国产视觉语言模型在权威评测中全面反超海外，腾讯混元重建后首秀 Hy3 Preview。
🏢 NVIDIA：Nemotron 3 Nano Omni——开源全能多模态模型，智能体效率跃升 9 倍
发布时间：2026-04-28 来源：NVIDIA 官方博客
事件概述：
英伟达于 4 月 28 日正式发布开源多模态推理模型 Nemotron 3 Nano Omni，这是英伟达从算力霸主向模型平台商延伸的关键一步。该模型将视觉、音频与语言能力原生集成于单一架构中，旨在为企业级 AI 智能体提供一体化基础模型底座，替代当前智能体系统中碎片化的视觉-语音-语言模型链路。
技术解析：
- 30B-A3B MoE 架构：总参数 300 亿、激活参数仅 30 亿的混合专家架构，在保持能力的同时实现极高推理效率
- 融合 Mamba + Transformer 层：Mamba 层强化序列内存效率，Transformer 层保障推理精准度，内存与计算效率最高提升 4 倍
- 原生多模态统一：视觉与音频编码器集成于模型内部，无需单独感知模型，消除跨模型编排复杂度，保持跨模态上下文一致性
- 3D 卷积视频处理：通过 3D 卷积捕捉帧间运动特征，配合高效视频采样层压缩高密度视觉标识，支持超长上下文（最高百万 token）
- 六大榜单登顶：在 MMlongbench-Doc、OCRBenchV2（文档智能）、WorldSense、DailyOmni、VoiceBench（视频与音频理解）等六个基准测试中位列第一
行业影响：
英伟达此举标志着 AI 基础设施巨头正式下场争夺智能体模型生态位。Nemotron 3 Nano Omni 的核心价值不在于参数规模，而在于统一感知-行动循环的架构设计——当前 AI 智能体普遍采用”视觉模型→语音模型→语言模型”的串联链路，导致推理跳数多、编排复杂、上下文丢失。英伟达将多模态感知统一到一个 30B 模型中，吞吐量达到同级别开放式全向模型的 9 倍，为企业部署智能体提供了可落地的工程化方案。富士康、Palantir 等企业已率先采用，戴尔、甲骨文正在评估。
相关链接：
🏢 OpenAI：增长未达预期引发市场震荡，AI 投资回报遭质疑
发布时间：2026-04-28 来源：华尔街日报 / 财联社
事件概述：
据《华尔街日报》4 月 28 日报道，OpenAI 未能实现 2025 年底 ChatGPT 周活 10 亿的里程碑目标，今年也有多个月度营收目标落空。CFO Sarah Friar 已向内部表达担忧：若营收增长持续放缓，公司可能无力承担已签署的大规模算力合同费用（总计约 6000 亿美元未来支出承诺）。消息引发 AI 概念股全线下跌——软银重挫近 10%（市值蒸发约 180 亿美元），CoreWeave 跌超 7%，甲骨文跌超 4%，AMD 跌 3.4%，英伟达跌 1.6%。OpenAI 随后发表声明称相关报道”荒谬”，强调消费与企业业务”正全速运转”。
技术解析：
- 竞争格局挤压：谷歌 Gemini 高速增长正在蚕食 OpenAI 市场份额。根据 OpenRouter 数据，Google 以 485B tokens 占据 15.8% 份额稳居首位，Anthropic 以 14.0% 位列第二，OpenAI 以 10.7% 排第三
- 算力成本悖论：GPT-5.5 定价翻倍至 30（输入/输出每百万 token），虽完成相同任务所需 token 减少，但总成本压力未减
- IPO 前的治理困境：CFO 表示公司暂不满足上市信息披露标准，年内 IPO 存变数；董事会加大了对算力交易的审查力度
行业影响：
这一事件的核心意义不在于 OpenAI 单家公司的是非，而在于它重新点燃了市场对 AI 资本支出回报可持续性的质疑。当 Anthropic 年化收入冲破 300 亿美元、谷歌 Gemini 调用量登顶时，OpenAI 的增长困境折射出一个深层矛盾：前沿模型训练成本指数级增长，而商业化变现却面临激烈竞争和价格战。6000 亿美元的算力投入是否能在合理周期内获得回报，正在成为整个 AI 行业必须回答的问题。软银作为 OpenAI 最大外部股东（持股约 11%）的单日暴跌，说明资本市场对这一叙事的敏感度正在上升。
相关链接：
🏢 SuperCLUE-VLM 2026：国产视觉语言模型全面反超海外
发布时间：2026-04-29 来源：SuperCLUE 官方
事件概述：
SuperCLUE-VLM 2026 年 4 月中文多模态视觉语言模型评测结果今日发布，国产模型首次全面反超海外模型。字节跳动 Doubao-Seed-2.0-Pro-260215 以 90.66 分拿下总榜第一，超越谷歌 Gemini-3.1-Pro-Preview（89.35 分）。本次评测覆盖国内外 17 款主流模型，阿里 Qwen3.5 系列、商汤 SenseNova、智谱 GLM 等多款国产模型跻身前列，而 OpenAI GPT-5.4、X.AI Grok 等海外模型仅排中游。
