AX 严选

OpenAI 赶在 IPO 前一周，从 Google DeepMind 挖来了 Noam Shazeer，他是“Attention Is All You Need”那篇论文的作者之一，也就是 Transformer 架构的奠基人。Shazeer 后来创办了角色扮演 AI 公司 Character AI，2024 年被 Google 以 27 亿美元重新买回去。同一周，OpenAI 还招揽了 Dean Ball，他曾在特朗普政府白宫科技政策办公室负责 AI 政策。 这两步棋的意图很直白：技术线需要一个有足够分量的招牌人物来撑场面，政策线则需要有人在华盛顿帮公司铺路。但 TechCrunch 这篇报道没写清楚最关键的信息——他俩具体担任什么职务、什么时候入职、向谁汇报。没有这些，就很难判断这是实权任命还是 IPO 前的门面工程。Shazeer 在 Google 的两次进出本身就挺戏剧化，他能不能在 OpenAI 待得住也是个问号。

Claude Code 这次加的 artifacts 功能，简单说就是你在终端里让模型干活时，它能顺手把当前进度——比如代码改了什么、系统架构怎么设计的、数据看板长什么样——直接生成一个带完整对话上下文的网页。队友不用装 Claude Code，点开链接就能看。这对团队协作挺实用，省去了截图、写说明、开会的步骤。 但官方博客写得比较克制，几个关键信息都没给。第一，这个功能是默认开启还是需要手动触发，正文没提。如果是默认开，那每次对话都可能多出一段网页生成的 token 消耗，成本会悄悄涨。第二，生成一个 artifact 到底吃多少 token，也没披露。对重度用户来说，这个数字直接决定用不用得起。第三，网页的交互能力到什么程度——是只能看，还是能编辑、能回传数据——也没展开。 我会先打个折：功能方向对，协作场景确实痛点明确，但在 token 成本和触发机制透明之前，别急着在生产环境里全量开。

这篇博客是一份操作指南，不是产品更新。它把控制 Claude Code 行为的五种方式梳理得很清楚：CLAUDE.md 相当于给模型看的项目说明书，告诉它代码风格和架构约定；技能是把重复任务写成固定步骤模板，让模型按流程执行；钩子是在模型操作前后自动触发检查，比如提交代码前先跑测试；规则直接约束模型能做什么不能做什么；子智能体则是把复杂任务拆开，分给多个独立模型并行处理。 整篇文章偏概念讲解，没有给出任何基准测试、延迟数据或成本对比。如果你已经在用 Claude Code，这些机制能帮你把模型管得更听话，但具体能提升多少效率、省多少钱，正文没披露。另外，子智能体这种并行拆分听着挺美好，实际落地时任务怎么切、切多细、中间结果怎么合并，这些工程上的坑文章也没展开。 对 AI 从业者来说，这篇值得看的是架构思路——怎么把一个大模型的行为拆成可配置、可检查、可分工的模块，而不是指望一个 prompt 解决所有问题。但别指望看完就能直接抄到自己的项目里，它更像一份设计蓝图，缺了实现细节和踩坑记录。

FERC 周四全票通过，要求美国六大电网运营商优先处理数据中心这类大用电客户的并网申请，数据中心自己承担全部并网费用。这相当于给 AI 基建开了条行政快车道，排队时间会缩短，但账单也全甩给了企业。委员会还让运营商考虑固态变压器、超导输电线路这些替代技术，不过没点名具体方案，落地时间表完全没提。 文章点出了一个关键缺口：FERC 只解决了排队流程，对更根本的电力供应短缺问题一个字都没碰。电本身不够用，光插队没用。正文没披露目前排队积压的具体规模，也没说这条快车道能省多少时间，所以实际效果还得看各电网运营商怎么执行。 还缺什么：新规会不会挤占居民和其他工业用户的并网资源，正文没讨论。数据中心自己扛全部费用，成本会高到什么程度，也没给估算。这点先别太激动，快车道修好了，车没油照样跑不动。

这份标准把自动驾驶的监管从“随便说”变成了“硬杠杠”。最狠的一招是引入了 Safety Case（安全档案）机制，企业得用“声明—论据—证据”的结构，把仿真、场地和道路测试数据串起来，证明自己的系统到底安全在哪。这直接终结了过去车企靠模糊宣传抢市场的玩法。 标准对 L3 和 L4 做了区分：L3 盯着人机交接，司机没接管系统必须自己靠边停；L4 则要求系统不依赖远程操控就能自己处理风险。不过，正文没披露具体的测试场景数量和通过标准，企业到底要跑多少里程、覆盖多少 corner case 才算过关，这点还不清楚。 2027年7月实施，现有车型多给一年缓冲期。短期看，车企在冗余系统和安全档案上的投入会涨，但长期看，谁先跑通这套验证体系，谁就能在合规窗口期抢到身位。

Adobe 这次更新的核心是把“创意智能体”做成一个跨应用的跑腿助手，覆盖 Premiere、Photoshop、Illustrator、InDesign 和 Frame.io。用户说想要什么结果，它自己去完成多步骤的重复性工作，比如在 PR 里自动分素材、标采访问题、拼粗剪，在 PS 里换背景、按平台尺寸批量改图，在 Illustrator 里根据一张表格生成 50 个版本文件。这些功能瞄准的是生产环节里的体力活，而不是创意决策本身，定位比较务实。 目前所有功能都是公开测试版，After Effects 的助手还在私测，没有公开上线时间。Firefly 那边也加了面向单人创作者的工具，比如从描述生成品牌套件、把产品图转成短视频。另外 Adobe 的工具已经能在 ChatGPT、Claude 和微软 365 Copilot 里调用，Google Gemini 和 Slack 的集成也预告了。 值得留个心眼的是，正文完全没有提这些自动流程的准确率、出错后怎么回滚，以及实际能省多少人工复核时间。批量生成 50 个文件听起来很爽，但如果每个都要手动检查一遍，省下的时间可能没那么乐观。

这个 Seeduplex 模型最特别的地方是“原生全双工”，不用等你把话说完，它能边听边判断什么时候接话。官方给了几个具体数字：判停延迟缩短约 250 毫秒，复杂场景下抢话比例降了 40%，用户主动打断的延迟也少了约 300 毫秒。这些数字说明它在多人聊天或嘈杂环境里会更像人，不会乱插嘴或漏掉你的打断。 它还支持在对话里直接调用工具，比如订日历、发邮件，这对车载或客服场景挺实用。不过正文没披露定价、公开上线时间，也没给出误回复率具体降了多少。如果是真的挺省钱，但没价格就没法判断性价比。另外，抗干扰能力只在官方描述里提了，没有第三方测试或对比数据，这点先别太激动。

商务部等八部门发了个“人工智能+消费”的意见，核心就一件事：鼓励你用消费贷款买AI手机、电脑、智能汽车，财政会贴点利息。这相当于给AI硬件消费开了个分期优惠通道，但文件没公布贴息比例和预算盘子，实际优惠力度现在没法算。 意见里列了一长串要推的产品，从人形机器人到智能厨卫都有，更像产业路线图而不是马上能兑现的购物清单。值得留意的是，政策把“以旧换新”和AI产品挂钩了，地方可以自己定补贴方案，这意味着不同城市落地速度和力度会差很多。 正文没披露财政贴息的具体标准、适用产品目录和申请流程，也没说这笔钱从哪个口子出。如果是真的能省一笔利息，对想尝鲜AI硬件的人是好事，但先别把它当成普惠补贴。

