全部 · 2026-05-07

马斯克起诉 OpenAI 的庭审文件把 2023 年 11 月那场政变的内部短信抖出来了。前 CTO Mira Murati 的证词很直白——董事会非要赶走 Sam Altman，理由就一句："他们只是不想让 AGI 掌控在你手上。" 这不是什么治理理念不合，就是对人不对事。短信还显示，董事会解雇 Altman 后立刻选了前 Twitch CEO 当接班人，动作很快，说明早有准备。Altman 当时甚至提过让微软收购 OpenAI 来满足董事会的治理要求，但没谈成。 这些材料现在是马斯克索赔 1800 亿美元的关键证据，他要推翻 OpenAI 的营利模式，主张公司背叛了非营利初衷。不过要注意，这些短信和证词来自马斯克一方的庭审文件，是单边披露，OpenAI 那边的完整回应和上下文还没公开。Murati 那句话有没有前后文被截掉、董事会当时掌握什么具体信息，正文都没说。 这件事对从业者的价值不在八卦，而在于它暴露了一个结构性问题：当一家非营利组织控制着一家营利子公司，而 CEO 同时管两边，董事会能用的工具其实很少。赶走创始人是最极端的那张牌，打出来就说明常规治理手段已经失效了。至于"不让 AGI 落在某人手里"这个理由是否站得住脚，得等双方证据都摆出来再判断。

这条消息本身挺有意思，但先得打个折——原文被微信的“环境异常”验证页挡住了，我只能根据摘要来判断。UniGeo 解决的是 3D 编辑里的老毛病：你让 AI 换个视角生成画面，物体的位置、形状经常乱套。他们的做法不是简单套个视频模型，而是把几何约束直接塞进模型结构、表示层和损失函数里，相当于给模型装了个空间坐标系，让它知道物体该在哪、长什么样。摘要里说在 DL3DV、RE10K 和 Tanks 三个数据集上对比了五种方法，拿了 SOTA，还用了视频预训练的先验知识加几何锚点注意力。 但关键信息全卡在验证页后面了。我不知道它的编辑精度到底多高、延迟多大、对硬件要求如何，也不知道演示 demo 能跑什么场景。这些对从业者判断能不能用很重要。另外，摘要没提训练用了多少数据、成本多少，也没说失败案例长什么样。如果后续能补上这些，这条新闻的参考价值会高很多。

Amp 新 CLI 工具 Neo 的核心变化，是把编程助手从需要人盯着看的“陪伴式”交互，改成扔给它自己跑的长链路任务。它支持远程控制本地线程、自动压缩上下文（不用再手动清理对话历史），还开放了 Plugin API 来扩展工具。安全策略做了个大反转：默认允许所有操作，把安全把关完全交给插件系统。官方说 CPU 和内存占用也降了不少。 但这条消息的信息缺口很明显：正文没披露具体版本号、定价，也没给出性能提升的实测数字。默认全开权限这个设计，在本地开发环境可能还行，放到生产或团队协作场景里风险不小，插件系统的安全审计机制到底怎么运作也没说清楚。 我会先打个折看待：方向有意思，但缺了硬数据和安全细节，暂时只能当一次架构思路的公开试探。

这个结果挺狠的。ProgramBench 让模型只看可执行文件和使用说明，就把整个软件项目复刻出来，最后用模糊测试跑行为一致性——不是看某段代码写得对不对，而是看整个系统能不能用。Claude Opus 4.7、GPT-5.4、Gemini 3.1 Pro 全部零完成率，说明现在的模型离独立做系统工程还差得远。之前靠刷单函数题拿高分那套，在这种需要理解整体架构、处理隐式约束的任务上完全失效。 这个基准来自 SWE-Bench 的作者团队，设计思路就是反刷题：不给源码、不给测试，只给最终产物和文档，逼模型自己推断内部逻辑。评测方式也换了，用 agent 驱动的模糊测试去撞行为差异，比跑固定测试用例更接近真实验收。 不过正文没披露样本数量和项目复杂度分布，也没说模型是在什么条件下跑的——给了多少轮尝试、有没有人工介入。零完成率本身很震撼，但如果样本只有个位数，或者项目都是大型系统级工程，那这个数字的普适性就得打个折。另外，模型在部分子任务上的表现也没提，是全流程崩在第一步，还是卡在某个特定环节，这些信息对判断瓶颈在哪很关键。

