AX 严选 · 2026-06-16

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。

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。

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。