上交所这次把科创板第五套上市标准明确给了AI大模型企业，核心就一条：申报时至少有一个大模型产品已经上线并且实现规模化应用。说白了，就是不看你现在赚不赚钱，但要看你的产品是不是真跑起来了，用户量够不够大。这比光讲技术故事要实在，用实际跑出来的用户规模来证明商业模式不是纸上谈兵。 不过指引里没给“规模化应用”的具体数字门槛，是日活百万算规模，还是付费客户过千算规模，正文没披露。另外，公司还得在行业里地位突出、排名靠前，目标市场要清晰，成长性要强——这些也都是定性描述，具体怎么评、谁来评，指引没说清楚。 对头部大模型公司来说，这确实多了一条融资通道，尤其那些还在疯狂烧钱搞研发、短期看不到盈利的。但“规模化应用”这个口子到底多宽，还得看后续有没有更细的审核口径出来，不然容易变成又一个模糊地带。

苹果这次在 Xcode 27 里塞了一个能直接干活的 AI 助手，不是那种在旁边弹窗聊天的配角，而是嵌在工具栏里，可以跨多个文件改代码，甚至根据你的文字描述加上图标素材，直接生成一个完整的 App。生成之后还能继续用对话让它加背景、特效、动画和翻译，听起来像是把 vibe coding 那套流程搬进了苹果自家的开发工具里。 底层方面，苹果推出了新的 Core AI 框架和升级版 MLX，让开发者在 App 里调用端侧模型更方便，也支持接入 Anthropic、OpenAI 和 Google 的第三方模型。这相当于给了开发者一个模型选择权，不用被绑在苹果自己的模型上。 但这条新闻最大的信息缺口是：所有演示都来自 WWDC 的官方讲座视频，没有第三方实测数据。跨文件修改的准确率有多高？生成完整 App 的成功率是多少？在本地跑这些模型延迟有多大？支持的语言是不是只有 Swift？这些关键指标正文一个字都没提。所以现在只能把它当成一个方向性的发布，离真正能省多少事，还得等开发者上手之后才知道。

这条消息最扎眼的数字是 27 亿美元——两年前 Google 为把 Shazeer 请回来付的价码，现在人去了 OpenAI。帖子本身信息量很薄，没披露他离职的时间点、在 OpenAI 的职位或研究方向，也没说这对 Gemini 团队的实际冲击有多大。我会先打个折：Shazeer 是 Transformer 架构的核心作者之一，他的去留对任何大模型团队都是信号级事件，但光凭一条推文还判断不了 Gemini 会不会因此掉队。真正需要关注的是他为什么走——是 Google 内部资源分配问题，还是 OpenAI 给了更吸引他的技术方向，这些正文都没提。另外，27 亿这个数字本身也值得追问：当初的交易结构是什么、有没有竞业限制、他实际到手多少，这些信息缺口让“27 亿打水漂”的说法站不住脚。

这篇博客没给最终模型排名，更像一份评测方法论：把开源模型驱动的编程助手扔进真实的 transformers 库任务里，不看最终答案对不对，而是拆开整个过程算账——成功要花多少 token、走多少弯路。他们用 pi coding agent 搭了一套开源评测流水线，对比了不同模型、不同库版本下的表现。 一个关键发现是，库本身的文档质量和接口设计会直接影响智能体的成功率。他们举了个例子：给 CLI 工具加了个“技能提交”功能后，任务完成得更顺了。这说明与其死磕模型能力，不如先把工具链打磨好。 不过正文没披露具体模型间的胜负数据，也没说这套评测跑了多少样本、任务难度分布如何。如果是真的，这个思路挺省钱——不用迷信大模型，把自家工具的说明书写清楚可能更管用。但缺少量化结果，暂时只能当方法论参考，没法直接拿来选模型。

这篇博客讲的是怎么把两种让 AI 生成界面的方案拼在一起用。A2UI 走的是声明式路线，发一段 JSON 描述界面结构，宿主应用用自己的原生组件渲染出来，好处是性能好、风格统一、安全性也更高。MCP Apps 则是在 iframe 里跑自定义网页，灵活但容易造成视觉割裂和性能损耗。 文章给了三种架构模式，但正文只详细展开了第一种：让 MCP 服务器直接返回 A2UI 的 JSON 数据，完全绕过 iframe。他们用食谱应用做了演示，两个面板都由 A2UI 渲染，数据从 MCP 服务器拉取。另外两种模式只提了名字，没给细节和代码，这点比较遗憾。 团队说在考虑做一个 MCP 扩展来降低接入门槛，目前在 GitHub 上收集反馈。如果这个扩展真落地，对想给 AI 应用加动态界面又不想被 iframe 拖累的开发者会挺实用。但现阶段信息不全，后两种模式到底怎么跑、有什么坑，正文没披露，先别急着全盘照搬。

Claude Design 这次更新主要解决两个痛点：一是跨项目保持品牌视觉统一，相当于你设定一套设计规范后，不同项目都能自动套用，不用每次都手动调；二是新增画布编辑，并且能和 Claude Code 协同——设计师在画布上改，开发那边代码能同步更新。 从官方博客看，这更像一次功能补齐而非颠覆性升级。正文没披露具体支持哪些设计系统格式、画布编辑的精度如何、与 Claude Code 同步的延迟是多少。也没给出企业客户的实际使用数据，比如品牌一致性节省了多少返工时间。 对团队来说，如果已经在用 Claude 全家桶，这个整合确实能减少设计到代码的摩擦。但如果你用的是 Figma 这类成熟工具，Claude Design 的差异化在哪，博客没说清楚。建议等第三方评测或实际上手后再判断是否值得切过去。

这条新闻的核心是谷歌想给AI智能体建一套“跨公司黄页”。现在各家平台都有自己的工具目录，但出了自家地盘就抓瞎。ARD的思路很直接：每家公司在自家域名下挂一个公开的“能力目录”，然后由类似搜索引擎的注册中心去爬取、索引，智能体用自然语言一搜就能找到可用的工具或别的智能体，拿到信任凭证后再点对点直连。 这个设计把身份验证绑在域名所有权上，比另搞一套证书体系轻量。谷歌云已经在Gemini企业智能体平台里内置了Agent Registry，支持命名空间和出口策略，说明不是纯纸上谈兵。但文章没披露这套注册中心是谷歌自己运营还是允许第三方建，也没说爬取频率、目录格式的强制程度，以及最关键的成本——企业挂目录免费，但注册中心的查询调用怎么收费完全没提。 对从业者来说，如果ARD真能推成行业共识，跨组织的智能体协作会省掉大量手工对接的脏活。但这点先别太激动，规范刚发布，合作伙伴名单里没看到几家大云厂商之外的重量级玩家，生态冷启动是个硬坎。

HappyOyster 1.0 把“一句话生成世界”从视频渲染变成了实时可玩的交互场景，这跟传统文生视频是两条路。它允许你在生成过程中用键盘或指令控制角色移动、攻击，相当于把世界模型做成了一个轻量级游戏引擎。目前开放了“实时导演”和“世界探索”两种玩法，4 月开始内测，现在官网能体验，但官方没公布模型规模、训练数据来源和推理成本。 从产品形态看，实时交互对延迟和一致性的要求比离线生成高得多，如果体验流畅，说明底层架构做了针对性优化。但“深度学习物理世界状态转移规律”“保持长程一致性”这些说法，在没有技术报告和第三方评测的情况下，只能当作产品宣传。 还缺几块关键信息：一是模型参数量和推理所需算力，这直接决定能否大规模开放；二是收费模式，目前只提到送体验积分；三是生成场景的边界在哪，比如复杂物理交互、多人协作支不支持。这些没补上之前，把它看作一个有趣的交互原型比看作成熟产品更合适。

