全部 · 2026-05-19

Anthropic 这次没发模型，而是公开了他们跟超过 15 种宗教、哲学传统的学者聊天的阶段性结果。核心目的不是搞多元文化公关，而是想从这些领域关于“品格怎么养成”的长期思考里找灵感，用来改进 Claude 的宪法和训练方式。一个直接产出是：他们给 Claude 装了个能在任务中途主动调用的工具，用来提醒它自己的伦理承诺。内部对齐评估里，用上这个工具后，模型的违规行为明显减少。 这个结果挺有意思，但正文没披露具体数字，比如违规率从多少降到了多少，也没说测试场景是真实交互还是模拟对抗。团队自己也承认，还没搞清楚效果到底来自提醒内容本身，还是“停下来想一想”这个动作。这点先别太激动，等他们把数据和实验设计放出来再说。 另外，文章只讲了输入端的对话，没提这些传统里的观点如果互相冲突怎么办，也没说最终怎么落地到宪法的具体条款上。目前看，这更像一个早期探索，离真正影响模型行为还有距离。

Gemini Omni 这次更新的核心就一件事：你可以用自己的长相和声音捏一个数字分身，之后让它替你出镜生成视频，不用每次都重新上传照片。听起来很方便，但正文只给了一句功能描述，关键信息全是空白。没写这个功能是免费还是付费，没写哪些地区能用，也没写是已经上线还是预告。我会先打个折看。对做内容的人，这功能如果能落地，确实省了反复拍摄的麻烦；但数字分身的安全和滥用风险，正文一个字都没提。现在还缺定价、可用区域、正式上线时间，以及最基本的防冒充机制说明。

Gemini 3.5 Flash 这次跳过预览直接发，输入每百万 token 1.5 美元、输出 9 美元，分别是上一代 Flash 预览版的 3 倍和 Flash-Lite 的 6 倍，价格已经逼近自家的 Pro 型号。谷歌把它塞进了搜索、Gemini app 等一堆免费产品里，同时又在 API 端大幅提价，看起来是在试探开发者的付费底线。 从 Artificial Analysis 的实测成本看，跑同一套基准，3.5 Flash（高算力模式）花了 1551 美元，而 3.1 Pro 预览版只要 892 美元，贵了快一倍。这不是谷歌一家的事，OpenAI 和 Anthropic 的新模型也都在涨价，各家似乎都在重新定“便宜模型”该卖多少钱。 文章没给出 3.5 Flash 在推理、代码等具体任务上的性能对比数据，只放了一张骑自行车的鹈鹕 SVG 示例。模型到底强在哪、涨价值不值，还得等第三方评测出来才能判断。

这条消息最值得关注的是逻辑本身：SpaceX 想直接把程序员圈子里最火的 AI 写代码工具塞进自己的工程体系。Cursor 能帮开发者自动补全、生成和修改代码，如果整合进 SpaceX 的火箭和卫星软件流程，理论上能加快迭代速度。但报道全篇靠匿名消息源撑着，交易金额、IPO 时间表、监管审批条件一概没披露。SpaceX 什么时候上市都还没定，30 天这个数字听起来更像谈判桌上的一个意向条款，离落地还远。另外，Cursor 这类工具在安全敏感场景下的可靠性还没被大规模验证过，航天软件对代码正确性的要求又极高，这笔买卖如果真成了，后续怎么磨合才是真正的看点。

这篇博文讲的是 Claude Code 团队的一个实践转向：把默认输出格式从 Markdown 换成 HTML。他们的核心判断是，HTML 在表达复杂信息时比纯文本强太多，具体体现在四个地方——用表格做对比、用 CSS 精确控制排版、用 SVG 直接画图表、用 JavaScript 加交互操作。这四点确实戳中了 Markdown 的软肋，尤其是当你需要让模型输出一个可排序的表格或者一个动态图表时，Markdown 根本做不到。 但文章有个明显的问题：它完全没给数字。没有说换成 HTML 之后输出 token 消耗涨了多少、生成延迟有没有变高、用户满意度有没有量化提升。全文是纯定性描述，读起来像团队内部的经验总结，而不是一次有数据支撑的产品迭代公告。这点先别太激动，把它当成一个方向性信号就好——Anthropic 在认真考虑让模型输出更丰富的交互内容，而不是永远困在纯文本里。 另外，文章也没提这种 HTML 输出在非代码场景下的表现，比如让模型写一份带图表的分析报告时，HTML 的排版稳定性如何、会不会出现样式错乱。这些缺口让整篇分享的参考价值打了折扣，但作为思路启发还是值得一看。

