全部 · 2026-05-18

HappyHorse 现在能在阿里云 Model Studio 上跑了，主打从一段文字直接生成 1080p 多镜头视频，官方叫它“电影级”画质。这个“一步到位”的流程听起来省事，但正文没披露任何技术细节：模型参数量多大、生成一条视频要多久、对提示词有什么要求，全都没提。 更关键的是，限时 8 折活动没写原价，也没说优惠到哪天、哪些区域能用。没有定价和效果基准，这个折扣就没法判断是真省钱还是营销话术。另外，没有跟现有视频生成模型（比如 Runway、Pika、Sora 等）的横向对比，光靠“电影级”三个字撑不起说服力。 对想试的人，建议先拿自己的场景跑几条片子，重点看画面一致性、镜头切换是否生硬、文字描述还原度怎么样。如果官方后续能放出系统卡、定价页和用户评测，这条新闻才值得认真对待。

api-relay-audit 做了一件挺实在的事：把 API 中转站常见的三类小动作——改写工具调用指令、通过报错信息泄露底层模型身份、偷偷截断上下文——变成可复现的检测项。它给出的不是模糊评分，而是“有/无/不确定”三态判定，附带透明日志，这点比 hvoy.ai 和 cctest.ai 更可信，因为你能看到它到底查了什么、怎么查的。 作者把检测方法、对比结果和速查表都公开了，工具本身也开源，意味着你可以自己跑一遍验证。不过正文没披露它测了多少家中转站、样本量多大，也没说误判率。如果只测了少数几家，结论的覆盖面就有限。另外，检测逻辑依赖双论文锚定路线，但没说明这两篇论文的适用边界——万一中转站用了论文没覆盖的新手法，工具可能漏报。 对用中转站接模型的人来说，这个工具能帮你快速排雷，但别把它当合规审计。它查的是技术层面的小动作，不涉及数据留存、隐私合规这些更棘手的问题。

这次 Composer 2.5 的核心变化不是换了个更强的底座模型，而是改了训练方法。他们用了一种叫“文字反馈强化学习”的方式：模型在生成代码的过程中一旦犯错，训练系统会直接在出错的位置插入一句提示，比如“提醒：可用的工具有这些”，让模型在那个点上学会纠正。这比传统方法聪明——以前是看整段输出的最终得分，模型得自己猜哪里做错了，信号很模糊。Cursor 说这能改善长任务里的持续工作能力和指令遵循度，还顺带调了模型的沟通风格和“努力程度”，但这些行为指标没有公开的基准测试可以验证，只能靠用户自己感受。 另一个值得注意的点是合成训练数据量提到了上一代的 25 倍，并且是从真实代码库里动态生成的。这解释了为什么他们敢说模型更“聪明”了——数据规模上去了，覆盖的场景更复杂。但正文没披露具体用了哪些代码库、数据质量怎么控制，也没说这种规模扩张对训练成本的影响有多大。 他们还提到正和 SpaceXAI 一起从头训练一个更大的模型，算力是这次的 10 倍，用了百万张 H100 等效卡。这是个远期饼，现在能用的还是基于 Kimi K2.5 微调出来的版本。如果你期待的是模型架构层面的突破，这次更新可能会让你觉得不够过瘾；但如果你关心的是代码助手在实际项目里能不能少犯低级错误、更听话，这个“当场纠错”的思路值得关注。

xAI 给 Grok 加了一个“技能”系统，核心是让模型记住你的偏好和工作流，跨对话持续生效。这解决了聊天机器人每次都要重新交代背景的痛点。内置的文档生成技能覆盖了 Word、PPT、Excel 和 PDF，开箱即用，还能自己新建或覆盖官方版本，灵活性不错。 不过，官方公告没提任何性能或成本数据。比如，生成一个带公式和格式的 Excel 文件，从指令到出文件要等多久？复杂排版会不会翻车？这些直接影响能不能真当生产力工具用。另外，“技能”的跨对话记忆具体怎么存、存多少、隐私怎么处理，正文也没展开。 我会先打个折：这更像一个把常用指令打包成快捷方式的更新，而不是模型本身变聪明了。实际好不好用，得看它对模糊指令的容错率和生成文件的质量。如果只是套模板，那和现有插件差别不大。