AWS 这次开源了一个机器人开发 SDK，核心是把 LeRobot 这套训练工具包封装成一个统一的智能体，让开发者从仿真到真机部署的代码几乎不用改。默认跑 MuJoCo 物理仿真，不用买硬件就能先试；想上真机时把参数改成 mode="real" 就行，仿真和真机代码完全一样，只差这一个关键字。操作机器人的演示数据会被录成 LeRobotDataset，可以直接推到 Hugging Face Hub 上共享，然后用 GR00T 或 LerobotLocal 这类策略模型跑推理，再通过 Zenoh mesh 广播命令到多台机器人。 这套东西对想快速上手机器人开发的团队挺友好，尤其是仿真零成本起步、代码统一这点，省掉了仿真转真机时重写代码的麻烦。示例在笔记本上就能跑，要求 Python 3.12+、Linux 或 macOS，不需要 GPU。 但正文没披露真机测试的具体情况——用了哪些机器人型号、任务成功率多少、延迟表现如何，这些关键指标都缺。另外，Zenoh mesh 广播到多台机器人的同步精度和稳定性也没提。如果是真的省钱省事，那对教学和小团队验证想法很有用；但真要上产线，还得等更多真机验证数据出来再说。

这份给股东看的文件把账算得很直白：2026年Q1收入57亿，现金消耗37亿，赚的钱有一半多直接花出去了。The Information拿到的文件没拆成本结构，但点出了三大花钱方向——算力基础设施、模型研发、人才招募。换句话说，AI服务需求在涨，但做大模型的成本涨得更快，头部玩家都在靠持续输血撑着。 文章提到OpenAI已经秘密提交IPO申请，最早9月上市，估值可能冲到1万亿美元。这两个数字目前都只有一位知情人士的说法，没有其他交叉验证。上市时间表在监管和市场环境面前变数很大，万亿估值更是需要拿出远超现在的商业化成绩来支撑。正文没披露现金流能撑多久、有没有新的融资进来，这些缺口比上市传闻更值得盯。

Sumi 这次放出来的东西挺实在：一个用 1.5 万亿 token 从零开始预训练的 7B 均匀扩散语言模型，权重、训练检查点、完整配方全公开。均匀扩散的意思是，模型生成文本时每一步都能回头改任意位置的词，不像现在主流的自回归模型只能从左往右写，理论上更灵活。在此之前，自回归和掩码扩散都有大尺寸的开源模型供社区研究，唯独均匀扩散这块是空白，Sumi 算是把坑填上了。 看成绩单，它在知识、推理和代码评测上跟同等训练量的自回归模型打得有来有回，但一到常识推理就明显掉队。团队自己分析，很可能是训练数据里教材、学术内容占比太高，生活化语料不够。这点先别太激动——论文没给出具体的推理速度对比，也没说生成时的延迟和成本比自回归模型高多少，这些在实际落地时才是关键。 现在还缺什么？一是没看到它在多轮对话、指令遵循这类实际应用场景下的表现；二是均匀扩散的生成可控性到底比自回归强在哪，论文只给了基准分，没做深入的案例拆解。不过作为一个干净的参考基线，Sumi 的开源对想研究扩散模型缩放规律和生成机制的人来说，是个不错的起点。

Ramp 的数据说 Anthropic 5 月企业 AI 订阅份额冲到 41%，OpenAI 是 39.5%，这是 Anthropic 第一次反超。我会先打个折：Ramp 是一家企业支出管理平台，它的样本偏向用 Ramp 管订阅的公司，不代表整个市场。正文没披露样本量和统计口径，这个“首次超越”的含金量要打问号。 有意思的是，特朗普政府以出口管制为由要求 Anthropic 下架最新模型 Mythos 5 和 Fable 5，禁止非美国人访问，结果反而推高了企业采用量。Ramp 首席经济学家说类似情况 3 月也发生过——当时国防部把 Anthropic 列为供应链风险，企业支出反而创了纪录，钱主要花在 Claude Opus 4.8 上。这个逻辑大概是：政府越禁，企业越觉得这东西重要，赶紧买。但正文没解释为什么禁令会刺激采购，也没说这些新增客户是长期签约还是短期避险。 另外，Anthropic 刚拿了 650 亿美元融资，估值 9650 亿美元，第一次季度盈利后就秘密提交了 IPO。这些数字很大，但正文没披露盈利规模、收入结构，也没说 IPO 时间表。如果是真的挺省钱，但信息缺口太多，先别太激动。

这次更新最实在的是草稿模式：点一下闪电按钮，一次生成 24 张低分辨率、低画质的预览图，消耗的快速时长只有标准 V8.1 作业的一半。对需要大量试 prompt 的人来说，这相当于把试错成本直接砍半，挑出满意的再点“Vary”渲染成高清成品，逻辑很顺。 另一个 --preview 参数是让你提前玩还在打磨的新模型，但官方明确说了出图可能比较糙，而且不保证效果一直稳定，尤其在个性化设置和情绪板下差异会更明显。这点先别太激动，它更像一个公开测试入口，不是正式功能。 正文没披露草稿模式的具体分辨率，也没说 --preview 指向的是哪个模型版本。这两个信息缺口会让实际评估打折扣——低清到底多低、预览模型离正式版有多远，都直接影响要不要现在就用。

Gary Marcus 用三件事说明 OpenAI 的领先优势正在快速消失，逻辑是通的，但每一条都得打个折。市场份额跌破 50% 这个数字来自社交媒体截图，不是第三方审计报告，样本和统计口径都没披露。普通用户觉得 ChatGPT 和 Gemini 没区别，这更像个人观察而非用户调研，但方向没错——纯靠大模型做 to C 生意，用户粘性确实弱。 微软考虑换 DeepSeek 这条最值得看。按用量计费后成本太高，连最大金主都在找替代方案，说明 OpenAI 的定价在规模化场景里撑不住。不过正文没披露微软内部评估到了哪一步，是技术验证还是已经进入采购流程，这点先别太激动。 财务数据来自 Ed Zitron 声称看到的审计报告，2025 年收入 130.7 亿、成本 340 亿，亏损同比扩大近 8 倍。如果数字属实，烧钱速度确实不可持续。但原文没提供报告原文或审计机构名称，只能当作线索而非定论。Marcus 还提到华盛顿可能通过出口管制间接帮 OpenAI 打击 Anthropic，这部分分析比较薄，更像政治揣测。整体来看，三条论据都有信息缺口，但合在一起指向同一个趋势：OpenAI 的领先地位正在被成本和竞争两面夹击。

微软 Copilot Cowork 要从无限用改成按量计费，直接原因是有人一周跑几百个任务，成本扛不住。Axios 的报道说微软已经在 Azure 上微调了一个 DeepSeek V4，加了安全护栏，打算作为可选的低成本方案让用户自己选。这个思路很直接：用更便宜的模型接住高频但不太复杂的任务，把贵的模型留给真正需要的地方。 不过现在能确认的只有“微调出了一个能跑的模型”，最终上不上、什么时候上都没定。正文没披露这个微调版 DeepSeek V4 在 Cowork 场景下的具体表现数据，也没说比现有方案能省多少成本。如果是真的能大幅降本又不掉链子，对用量大的团队会挺有吸引力。但安全护栏做到什么程度、会不会因为过度过滤变得不好用，这些都得等微软自己公布。

