全部 · 2026-06-01

MiniMax 放出的 M3 是个开源模型，把写代码、一次读 100 万 token 的长上下文和直接处理图像音频的多模态能力打包在一起。在 SWE-Bench Pro 这个代码基准上拿了 59.0%，比 GPT-5.5 的 58.6% 和 Gemini 3.1 Pro 的 54.2% 都高一点；在 BrowseComp 自主浏览任务上 83.5% 的成绩也压过了 Opus 4.7。每 token 成本大概是 GPT-5.5 的十二分之一，如果这个数字能兑现，对高频调用场景确实挺省钱。 不过现在能看到的只有跑分和成本数字，模型权重和技术报告要等 10 天后才发布。正文没披露这些基准测试的具体条件、有没有针对性地调参，也没说多模态能力在实际场景里的表现怎么样。跑分高不代表落地稳，这点先别太激动。 还缺的是：模型参数量多大、推理延迟多少、对硬件要求高不高，以及开源协议是什么。这些信息直接决定它能不能真的塞进业务流水线里用，而不是只在论文里好看。

这期播客最有价值的点，是 Ethan He 把视频模型这行的底裤掀了：智能主要靠语言模型迁移，不是靠烧钱堆视频数据。他带一个小团队三个月就做出 Grok Imagine，说明迭代速度比堆资源重要得多，很多大提升来自修数据管线里的小 bug。这个判断如果成立，意味着视频生成的下一个分水岭不是更好的画质，而是让模型能像程序员一样规划、生成、自己改稿——也就是视频智能体。 播客里还聊了几个硬成本：训练视频模型的存储、出口流量和 GPU 小时数高得吓人，但通过步数蒸馏和一致性模型，推理速度能快几个数量级。音频和视频的对齐比文字难做，这点正文没展开具体技术方案。另外，Ethan 提到 Flipbook 这种即时生成 UI 可能取代传统前端，但现阶段还只是个 demo，离产品化有多远没说。 信息缺口很明显：Grok Imagine 的实际效果、成本、规模都没给具体数字，xAI 的研究沟通被他自己评价为“低估了模型”。他离开 xAI 转向语言模型的原因也只提了一句，没展开。这些关键信息缺失，让他的判断听起来有道理，但暂时只能当方向参考，不能直接当结论用。

Harvey Mason Jr. 给了个很直观的判断：AI 在音乐制作里已经“无处不在”，他本人最近进的每个棚都能看到 AI 工具。但格莱美规则没跟上，纯 AI 作品还是不能拿最高奖。Deezer 的数据更直接——每天 5 万首 AI 歌上传，平台快筛不过来了。这说明两件事：一是创作者已经把 AI 当常规工具在用，二是行业对“什么是人的创作”还没统一说法。 这篇是播客访谈的节选，正文没展开具体用了哪些工具、怎么用、效果好不好，也没给出格莱美未来会不会改规则的明确信号。Harvey 提到和迪士尼的新合作会带来更多内容，但和 AI 话题关系不大。 还缺什么：缺一线制作人怎么用 AI 的真实案例，缺平台怎么识别 AI 歌曲的技术细节，也缺版权方和创作者对分成规则的态度。这些信息没出来之前，别急着下“AI 颠覆音乐”的结论。

这篇东西最值得看的地方，是它把“为什么我们感觉 AI 翻天覆地，但 GDP 数字却岁月静好”这个矛盾讲清楚了。核心原因就两个：一是 AI 推理价格跌太快，每单位性能对应的收入增长被价格下降抵消了，名义收入看着不大；二是数据中心建设规模还没大到能明显拉动整体 GDP。作者给了一个很直观的对比——美国算力支出从 2023 年的 370 亿涨到 2025 年的 2190 亿，但质量调整后的产出增速是每年 2000% 以上，这个差距就是统计盲区。 文章来自弗吉尼亚大学、Anthropic 和加拿大央行的经济学家，不是随便写写的博客。他们提了三个建议：建 AI 卫星账户、让统计机构和公司合作拿更细的数据、把 AI 产能指标纳入中期经济预测。这些建议本身不新鲜，但把“看不见的暴利无法被分享”这个政治后果点得很直接。 不过这篇没给出具体的数据来源和方法论细节，比如训练和推理的算力分配是怎么估算的，质量调整的基准性能选的是哪些任务。另外，它只讲了美国，没提其他经济体的情况。如果你要拿这个数字去说服别人，最好先确认一下这些假设的边界在哪里。

