视频会议大厂跨界夺冠：Zoom 凭联邦式 AI 改写全球最难 AI 测试纪录

 多年来，通用大模型的“武林盟主”几乎被谷歌、OpenAI、Anthropic 等实验室把持。不过，上周视频会议巨头 Zoom 抛出重磅消息：其 AI 系统在被称为“人类最后的考试”（Humanity’s Last Exam，HLE）的顶级评测中拿到 48.1% 的分数，刷新全球纪录，超过此前谷歌 Gemini 3 Pro 的 45.8%。

不堆参数打“组合拳”：联邦式 AI 之路

针对“非底层模型厂商如何反超模型巨头”的质疑，Zoom 首席技术官、前微软 AI 负责人黄学东（Xuedong Huang）给出了截然不同的思路。Zoom 并未砸钱训练自家的万亿参数大模型，而是打造了一套精妙的“联邦式人工智能方法”：

• Z 评分器（Z-Scorer）：充当系统的核心大脑，实时评估来自 OpenAI、Google、Anthropic 等多家模型的回答，为具体任务挑出最优解法。

• 探索-验证-联合策略：通过一套智能体（Agent）工作流，让多个 AI 系统“辩论协作”，相互挑战并修正推理，逐步完善结果。

• 流量控制器：可以理解为一个非常聪明的 AI“调度中心”，以集成而非自研的方式，把不同模型的优势拼合起来，实现“超越单一模型上限”的表现。

争议四起：是真创新还是“借力取巧”？

这一成绩在开发者圈引发热议。工程师 Max Rumpf 等批评者认为，Zoom 不过是通过 API 调用别人的模型，在意义有限的基准测试里“刷分”，这种“拿他人成果来镀金”的做法缺乏真正技术含量。

但另一派观察者如开发者朱宏成则主张，想在 AI 评估中脱颖而出，走“模型联邦”几乎是必然选择。就像数据竞赛平台 Kaggle 的冠军常靠模型集成而非单枪匹马。这种策略在商业上也很聪明：既省下高昂算力成本，又能在不同供应商间灵活切换，避免被单一厂商锁定。

从榜单到落地：AI Companion3.0 的真刀真枪

黄学东把这次突破视为 Zoom 战略的验证。对 Zoom 的 3 亿用户来说，更关键的对决会发生在即将上线的 AI Companion3.0。尽管 48.1% 在涉及高数与哲学的 HLE 中代表了机器智能的前沿，但用户真正关心的是：当数亿人用它来总结会议、提取行动项时，这套“联邦大脑”是否真的比用一个模型更省时、更准确。