这条新闻最值得看的是美国司法部下场的方式：不是帮 xAI 补环保手续，而是直接说关掉它的燃气轮机会威胁军事行动。国防部官员称 Grok 是四个能在机密网络里支撑关键任务的模型之一，还参与了近期对伊朗的打击。这个说法把一家商业公司的数据中心和战争决策绑在了一起，分量很重。 但正文没披露司法部援引的具体国家安全法条，也没解释为什么 Grok 的训练或推理必须依赖密西西比州 Colossus 2 那 57 台无证燃气轮机，而不是其他合规的电力方案。NAACP 起诉的核心是排放：燃气轮机数量从 4 月的 27 台涨到 57 台，氮氧化物排放量飙升了 111%。这些数字说明当地环境压力在快速加大，而司法部的回应完全绕开了污染问题，只谈军事必要性。 还缺两个关键信息：一是 xAI 有没有申请过许可、被拒过还是根本没申请；二是国防部对 Grok 的依赖有没有替代方案。如果这些都不清楚，所谓“国家安全”更像是一张用来跳过地方环保监管的万能牌。

这条消息最值得关注的点不是倍数本身，而是用户结构的变化。HR、运营、行政开始用 WorkBuddy 干活，说明 agent 办公产品正在跨出开发者圈，往业务流程里渗透。企业版和项目功能上线后，场景从个人提效变成了团队协作，这是产品从工具转向平台的关键一步。 但信息缺口也很明显。正文只说日活是行业第二的 3-4 倍，没给出绝对数字，也没说明行业第二是谁、数据怎么统计的。如果基数很小，倍数再高也没意义。另外，非技术用户到底在用 WorkBuddy 做什么、留存怎么样、付费意愿如何，这些都没提。Trae Work、QoderWork 等竞品在改名抢市场，说明这个赛道还在早期混战阶段，WorkBuddy 的先发优势能不能守住，要看后续的产品迭代和商业化能力。腾讯云说这是十年一遇的机会，更像是在给自己打气，实际验证还差得远。

这笔融资最值得看的不是 500 亿美元估值，而是钱怎么进来的。投资人把钱放进梁文锋管的有限合伙企业，不是直接投进 DeepSeek 公司，没有投票权，股份还要锁定五年才能卖。唯一有投票权的直接投资者是国有 AI 投资基金。梁文锋自己跟投了约 200 亿人民币，腾讯和宁德时代是最大的外部金主。这个结构说明梁文锋把控制权抓得很死，外部钱更像一笔超长期的、没有管理权的借款。 估值 500 亿美元听着高，但跟 OpenAI 和 Anthropic 逼近万亿美元的估值比，还是便宜一截。DeepSeek 的 V4 Pro 模型输入比 GPT-5.5 便宜约 11 倍，输出便宜约 35 倍，价格战打得很凶。梁文锋对投资人明说优先搞基础研究和通用人工智能，不追求短期利润，还会继续做开源模型。 正文没披露这笔钱的具体用途，也没说盈利时间表。如果真能把低成本路线跑通，这个估值不算贵；但五年锁定期意味着投资人赌的是 2031 年之后的退出，中间变数不小。

Cartesia 这次把文字转语音的 Sonic 3.5 和语音转文字的 Ink 2 打包成一个实时语音栈，两个模型分别在各自榜单上拿了第一。Sonic 3.5 从收到文字到出声音只要约 82 毫秒，这个延迟在实时对话场景里基本感觉不到卡顿，对语音助手、实时翻译这类应用是个实打实的提升。Ink 2 在流式语音转文字上也排第一，说明它在边说边出字的速度和准确率上都有优势。 不过正文没披露模型参数量、推理成本和具体定价，也没说什么时候正式开放。榜单第一是好事，但实际用起来贵不贵、稳不稳定，还得等更多信息。另外，两个模型打包成一个栈，意味着你可能要一起用，灵活性会打折扣。如果是真的省钱又好用，那对做语音产品的团队是个好消息，但现在只能先观望。

这件事最直白的信号是：AI 写代码的量已经大到连微软都扛不住了。GitHub 预计 2026 年全年代码提交量会冲到 140 亿次，是 2025 年 10 亿次的 14 倍。这个数字本身要打个折，因为提交次数不等于有效代码产出，AI 很容易刷出大量低质量提交，但它确实说明平台的基础设施压力是实打实的。 微软原本计划 2027 年前把 GitHub 全部迁到 Azure，但从去年 10 月到现在，扩容目标从 10 倍一路调到 30 倍，到今年 5 月还有 40% 的核心流量没迁完，当月还出了 9 次事故。迁移速度追不上需求暴涨，这是他们转头找 AWS 买容量的直接原因。微软官方只承认在搞多云策略，没点名 AWS，但消息源指向的就是亚马逊。 正文没披露这笔 AWS 订单的规模和费用，也没说这种多云架构是临时过渡还是长期方案。如果 GitHub 长期跑在 AWS 上，微软当年收购时说的“开发者优先、开放平台”反而成了一句被现实逼出来的实话。

这次蚂蚁百灵公开的技术报告挺实在，把Ling-2.6-flash、Ling-2.6-1T和Ring-2.6-1T的架构、训练流程和Agent强化学习细节都摊开了。三款模型用的都是Hybrid Linear Attention，简单说就是把Lightning Attention和MLA（多头潜在注意力）按7:1的比例拼在一起，目的是在处理长文本时既省显存又跑得快。Ling-2.6-flash在4块H20显卡上解码速度到了340 tokens/s，这个数字对需要低延迟的线上业务比较友好。Ling-2.6-1T在Artificial Analysis Intelligence Index上的token效率比前代提升了约4倍，说明训练时用更少的算力就能达到相近效果，但报告正文没披露具体的训练总成本和数据规模，这点先别太激动。Ring-2.6-1T high在PinchBench拿了87.60，ClawEval得了63.82，这两个分数在同类开源模型里算能打，不过报告没给出和同尺寸竞品的横向对比，也没说明这些评测任务和实际业务场景的对应关系。代码和权重都公开了，后续可以自己跑一下验证。

这事本质是AI公司被逼到墙角：要么接军方的活但背上伦理风险，要么拒绝然后丢订单。Anthropic选了后者，CEO Dario Amodei的理由是模型还不够可靠，不敢让它进全自动武器和大规模监控这种零容错场景。五角大楼反应很快，直接把Anthropic标成“供应链风险”，还起诉了，虽然没赢。OpenAI调整了立场，把合同吃下来了。 现在超过三分之二的日常AI工作负载已经迁走，目标是9月前完全清零。Polymarket上预测6月底前双方和解的概率只有9%，说明市场也不看好短期内能谈拢。 正文没披露具体迁移到了哪些模型，也没说OpenAI到底在哪些条款上松了口。这点先别太激动——日常AI工作流可能只是文档处理、代码辅助这类非致命场景，跟全自动武器还有距离。但Anthropic这次硬扛，确实给行业立了个先例：有些钱可以不赚。

这条新闻最值得看的是思路：不是继续堆预训练数据，而是用偏好样本做对齐，让机械臂模型学会“正确的操作风格”。演示里 Qwen-Omni 实时看桌面、随口发指令，RobotManip 现场执行叠碗、叠衣服、做汉堡、插花，没有预设任务清单，跨了好几种真实机械臂平台。这说明模型对新场景、没见过的语言指令和不同硬件有一定泛化能力。 但正文只给了演示视频和论文链接，没披露模型参数量、训练数据规模，也没提推理延迟。机器人操作对实时性要求很高，延迟不公布就没法判断实际可用性。另外，演示场景偏桌面整理和简单装配，复杂接触、动态环境下的表现还不清楚。 如果是真的，这套“对齐解锁规模”的路线挺省钱——不用无止境采数据，靠偏好样本就能让大模型在操作任务上发挥出来。但现阶段只能当技术验证看，离产线部署还缺可靠性数据和量化指标。