Nathan Lambert 这篇的核心判断很直接：在编程智能体这种对智商极度敏感的场景里，用户会一直为最聪明的闭源模型付高价，他自己就愿意每月掏 2000 美元。他预测 5 到 10 年内 OpenAI 和 Anthropic 的估值会到 2 万亿到 10 万亿美元，这个数字跨度本身就说明预测的不确定性很大，先别太当真。 他的逻辑链条是：闭源实验室会把最好的模型藏起来，不在 API 里轻易放出，既保护算力供应、防止被蒸馏，也把高利润场景留给自己。开源模型则走另一条路，在固定智商水平上优化成本和可及性。这个判断成立的前提是闭源模型能持续拉大智商差距，但正文没给出具体的性能对比数据来支撑这一点。 文章缺的东西比较明显：没有量化闭源和开源模型在编程任务上的实际差距有多大，也没讨论如果开源模型追到“够用”水平，用户还会不会继续付溢价。2000 美元的个人出价是个信号，但离市场定价还差得远。

OpenBMB 联合清华 NLP 和 Modelbest 放出了两个数据集，都挂在 HuggingFace 上，直接冲上趋势榜。一个是 Ultra-FineWeb-L3，给预训练用的合成数据，总量超过 600B token，其中中文 200B+，是目前最大的开源中文预训练合成数据集。另一个是 UltraData-SFT-2605，给模型做指令微调用，1500 万条样本，标注了“思考”和“非思考”标签，覆盖数学、代码、知识和指令遵循，是国内首个开源的大规模 SFT 数据集。 这两个数据集都基于他们自己的 UltraData L0-L4 框架构建，并在 MiniCPM5-1B 上做了训练验证。但正文没披露在更大规模模型上的验证结果，也没给出具体评测基准和分数。1B 小模型能跑通，不代表 7B、13B 甚至更大模型上效果能线性放大。另外，合成数据的质量高度依赖生成流程和清洗策略，这部分细节正文也没展开。 如果是真的省钱——用合成数据替代人工标注和爬取清洗，对预算有限的团队是好事。但“最大”不等于“最好”，中文合成数据的多样性和事实准确性还需要更多第三方验证。建议先拿自己任务试几轮，别直接当生产数据全量灌进去。

NVIDIA 在 GTC Taipei 把 Cosmos 3 完全开源，发了两个尺寸：Super 版 320 亿参数，Nano 版 80 亿参数。它被定位成“物理 AI 全能模型”，意思是模型能直接看视频或传感器画面，理解真实世界里正在发生什么，预测接下来会怎样，并输出机器人该做的动作。这跟纯语言模型不一样，它面向的是具身智能和机器人场景。 这次开源比较彻底，权重、代码、数据集都放了出来，对想自己训或微调物理模型的团队是好事。但正文完全没披露任何基准测试成绩、推理延迟、显存需求或硬件建议，也没说数据集规模和质量。所以“全能”目前只是个标签，实际能力得自己跑完才知道。 我会先打个折：开源诚意有，但缺验证数据，别急着把它当生产就绪的东西。如果你在做机器人或物理仿真，可以拿 Nano 版先试水，Super 版 32B 参数不小，部署成本不会低，等社区出实测报告再决定不迟。

王兴提了个新词“To A”，意思是美团以后不光服务人和商家，还要服务各种 AI 助手。逻辑上说得通：如果用户习惯在元宝这类入口里直接办事，美团就得把自己的点餐、配送能力变成 AI 能调用的“技能包”。但这次合作目前只有方向，没有细节。正文没披露“小美”的能力边界、打通后的实际流程，也没说清是技术对接还是商业互换。一季度美团亏了 68 亿，在这个节点推 AI 合作，更像是在讲一个面向未来的故事。真正值得关注的是，当交易入口从 App 转移到别人的 AI 助手时，美团对用户数据和履约链条还能保留多少控制力，这点王兴没展开。

