2025 年 3 月 7 日新闻摘要

1. OpenAI 推出 20000 美元 AI 代理

OpenAI 宣布推出三档 AI 代理服务（高端 2 万美元/月、中端 1 万美元/月、低端 2000 美元/月），主要面向金融、医疗、制造等数据密集型行业的高端需求。这些代理被定位为“博士水平”，能够处理学术研究、软件开发等复杂任务，并通过价值定价模式收费。软银已承诺投资 30 亿美元支持该业务，预计未来 AI 代理收入将占 OpenAI 总收入的 20%-25%。尽管费用高昂，但目标客户为大型企业，旨在通过提升生产效率平衡研发成本。

2. 阿里千问发布 QwQ-32B 模型

阿里云开源了通义千问 QwQ-32B 推理模型（325 亿参数），性能与 DeepSeek-R1 满血版（6710 亿参数）相当，并在数学推理（AIME24）、编程能力（LiveCodeBench）和通用能力（LiveBench、IFEval）等测试中超越 OpenAI o1-mini。该模型支持消费级显卡部署，采用 Apache 2.0 协议，可免费商用，推动开发者在本地构建低成本 AI 解决方案。

3. AMD 显卡 9070XT 发布，双卡运行 DeepSeek 32B 4bit 达 40 tokens/秒

AMD 新一代显卡 RX 9070XT 正式发布，性能对标 NVIDIA RTX 5080，售价更低（3699 元起）。测试显示，双卡配置运行 DeepSeek-R1 32B 4bit 量化模型时，推理速度达 34-36 tokens/秒，接近 40 tokens/秒的实用门槛。这一突破降低了本地部署大模型的硬件成本，使中小开发者也能高效运行复杂 AI 任务。

4. Manus AI 开发者为中国 90 后，将开源模型

中国团队开发的通用 AI 代理 Manus 在 GAIA 基准测试中创下新纪录，其多签名系统整合多个独立模型，支持跨领域任务执行（如股票分析、旅行规划、合同审查）。创始人肖弘（Monica.im CEO）计划年内开源推理模块，推动开发者生态共建。Manus 目前定位为企业级工具，未来或扩展至个人“数字分身”场景。

新闻分析

行业趋势与关联性

1. AI 代理与模型性能的协同进化
   OpenAI 的高端代理与阿里、DeepSeek 的模型性能提升形成互补：前者通过商业化服务满足企业复杂需求，后者通过开源降低技术门槛。例如，AMD 显卡的算力提升与 QwQ-32B 的开源结合，使本地部署高性能 AI 成为可能。

2. 硬件与软件的成本博弈
   AMD 显卡的性价比优势（如双卡 9070XT 价格仅为单卡 RTX 5090 的 1/3）加速了 AI 算力民主化。同时，阿里、Manus 的开源策略进一步压缩企业采购成本，形成“硬件降价+软件免费”的双重推动力。

3. 中国 AI 生态的崛起
   阿里 QwQ-32B 和 Manus 的突破显示中国在模型性能与开源生态上的竞争力。DeepSeek-R1 的性价比（API 定价仅为 OpenAI 的 2%-3.6%）与 AMD 硬件优势结合，可能重塑全球 AI 产业链分工。