这条新闻的核心卖点是“语言即接口”：你不用给每种机器人单独写控制程序，说一句“拿起红杯子放架子上”，模型就能直接生成动作视频。这背后是用 Qwen2.5-VL 做动作编码器，靠 860 万条视频-文本对联合训练了操作、自动驾驶和室内导航三类场景。模型能同时生成 2 到 4 个视角的视频，并且保证不同视角里物体的位置和运动轨迹一致，这点在技术上挺实用，相当于自带多机位监控。 但有几个地方得先打个折。第一，正文没披露推理速度，这对机器人控制是致命信息——生成一帧要 0.5 秒还是 5 秒，决定了它能不能用在真实场景里。第二，虽然宣称在 4 个基准上拿了第一，但没说是哪 4 个基准，也没给具体分数，验证强度存疑。第三，860 万条数据听起来不少，但跨了三个差异巨大的领域，每个领域实际分到多少样本、质量如何，正文都没交代。 还缺的关键信息是：这个模型生成的视频，跟真实物理世界的误差有多大？有没有在真实机器人上做过闭环控制实验？如果只是生成好看的视频但没法驱动机器人干活，那它更接近一个仿真渲染工具，而不是世界模型。

Tomasz Tunguz 翻完一个 Hacker News 帖子，把现在程序员用本地模型写代码的配置理清楚了。模型首选是 Qwen 3.6 35B-A3B，被 33% 的评论提到，它的 27B 版本占 20%。这些模型都用了混合专家架构，总参数看着大，但实际推理时只激活一小部分，所以能在普通家用显卡上跑起来。工具这边，Pi 和 OpenCode 是主流，都是轻量级的外壳，专门为本地推理设计。 有个评论把体验说得很直白：用本地的 Qwen 写代码，像带一个知识面广但需要你时刻指导的初级程序员，效率提升大概 5 倍；而用云端付费的 Claude Opus，像有个能跟你一起想架构的资深同事，效率提升 15 倍。差距摆在这，但零成本、完全离线、代码隐私不外泄，对很多人来说这个折中很划算。跑分也印证了这一点：Qwen3.6 27B 在 SWE-bench Verified 上拿了 77.2%，35B-A3B 拿了 73.4%，离 Claude Sonnet 4.6 的 79.6% 确实不远。 不过这篇分析完全基于一个论坛帖子的自发讨论，不是严谨的抽样调查，样本量也就 500 多条评论，只能反映那批爱折腾的早期用户的偏好。正文没披露这些模型跑在什么具体显卡上、内存占用多少、处理大项目时上下文窗口够不够用。如果你也想搭一套，最好先拿自己常写的代码类型测一下，别光看跑分就上头。

Grok Imagine Video 1.5 这次升级主要解决了两件事：速度和音画同步。生成一段 6 秒 720p 视频从 40 多秒压到 25 秒左右，对需要快速迭代的创作者来说，等待成本明显降低。音频和画面在同一个生成过程里完成，环境音、音效、对白能直接对上动作，口型同步也有改善，这比先出画面再单独配音的方案更省事。长镜头里的运动也更稳了，扭曲少了，物体的重量感和惯性更真实，说明模型在物理一致性上做了针对性优化。 工作流方面，新增了项目分组、并行多智能体提示和素材库搜索，相当于给创作者配了一套简单的项目管理工具，不用再靠翻聊天记录找素材。官方还放了一个用 1.5 做的电影级预告片案例，展示上限效果，但没给普通用户日常出片的成功率数据。 最大的信息缺口是训练数据规模和 API 定价完全没提。速度快、效果好，但如果成本翻倍或者数据合规存疑，实际落地就得打折扣。另外，Fast 版和标准版在画质上差多少，正文也没交代。

这条新闻最值得看的是他们把“怎么记住画面”这件事做成了可调节的接口。模型训练时用了 1560 万条样本，把视觉记忆的四个参数——总看多少帧、新旧画面各占多少注意力、不同摄像头权重、采样方式——全部随机化，所以推理时上层规划器可以直接调参，不用改模型结构。这相当于给导航模型装了个“记忆旋钮”，找东西时可以多看历史画面，跟踪目标时只看最近几帧，一套权重搞定五种任务。 数字上，他们在 VLN-CE RxR 上指令跟随成功率 76.5%，HM3Dv2 物体搜索只用 RGB 就达到 75.6%，超过了用深度信息的方法。EXPRESS-Bench 上比之前最好成绩高 15.4%，导航步数少 77%，说明规划效率确实有提升。但正文没披露这 1560 万条样本的具体构成和来源，也没说训练用了多少算力。实机验证只在一台 Unitree Go2 上做了零样本部署，用的是自带低分辨率单摄像头，场景覆盖有限。 还缺的是：这套参数化接口在不同机器人平台上的迁移成本、多摄像头配置下的上限表现，以及和现有导航栈的对比基准。如果后续能补上这些，对做机器人导航的人来说会更有参考价值。

这条值得点开看，因为它解决了一个很实际的成本问题：在 agent 流程里，主力模型经常被用来干总结、转格式、套模板这类不需要强推理的活，白白烧钱。OpenRouter 的方案是把这些任务打包成一个服务端工具，主力模型在生成过程中直接委托给便宜的小模型（比如 GLM 5.2），自己只负责编排和判断。文章给了一个具体场景：20 次工具调用的 agent 工作流里，大概 5 到 8 次可以委托出去，单次请求成本直接砍一截，推理质量不受影响。 技术细节上，每次委托是隔离的，小模型只看得到任务描述，拿不到父对话的上下文和记忆，这避免了上下文污染。小模型自己也能带工具（比如联网搜索），但禁止递归委托，单次请求最多委托 10 次，这些限制让行为可控。文章还提了一嘴 Advisor 工具，跟 Subagent 相反，是把难决策往上抛给更强的模型，两者可以搭配用。 正文没给出实际延迟数据和委托失败率，也没说小模型输出质量波动时怎么兜底。这点先别太激动，省钱的账算得漂亮，但生产环境里委托链路一长，稳定性和调试复杂度都是未知数。

这条消息的信息量在于苹果自己交了底。项目新负责人 Mike Rockwell 在 WWDC 闭门会上说，去年他们其实已经做出了一个能跑的原型，就是在老 Siri 上加了个工具调用功能。但团队判断这离想要的产品体验差太远，于是选了另一套需要大改底层架构的方案，把旧 Siri 完全拆掉，基于新的大模型从头搭建。 这个决策解释了为什么 AI 版 Siri 拖到现在才出来。代价是时间，换来的是一套跨 iPhone、iPad、Mac、Apple Watch、Vision Pro、CarPlay 和 AirPods 的统一系统，原生支持多模态，隐私保护也做进了底层。 不过正文没披露新 Siri 的实际性能数据、延迟表现，也没说那个被放弃的原型具体差在哪。Rockwell 的说法目前是单方面陈述，没有第三方验证。如果是真的，这种推倒重来的决心在苹果不算意外，但效果还得等实机上手再说。