这条推文就两件事：一个数字，一场对谈预告。15 亿张/周这个量级确实大，说明 ChatGPT 的图像生成已经从尝鲜变成了高频日常工具。但 OpenAI 没拆这 15 亿里多少是正经创作、多少是表情包和梗图，也没说 Images 2.0 上线后留存和付费转化怎么样。研究员和产品负责人聊“新用例和趋势”，正文却一个例子都没列，等于把信息全锁在对谈里。我会先打个折：数字本身有参考价值，但缺拆解就只是流量展示。真正值得看的是他们后续会不会放出用户行为数据，比如重复生成率、编辑链路、多轮对话里的图像使用模式，这些才能判断图像生成是不是真在往生产力方向走。

Google 给 Gmail 的 AI 收件箱加了个语音对话搜索，你可以直接开口让 Gemini 帮你从邮件堆里挖出具体信息。这相当于把外挂资料库的检索方式搬进了邮箱，用自然语言代替关键词翻找。 但这条消息来自 RSS 摘要，关键信息全是缺口：没披露功能会推给哪些用户、支持什么语言、要不要额外付费、响应延迟多少，也没说背后是用什么检索机制把邮件捞出来的。这些直接决定它到底是实用工具还是发布会上的演示片段。 我会先打个折。语音搜邮箱听起来方便，但如果检索不准、响应慢，或者只支持英文、只给付费用户，那对大多数人的实际帮助就有限。等 Google 放出具体上线时间和使用限制再判断不迟。

Google 在 I/O 大会上画的饼，核心逻辑是用你的邮件、日程、位置信息去喂出一个贴身 AI 管家。Gemini Spark 能帮你攒局，Gmail AI 能替你写回信，听起来确实省事。但文章点到了一个关键缺口：这些功能跑在大量个人数据上，而 Google 没在发布时把数据处理规则摊开讲。 我会先打个折。实用性和隐私风险是绑在一起的，如果后续不公布数据是本地处理还是上传云端、会不会用于训练模型，那这些功能就只是半成品。对从业者来说，值得盯的是 Google 后续会不会出技术白皮书，而不是只看 demo 有多流畅。

这篇东西的价值在于它终于不画饼了，直接聊生产环境怎么落地。四个机制里，点击准确率和思考努力级别这两点比较实在——前者直接关系到任务能不能跑通，后者给了工程上调节成本与效果的旋钮。长会话上下文保持和可重放日志，更像是把 agent 当正经软件工程来对待，而不是一次性魔法。 不过正文只给了 RSS 摘要，没看到具体数字。比如点击准确率到底提升了多少、思考级别分几档、长会话能撑多少步、日志回放有没有性能开销，这些关键指标都没披露。另外也没提这套方案对哪些软件界面有效，是只针对浏览器还是桌面应用也能用。 我会先打个折：这更像是一份实践原则清单，不是可复现的基准测试。真要评估可靠性，得等有人拿它跑几百次重复任务，看失败率和恢复能力。

Google 给 AI Edge Gallery 这个手机端模型体验应用加了三个新能力，最值得看的是安卓版开始实验性支持 MCP（模型上下文协议）。简单说，你可以在手机上给 Gemma 4 模型配一个外部工具服务器地址，比如连上 Google Workspace 查日历邮件，或者接 Google Maps 问路。模型在本地决定调哪个工具，请求发出去由服务器执行，推理和决策全在手机上完成。 这点先别太激动。正文明确说这是实验功能，iOS 版还没跟上，而且 MCP 服务器需要你自己部署在家庭电脑或云端，不是开箱即用的服务。另外两个更新是定时通知提醒和聊天记录持久化，能让长时间对话的上下文恢复更快，属于体验补课。 正文没披露端侧推理的实际延迟、功耗，也没说 MCP 工具调用的失败率和安全边界。这些缺口意味着现在更适合开发者尝鲜，离普通用户能稳定用还有距离。

OpenAI 上线了 Guaranteed Capacity，说白了就是让企业提前交钱锁定算力，避免高峰期排队。这对需要稳定跑关键任务的大客户是好事，但公告里关键信息全缺：没写价格、没写合同年限、没写最低配额，也没说锁的是哪种 GPU。我会先打个折——这更像给大客户吃定心丸，小团队暂时不用激动。 从产品逻辑看，这暴露了 OpenAI 算力吃紧的现实。与其让客户在高峰期抢不到资源，不如提前卖期货，既能锁定收入，又能规划负载。但没披露定价模型是个硬伤：是按预留实例打折，还是溢价卖稀缺资源？如果是后者，成本可能不降反升。 还缺两个关键信息：一是如果 OpenAI 自己算力不够，违约怎么赔；二是锁定的算力能不能灵活调配到不同模型。这些不写清楚，合同签了也可能踩坑。

