马斯克：Grok 正在开发语音交互功能；阶跃星辰开源产品级语音交互大模型 Step-Audio 丨日报

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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，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：@qqq，@鲍勃

01有话题的技术

1、OpenAI 官宣开源！奥特曼在线征集方案，OpenAI 真的要 Open 了

OpenAI CEO Sam Altman 在 X 平台发文称：

「对于我们的下一个开源项目，我们应当选择开发一个虽然体积小但仍然需要借助 GPU 运行的 o3 mini 层级模型，还是应当致力于开发一个尺寸适合手机且表现最佳的模型呢？」

此外，Altman 还发起了投票。

截至发稿前，端侧模型的投票率大幅领先（编者注：北京时间 18 日下午 o3-mini 反超了），相比于 o3 mini 的开源，显然高赞评论的网友更希望开源 GPT-4。

Altman 曾在本月初公开承认 OpenAI 的闭源策略「站在了历史错误的一边」。( @APPSO)

2、阶跃星辰联合吉利首次开源 Step 系列多模态大模型

IT 之家 2 月 18 日消息，今日阶跃星辰和吉利汽车集团联合宣布，将双方合作的阶跃两款 Step 系列多模态大模型向全球开发者开源。其中，包含目前全球范围内参数量最大、性能最好的开源视频生成模型阶跃 Step-Video-T2V，以及行业内首款产品级开源语音交互大模型阶跃 Step-Audio。

据 IT 之家了解，阶跃 Step-Video-T2V 模型的参数量达到 300 亿，可以直接生成 204 帧、540P 分辨率的高质量视频。阶跃星辰称， 从其获得的测评结果来看，它是目前全球范围内参数量最大、性能最好的开源视频生成大模型。

阶跃 Step-Audio 是行业内首个产品级的开源语音交互模型，能够根据不同的场景需求生成情绪、方言、语种、歌声和个性化风格的表达，能和用户自然地高质量对话。模型生成的语音具有超自然、高情商等特征，同时也能实现高质量的音色复刻。用户即日起可在跃问 App 内体验新功能。（@IT 之家）

3、马斯克发布 Grok-3，反击 DeepSeek、OpenAI

今天中午 12 点 20，马斯克旗下的大模型平台 xAI 进行技术直播，并发布了最新大模型——Gork3。

与第二代相比，Gork3 使用的算力提升了 310 倍，性能提升了 15 倍，硬件基础相当的猛。

根据测试数据显示，Gork3 在美国 AIME 数学竞赛、GPQA、代码编程方面，性能高于 OpenAI 的 o1、o3mini 以及 DeepSeek 的 R1。

Gork3 架构简单介绍

Grok3 采用了深度学习和强化学习相结合的方法。通过深度学习，模型能够从大量数据中提取特征和模式。强化学习使 Grok3 能够在训练过程中不断调整自身的策略，以获得更高的奖励信号。在推理任务中，Grok3 通过多次尝试和验证，不断优化自身的推理路径，从而找到最优解。

Grok3 的深