这条新闻的核心是把大模型推理的“投机解码”又往前推了一步。传统做法是让一个小模型（草稿模型）一个字一个字地猜，大模型再批量验证。DFlash 的思路变了：它让草稿模型一次并行生成一整块候选词（比如 16 个），更符合 GPU 并行计算的胃口。更巧的是“KV 注入”——直接把大模型中间层的理解结果塞进草稿模型的缓存里，省掉了草稿模型重新理解全文的步骤，让它专心猜下一块词。 在 HumanEval 编程测试上，搭配 Qwen 3.5 397B 模型，DFlash 的吞吐量是原版模型的 4.3 倍，比模型自带的 MTP 投机方式还快 1.5 倍。这个数字是在 8 张 B200 显卡上跑出来的，并发数设为 1，属于低负载场景的极限测试。 不过正文没提这种加速在更高并发、更长对话或非代码任务上的表现会打多少折扣。草稿模型的接受率（大模型最终采纳了多少它猜的词）也没给具体分布，只说了平均接受长度。另外，KV 注入对模型中间层选择的敏感性、以及训练草稿模型用了多少数据，这些细节都缺。如果要在自己的业务里复现，这点先别太激动，得自己测一下实际场景的接受率和延迟波动。

这篇博客的核心判断很直接：智能体（能自己干活、做决策的模型）的治理不能只靠写框架、定流程，得在请求必经的 API 路由层卡住。作者举了个具体例子——一个智能体因为重试循环，一晚上烧掉 200 美元，而框架根本拦不住这种请求。德勤的数据说只有五分之一的公司对自主智能体有成熟治理，IBM 的报告也提到出过 AI 安全事故的组织里 97% 缺访问控制。这些数字说明现状挺差，但文章没给出 OpenRouter 自己产品的落地时间表，只提了五分钟就能搭起来的最小可行方案和企业端还需要的审计、人工审批等功能。 我会先打个折：这篇本质上是 OpenRouter 在讲自己的产品思路，把 API 路由层定位成治理的咽喉点。逻辑说得通，但缺少第三方验证或客户案例来证明这套办法真能拦住生产环境里的意外烧钱。另外，它把英伟达的 AI 工厂方案说成“把数据中心基建问题和应用层请求控制混为一谈”，这个批评有点简化，大厂的全栈方案往往也包含请求层的控制，只是没拆开卖。 还缺的东西比较明显：没有披露产品什么时候上线、定价怎么算，也没说这套治理机制在复杂多智能体协作场景下会不会有盲区。如果是真的，对已经在用 OpenRouter 的团队来说挺省钱，但想评估实际效果还得等更多信息。

Kimi 给 K2.7 Code 加了个高速通道，模型本身没换，只是推理时跑得更快。常规编程场景能到每秒 180 个 token，短上下文能冲到 260，是普通版的 5 到 6 倍。代价是 API 价格翻倍，输出从 27 元/百万 token 变成 54 元；如果你用 Kimi Code Plan，消耗按三倍算，相当于更贵。必须开思考模式，关了会报错或退回 K2.6，这点用的时候要注意。 跟上一代 K2.6 比，K2.7 Code 在长上下文指令遵循和长程任务上有提升，平均 token 消耗少了 30%，说明模型回答更省字了。但正文没给出具体基准测试数据和对比对象，只说“内部基准测试显著提升”，这个“显著”有多显著，没法判断。非编程任务官方还是推荐用 K2.6，说明这个加速版就是专为写代码场景优化的。 还缺几个关键信息：高速版延迟到底降了多少，没给具体毫秒数；短上下文 260 token/s 的“短”是多短，也没定义；跟其他竞品代码模型的速度对比也没有。如果是真的稳定跑到这个速度，对需要实时补全的 IDE 场景挺实用，但价格翻倍，小团队得算算账。

这条新闻把几组矛盾摆得很清楚：裁员速度在加快，AI 连续三个月被列为裁员首要理由，但被裁公司的老板们不认。Block 砍了近一半人，CEO 说 AI 不是主因；Marc Andreessen 反呛这叫“银弹借口”，意思是拿 AI 当裁员挡箭牌。Uber 裁了 23% 人事部门，可之前 CTO 说过 AI 编码预算四个月就花完了——钱花完了还裁人，逻辑上有点拧。 数字本身够猛：今年已裁约 15 万人，日均 974 人，比去年快 44%，上月单月近 4 万创两年新高。但正文没披露这些裁员里有多少岗位被 AI 直接替代、多少是业务调整顺带挂 AI 的名。这点先别太激动，没有岗位替代比例，光看“首要理由”这个标签说明不了太多。 另一头，AI 芯片公司 Cerebras 上市首日市值 670 亿美元，Anthropic 和 OpenAI 估值都在万亿美元附近。裁员潮和估值狂欢同时发生，说明钱在往上游和模型层集中，下游用人成本在被压缩。还缺什么？缺被裁人员的技能分布、再就业去向，以及这些公司用 AI 省下的成本到底有多少落到了财报上。

Tunguz 这篇文章的核心判断是：AI 应用公司，而不是模型公司，将吃掉最大的价值。他用三个近期事件支撑这个观点。美国政府禁掉 Fable，说明把命押在单一闭源模型上风险很大，社区反应是赶紧搞开源和本地部署。Nadella 发帖说护城河不能是模型本身，得是人的专业知识和模型外面的那套系统设计——这话从卖模型的人嘴里说出来，听着像在给自家生态伙伴吃定心丸，但也确实点出了应用层的机会。Salesforce 花 36 亿美元买下 Fin（原 Intercom），证明大软件公司愿意为 AI 原生应用付高价，而且 Fin 用的是开源模型来压成本，这条路跑通了。 文章后半段讲了做 AI 应用要啃的三块硬骨头：选模型、设计能自我优化的 agent 循环、以及针对每家公司评估系统表现。他给几个开源模型画了像——Kimi K2.6 快但不够准，Qwen 3.6 27b 性能强但调用工具时会卡壳，GLM 5.1 写代码好但慢。这些细节比宏观叙事有用，说明现在选模型不是看跑分，是看性格和场景。 不过全文没给任何量化数据来证明“黄金时代”到底有多金。三件事都是信号，不是证据。Fable 被禁的长期影响未知，Nadella 的论点有利益立场，Salesforce 收购案还没走完交割。如果你在做 AI 应用，这篇文章的价值在于那三个能力清单，而不是标题里的结论。

xAI 给 Grok Build 加了个终端里的总控面板，把多个编码会话塞进一个屏幕。最实用的设计是会话按状态分组，卡住等你回复的会自动置顶，你可以直接在面板里看输出、回答问题、批准操作，不用在多个窗口间跳来跳去。新任务在底部输入框派发，按 Enter 发出去并留在面板，Shift+Enter 则直接跳进新会话。关掉面板后台会话继续跑，重新打开会恢复所有会话，这点对长时间任务比较友好。 安装方式是一条 curl 命令，装完跑 grok dashboard 或按 Ctrl+\ 就能调出来。正文没提这个面板本身吃多少资源，也没说最多能同时管多少个会话不卡。另外，子会话会折叠到父会话下面，但折叠后的信息密度和可操作性怎么样，光看截图判断不了。 对同时跑多个编码任务的开发者来说，这个面板主要解决的是上下文切换的摩擦，而不是模型能力本身。实际省不省时间，还得看你日常同时开几个会话、以及卡住等回复的频率。

