2026-10-26 · 周一 · 6 条 Ollama 本地语音合成上线、Visual Studio 版 Copilot 自带模型改走新智能体、Bedrock 联网搜索可限定来源域名
周末一手消息不多，主线是「谁来决定用哪个模型、从哪取数据」：本地运行时开始覆盖语音，IDE 把自带模型收进自己的智能体框架，云厂商让联网搜索的来源可控。对做产品的人，模型和数据来源的选择权最好握在自己这一层。
-
- 首个语音模型是 Gradium 的小型 TTS 模型 Phonon，目前只支持 macOS（Apple Silicon，经 MLX 加速），Windows 与 Linux 稍后支持；需要 Ollama 0.40.11 及以上。
- 官方在 MacBook Pro M5 Max 上测得比次快的 Gradium 自家运行时快 35%；在 Seed-TTS 英文测试集 200 句上，词错率与 Hugging Face Transformers 参考实现持平。
- 兼容 OpenAI 的 /v1/audio/speech 接口，现有 OpenAI SDK 代码改 base URL 即可；边生成边流式返回，24 kHz 单声道，默认 WAV，也可取 PCM。
- phonon 主模型为 Apache 2.0；法、德、西、葡和多语种的 40M 模型为 CC BY-NC 4.0，只能非商用。
开发者视角智能面试这类要「开口说话」的产品，我会先拿 Phonon 在 Mac 上做一版本地语音原型，接口和 OpenAI 一样，切回云端几乎零成本。但上线前先看许可证：只有英文主模型能商用，中文还没有，多语种那几个是非商用。
-
- 自带模型（BYOM）仍是预览，在 Community、Professional、Enterprise 三个版本默认开启，可经 Copilot 或自己的模型部署使用团队偏好的模型，是否登录 GitHub 都可以；支持 Microsoft Foundry、OpenAI、Anthropic 和 Ollama。
- 破坏性变更：BYOM 现在只能在基于 GitHub Copilot SDK 驱动框架的新 Agent（预览）里用，原来的 Ask 和 Agent 模式不再支持；之前配置的 Ollama 模型升级后要重新添加。
- Git 智能体可以把某个拉取请求作为上下文，给出带跳转链接的摘要，需连接 Git 服务的 MCP 服务器，支持 GitHub 和 Azure DevOps。
- 错误列表里的 NuGet Audit 警告新增修复操作，会以智能体模式打开 Copilot Chat，经 NuGet MCP 服务器修复有漏洞的包；所有 Copilot 套餐都可用。
开发者视角和 10-25 那条「用量按客户端拆分」连起来看，Copilot 在把模型选择权交出去，但入口收拢到自己的智能体框架里。用 Visual Studio 接自家或本地模型的团队，升级前先记下现有配置，升级后在新 Agent 里重测一遍，别等开发者发现 Ask 模式里模型没了才补。我在博客里写过模型路由，这里同理：选模型的规则放在你自己那层，不要只靠 IDE 设置。
-
- 两项控制都直接配置在现有 OpenAI Responses API 请求的 web_search 工具上。
- filters 参数可指定最多 100 个 allowed_domains 只用可信来源，或最多 100 个 blocked_domains 排除不想要的来源。
- 可选的用户位置参数让搜索返回与该地区相关的结果，适用于地区供货、本地服务这类问题。
- 在支持联网搜索的所有区域可用：美国东部（弗吉尼亚北部、俄亥俄）、美国西部（俄勒冈）和 AWS GovCloud（美国西部）。
开发者视角我那篇 RAG 检索质量自查清单里说过，来源不可控是联网问答最常见的漏洞。做客服或资料问答的，我会先用 allowed_domains 把来源锁在自家文档和几个权威站点，再看回答覆盖率掉多少；目前只有美国区域，国内业务暂时只能当参考。
-
- 文章是 OpenAI 工程系列「为超过 10 亿 ChatGPT 用户快速扩容在线存储」的第二部分，介绍名为 Habitat 的存储层。
- 据官方摘要，Habitat 的扩容依靠可靠的多租户、全局缓存和 Azure Cosmos DB。
- 官方称这些改动让 ChatGPT 的读取快了 12 倍。
开发者视角会话、记忆、文件这些状态，是 AI 产品里最先被量压垮、又最容易被忽视的一层。AI 云盘这种读多写少的产品，我会先把多租户隔离和缓存层设计好，再谈换模型。原文网页抓取不到，细节以官方摘要为准。
-
- Ai2 与宾夕法尼亚大学合作，LitPivot 用 Asta Paper Finder 检索论文，围绕正在编辑的那部分提案组织文献，给出附原文摘录的批评和修改建议，研究者可接受、编辑或拒绝。
- 提案被拆成问题、拟议贡献、评估计划三个部分，每部分有各自的相关文献与排序；修改后文献会按新内容重新排序。
- 在 17 名研究者参与的实验中，领域专家认为用 LitPivot 形成的想法比用文本编辑器加 AI 聊天工具的更有文献依据；论文将在 UIST 2026 发表。
- 对 4 个已完成项目会议记录的分析找到 21 次由文献引发的方向调整。
开发者视角值得借的是交互而不是论文本身：把文档拆成几个部分，每部分单独挂证据，修改建议必须附出处，接受与否由人决定。PandaClaws 这类内容生成后台，我会照这个思路给每段生成内容挂上来源，让编辑逐段确认，而不是整篇一键生成。
-
- 合作方 Nexus AI 把 Google 的胸片算法做成认证诊断工具，取得欧盟 MDR IIb 类认证和 ISO 13485；在 6 个国家约 40 家医疗机构使用，90 多名医生已评估 2.5 万多张胸片，出结果最快 45 秒。
- Google 经 HAI-DEF 开源胸片嵌入和医学视觉语言模型 MedSigLIP，并发布 4B、27B 两档开放权重多模态模型 MedGemma，可离线在本地设备运行，下载量超过 1000 万次。
- 印度尼西亚卫生部目标每年筛查 5000 万人，正在本国胸片上微调 MedGemma 和 MedSigLIP，模型跑在本地基础设施上，患者数据不出境。
- 用 3 亿多段音频训练的 HeAR 可用普通手机麦克风录的咳嗽声做声学筛查。
开发者视角对做 ToB 或受监管行业的人，这篇比模型发布更有用：开放权重加本地部署，解决的是数据不能出境的合规问题，而不只是省钱。要卖给医院、政府这类客户，我会把「能离线、能在客户自己机器上微调」写进方案的第一页。
本期由 AI 辅助检索与起草，选题标准与观点由 Darius 设定。
每周一，一封邮件看完 AI 大事
每周一早上，把过去 7 天最值得关注的 6 件 AI 大事和我的解读发到你邮箱。
邮箱只用于发送周报，不会提供给任何第三方；每封邮件底部都可以一键退订。 看看最近一期 →