千问语音升级、Kimi更新Token优化、Nvidia发实验模型，这周AI圈卷出新高度了

千问语音升级、Kimi更新Token优化、Nvidia发实验模型，这周AI圈卷出新高度了

这周的AI圈信息量真的大到离谱。几个大模型团队像商量好了一样扎堆发新东西，我捋了一下，挑几个最值得聊的说说。

千问升级实时语音识别，方言终于不白给了

千问大模型这周升级了实时语音识别模型Fun-ASR-Realtime。最大的亮点是首字延迟压到了百毫秒级别，基本做到了"你说出来的同时它就识别完了"。支持16种方言和30种语言，四川话、粤语、闽南语这些终于不用让用户说普通话才能用语音功能了。对做智能客服、会议记录、语音助手的团队来说，这是个好消息。

Kimi更新K2.7，主打省Token

月之暗面发了Kimi K2.7-Code版本，重点是Token效率优化。同样的任务比以前少花钱，这对高频调用API的团队来说比堆参数实惠多了。而且GitHub Copilot也宣布首次接入国产开源模型，第一个接的就是Kimi K2.7 Code，说明至少在编程这块，国内模型已经得到了国际工具的认可。

Nvidia出实验模型，三种模式随便切

Nvidia放了个叫Nemotron-Labs-Diffusion-14B的实验模型出来。有意思的是这个模型可以切换三种模式运行——自回归、扩散、自推测。同一套参数根据不同任务需求切换推理模式，这个思路挺新颖的。不过目前还比较实验性，真正落地可能还得等等。

Step-3.7-Flash在数学上很强

步函的Step-3.7-Flash在数学推理方面表现突出。这模型在MATH等数学基准上比很多同体量模型强出一截，而且推理速度挺快。对需要大量数学运算或逻辑推理的AI应用来说，又多了一个选择。

我的感受

这一波更新看下来，我觉得最值得注意的不是单个模型有多强，而是生态开始分化了。每个模型都在找自己的差异化优势——千问押注语音入口，Kimi死磕成本效率，Step死盯数学能力。以前大家一窝蜂堆参数拼benchmark，现在开始琢磨"你能干什么、我能干什么"。

这对做应用的开发者来说是好消息。选模型不再是"谁最强用谁"，而是"谁最适合这个场景用谁"。组合使用不同模型的方案会越来越多，AI应用的整体体验也会因此上一个台阶。

说白了，卷硬件不如卷场景。能让用户真正用起来的AI，才是好AI。