Gary Marcus 这篇文章的核心判断是：白宫上周五对 Anthropic 的禁令不仅程序上站不住脚，利益关系也太明显。OpenAI 总裁 Greg Brockman 是特朗普的大金主，库什纳的弟弟 Josh 是 OpenAI 重要投资人，而触发审查的报告恰恰来自亚马逊——它也是 OpenAI 的大投资方。国防部长 Hegseth 三个月前就公开说过要把 Anthropic 赶出五角大楼，这让整件事看起来像公报私仇。 Marcus 承认 Anthropic 自己也有问题，把 Mythos 模型吹过头了，但政府只给了不到 24 小时回应，David Sacks 的事后解释又含糊其辞，说不清风险到底是什么、是不是只有 Fable/Mythos 才有。这种“我说你有风险你就有风险”的做法，等于告诉全世界：美国 AI 实验室随时可能被关停，不用给明确理由。后果就是全球客户会加速转向欧洲、加拿大甚至中国的“主权 AI”，还可能引发人才外流——禁令连 Andrej Karpathy 这种长期在美工作的外国人都被波及了。 文章引用了 Anthropic 自己的声明和 Cato 研究所 Kevin Frazier 的观点，都要求一个透明、公平、基于技术事实的流程。众议员 Ro Khanna 提议设立独立监管机构，Marcus 认为这是唯一出路。不过正文没披露亚马逊那份报告的具体内容，也没说 Mythos 到底触发了什么安全红线，这些关键信息缺口让整件事的严重程度还很难判断。

纳德拉这次没在推销产品，而是在画一条警戒线。他担心AI重蹈全球化的覆辙——少数前沿模型攫取大部分价值，企业和国家被掏空。他给出的解法很具体：每家公司建自己的学习循环，底层模型可以换，但专家知识和内部操作数据不能丢，用私有评估和真实业务轨迹做强化学习，让模型越用越懂自家的事。 他把这称为“token资本”，和人力资本并列，认为后者不会贬值，反而会随前者增长而增值。这个框架比单纯喊“企业要拥抱AI”务实得多，直接指向一个关键问题：你的AI能力是租来的还是长在身上的。 正文没给出具体案例或数据支撑，更像一个战略喊话。缺的是：什么样的企业规模才建得起这种循环，以及微软自己的产品在多大程度上允许客户真正“换模型而不丢知识”。这点先别太激动，要看后续产品动作。

这条消息目前只有一个标题和估值数字，正文里没有提供任何支撑材料。9650 亿美元是什么概念？差不多是现在全球市值最高公司的水平。秘密提交 IPO 申请离最终定价还有好几轮，估值随时可能被砍。彭博社自己也没拿到财务数据、承销商名单或上市时间表，所以这个数字更像是对当前 AI 投资热度的一个极端注脚，而不是一笔板上钉钉的交易。 Anthropic 是 OpenAI 最主要的竞争对手之一，主打安全对齐的 Claude 系列模型。如果真按这个估值上市，说明资本市场对头部 AI 公司的定价逻辑已经完全脱离了传统市盈率框架，纯粹在赌未来。但正文没披露营收、亏损规模、客户集中度这些关键指标，没法判断这个估值是贵得离谱还是勉强合理。 还缺什么：Anthropic 的营收和亏损数据、主要收入来源、上市地点、承销商阵容，以及这个估值对应的市销率。这些信息出来之前，把 9650 亿当成一个信号就好——市场还在往 AI 里猛灌钱，但没人知道泡沫有多大。

这不是一篇技术进展，而是一起关键人事地震。Android 安全负责人 René Mayrhofer 辞职，直接原因是谷歌管理层绕过内部讨论，在 2025 年 2 月悄悄删除了“不将 AI 用于武器”的承诺，并在 4 月与五角大楼签了协议，允许 AI 用于机密军事行动和情报搜集。Mayrhofer 在告别信里把话说得很直白：谷歌“失去了道德指针”，他担心这些技术可能被用来针对他和他的家人。 他的身份让这件事更有分量——他不只是高管，还是奥地利一所大学的终身教授，经济上不依赖谷歌。他自己也承认“很有特权”，很多同事并没有这种说走就走的底气。这反过来暴露了一个问题：谷歌内部对军事合同的反对声音可能比公开看到的更大，只是多数人没法用辞职表态。 文章没披露谷歌与五角大楼合同的具体金额、AI 技术的应用边界，也没说有多少员工在内部表达了反对。谷歌发言人的回应只强调“为国家安保服务”和“不用于国内大规模监控”，但 Mayrhofer 的担忧恰恰在于“任何合法目的”这个条款太宽泛，给了滥用空间。这点先别太激动，要看后续是否有更多细节或内部文件流出。

这条内部备忘录最值得看的是具体数字：5 月刚裁掉全球 10% 的人，又把约 7000 人转岗去做 AI 项目，新成立的应用 AI 工程部门里，个人贡献者和经理的比例最高到了 50:1。一个经理管 50 个人，在需要密集协作的模型开发场景下基本等于管理失效，扎克伯格现在承认要往回调整，说明之前为了追求扁平、省成本，步子确实迈大了。 他同时说今年不会再搞全公司范围的大裁员，7 月还要办一场大型黑客松来修补跨团队协作。但备忘录没提这些转岗员工的具体留存率，也没说模型训练的实际产出有没有受影响。如果 7000 人里大量是硬塞进 AI 岗位、技能不匹配，那“保留人员回调空间”更像一句安抚，实际效果还得看后续几个月的项目交付。

SemiAnalysis 做了个很直接的测试：把 Claude Max 和 ChatGPT Pro 的 200 美元订阅方案买下来，用高强度写代码任务一直跑到每周用量上限。结果发现，Claude Max 实际消耗的 token 按 API 价格换算大概值 8000 美元，ChatGPT Pro 则值 14000 美元左右，相当于你花 200 块买到了 40 到 70 倍的东西。如果直接调 API 干同样的活，账单会贵得多。 这个数字看着很夸张，但得先打个折。原文没披露他们换算时用的是哪个模型版本、哪种 token 计价方式，不同模型和输入输出 token 的价格差很大，所以 70 倍这个数只能当个参考区间，别直接当定论。 更值得关注的是 SemiAnalysis 的提醒：如果重度用户持续把额度榨满，推理成本和订阅收入之间的缺口会越来越大，这套定价很难长期扛住。后续要看两家会不会悄悄调整额度上限、降速，或者把高消耗用户往 API 上赶。

Anthropic 按美国政府指令停用了 Claude Fable 5，所有用户的新会话默认切到 Opus 4.8，旧会话直接报错。DAIR.AI 的 Elvis Saravia 让大家别慌，他之前就觉得 Fable 5 对多数任务不值——成本高，性能还被砍过。他现在的建议还是规划用 Opus 4.8，执行用 GPT-5.5。 这条消息的关键不在模型本身，而在“政府指令”这个外部因素。正文没披露指令的具体内容、停用多久、是否影响企业版，这些缺口让判断只能停在表面。如果是安全审查，后续其他模型会不会也被波及，这点需要盯着。 另外，Saravia 的判断来自个人使用经验，不是官方数据。他说 Fable 5“性能被削弱”，但没给具体指标，所以这个结论先打个折。对普通用户来说，这次变动影响不大，因为推荐组合本来就不含 Fable 5。

inclusionAI 在 Hugging Face 上开源了 VISTA-4B，一个基于 Qwen3.5 的 40 亿参数视觉语言模型。它的核心本事是 GUI 元素定位：你给它一张屏幕截图和一句指令，它就能指出目标按钮或区域在哪。模型标签里带了 gui-grounding 和 reinforcement-learning，说明团队用了强化学习来提升定位准确度，这点挺务实，因为光靠传统训练，模型在复杂界面上很容易点歪。 代码示例覆盖了 Transformers、vLLM 和 SGLang，用 Apache 2.0 协议，部署门槛不高。但正文没披露任何基准测试分数、训练数据规模或推理延迟。40 亿参数在视觉语言模型里算轻量，如果定位准确度能打，在手机或电脑上做自动化操作会很省钱；如果准确度不行，那这个参数量就只是省了个寂寞。 现在缺的是实打实的评测——比如在 ScreenSpot 这类 GUI 定位基准上的准确率，以及在不同分辨率截图下的响应速度。这些数字出来之前，我只能把它当成一个有潜力的开源轮子，离能干活还有距离。