这条教程的价值在于把“书变技能”这件事拆成了可复现的六步，而且每一步都给了具体操作，不是泛泛说“让AI读本书”。作者用Claude Opus 4.8的100万token窗口一次性吞下全书，省掉了分块拼接的麻烦，30万token的消耗和不到20元的成本对个人用户来说门槛很低。 值得留意的是技能设计里的两个取舍：一是保留了书里的原始术语，比如OFNR四要素和“长颈鹿语言”，但触发词换成了日常说法，这样既没丢掉原书框架，又降低了使用门槛；二是加了自检步骤，让模型自己检查生成的技能有没有跑偏，这个环节在多数教程里容易被跳过。 不过全文只演示了一本书，而且是结构清晰的工具类书籍。换成小说、哲学著作或者论证松散的书，这套流程能不能稳住输出质量，正文没有给出验证。另外技能的实际调用效果——比如“怎么提意见不像在指责”这个触发词到底产出什么质量的回答——也没有展示，只能先当个半成品看。

这条消息是 OpenAI 自己发的，所以重点都在社区关系和就业承诺上，技术细节基本没提。园区叫“The Barn”，总供电容量 1GW，这个数字不小，说明算力规模会很大，但正文没披露里面到底塞多少 GPU、训练还是推理为主，也没说什么时候能投产。 官方给了几个实在的数字：2500 多个工会建筑岗位、450 个长期现场岗位，另外向当地娱乐中心捐 1000 万美元，还给密歇根大学生发最高 4500 万美元的 Codex 额度。电费不转嫁和闭环冷却这两条承诺，是针对数据中心最容易被社区反对的点提前打的预防针。 缺的东西也很明显：总投资额、建设周期、算力总规模、PUE 这些关键指标全都没写。如果你是想判断这对 OpenAI 推理成本或模型训练节奏的影响，这篇稿子帮不上忙，得等后续第三方披露或者看 Oracle 那边的说法。

OpenAI 跟甲骨文等合作，在密歇根州萨林市开建一个叫“The Barn”的 1GW 数据中心园区。公告主要讲了对当地的承诺：电费不转嫁给居民、用水采用闭环冷却系统（耗水量跟一栋普通办公楼差不多）、预计创造 2500 多个工会建筑岗位和 450 个长期现场岗位，另外还会给当地休闲中心捐 1000 万美元，给密歇根大学生发最高 4500 万美元的 Codex 使用额度。 但这份公告更像一份社区关系声明，而不是算力扩容的技术披露。正文没提项目总投资额、具体竣工时间、园区里到底部署多少 GPU 或什么型号的芯片。1GW 的电力容量很大，但实际能跑多少训练或推理任务，完全取决于内部设备密度和利用率，这些都没说。 对从业者来说，这条新闻的价值在于确认 Stargate 项目在持续落地，但还缺两个关键信息：一是这个园区什么时候能真正上线提供服务，二是它跟 OpenAI 现有训练/推理集群的算力分配关系。如果只是圈地开工，离产生可用算力还有很长距离。

阿里云给 Apache RocketMQ 加了一套 AI 场景的适配，叫 RocketMQ for AI。核心解决三个问题：用 Lite-Topics 降低多智能体协作时的资源开销，靠有序消息防止上下文在传递中乱掉，再通过流量整形避免突发请求把系统打挂。官方说已经在阿里云大规模跑过，代码也开源了，但正文没披露具体版本号和性能对比数据。这点先别太激动——实际能省多少资源、延迟表现如何，都得自己搭环境测。另外，有序消息具体怎么实现、对吞吐量有多大影响，正文也没展开。如果是真的挺省钱，对跑多智能体工作流的团队是个好消息，但缺了基准测试，判断只能先打个折。

这条消息最抓人的点就一个：便宜。阶跃星辰的Step 3.7 Flash是个混合专家模型，总参数196B，但每次推理只激活11B，所以能跑到每秒400个token。官方说在让模型进业务流程干活的Agent任务上，成本只有Claude的零头。这个说法如果属实，对大量调用API做自动化任务的团队确实有吸引力。 但问题在于，正文因为微信环境验证没抓到具体内容。实际跑分、具体任务对比、定价细节都没披露。196B总参数里挂了1.8B的视觉编码器，说明它走多模态路线，但视觉能力在Agent场景里到底怎么用、效果如何，也没说清楚。每秒400个token的生成速度确实快，但延迟和首token时间这些更影响体验的指标也没提。 这条消息目前只能当个预告看。等官方放出完整技术报告和定价页，才能判断这个"零头"到底是打一折还是打骨折。