技术解析：
- 评测维度：从基础认知、视觉推理、视觉应用三大维度展开，涵盖通用识别、图表推理、医疗影像等 25 项具体任务
- 国产模型优势：基础认知与数据分析得分普遍超过 90 分，中文场景理解优势明显
- 短板仍存：视觉推理和工业、医疗等垂直应用场景仍有提升空间，部分专业场景得分偏低
- 豆包 Seed 2.0 Pro 技术基础：基于多模态统一架构，视觉推理、空间感知与长上下文理解能力突出，EgoTempo 超越人类分数（71.8 vs 63.2）
行业影响：
这是中文多模态 AI 的标志性突破时刻。长期以来，中文视觉语言模型在公开评测中始终落后于海外头部模型，此次集体反超证明国产模型在中文场景理解上已建立了系统性优势。更深层地看，这折射出大模型竞争的”语言主场效应”——在非英语场景中，本地化数据、中文语料和本土化优化带来的优势可能超越单纯参数规模的竞争。对于出海的中国 AI 公司而言，这是一个有力的背书；对于海外厂商而言，如何在非英语市场保持竞争力将成为新的挑战。
相关链接：
🏢 腾讯混元：Hy3 Preview 开源发布，重建后首秀
发布时间：2026-04-23 来源：腾讯混元博客
事件概述：
腾讯混元发布并开源 Hy3 Preview 语言模型——这是混元团队在 2026 年 2 月全面重建预训练和强化学习基础设施后的首个模型。Hy3 Preview 采用快慢思考融合的 MoE 架构，总参数 295B、激活参数 21B，最大支持 256K 上下文长度，在复杂推理、指令遵循、代码及智能体能力上实现大幅提升。
技术解析：
- 快慢思考融合：支持思考模式与非思考模式切换，思考模式下可设置 reasoning_effort 参数调节推理强度
- 三大设计原则：
- 能力体系化：拒绝偏科，强调推理、长文、指令、对话、代码、工具等多种能力的深度协同
- 评测真实性：跳出刷榜公开榜单，通过自建题目、最新考试、人工评测、产品众测等方式评估真实战斗力
- 性价比追求：深度协同模型架构和推理框架设计，大幅降低任务成本
- 架构创新：MoE 架构下 21B 激活参数实现接近大参数模型的性能，推理成本可控
- 人才注入：腾讯首席 AI 科学家姚顺雨（ReAct 框架作者、前 OpenAI 成员）主导了此次基础设施重建
行业影响：
Hy3 Preview 的发布意义不止于一个新模型，而在于腾讯混元从”跟跑者”到”重建者”的身份转变。此前的混元模型在行业中的存在感相对薄弱，而这次从预训练基础设施开始的全面重建，加上姚顺雨带来的 ReAct 等 Agent 技术基因，标志着腾讯正在认真对待大模型赛道。“反刷榜”的评测理念也值得关注——在当前模型厂商普遍追逐公开榜单排名的环境下，腾讯明确表示要通过产品众测等更贴近真实场景的方式评估模型，这是一种务实的差异化策略。Hy3 Preview 作为”重建的第一步”，后续能否在混元产品矩阵中发挥核心引擎作用，将是检验这次重建成效的关键。
相关链接：
今日速览
- OpenAI GPT-5.5 API 上线：4 月 24 日 GPT-5.5 及 GPT-5.5 Pro 正式开放 API，定价 30（输入/输出每百万 token），为首个完整重训基座模型（非后训练迭代），1M 上下文，长文本检索准确率翻倍 (OpenAI 官方)
- DeepSeek V4 预览版开源：4 月 24 日发布 V4-Pro（1.6T/49B）和 V4-Flash（284B/13B），支持 100 万 token 上下文，优先适配华为昇腾芯片，标志国产算力协同新模式 (HuggingFace)
- 谷歌 AI 系统接入美国国防部：谷歌与五角大楼签署协议，允许 AI 系统用于机密军事工作，提供 API 访问权限，公司称”不涉及定制开发或模型构建”
编者按
今日四条动态勾勒出一幅 AI 行业的关键转折图景。
英伟达发布 Nemotron 3 Nano Omni，从卖铲子的人变成了同时下矿的矿工——当算力巨头开始做模型，生态版图正在被重新定义。而 OpenAI 增长未达预期的消息，则为整个行业敲响了警钟：GPT-5.5 的技术实力毋庸置疑，但 6000 亿美元的算力承诺和 10.7% 的 API 调用份额之间，横亘着一个残酷的商业化难题。
在太平洋的另一边，SuperCLUE-VLM 的评测结果标志着中文多模态 AI 进入了一个新阶段。这不仅仅是排名的变化，而是”语言主场效应”在数据层面的验证。腾讯混元 Hy3 Preview 的”反刷榜”姿态，也在提醒行业：真实的战斗力比榜上的数字更重要。
当技术进步与资本回报的张力日益凸显，大模型行业或许正在从”不惜代价往前冲”的阶段，步入”精打细算过日子”的新周期。