全部 · 2026-05-19

Google DeepMind 在推上宣布了 Gemini Omni，说这是他们朝“用任何内容生成任何内容”迈出的第一步，首发功能是视频生成。它把 Gemini 的理解能力和自家的生成式媒体系统揉在一起，号称在多模态理解和编辑上有大跨步。但正文没披露模型参数、价格和什么时候能用，我会先打个折——目前只有一句口号和一段视频演示，具体效果和限制还得等后续公开。 这条消息的信息量很薄，更像预告而非产品发布。没给技术细节，也没说视频生成的分辨率、时长、可控性，更没提和现有视频模型（比如 Sora、Veo）的对比。对从业者来说，最关心的训练成本、推理延迟、是否开源或提供 API，全都没提。 还缺的是实际用例和限制说明。视频生成容易出幻觉和物理不一致，Omni 在这块有没有改进，正文完全没说。建议等官方放出论文、demo 或定价后再判断，现在只能当个方向信号看。

皮查伊在I/O大会上甩出的这组数字，主要想证明谷歌AI服务用的人确实变多了。月处理Token量超过3200万亿，同比涨了7倍；Gemini App月活超9亿，翻了一倍多。Nano Banana模型累计生成了500亿张图片，说明多模态生成的需求不小。 不过，这些数字都来自谷歌自己的发布会，没有第三方验证。Token量涨7倍，但没说明有多少来自免费产品、多少来自付费API调用。如果大量Token是搜索或YouTube里的AI摘要产生的，那商业转化率可能没那么好看。Gemini App的9亿月活，也没说跟安卓预装或默认入口的捆绑程度。 还缺几个关键信息：付费客户数、API收入增速、以及这些Token背后的推理成本变化。如果成本没同步降下来，量越大反而越烧钱。

这条测试很实在，直接给出了本地跑会议纪要的底线配置。一台 RTX 3060 笔记本，6GB 显存，用 VoiceFlow 1.6.0 处理 4 分钟会议音频，Qwen3.5 0.8B 在 16K 上下文窗口下花了 57 秒完成总结，结果可用。这个速度意味着你开完会去接杯水，回来纪要已经好了，对个人用户来说完全能接受。 Granite 4 350M 的表现就有点黑色幽默了。速度快得惊人，0.6 到 2.8 秒就出稿，但会凭空捏造内容，比如编出币安和《星际迷航》的情节。这提醒我们，小模型在极端压缩后，幻觉问题可能比大模型更隐蔽也更危险——它说得太快太流畅，你反而容易信。 正文没披露测试用的具体 prompt、温度参数，也没说 Qwen 的总结质量到底怎么评判的，只说“可用”。另外，VoiceFlow 本身的转写准确率也没提，如果语音识别那步就错了，后面总结再快也没意义。这点先别太激动，等有人复现了再看。

这条帖子扒了 API 日志，发现 Cursor 和 Claude Code 的 agent 在代码库里干活时，会反复用 grep 搜大约 40 个文件，有时候为了改 5 行代码，就把整个 2000 行的文件塞进上下文窗口。更夸张的是，在真正开始写代码之前，光工具定义和操作日志就先吃掉大约 3 万个 token。帖子认为工具本身没降智，是这种 agent 循环结构性地在浪费上下文，导致模型能用来思考的空间被挤占。 这个判断有数据支撑，但要注意来源是 Reddit 用户自己扒的日志，不是官方披露，样本量和测试环境都不清楚。帖子正文被 Reddit 的网络安全机制挡住了，我们只能看到摘要，没法核实具体是怎么抓的日志、测了哪些项目、对比了什么基线。 对从业者来说，这条信息值得留意的地方在于：如果你觉得 coding agent 越用越笨，问题可能不在模型本身，而在 agent 的调度逻辑。改小功能前，先看看它是不是在无脑塞文件。但这点先别太激动，我们缺的是官方工具链的 token 消耗基准和不同 agent 策略的横向对比，光靠一条被屏蔽的帖子还下不了定论。