这条消息最值得关注的点是 OpenAI 把机器人团队放在了 Sora 之父 Aditya Ramesh 下面，而且是从他之前的 Worldsim 项目演变过来的。这说明他们可能不是单纯做硬件，而是想把视频生成里对物理世界的理解，直接用到真实机器人上。招聘里提到执行器设计工程师，底薪现金 34.2 万到 44.5 万美元，这个数字在机器人行业算很有竞争力，加上 PPU 激励，总包会更高。 但信息缺口很大。原文因为微信环境异常，只抓到了招聘框架，具体岗位职责、团队规模、技术路线都没披露。我们不知道这十几个人是去搭原型还是做量产，也不知道跟 OpenAI 之前解散又重启的机器人团队有没有关系。另外，Anthropic 也被打上了标签，但正文完全没提，可能是抓取时的关联推荐，这点先忽略。 整体看，OpenAI 在模型层之外往物理世界伸手的意图越来越明显，但这次招聘到底能落地到什么程度，还得等更多技术细节出来才能判断。

腾讯混元这个 Hy-Memory 插件，说白了就是给长期干活的智能体装了个更聪明的记事本。它用了一套六层记忆框架，还分了快慢两个系统来处理信息，目的是把一堆零散的记忆碎片，整理成更有用的经验，而不是简单堆砌。官方给的数据挺好看：记忆数量能砍掉 70% 以上，单条记忆的信息密度反而提升了 45% 多。在要处理超长文本的场景下，消耗的 token 能省下 35%，记忆更新速度也快了 20%。这对控制成本和延迟是实打实的好处。 不过，正文没披露这些数字是在什么具体任务、多大规模的数据集上测出来的，也没提对比的是哪个基线方案。OpenClaw 这个协作智能体框架本身也还在早期，插件在更复杂的真实业务流里表现如何，现在下结论还太早。另外，快慢双系统的切换逻辑、三层进化链具体怎么进化，这些关键设计细节都没展开，只能等后续技术报告。

这条消息最实在的部分是两个数字和一个开源动作：30毫秒单向延迟，对抓取、避障这类实时控制场景基本够用，但如果是高动态的奔跑或灵巧手操作，这个延迟还得看抖动和丢包情况。开源的低延迟视频传输模块和LeFold叠衣服数据集，至少让外界能复现一部分链路，比光发论文强。 不过正文因为微信环境异常完全没加载出来，等于我们只看到了摘要。具体用了什么云端模型、模型推理本身吃多少延迟、在哪些机器人本体上验证过、测试环境是局域网还是公网，这些关键信息全是空白。30毫秒这个数字如果是在实验室局域网测的，上公网大概率要打折。 另外，边云架构本身不是新概念，难点从来不在“能不能通”，而在断了云之后本地能兜底到什么程度。这点正文没提，LiOS的本地侧能力完全未知。整体看，方向对，开源动作加分，但信息缺口太大，先别急着当成熟方案用。

这个测试用两台华硕 GX10（也就是 DGX Spark）组了个小集群，通过 vLLM 加载 DeepSeek-V4-Flash，开了 256K 上下文窗口和多 token 预测（MTP=2，一次猜两个 token 来提速）。预填充速度 1680 token/s 还行，但解码速度只有 39.8 token/s，实际对话时会觉得有点卡。部署用了张量并行（TP=2），两台机器通过 RoCE 网络连接，KV 缓存用 fp8 压缩后能塞下约 100 万 token，这点挺省显存。 不过要注意，这个帖子正文被 Reddit 屏蔽了，我们只能看到摘要里的数字，没法确认测试的具体 prompt、温度参数、是否用了投机解码等细节。39.8 token/s 这个速度是在两台机器上跑出来的，单台会更慢。如果你只有一台 DGX Spark，这个模型可能不太适合实时交互，更适合后台批处理或者跑长文档分析。另外，MTP=2 对解码速度的提升有多大，摘要里也没说清楚，这点先别太激动。