开发者朋友们大家好：
这里是 「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement） 领域内「有话题的技术」、「有亮点的产品」、「有思考的文章」、「有态度的观点」、「有看点的活动」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。
本期编辑：@koki、@鲍勃
01 有话题的技术
1、Vivix 发布 W1 与 A1 实时交互多模态模型：30B 激活参数，首帧延迟降至 300–600ms
多模态 AI 初创公司 Vivix 正式推出面向互动叙事的基座模型 W1 与面向交互角色的 A1，并开放 API。该系统实现单模型集成实时理解、交互与生成，在 30B 激活参数规模下将首帧渲染延迟控制在 300–600ms，并在一年内将系统推理与基础设施成本降低了两个数量级。
-
单模型一体化架构与 300–600ms 极低延迟：摒弃分步级联管线，将视觉理解、多模态交互（触屏、手势、语音）与实时生成统一整合于单模型中；在 30B 激活参数下，TTFF（首帧渲染时间）达 300–600ms。
-
发布 A1 人形场景交互模型：超越嘴型/手势匹配的传统数字人，实现 AI 角色在动态场景内的物理交互，例如带货场景中抓取与展示商品、游戏场景内进行环境导航与实体互动。
-
工程 Infra 成本降低 90% 以上：通过基础设施与模型推理优化，系统整体成本在一年内降低两个数量级（100 倍），对标 YouTube CDN 与带宽成本线（约每人小时 0.2 美元）。
-
无文本中介的三元原生交互数据集：直接投喂游戏 Replay 录屏与仿真环境操作日志（涵盖「过去状态理解-人类交互动作-下一秒环境变化」三元组数据），不依赖自然语言翻译中介，数据量已对标头部视频生成模型。
-
开放 API 与季度迭代计划：W1 作为中等规模验证模型已开放 API 接口；训练数据量扩大 100 倍的下一代基座模型 W2 计划于今年第四季度发布。
（@Monolith 砺思资本、智能涌现）
2、OpenAI 发布企业级智能体平台 Presence：支持实时语音与文本交互，通过 API 集成第三方模型与工具
OpenAI 推出企业级智能体部署与管理平台 OpenAI Presence，专注于实时语音及文本工作流落地。该平台通过结合预置护栏策略、仿真评测工具与前线工程师（FDE）交付模式，解决智能体在生产环境中高并发实时交互的可靠性及策略更新问题。
-
实时语音交互与多模型 API 融合：原生支持全双工实时语音与文本频道，涵盖客服呼叫（如 SoftBank 日语客服、BBVA 墨西哥语音银行业务）、外呼销售及内部 IT/HR 服务台；核心智能体运行 OpenAI 模型，同时开放 API 接口，允许企业引入第三方模型或服务用于工具调用（Tools）与安全护栏（Guardrails）。
-
电话客服实测 75% 自主解决率：Presence 已承载 OpenAI 官方英文电话客服（1-888-GPT-0090），处理验证身份、账户查询及执行批准动作等开放式语音请求，实现 75% 的无人工介入解决率；基于 Codex 的优化机制在 10 天内将人工转接率降低了 15 个百分点。
-
Codex 驱动的策略闭环更新：内置 Presence Codex 插件，自动捕获生产环境会话与人工转接（escalation）日志，分析用户意图与策略偏差，自动生成提示词（Prompt）与 SOP 变更建议，并支持在线对比仿真测试与受控发布。
-
基于任务的最小授权与批处理仿真：对智能体施加基于特定工作流的最小数据与系统 API 访问权限；提供离线批处理仿真（Simulation Batches）与自动评分器（Graders），在上线前评估策略符合度与边界规则，防止语音与文本交互中的越权或误操作。
( @venturebeat）