NVIDIA这次放出的LongLive 2.0，是把长视频生成的整套流水线都开源了，从训练到部署全包。核心卖点是FP4量化——你可以理解成把模型压缩到原来四分之一精度，再配合并行加速，在50亿参数的模型上能跑到每秒45.7帧。这个速度什么概念？很多短视频生成方案也就二三十帧，它直接翻倍，而且是在长视频场景下跑的。 框架里塞了不少实用组件：支持用真实视频训练而不是纯合成数据、能做多镜头切换、序列并行让多卡跑长序列不卡脖子、KV缓存优化省显存、异步解码让推理和输出流水线化。这些组合拳打下来，确实在解决长视频生成"慢到没法用"的老毛病。 但正文有几个关键信息没交代：最长能生成多少分钟的视频？显存占用到底多少？45.7帧是在什么分辨率下测的？这些数字不补上，"超长视频"的"超长"就还是个模糊概念。另外FP4量化虽然省资源，画质损失有多大也没提，这对实际落地是硬指标。整体看是个扎实的工程开源，但别急着对标商用产品，先看社区跑出来的实测效果再说。

这条消息本身很短，核心就两件事：Andrej Karpathy 加入了 Anthropic，以及马斯克公开称赞了 Anthropic。但正文没披露 Andrej 的具体职位、负责方向、入职时间，也没说马斯克是在什么语境下夸的、夸了什么。这些信息缺口让判断很难做实。 从已知背景看，Andrej 之前在 OpenAI 是创始成员，后来去特斯拉带自动驾驶的视觉团队，再回 OpenAI 待了一阵又离开。他加入 Anthropic，至少说明这家公司在人才吸引力上很强。马斯克的点赞也值得留意，毕竟他之前没少批评 OpenAI，对 Anthropic 的态度一直比较微妙。 不过，这条帖子还提到 Anthropic 在 Google I/O 上“气场全开”，却完全没写他们到底发布了什么、展示了什么。如果只是靠两条名人动态来撑场面，那这条消息的实质内容其实很薄。想知道 Andrej 加入后 Anthropic 的产品或研究方向会有什么变化，还得等官方公告或他本人的说明。

这条更新一句话：OpenRouter 上的模型现在能自己决定什么时候搜、搜什么、搜几次、要不要抓网页。对开发者来说省了搭 agent 管线的功夫，但对生产环境，等于把花钱的阀门和吃进什么数据的决定权交给了模型行为。 平台新接了 @p0 做搜索供应商，但定价、频率上限、来源排序、页面清洗规则正文都没给。OpenAI 和 Perplexity 把搜索包在自己的产品壳里，OpenRouter 是把检索能力下放到了一个模型市场。真正难的不是模型能不能搜，而是一旦搜出坏循环、毒页面、低质来源冒充新鲜上下文，这账算谁的。这点先别太激动，等跑一阵看实际翻车率。

Anthropic 官方账号发了一句“欢迎加入团队，Andrej！”，确认 Andrej Karpathy 已入职。正文没披露他的角色、职责、入职时间或所属团队，目前只有这一句官宣。Karpathy 在 OpenAI 和特斯拉都带过核心团队，他的加入对 Anthropic 来说肯定是件大事，但具体是去带研究、做产品还是干别的，现在完全不知道。我会先打个折：人去了不等于马上有产出，还得看他手里有多少资源、团队怎么搭。另外，他离开 OpenAI 后自己创业做教育方向的项目，现在转投 Anthropic，这个转向本身也值得关注，但正文同样没解释原因。

这事说白了就是代际认知撞车了。台上嘉宾还在把AI当未来蓝图讲，台下学生已经亲身经历了AI带来的作业抄袭争议、就业焦虑和内容泡沫，他们用嘘声投票，拒绝被说教。NBC的报道只给了视频片段，没披露具体是哪些学校、哪位演讲者被嘘，也没采访学生到底反感哪句话。这点信息缺口挺大，我们没法判断是演讲内容太水，还是学生单纯对“AI万能论”应激。不过彭博同期报道标题直接写“大学生不想要你的AI”，至少说明这不是孤立事件。对从业者来说，这个信号比任何用户调研都直白：年轻用户对AI的抵触情绪已经从线上吐槽升级到线下公开表达，产品推广时再拿“拥抱未来”那套话术，可能先被目标用户怼回来。