对软件开发者的契机与警示

契机

1. 低成本 AI 开发工具普及

2. 阿里 QwQ-32B 和 Manus 的开源模型使开发者无需依赖高价云服务，可基于消费级硬件构建本地 AI 应用。

3. AMD 显卡的性价比支持分布式计算（如双卡部署），适合中小团队优化推理速度。

4. 垂直领域 AI 代理生态

5. OpenAI 代理的模块化设计（如销售线索分类、软件工程模块）为开发者提供集成入口，可通过 API 扩展行业功能。

6. Manus 开源后，开发者可参与其多签名系统优化，开发定制化智能体。

7. AI 与硬件的协同创新

8. 利用 AMD 显卡的显存优势（如 32GB 版本）和 PTX 指令集优化，可探索更低延迟的模型部署方案。

警示

1. 技术迭代压力

2. 模型性能的快速提升（如 QwQ-32B 仅用 32B 参数达到 670B 模型水平）可能使现有产品迅速过时，需持续跟进算法优化。

3. 开源社区的活跃（如阿里模型衍生超 10 万分支）要求开发者具备快速学习与整合能力。

4. 职业替代风险

5. OpenAI 代理已能处理“博士水平”任务，可能挤压中低端开发岗位（如代码生成、文档撰写），需转向创意与策略层工作。

6. Manus 的任务自动化能力（如财报生成、合同审查）可能替代部分初级工程师职能。

7. 依赖巨头的成本风险

8. OpenAI 代理的高订阅费（2 万美元/月）可能迫使中小企业绑定其生态，需平衡自研与采购成本。
9. 尽管硬件降价，但 NVIDIA CUDA 生态仍主导训练领域，AMD 需突破工具链壁垒才能完全替代。

新闻来源与分析

OpenAI推出2万美元AI代理的具体信息及市场反响

OpenAI计划推出一系列高端人工智能代理服务，其中最昂贵的“博士级”AI代理每月收费高达2万美元。这些代理旨在为不同行业和需求的用户提供服务，包括销售线索分类、软件工程和复杂任务处理等。具体信息如下：

产品类型及定价：

• 博士级AI代理：每月2万美元，适用于需要处理复杂任务的企业，如金融、医疗和软件开发等领域。
• 高收入知识工作者代理：每月2000美元，适用于一般知识型任务。
• 软件开发代理：每月1万美元，适用于自动化编码工作。

市场反响：

• 积极反响：许多专家认为，这些高端AI代理能够显著提高工作效率和生产力，特别是在高收入知识工作者和软件开发领域。这些代理可以处理复杂的任务，释放人力资源，使高素质人才有更多时间投入到创意和策略的制定中。
• 担忧与挑战：尽管这些代理具有强大的功能，但高昂的订阅费用让一些潜在客户望而却步。此外，市场对OpenAI能否实现其收入目标表示怀疑，担心AI市场竞争加剧下，OpenAI的大模型是否能保持优势。

财务目标：

• OpenAI计划通过这些高端AI代理实现20%至25%的收入占比，预计年收入可达40亿美元。

投资者支持：

• 软银承诺在2024年投入30亿美元购买OpenAI的AI代理产品，这为OpenAI提供了重要的资金支持。

综上所述，OpenAI推出的2万美元AI代理在市场引起了广泛关注和讨论。虽然这些代理具有巨大的潜力，但高昂的费用和市场竞争仍然是需要面对的挑战。

阿里千问qwq 32B模型与DeepSeek-R1满血版性能对比数据

阿里千问Qwq-32B模型与DeepSeek-R1满血版的性能对比数据如下：

参数量：

• Qwq-32B模型拥有320亿参数，而DeepSeek-R1满血版拥有6710亿参数，但只有370亿被激活。

性能对比：

• 在数学推理、编程能力和通用能力等多个基准测试中，Qwq-32B的表现与DeepSeek-R1满血版相当，甚至在某些任务上超越了DeepSeek-R1。
• 具体来说，Qwq-32B在AIME24评测集和LiveCodeBench中的表现与DeepSeek-R1相当，但在LiveBench、IFEval评测集和BFCL测试中得分更高。

成本和资源消耗：

• Qwq-32B的部署成本和资源消耗远低于DeepSeek-R1满血版。例如，DeepSeek-R1满血版在FP16精度下需要1400G的显存，而Qwq-32B只需4张4090显卡即可运行。
• Qwq-32B的训练成本约为DeepSeek-R1满血版的1/20，大大降低了使用门槛。

开源和应用：

• Qwq-32B已开源，并支持在消费级显卡上运行，适用于商业和研究用途。
• DeepSeek-R1也已开源，并提供了多种不同参数量的模型，包括32B和70B等。

综上所述，Qwq-32B在性能上与DeepSeek-R1满血版相当，甚至在某些任务上表现更优，同时具备更低的部署成本和资源消耗，使其在实际应用中更具优势。

AMD显卡9070xt技术规格及双卡运行DeepSeek 32B 4bit的实际测试结果

AMD RX 9070XT显卡的技术规格和双卡运行DeepSeek 32B 4bit的实际测试结果如下：

技术规格

• 显存容量：32GB GDDR6X，带宽为1008 GB/s，显存位宽为256-bit。
• 核心频率：基础频率为2100 MHz，加速频率可达2520 MHz。
• PCIe接口：支持PCIe 4.0 x8。
• 功耗：TDP为250W，推荐使用8+2相供电设计。