Google 把 Pixel 10 系列里那块 TPU 的推理能力开放给了普通开发者，不再只是自家相机和翻译功能独享。现在你可以把 PyTorch 或 TFLite 模型通过 LiteRT 框架转换、编译，直接调用手机里的 TPU 来跑。官方还准备了一个模型库，里面有超过 100 个现成模型，包括 Gemma 3 1B 这种小语言模型。 对开发者来说，最大的好处是省事：LiteRT 把底层硬件驱动和编译器都封装好了，不用分别对接。它还支持自动降级，TPU 不可用时能切回 CPU 或 GPU。但正文没提 TPU 推理的具体延迟和功耗数据，也没说模型编译后体积会膨胀多少。这些对端侧部署很关键，现在只能自己测。 另外，模型分发走的是 Google Play 的 AI Packs 通道，这意味着你的 App 只能在 Google 生态里用这套方案。如果目标用户不在 Pixel 10 上，这套东西暂时用不上。

这条消息目前只能当预告看。谷歌说 Gemini Omni 是“从任意输入创造内容”的新模型，首发支持视频，但推文里没披露任何硬指标：参数量未知，定价没提，上线时间也没说，更没有任何基准测试结果。唯一的信息来源是一条推文和一条线索串，连技术博客或 demo 链接都没有。 “任意输入到任意输出”这个说法听着很全能，但实际能做到什么程度、延迟多高、成本多大，全都不清楚。视频生成或理解对算力要求很高，如果谷歌没给效率数据，就没法判断这是实验室 demo 还是快能用的产品。 我会先打个折：等有论文、定价或实际可测的接口出来再认真看。现在这条消息的价值在于知道谷歌在往这个方向走，但离“能用”还差关键信息。

Google 在 I/O 大会上宣布跟 Warby Parker、Gentle Monster 合作推出“音频眼镜”，说白了就是一副没有屏幕、主要靠语音指令操作的智能眼镜。用户可以通过它调用 Gemini 助手和 Google 自家的应用服务，同时支持 Android 和 iOS，设计上还有三星参与。这路线跟 Meta 的 Ray-Ban 联名款很像，都是先不做显示，用音频和 AI 助手切入日常佩戴场景。 但正文没披露价格、硬件参数和确切发售日期，只说了“今年晚些时候上市”。没有这些信息，很难判断它跟 Meta 现有产品比有没有竞争力。另外，纯语音交互在户外、嘈杂环境下的可靠性，以及 Gemini 在穿戴设备上的响应延迟，也都没提。这点先别太激动，等有实测和定价再说。

这条消息的核心是，一个还没被外界完全搞清楚的新模型，直接让金融监管的动作踩了刹车。Anthropic 的 Mythos 模型到底展示了什么能力，能让监管机构觉得现有的银行网络安全检查不够用了，这是最值得追问的点。目前 Bloomberg 的报道被付费墙完全挡住，我们只知道检查暂停了，但检查范围、暂停时长、受影响银行名单这些关键事实一概缺失。 对从业者来说，这更像一个信号：前沿模型的安全评估结果，正在从论文和基准测试里走出来，开始直接影响现实世界的监管节奏。但信号有多强，完全取决于 Mythos 暴露的风险是理论上的还是可复现的攻击路径。正文没披露技术细节，也没说明监管机构是基于 Anthropic 的自报、第三方红队测试还是自己的复现结果做出的决定。这些信息缺口让整件事的可信度要打个折，建议等更多技术报告或监管文件出来再判断。

Google 在 5 月 19 号推出了 Gemini 3.5 系列，首发的是 Flash 版本。官方把卖点定在“前沿智能加行动能力”，意思是这模型不光能聊，还能直接去调工具、跑任务，听起来是想往 agent 工作流里塞。但整篇博客读下来，关键信息全是空的：没提推理速度、没给基准测试分数、没公布 API 价格，连上下文窗口多大都没说。Hacker News 上讨论热度有 116 分，说明从业者确实在盯，可目前能判断的只有一句口号。 这种发布节奏更像是抢个身位，而不是让开发者立刻做技术选型。真要评估它能不能用、划不划算，得等 Google 把硬指标放出来。另外，博客也没解释“行动能力”具体是怎么实现的——是模型自己生成工具调用指令，还是背后有单独的调度层，这些细节会直接影响落地时的可靠性和延迟。在数字出来之前，这条消息先当个预告看就好。