Anthropic 给 Claude 托管代理加了两项安全控制，核心是让企业用户把敏感数据和执行环境留在自己手里。自托管沙箱意味着代理的运行环境不再必须跑在 Anthropic 的默认基础设施上，你可以指定自己的服务器或第三方沙箱供应商。MCP 隧道则让代理能直接连到你安全边界内的内部服务，比如数据库或内部 API，不用把这些服务暴露到公网。这两项改动对金融、医疗等强合规场景比较实用，解决了之前“用托管代理就得把数据交给 Anthropic”的信任问题。 但正文没披露实现细节，比如自托管沙箱的部署复杂度、MCP 隧道的延迟影响，以及这两项功能是否额外收费。如果自托管沙箱需要用户自己维护一套兼容环境，运维成本可能不低。MCP 隧道如果走的是 Anthropic 的中转节点，延迟和吞吐量也会打折扣。这些信息缺口让实际收益暂时没法量化，建议等有公开技术文档或定价后再评估。

Membrane 这个方案解决了一个真实痛点：以前想让 AI 代理对接 Stripe 付款、NASA 火星车数据这些外部服务，得一个一个写集成代码，又慢又容易出错。现在他们用一个通用技能，让 Claude Code、ChatGPT、Cursor 等主流代理直接调用超过 10 万个 API，开发门槛确实降了不少。 但正文完全没披露最关键的两件事：一是安全鉴权怎么处理，代理拿着你的 API 密钥去调支付接口，权限控制和审计日志在哪；二是错误处理机制，万一调用的第三方服务挂了或者返回异常数据，代理是重试、降级还是直接崩掉。这些不搞清楚，生产环境没人敢用。 另外他们搞社区挑战鼓励用户提交小众 API 来扩充生态，思路是对的，但生态质量取决于审核和标准化程度，不是堆数量。建议等他们放出技术细节和实际案例再评估。

Forge 给 Ministral 8B 这个开源小模型加了五层护栏，专门管工具调用和多步骤流程，在 18 个智能体场景里把成功率从 53% 拉到 99.3%。作者说背后有篇被 ACM CAIS ’26 录用的论文，覆盖了 97 种模型和后端组合，每个场景跑了 50 次，样本量不算小。 但我会先打个折。正文没具体说这 18 个场景是什么，是订机票这种多步骤，还是简单的查天气加发邮件。如果场景偏简单，99.3% 这个数字就没那么惊艳。另外，五层护栏具体怎么设计、每层解决什么问题，正文也没展开，光看 README 很难判断这套方案能不能迁移到其他模型或业务里。 还缺两个关键信息：加了护栏后推理延迟和成本涨了多少，以及有没有在更复杂的真实业务环境里测过。小模型省钱是好事，但如果护栏本身很重，性价比就得重新算。

这条消息最值得看的是数字背后的落差。微软前高管韦洛索给了几个具体数据：2023 到 2025 年，跟 OpenAI 合作赚了约 300 亿美元，但搭进去的成本高达 1000 亿美元。更惨的是 Copilot，到处预装、企业客户数号称超 2000 万家，但付费用户里真正在用的不到 3%。另一家独立调研也说，能用 Copilot 的微软 365 用户里只有 3.3% 掏了钱。这说明铺量不等于有人用，装机量跟活跃度是两码事。 不过得打个折。韦洛索刚从微软跳到谷歌又跳到 Meta，现在出来批评前东家，立场上不是中立第三方。他说的“必应 AI 化没抢到份额”“GitHub 可用性跌破 90%”这些点，正文没给出具体数据来源，只能当他个人判断。微软那边回应也很官方，只说“事实本身就是答案”，没正面反驳数字。 还缺几块关键信息：Copilot 这 3% 的使用率是怎么定义的，是月活还是日活？企业版和个人版有没有分开算？另外，1000 亿美元成本里多少是一次性基建投入、多少是日常运营，正文也没拆。这些缺口不补上，很难判断微软这盘棋到底是真亏还是战略性亏损。

Sapient Intelligence 开源了 HRM-Text 1B，一个10亿参数的小模型。他们用16张GPU跑了1.9天，喂了400亿个token，总花费大概1000美元。这个成本确实低，说明小模型从头训的门槛在往下走。 他们自己测的榜单显示，这个1B模型在MATH数学题上拿了56.2分，在DROP阅读理解上拿了82.2分，两项都压过了Meta的Llama3.2 3B。但这里有个关键问题：成绩全是自报的，正文没提任何独立评测或第三方复现结果。没有Open LLM Leaderboard这类公开榜单的分数，也没说跟同期的Qwen2.5 1.5B比怎么样。 另外，正文没披露训练数据的具体构成，不知道这400亿token里有多少是数学和推理相关的语料。如果数据针对性很强，那在MATH和DROP上表现好就不意外，但泛化能力要打个问号。想用的人最好等社区跑一遍标准评测再看。

