全部 · 2026-05-05

苹果因为推迟推出宣传过的AI Siri功能，同意支付2.5亿美元和解集体诉讼。这笔钱说明苹果在AI落地节奏上确实翻了车，而且翻得挺贵。和解方案覆盖的是购买特定iPhone机型的用户，具体哪些型号和每人能拿多少，目前公开报道里没写清楚。另外，苹果到底什么时候能把当初承诺的AI Siri功能推出来，正文也没给出新时间表。所以这事本质上是苹果为过度承诺买单，但用户真正关心的“智能Siri什么时候能用”依然没答案。

这笔交易被否，最直接的影响是Manus AI没法走“卖给大厂”这条路了。二十亿美元的报价说明Meta很想要它的团队或技术，但中国监管层显然认为这涉及关键技术外流。文章把这件事拔高到“全球AI竞赛转折点”，这个判断我先打个折——目前看更像个案，还没看到成文的系统性封锁政策。 文章没披露Manus AI具体做什么、团队规模多大，也没说清否决的具体法律依据。这些信息缺口让“信号意义”的讨论有点虚。对AI从业者来说，更实际的信号是：如果你在做底层模型或数据基建，未来想拿美元基金然后卖给美国巨头，这条路可能越来越窄。

这条消息的核心是苹果在系统层面松绑了 AI 模型的选择权。以前 Siri 和 Apple Intelligence 的后台基本是 ChatGPT 一家独大，现在 iOS 27 可能会像换默认浏览器一样，让你把 Gemini 或别的模型设成主力。这对用户是好事，不用被一家模型绑死；对开发者来说，意味着苹果的 AI 生态会从封闭走向半开放，第三方模型有机会直接进入 iPhone 的系统级交互。 不过，目前信息全来自 The Verge 和 TechCrunch 对苹果计划的转述，没有官方确认，也没有给出技术实现细节。最关键的两点都没说清楚：一是苹果会开放到什么程度——是只允许几个合作方上架，还是真的像 App Store 一样让开发者提交模型？二是隐私和审核机制怎么做，本地运行和云端调用的比例怎么分。这些直接决定了这个功能是实质开放还是做做样子。 另外，报道里没提这个功能是否只限海外，国内用户能不能用、能用哪些模型，都是未知数。如果苹果只是把选择权限制在几家已合作的巨头之间，那对生态的冲击就小很多。

这起诉讼的核心指控是 Meta 在训练 Llama 模型时，未经授权使用了大量受版权保护的书籍。从现有信息看，出版方认为模型能“逐字复制”原文，这直接触及了 AI 训练数据合法性的老问题。但关键细节全卡在 FT 的付费墙后面，比如原告具体拿出了哪些“逐字复制”的证据、索赔金额是多少、以及诉讼是在哪个法院提起的，这些目前都看不到。 我会先打个折，因为“逐字复制”这个说法在技术上有多种可能：可能是模型真的背下了训练数据，也可能是提示词故意诱导出来的。没有诉状原文，很难判断出版方的证据有多硬。另外，把扎克伯格个人也列为被告，是一种施压策略，但最终能否成立要看是否有证据证明他个人直接决策了数据使用方式。 这条新闻值得跟，但眼下缺的信息太多。需要等诉状公开，看具体侵权书目清单和“逐字复制”的实例，才能判断这案子是雷声大还是真有杀伤力。

这条消息本身很简单：Google 把多 token 预测（MTP）技术用到了 Gemma 4 上。MTP 的原理是让模型一次预测后面好几个词，而不是传统的一个一个往外蹦，这样在生成阶段可以明显减少推理步数，理论上能提速。但 Reddit 原帖被网络屏蔽，正文内容完全看不到，只有标题提到“MLX”，暗示有人在苹果芯片上用 MLX 框架跑通了。关键信息全缺：到底加速了多少百分比？在什么卡上测的？显存占用有没有变化？这些数字没有，就没法判断是实打实的省钱，还是实验室里的纸面优化。另外，MTP 通常需要额外的输出头，模型体积会变大一点，这部分代价原文也没提。想跟的人建议直接去 Hugging Face 搜 Gemma 4 的模型卡，看官方有没有放出 benchmark。

