全部 · 2026-08-11

两家主力聊天机器人月活用户同时跨过 10 亿，说明 AI 对话工具已经成了跟搜索、社交一样的日常基础设施。The Verge 的报道强调 OpenAI 仍是领头羊，但 Gemini 追得很快，差距在收窄。这个数字本身是月活，不是日活或付费用户，所以只能说明“用过”，不能直接等同于“深度依赖”。报道没给出具体的用户重叠率、使用频次分布，也没拆开免费和付费比例。想知道谁真的更稳，还得看留存和付费转化，光比月活容易高估实际粘性。

Google 自己说 Gemini 独立应用月活突破 10 亿，成了公司第 14 个十亿级产品。这个数字只算独立 app，没把搜索里的 AI 模式、Workspace 侧边栏和安卓系统内置入口算进去——如果全算，盘子会更大。ChatGPT 在 6 月先到 10 亿，Gemini 8 月跟上，差距两个月，说明 Google 靠自有渠道追得很快。 文章给了几个使用数据：63% 的用户用过语音对话，每天生成超过 1.5 亿张图片，iOS 端也有超过 1 亿活跃用户。这些数字能看出用户不只是在文本框里打字，语音和图片生成是主要用法。 不过文章没提付费用户占比、用户留存和平均使用时长。10 亿月活听着大，但如果大部分是尝鲜或者被 Google 全家桶导流过来的，商业价值要打折。另外，Gemini 3.5 Flash 刚发布，主打编程和让模型进业务流程干活，但这次没给任何企业端或开发者数据，没法判断这些新功能对增长的贡献有多大。

Brad Lightcap 是 OpenAI 里待得最久的高管之一，2018 年加入，先当 CFO，2022 年转 COO，今年年初刚在内部调整中换了角色，现在直接离职创业。他在内部信里说“换个角度继续推进使命”，但对自己新公司的方向一个字没提。TechCrunch 的报道也没挖出更多细节，只确认他确实要走。 这事值得关注的点在于，OpenAI 近两年高管流失已经不是个案，Lightcap 这种管过钱又管过运营的核心人物离开，对一家正在拼命商业化、同时还要维持非营利架构的公司来说，运营层面的连续性会打折扣。不过目前信息太少，没法判断他是正常轮换还是对内部路线有分歧。他新公司做什么、是否还在 AI 赛道、会不会跟老东家有竞争，正文都没披露，这点先别急着下结论。

xAI 发布了 Grok Bot 的早期测试版，定位不是聊天机器人，而是能独立操作云电脑、自动登录你的在线账户去执行任务的 AI 代理。简单说，你可以给它派活，它自己打开浏览器、登录网站、填表或处理数据，像远程实习生。The Verge 的报道确认了这一点，但正文没披露它的任务完成率、错误率或支持哪些具体工具。目前只是测试版，稳定性、安全性和权限边界都还不清楚。最让人犹豫的是你得把账户密码交给它自动登录，这在实际工作流里风险不小。如果后续能给出它在常见办公场景下的准确率，以及是否支持本地沙盒运行而不是纯云端操作，才值得认真评估。

Ryan Greenblatt 和 Dwarkesh Patel 的这场辩论，核心是“递归自我改进”到底靠不靠谱。Greenblatt 的逻辑链很清晰：AI 研发本身是个高度可验证的任务，一旦 AI 在这件事上达到人类顶级专家水平，就能自己迭代出更强的 AI，形成闭环。他给了一个很具体的量化判断：这个闭环一旦启动，一年内能跑出正常需要四到五年的 AI 进步。这个速度有多夸张？他拿 GPT-3 到 Mythos 5 的跨越来类比，相当于把好几年的技术代差压缩进一年。 但这里有几个关键前提需要打折。首先，这个判断高度依赖“AI 研发完全可验证”的假设，但现实中很多前沿突破并非简单的指标爬山，而是需要范式转换，正文里没有给出 AI 如何自主完成这种跳跃的证据。其次，Dwarkesh 也质疑了人类专家数据是否会成为瓶颈，毕竟现在的进步很大程度上还建立在人类已有的知识上。Greenblatt 的 2031 年自动化研发中位数预测，听起来很激进，但文章没披露这个预测背后的具体模型或依据，更像是一个基于趋势的直觉判断。 最后，他们讨论了对齐问题，但没给出解决方案。如果真到了那个阶段，谁来定义这些超级智能的忠诚对象？文章只提出了担忧，比如现有的“宪法式”规范可能不足以让 AI 成为个人的守护者。整体来看，Greenblatt 描绘了一个逻辑上可能但证据链不完整的未来，最大的信息缺口在于，我们完全不知道从“擅长做 AI 研发”到“能独立做出颠覆性突破”之间的工程鸿沟到底有多宽。

Chloé Bakalar 去年 8 月入职，今年 7 月离职，在 OpenAI 待了不到一年。她之前在 Meta 管伦理政策，到 OpenAI 后是公司里唯一一个全职做伦理的人。金融时报的消息源说她没被替换，这意味着 OpenAI 现在没有专职伦理岗了。 OpenAI 给 Gizmodo 的回应是“伦理不由某个人或某个团队独有，已经嵌入到模型开发流程里了”。这话听着像把责任摊平了，但摊平之后谁在关键决策上为伦理问题拍板、有没有否决权，正文没披露。另外，Bakalar 离职的原因也没说——是自己要走还是被优化，不知道。 最近几周 OpenAI 安全条线走的人不少，安全系统负责人和一位资深安全专家也在这个夏天离开。Sam Altman 同期在播客里说“我们已经进入奇点”，语气比之前强硬很多。一边是伦理岗归零，一边是老板喊奇点已到，这两件事放在一起，至少说明公司现阶段的重心不在设置独立的伦理刹车。还缺的信息是：嵌入式的伦理审查具体怎么运作，有没有外部审计，以及这些离职是否跟内部对安全节奏的分歧有关。

这项研究指出了一个挺要命的实现漏洞：OpenAI、Anthropic 和 Google 的推理模型，会把思考过程加密后发给用户，下次对话再原样传回服务器。但这段加密数据不认人、不认对话，甚至不认模型。研究者把它从强模型（比如 Claude Opus）的回复里抠出来，塞给同厂商一个被越狱的弱模型（比如 Claude Haiku），弱模型就能把强模型的思考步骤一字不差地吐出来。 他们用 120 道编程竞赛题测试，解码出的思考 token 数和 API 报告的隐藏 token 数几乎完全吻合，说明还原度很高。更麻烦的是，团队从 GitHub 和 Hugging Face 上公开的 6708 条对话记录里，用这套方法解出了 31 万多条推理块，从中捞出 704 个隐私信息，包括 62 个 API 密钥、33 个密码和 30 个个人邮箱。其中 64 个敏感信息只藏在思考块里，公开的对话文本里根本没有。 论文没提这种攻击需要多高的越狱技巧，也没说厂商是否已经开始修补。目前看，只要拿到加密块，攻击门槛不高。如果你的应用日志里存了带签名的完整 API 返回，这些加密思考块就等于明文密码本。