跳到主要内容

AI Daily Digest: OpenAI 脱绑 Microsoft，NVIDIA 开源多模态 Agent 模型，DeepSeek V4 引领效率革命 - 2026/04/28

· 阅读需 6 分钟
Yi Wang
Yi Wang
Full Stack & AI Engineer

今日 AI 行业迎来多个重磅事件。OpenAI 与 Microsoft 正式结束独家合作关系，OpenAI 的 IP 许可变为非独占——这标志着 AI 行业从"绑定巨头"走向多云开放时代。NVIDIA 发布 Nemotron 3 Nano Omni，一个统一视觉、音频和语言的开源多模态模型，专为 Agent 感知设计。DeepSeek V4 的技术细节进一步揭示：Hybrid Attention 架构将 KV cache 压缩至传统 GQA 的 2%。同时，Google 将 Agent Payments Protocol 捐赠给 FIDO Alliance，为 AI Agent 的商业支付建立安全标准。

OpenAI 与 Microsoft 结束独家合作​

OpenAI 与 Microsoft 在 4 月 27 日宣布修改多年来的合作协议，结束独家绑定关系。关键变化包括：

  • 非独占许可：Microsoft 对 OpenAI IP 的许可证从独占变为非独占，有效期至 2032 年
  • 多云开放：OpenAI 现可在所有云平台（包括 AWS、Google Cloud 等）提供产品和服务
  • 收入分流转：Microsoft 不再向 OpenAI 支付收入分成；OpenAI 向 Microsoft 的收入分成持续至 2030 年，设有总额上限
  • Azure 仍是首选：Azure 仍为 OpenAI 的主要云合作伙伴，产品优先在 Azure 上线

影响分析：这是 AI 行业格局的重大转折。此前 Microsoft 凭借独家合作成为 OpenAI 唯一的云基础设施提供商，获取了巨大的战略优势。现在 OpenAI 可以自由地在 AWS、Google Cloud 等平台上部署服务，这意味着 AI 模型将成为真正的"多云产品"。对于企业用户而言，这降低了供应商锁定的风险。

🔗 来源：OpenAI Blog | Reuters

NVIDIA Nemotron 3 Nano Omni：开源多模态 Agent 模型​

NVIDIA 于 4 月 28 日正式发布 Nemotron 3 Nano Omni，一个统一视觉、音频和语言的开源多模态模型，专为 Agent 子系统设计：

  • 架构：30B 总参数，3B 活跃参数（MoE），集成视觉和音频编码器
  • 性能：在六个文档智能、视频和音频理解排行榜上夺冠
  • 效率：比同类开放全模态模型吞吐量高 9 倍
  • 原生 1080p：1920×1080 分辨率输入，专为 Computer Use Agent 优化
  • 开放获取：Hugging Face、OpenRouter、NVIDIA NIM 均可获取

亮点：该模型最大的创新在于消除了多感知模型拼接。传统方案需要分别部署 OCR 模型、ASR 模型和语言模型，而 Nemotron 3 Nano Omni 将三者统一到单一推理流程中，在减少延迟、成本和上下文碎片化方面有显著优势。Nemotron 3 系列过去一年下载量已超 5000 万次。

🔗 来源：NVIDIA Blog | Hugging Face

DeepSeek V4 技术细节：Hybrid Attention 的工程突破​

随着 DeepSeek V4 在 4 月 24 日发布后的持续热议，更多技术细节浮出水面。MIT Technology Review 分析了 V4 重要的三个原因：

1. 开源模型的性能巅峰：V4-Pro 在 Agentic Coding 基准上达到开源 SOTA，匹配 Claude Opus 4.6 和 GPT-5.4 等闭源顶级模型。在 85 名资深开发者调研中，超 90% 将 V4-Pro 列为编码任务的首选模型之一。

2. Hybrid Attention 架构：V4 的核心创新是两种注意力机制的交替使用：

  • CSA（Compressed Sparse Attention）：4 倍序列维度压缩，带闪电索引器选择 top-k 压缩块
  • HCA（Heavily Compressed Attention）：128 倍压缩，密集注意力
  • 实测效果：KV cache 仅为传统 GQA 的 2%，1M token 上下文的计算量降至前代的 27%

3. 首次适配国产芯片：V4 是 DeepSeek 第一个针对华为 Ascend 芯片优化的模型，早期访问仅对中国芯片厂商开放。MIT Tech Review 指出，如果这一路径成功，将是中国建立平行 AI 基础设施的早期信号。

API 定价：V4-Pro 输入 1.74/Mtokens，V4−Flash约1.74/M tokens，V4-Flash 约 0.14/M tokens，使百万 token 级推理成为经济可行的选择。

🔗 来源：MIT Technology Review | Hugging Face Blog | DeepSeek API Docs

Google 捐赠 Agent Payments Protocol 给 FIDO Alliance​

Google 将 Agent Payments Protocol (AP2) 捐赠给 FIDO Alliance，推动 AI Agent 支付的标准化和安全性：

  • AP2 结合现代区块链（如 Sui）与开放协议（A2A、MCP），建立 Agent 驱动商业的安全框架
  • Mastercard 同步宣布与 Google 合作，将 Passkeys 作为 AI 支付的核心验证机制
  • OpenAI 也已加入 FIDO Alliance，共同推动 AI Agent 认证标准

行业意义：随着 AI Agent 越来越多地参与商业决策（如自动采购、服务订阅、资源调配），安全的 Agent 支付基础设施变得至关重要。将协议捐赠给标准组织而非保留私有，体现了行业对开放标准的共识。

🔗 来源：Google Blog | FIDO Alliance

Musk v. Altman 庭审正式开始​

Elon Musk 诉 Sam Altman 一案于 4 月 27 日在加州奥克兰联邦法院正式开庭。9 人陪审团已组建完毕，开庭陈述已进行。本案核心争议在于 OpenAI 是否背离了其最初的非营利使命——Musk 主张 OpenAI 已从"为人类利益开源"转变为"为 Microsoft 利益闭源"。多位科技界重量级人物预计将出庭作证。

🔗 来源：AP News | CNBC

Google × Kaggle：AI Agents Vibe Coding 课程​

Google 与 Kaggle 联合宣布将于 6 月 15–19 日举办免费的 5 天 AI Agents Intensive Vibe Coding 课程。参与者将学习使用 Gemini 构建 Agent，涵盖生产级 Agent 开发的全流程。这是 Google 推动 Agent 开发者生态的重要举措。

🔗 来源：Google Blog

知识库更新​

今日更新了以下知识库文档：

  • AI Agent 前沿趋势（docs/ai/agents/10-frontier.mdx）：新增 OpenAI-Microsoft 合作变更、NVIDIA Nemotron 3 Nano Omni 发布、Google AP2 协议捐赠、Musk v. Altman 庭审等内容