Google、xAI 和微软跟美国政府谈妥了一件事：以后他们最前沿的 AI 模型在公开之前，会先交给政府做一轮国家安全审查。这相当于给模型上市加了一道“政审”环节，不再是公司自己说了算。目前只有这三家公开同意，OpenAI 和 Meta 还没表态。 不过，FT 的原文被付费墙挡住了，我们看不到审查的具体标准、流程，也不知道政府有没有权力叫停发布。从标题和已知信息判断，这更像是一个自愿性质的合作框架，而不是强制法规。对从业者来说，这意味着未来在美国发布大模型，合规成本可能会增加，发布节奏也可能变慢。 现在还缺几个关键信息：审查到底看什么（是模型能力上限、数据安全，还是输出内容风险），以及如果审查不通过，公司能不能强行发布。这些没搞清楚之前，先别急着下结论说行业要变天。

这次更新最实在的数字是：在高风险领域（医疗、法律、金融）的幻觉率比上一代降了52.5%，在用户标记过的刁钻问题上错误也少了37.3%。OpenAI还放了个代数题的例子，展示新模型能自己发现推导错误并纠正，而不是像旧版那样直接判“无解”。这点挺直观，说明模型在推理时多了一层自我检查。 不过得打个折：这些全是内部评测，没有第三方基准或外部验证。文章也没提推理速度和成本变化，对开发者来说这两项跟准确率一样重要。另外，“更简洁”和“更个性化”目前只有定性描述，没给出具体指标，比如回复长度缩短了多少、用户满意度提升了多少。 如果是真的，免费用户和付费用户都能直接用上，覆盖面够大。但想判断它是不是日常干活更顺手了，还得等实际用一阵子，看看在长对话和复杂任务里会不会翻车。

这条新闻最扎眼的地方是“零现金换近300亿美元股权”。OpenAI总裁Brockman在庭审中亲口确认，他个人没出钱就获得了这笔股份，目前估值约290亿到300亿美元。马斯克那边的律师抓住这点猛打，要求他把股权退还给公司。 先别急着下结论说这就是“认罪”。庭审证词只是确认了出资事实——Brockman确实没拿现金换股，但这在初创公司里不算罕见，早期核心成员常以技术、劳务或创始身份拿到股份。关键争议在于，OpenAI从非营利转向营利的过程中，这种安排是否违反了当初对捐赠者和公众的承诺。 目前报道没披露Brockman具体用什么贡献换的股权，也没说清楚这300亿估值是按哪轮融资算的。庭审还在进行，马斯克一方能不能真把股权要回来，还得看后续法官怎么认定公司性质转变的合法性。

这条消息最值得关注的点不是马斯克“摸鱼”，而是 55 万块 GPU 只跑出 11% 的利用率，说明超大规模集群的工程调度和故障恢复远比想象中难。11% 这个数字来自一篇未公开全文的微信文章，正文被环境验证挡住，看不到原始出处和统计口径——是瞬时利用率还是月均？算的是训练、推理还是包含闲置待命？这些都没披露。如果 11% 是常态，那意味着绝大多数算力在等待数据、等待 checkpoint 同步，或者卡在硬件故障上。对从业者来说，这比“囤卡”本身更值得追问：当集群大到一定程度，网络、存储、散热和调度系统的瓶颈会让边际收益急剧下降。目前信息缺口很大，先别急着下结论，等看到具体技术报告再判断是工程问题还是统计花招。

Anthropic 联合创始人 Jack Clark 放了个时间点：到 2028 年底，AI 脱离人类独立做研发的概率超过 60%。他拿几个基准测试当证据——Claude Mythos Preview 在软件工程测试 SWE-Bench 上跑到 93.9%，Opus 4.5 在评估 AI 复现研究能力的 CORE-Bench 上拿到 95.5%。这些数字确实高，说明模型在写代码和复现实验这类长链条任务上越来越能打。 但问题在于，正文被微信的验证页面挡住了，我们看不到 Clark 具体怎么从这些基准分数推到 60% 这个概率的。SWE-Bench 和 CORE-Bench 测的是特定任务，离真正的独立研发——自己提假设、设计实验、迭代试错——还有多远，正文没披露。另外，Clark 强调信号来自任务时长和后训练能力，而不是什么奇点叙事，这点倒是务实，但具体怎么定义“独立研发”也没说清楚。 还缺几样东西：Clark 这个预测是正式论文里的结论还是随口一说？有没有同行评审或外部验证？60% 这个数字是怎么算出来的，还是纯主观判断？这些信息缺口不补上，这条新闻就只能当个观点看，别急着当趋势。