现代汽车集团在投资者会上放了个卫星：计划在现代和起亚的工厂里部署超过2.5万台波士顿动力的Atlas人形机器人，目标到2028年实现年产3万台。核心部件执行器（相当于机器人的关节和肌肉）会在美国生产，规划年产能超过30万个。 这个数字看着很大，但正文没披露任何落地时间表、具体部署哪些工厂，也没提采购成本。所以目前更像是一个产能规划，而不是马上要执行的订单。2.5万台是什么概念？如果真能铺下去，这会是目前全球最大规模的人形机器人商业部署，但前提是Atlas得先证明自己能在真实产线上稳定干活，而不是只会在视频里搬冰箱。 还缺几个关键信息：单台成本、投资回报周期、以及工会那边会不会有阻力。毕竟现代汽车工会之前就警告过，未经批准不得在生产车间部署人形机器人。

OpenAI 这次更新是把内容溯源从单层升级到了双层保险。第一层是 C2PA 标准认证，相当于给 DALL·E、Sora 生成的图片配了一张防篡改的“数字出生证明”，记录谁做的、怎么改的。这层信息靠元数据携带，好处是其他平台能直接读取，坏处是截图或转格式就可能丢。第二层是和 Google DeepMind 合作，在 ChatGPT、Codex 和 API 生成的图片里嵌入 SynthID 隐形水印。这层水印不依赖元数据，即使图片被裁剪、压缩，理论上还能检测，正好补上 C2PA 的短板。 OpenAI 还放出了一个公开查验工具的预览版，让普通人也能查图片是不是他们家的模型生成的。但整篇公告没给出任何检测准确率、误报率的数据，也没说水印在截图、翻拍、重度压缩后还能不能扛住。这些数字才是判断方案是否靠谱的关键，目前只能算方向对了，实际效果还得等第三方验证。

OpenAI 这次更新核心是把内容溯源从单点方案升级成组合拳。第一层是 C2PA 标准认证，相当于给 DALL·E、Sora 生成的每张图配一张加密的“数字身份证”，记录谁做的、怎么改的，平台能直接读。这层的好处是信息跟着文件走，坏处是截图、转格式就可能丢。第二层是和 Google DeepMind 合作，在 ChatGPT、Codex 和 API 生成的图片里加入 SynthID 隐形水印，专门补 C2PA 的短板——就算元数据被洗掉，水印还在。另外还放出了一个公开查验工具，让普通人也能查图片是不是 OpenAI 出的。 整件事的逻辑是对的：单靠一种技术防不住，多层叠加才更扛造。但正文没给关键落地信息——哪些产品线已经实装、哪些还在画饼，也没提水印的误检率和抗攻击测试结果。这点先别太激动，等看到实际产品覆盖率和第三方验证再说。

这条分享的价值在于把“AI 写代码”拉到了一个很具体的日常场景：做项目计划页。作者说他以前在 Notion 里搭同样的模板要花 30 到 40 分钟，现在用 Claude Code 两分钟搞定，效率差近 20 倍。这个数字挺直观，说明 AI 生成前端页面在“一次性交付完整交互页面”这件事上确实能省时间，尤其是单文件 HTML 这种零依赖、拿来就能用的格式，很适合快速出原型或内部工具页。 但这条信息缺的东西也不少。正文没披露提示词全文，只说“把视觉、内容结构和交互细节一次性写进去”。这恰恰是核心门槛——提示词写得好不好，直接决定生成质量。如果提示词本身就要琢磨十几分钟，那“两分钟生成”的账就得重新算。另外也没说生成后需不需要手动调样式或修 bug，只说“拿来就能用”，这个说法我会先打个折。 还有一点：Notion 模板和单文件 HTML 的使用场景不完全一样，前者方便团队协作和持续编辑，后者更适合静态展示或独立交付。效率对比成立，但别直接等同于“HTML 替代 Notion”。整体看，这条分享是个不错的思路启发，但缺提示词细节和实际使用反馈，想复现的人得自己试几轮。