3、OpenAI Codex 曝光实时语音智能体功能 Realtime Voice Mode：集成 Connectors 支持跨应用复杂任务执行
OpenAI 被发现在 ChatGPT 代码中集成了 Codex Realtime Voice Mode。该功能将实时语音交互与 Codex 智能体相结合，使系统能够通过语音操控 Connectors 执行跨应用的复杂任务。
连接器与工具链调用： 用户可通过语音触发 Connectors，直接操控 Slack、Spotify、文档、日历、网页浏览器、在线购物及外卖下单等第三方服务。
通用智能体定位： 基于 Codex 智能体构建，将原本针对代码场景的能力扩展至通用自动化任务执行。
交互形态演进： 此前在 Codex 应用中曾以 Orb 或 Pets 挂件形态曝光，目前尚未在 ChatGPT 桌面端公开发布。
竞品同步推进： Anthropic 也在为其 Opus 和 Sonnet 模型升级语音模式，同步支持 Connectors 与工具调用。
目前处于代码曝光阶段，具体上线时间未定。
（@testingcatalog@X）
02 有亮点的产品
1、硬件初创公司 Augmental 开售 MouthPad 口腔触控板：通过舌头控制指针，厚度 1mm，售价 1400 美元
硬件初创公司 Augmental 正式在美国开售基于口腔佩戴的无线触控设备 MouthPad。该设备可将舌头与头部微动转化为计算机指针指令，帮助无障碍需求用户实现免手操作，定价 1,400 美元起。
-
3D 打印个性化牙科封装：设备基于用户牙科 3D 扫描定制，采用牙科树脂材料制造；整体厚度约 1 mm，重量约 10 g，尽量降低对语言发音的影响。
-
舌头与头部运动多模态映射：内置中央触控板与侧边柔性电路，支持将舌头触碰、滑动以及头部移动精准转化为鼠标指针定位、单击、双击、滚动及拖拽等操作。
-
标准蓝牙无线连接：设备直接通过 Bluetooth 协议与终端连接，兼容 macOS、Windows、Linux、iOS 及 Android 系统，支持多设备间实时切换，并提供专属控制 App（适配 macOS、Windows、iOS）。
-
硬件续航与安全认证：配备专属充电盒，内置电池可支持 7 小时以上的连续使用，完全充电时间约为 1.5 小时。
-
无声打字扩展模块（VOX）：同步推出公测版体感麦克风 VOX，利用体传导技术拾音，与 MouthPad 组合实现无双手参与下的完整「指针+打字」交互。
目前已在美国开放预订，单机售价 1,400 美元，双机套餐售价 1,900 美元；用户需在本地完成 3D 牙科扫描并提交数据，定制设备将在 6 个月内完成发货。
( @augmentaltech@X)
2、商汤 001 号员工「再创业」AI 陪伴，完成数千万种子轮
AI 角色硬件公司酷奇奇科技（Coolqq） 宣布完成数千万元种子轮融资。本轮融资由上海浦东人工智能种子基金领投，商汤科技、零以创投跟投，云杉资本 Spruce Capital 担任长期独家财务顾问。
酷奇奇的创始人徐持衡，是商汤科技 001 号员工，师从计算机视觉泰斗汤晓鸥教授，曾与团队共同开发商汤早期最重要的人脸识别技术。此后，他出任灵宇宙 CTO，主导 AI 教育产品「Ling」从概念到完整落地。
酷奇奇的核心产品 「CookiePi 角色互动伙伴」 是一款分布式多端 AI 互动产品。它由触发器 Cookie 和角色端 Pi 两部分组成，可适配玩偶、手办、家居等各种物理实体，让数字生命能够以具身形态存在于现实场景中。
多个 AI 互动伙伴可以融入家居各处，主动探索空间，陪用户聊天，也能即兴演剧，共同演绎日常生活。
（@AING 硬迹）
3、Synthesia 发布 Roleplay 交互式培训系统：接入 OpenAI 推理引擎，集成自研 Avatar 与实时量化评分