这条研究解决了一个很实际的问题：命令行 agent 干活时，终端返回的信息经常又长又乱，模型容易被无效内容带偏，还白烧 token。TACO 的思路是让模型在执行任务的过程中自己总结哪些输出该留、哪些该扔，形成压缩规则，再把这些规则存进一个全局池子里复用。不用微调模型，纯靠提示词工程。 在 TerminalBench 1.0 和 2.0 上，任务成功率和 token 利用率都上去了。他们还顺手测出 TerminalBench 2.0 的原始提示里有 24.6% 到 44.1% 的低价值冗余，这个数字挺说明问题——很多 benchmark 本身就不够干净。另外，经过多轮进化后，排名前 30 的规则保留率超过 90%，说明这套规则生成机制比较稳定，不是随机撞大运。 不过正文没披露具体用了哪些模型做测试，也没说规则进化对推理延迟的影响有多大。如果规则池越滚越大，检索和匹配的成本会不会吃掉省下来的 token 收益，这点还需要看后续验证。

Open Slide 把做 PPT 这件事拆成了写代码，底层是 React 组件，等于让 AI agent 可以直接操作幻灯片的结构和样式，而不是靠截图或模板拼凑。项目自带可视化编辑器，人手动改也行，AI 读用户批注来协同修改也行，这点对多人协作场景比较实用。集成的 SVGL 库有 1500 多个品牌 Logo，做技术方案或竞品分析时不用再到处找图标。 不过正文没披露几个关键信息：AI 生成的内容质量到底怎么样，复杂图表和排版能不能一次到位；也没说支持哪些 AI 模型或 agent 框架，是只接某个特定工具还是开放接口。另外，用 React 写 PPT 对非技术用户门槛不低，项目定位更像是给开发者或 AI 工作流用的，普通用户想直接上手可能还得等更傻瓜化的封装。

这条新闻最值得看的是两件事拼在一起产生的反差。Anthropic在六个月内接连签下AWS Trainium、Google TPU、SpaceXAI Colossus 1和CoreWeave四笔合同，覆盖了市面上三种主流芯片架构。这不是简单的“抢算力”，而是用适配能力抹平硬件差异，主动构建一个多头竞价的格局——当模型能在不同芯片上高效跑，NVIDIA的定价权就被打破了。另一边，xAI把拥有22万张GPU的Colossus 1整座租给了Anthropic，而自家GPU利用率只有11%，行业平均是35%到45%。这说明xAI的基建速度跑在了模型需求前面，Grok的用户规模没跟上，过剩产能只能外销。 两件事指向同一个深层判断：算力正在从护城河变成大宗商品。Anthropic赌的是这个趋势会发生，所以提前在所有架构上布局，为的是2027年后每个推理token的成本最低。xAI则被动地成了这个趋势的卖方——靠出租算力回收投资，但这也意味着竞争对手在你最好的基础设施上训练比你更好的模型。正文没披露Anthropic在Colossus 1上的具体租金和合同期限，这笔交易的财务细节还不清楚。另外，太空数据中心的合作还停留在“表达兴趣”阶段，散热和碎片防护等物理问题没解决，这点先别太激动。

这篇文章把 2025 年下半年一个重要的工程共识讲透了：给 agent 外挂记忆，最高效的方式可能不是向量数据库，而是让它像人一样去翻文件夹。核心逻辑是成本倒逼——Anthropic 的例子很直观，按需发现工具定义能省下 98.7% 的 token，这对按 token 计费的模型来说是实打实的钱。 但文章最有价值的部分不是趋势判断，而是不同团队的设计分歧。Vercel 诚实披露了 bash+grep 方案在结构化查询上的惨败：准确率只有 53%，成本却是 SQL 的 6.5 倍。这说明“文件系统即上下文”在非结构化探索上很强，但一碰到精确查询就露怯。Turso 的 AgentFS 试图用 SQLite 同时提供文件和数据库接口，这个思路更务实。 文章没提的一个关键问题是权限和隔离。让 agent 在文件系统里自由执行 shell 命令，安全边界怎么划？Anthropic 提到了数据隐私的好处，但没说执行环境本身的沙箱策略。另外，所有案例都基于闭源模型，开源模型在文件系统操作上的可靠性到底怎么样，正文也没给数据。