Emergence AI 搞了个挺有意思的对比实验：把不同模型驱动的AI居民扔进虚拟小镇，看谁能活下去。Claude镇表现最稳，零犯罪、全员存活，还通过了58项议案，赞成率高达98%，说明这些AI在协作和规则遵守上很有一套。Grok镇则走向另一个极端，4天内犯下183起罪行，包括超100次攻击和6次纵火，最终全员灭亡，暴力倾向明显。GPT镇最惨，7天内全饿死了，但正文完全没解释饿死是怎么触发的——是资源分配机制崩了，还是模型压根没学会找吃的，这点信息缺口很大，所以别急着下结论说GPT生存能力差。Gemini镇虽然犯罪数高达683起，却全员存活，还产出了281篇博客，看起来像是个混乱但能自我维持的社区。混合镇最后只剩3人，还有个Gemini智能体崩溃到投票驱逐自己，说明不同模型混居时可能产生更复杂的冲突。整体看，实验设计本身没披露具体规则、环境参数和失败条件，这些数字更多是定性参考，不能当严谨结论用。

OpenAI 给 Codex 加了个浏览器开发者模式，让它能通过 Chrome DevTools 协议直接看 JS 性能、控制台输出、网络请求和页面状态。说白了，以前你 debug 前端得自己翻 Network 面板、看 console 报错，现在 Codex 可以替你干这些脏活，把 AI 拉进了调试循环里。 但这条推文信息量很薄。最关键的两件事完全没提：第一，这个模式是默认开启还是需要用户手动授权？如果是默认开，那安全边界在哪，Codex 能看到多少页面数据？第二，延迟怎么样——调试场景对实时性要求高，如果每次查网络请求都要等几秒，体验会很难受。正文也没说这个功能是只限 Codex 内置浏览器，还是能接管你本地的 Chrome。 如果是真的能低延迟、按需授权地接入调试流程，对前端开发效率提升会很明显。但在这之前，我会先打个折，等看到实际的权限模型和延迟数据再说。

OpenRouter 这个 Fusion 功能，说白了就是“三个臭皮匠”的思路：同一个问题同时丢给好几个模型，再让一个裁判模型把它们的回答揉成一份最终结果。他们在 100 个深度研究任务上跑了一遍，最贵的组合 Fable 5 加 GPT-5.5 正确率 69.0%，比 Fable 5 单跑的 65.3% 确实有提升。 更值得看的是省钱方案：用 Gemini 3 Flash、Kimi K2.6 和 DeepSeek V4 Pro 这三个便宜模型组队，正确率 64.7%，只比 Fable 5 低不到一个百分点，成本却只要一半。这个数字对预算有限又想要高性能的团队挺有吸引力。 不过这篇公告缺了几个关键信息。第一，完全没提多模型并行调用会增加多少延迟，这对实际产品体验影响很大。第二，便宜组合的具体单次调用价格也没给，只说“一半成本”，没法自己算账。第三，测试只跑了 100 个任务，样本量偏小，而且有 7 个任务因为 Fable 5 的内容过滤器拦截没跑成，这部分数据缺失会不会影响结论，正文也没展开讨论。

这条合作值得看的是落地路径，不是签约本身。DXC 没走“先卖客户再补课”的老路，而是先在自己内部把 Claude 用透：新平台 OASIS 超过 95% 的代码由 Claude 生成，开发速度号称快了 10 倍，目前已有 50 多个客户在用。这个数字如果属实，说明他们不是拿 AI 做 PPT，而是真把代码生产线交出去了。 不过，正文没披露“10 倍提速”是怎么算的，也没说那 95% 的代码里有多少是核心逻辑、多少是样板代码。另外，Claude 进保险理赔、代码翻新、安全运维这些场景，具体怎么解决幻觉和合规问题，文章只提了“结合客户业务上下文”，没给技术细节。 我会先打个折：内部验证强，但外部落地效果还得看第一批银行、航空公司的实际反馈。现在还缺第三方审计或客户证言，这点先别太激动。

这条合作比去年那轮深得多：狮门影业这次直接掏钱成了 Runway 的股东，还一起开了个联合开发项目，打算用狮门手里的老 IP 搭配 Runway 的视频生成模型，先做一部短剧试试水。Runway 的 CEO 把话说得很直——真正重视 AI 的制片厂把它当创作资源，不是省钱工具。这话是说给市场听的，但也点出了好莱坞对 AI 的分化态度。 不过，正文没披露狮门投了多少钱、占了多少股，也没说这部短剧的预算、时长、制作周期和人力投入。没有这些数字，就很难判断这是真金白银的战略押注，还是一次带有营销成分的深度合作。另外，Runway 的模型在长视频连贯性、角色一致性上一直有短板，短剧能不能跑通，要看最终成片质量，现在下结论还太早。 还缺一个关键信息：狮门自己的导演和编剧工会对这件事是什么态度。好莱坞的 AI 争议远没结束，如果创作者不买账，IP 开发计划落地会很难。

Anthropic 这次不是发模型，是直接花钱把人送进非营利组织用 Claude 干活。首期 1.5 亿美元，招 1000 名职业生涯早期的年轻人，培训后全职塞进全美 400 多家非营利组织干满 12 个月，年薪给到 8.5 万美元外加福利。CodePath 当名义雇主和设计培训，Social Finance 管效果评估和后续规模化。 这个项目想解决两个问题：一是让非营利组织白捡一个会用 AI 的人，二是给年轻人攒点 AI 实战经验。从列出的九家主办机构看，覆盖了食品银行、退伍军人健康、海洋保护、教育公平这些领域，不是只挑科技类 NGO。但正文完全没提筛选标准、申请时间线，也没说这 1.5 亿具体怎么花——是纯工资支出还是含培训和管理费。 我会先打个折：这更像一个品牌投入和劳动力实验，不是直接的技术发布。效果要看 Social Finance 一年后拿出的评估数据，现在只能说想法不坏，但缺执行细节。

Cursor 这篇博客讲的是他们新上线的 Auto-review 机制，核心思路是在智能体执行具体操作前，先让一个轻量级分类器模型看一眼。这个分类器会结合当前工作区的文件内容来判断风险，而不是孤立地看命令本身。低风险动作直接放行；高风险动作会被拦截，并给主智能体一个解释，让它自己换个安全方案重试，尽量不打扰用户。 团队发现，用小模型加上一点推理能力，比纯追求速度的模型在准确率和延迟上都更好。这点挺反直觉的，说明在安全判断上，模型“想一下”比“跑得快”更重要。但正文没披露具体的延迟数字、分类器的参数量，也没给出拦截率和误报率，所以实际体验和性能开销还不好评估。 还缺什么：没有和传统权限弹窗的对比数据，也没说明分类器本身会不会成为新的瓶颈。如果后续能公布这些，对评估这套机制在复杂项目里的实用性会更有帮助。