Synthesia 推出全新 Sessions 平台首款产品 Roleplay，支持员工与 AI 虚拟形象进行销售演示、绩效评估等高难度场景的实操模拟。该系统将底层 OpenAI 推理模型与自研音视频技术相结合，引入量化评分标准与性能分析层，推动公司业务从单纯视频生成向数据驱动的绩效管理平台转型。
-
架构解耦与自研结合：底层推理智能接入 OpenAI 模型，前端融合 Synthesia 自有专利的 AI 虚拟形象生成与语音合成技术。
-
实时抗辩与量化评分：AI 虚拟形象具备实时对答与提出质疑（push back）的能力，并在互动结束后依据预设量化指标（rubric）自动完成多维能力打分。
-
分析层沉淀与人才图谱：集成 Performance Analytics 模块，将软技能培训转化为可视化数据，协助管理层进行细粒度的人力资源表现评估。
-
场景拓展规划：作为「Sessions」平台的首发模块，后续计划将该交互架构延伸至求职面试与候选人筛选等场景。
( @TechCrunch)
03 有态度的观点
1、Vibe Coding 概念提出人 AK：用 10 分钟的交流，换取更懂你的大模型
近日，OpenAI 联合创始人、前特斯拉 AI 总监、vibe coding 概念提出人安德烈·卡帕西（Andrej Karpathy）在社交媒体上分享了他与大模型互动的独门秘诀：不要试图写出完美的指令，去和它交谈，越乱越好。
卡帕西指出，当面对复杂任务时，人类往往因为「懒得打字」而无法向大模型提供足够的背景信息。他的解决方案极具颠覆性：坐在椅子上，切换到语音模式，然后开始长达 10 分钟的「闲聊」——没有任何逻辑，想到什么说什么，甚至夹杂着口误和废话。
令人惊奇的是，大模型展现出了极强的「去粗取精」能力。它们能够从这些混乱、冗长的语音碎片中，精准重构出用户内心深处的真实意图，并给出一个比用户初始想法还要清晰得多的结构化回应。一旦完成这一步，后续的合作就会变得顺畅无比，几乎不再需要反复修正。
04 社区黑板报
招聘、项目分享、求助……任何你想和社区分享的信息，请联系我们投稿。（加微信 creators2022，备注「社区黑板报」）
1、活动推荐｜BUIDL_QUESTS 2026 深圳站
BUIDL_QUESTS 2026 是一场聚焦 AI × AI-Crypto 的全球创业大赛。从新加坡出发，途经亚洲和美国 12+ 座城市，最终回到新加坡举办全球总决赛（7 月 → 10 月）。
去年我们 BUIDL_QUESTS 2025 共吸引了 150+ 项目提交、4,000+ 报名者、2,500+ 线下参与者，覆盖 10 场线下活动 和 13 场线上 Workshop（累计 46,000+ 观看）。Top 10 团队登上 Demo Day 路演，其中赛后一支团队成功获得 Tier-1 VC 150 万美元种子轮融资。
今年的主题为 Autonomous Agent & Sovereignty（自主智能体与主权），设置 Autonomous Agents、Sovereignty、Agent Commerce、AI Hardware、OPC（超级个体） 五大赛道，目前奖金池已达 $50K+（持续增加中）。
目前我们已经联合了 70+ 生态合作伙伴（包括 VC、社区、Crypto 公司、AI 公司、硬件企业、媒体及电视台），同时也与韩国、越南、泰国、英国、土耳其等多个国家和地区的合作伙伴共同开展全球宣发。
更多活动详情可参考官网：
https://openarena.to/zh/events/buidl-quests-2026
阅读更多 Voice Agent 学习笔记：了解最懂 AI 语音的头脑都在思考什么
写在最后：
我们欢迎更多的小伙伴参与 「RTE 开发者日报」 内容的共创，感兴趣的朋友请通过开发者社区或公众号留言联系，记得报暗号「共创」。
对于任何反馈（包括但不限于内容上、形式上）我们不胜感激、并有小惊喜回馈，例如你希望从日报中看到哪些内容；自己推荐的信源、项目、话题、活动等；或者列举几个你喜欢看、平时常看的内容渠道；内容排版或呈现形式上有哪些可以改进的地方等。
作者提示: 个人观点，仅供参考