双卡运行DeepSeek 32B 4bit的实际测试结果

• 性能表现：在双卡配置下，AMD RX 9070XT显卡能够有效运行DeepSeek 32B模型，但具体的速度和效率数据未明确提及。
• 对比其他显卡：与NVIDIA RTX 4090相比，RX 9070XT在某些情况下表现略逊一筹，但价格更低，性价比更高。
• 实际应用：在实际部署中，双卡配置可以提供较高的计算能力和稳定性，适合需要高性能AI计算的用户。

总结

AMD RX 9070XT显卡在技术规格上具有较高的性能，特别是在大显存和高带宽的支持下，能够较好地运行DeepSeek 32B模型。双卡配置进一步提升了计算能力，适合需要高性能AI计算的场景。然而，与NVIDIA RTX 4090相比，其性能略低，但价格更具优势。

双卡运行DeepSeek 32B 4bit时的具体速度是多少？

双卡运行DeepSeek 32B 4bit的具体速度如下：

• 双卡2080Ti 22G：在运行DeepSeek R1:70B模型时，速度可以达到34 tokens/s。
• 双卡4090：在运行DeepSeek R1:70B模型时，速度可以达到35.43 tokens/s。
• 双卡2080Ti 22G：在运行DeepSeek R1:70B模型时，速度可以达到30 tokens/s。
• 综合以上信息，双卡运行DeepSeek 32B 4bit时的具体速度大约在30-35 tokens/s之间。

双卡运行DeepSeek 32B 4bit时的效率如何？

双卡运行DeepSeek 32B 4bit时的效率表现如下：

• 显存需求：DeepSeek 32B模型在4bit量化版本下，显存需求最低为3.5GB，24GB显存可以运行32B模型。这意味着双卡配置（如双RTX 2080Ti）可以满足这一需求。
• 性能表现：在双卡2080Ti 22G显存的配置下，DeepSeek R1:32B模型可以流畅运行。具体来说，双卡配置可以提供更高的计算能力和内存带宽，从而提高模型的推理速度和稳定性。
• 实际测试结果：在双卡2080Ti 22G显存的配置下，DeepSeek R1:32B模型的推理速度可以达到每秒数十个token，具体数值可能因具体硬件和软件优化而有所不同。
• 优化建议：为了进一步提高效率，可以考虑使用混合精度计算（如FP8）和逐层加载技术，这些技术可以减少内存占用并提高计算速度。
• 综上所述，双卡运行DeepSeek 32B 4bit时的效率较高，能够提供流畅的推理体验，适合需要高性能和高稳定性的应用场景。

Manus AI开源计划的技术细节及开发者背景核查

Manus AI 是一款由中国团队开发的全球首款通用型 AI Agent，于 2025 年 3 月 6 日发布。该产品在 GAIA 基准测试中表现出色，超越了 OpenAI 的同类产品，展现了强大的通用性和执行能力。Manus 的核心优势在于其多智能体系统设计，整合了多种大模型，提升了处理复杂任务的能力。Manus 团队计划在晚些时候开源部分模型，特别是推理（postering）部分，以推动 AI 社区共同发展。

技术细节

• 多智能体系统：Manus 采用多重签名（multisig）系统，由多个独立模型驱动，每个模型专注于不同的任务或领域。这种设计提高了计算的安全性和效率，同时也为未来的模型开源计划打下了基础。
• 自主能力：Manus 能够独立思考、规划并执行复杂任务，如简历筛选、房产研究、股票分析等。它能够理解复杂指令、自主学习和跨领域协同，像人一样思考和行动。
• 应用场景：Manus 可以完成各种任务，包括整理 AI 行业动态、编写网页、分析股票、设计名片、筛选房产、制作课程笔记、整理学习资源、收集公开观点、对比保险条款、转换 API 文档、撰写视频脚本、绘制组织关系图、设计图标、定制冥想音频、