全部 · 2026-09-05

这起诉讼把 AI 公司和新闻机构之间别扭的关系摆到了台面上。西雅图时报和 Newsday 指控 OpenAI 和微软没打招呼就拿他们的报道训练 ChatGPT 和 Copilot，诉状里把生成式 AI 比作“一条吃自己尾巴的蛇”——靠吞掉人类写的内容活着，最后可能把生产内容的新闻机构搞垮。这个比喻挺狠，但点出了核心矛盾：模型需要高质量语料，而生产语料的机构正在被模型威胁生存。 案子有个特别的地方：微软和 OpenAI 之前资助过西雅图时报的一些新闻项目。微软回应说很意外，但愿意谈。这层关系让案子多了点戏剧性，也说明行业里“先合作、后诉讼”的拧巴状态。正文没披露具体索赔金额，也没说清楚模型到底在多大程度上复现了原文，这点先别太激动。 还缺什么：两家报社有没有举证模型输出逐字复制的例子？训练数据里到底用了多少篇他们的文章？这些关键事实都没看到，所以现在只能说是版权纠纷的又一轮加码，离真正判定侵权还有距离。

美国最大的两个学区——纽约市和洛杉矶联合学区——在 2026-27 学年开学前，重新对 AI 工具踩了急刹车。纽约直接禁止 K-8 年级使用任何面向学生的 AI 产品，高中生也只能用几款获批工具；洛杉矶更干脆，对所有学生设备实施为期一年的生成式 AI 禁令。这两个学区在 2023 年初都短暂封过 ChatGPT，但很快又放开了。这次转向，背后是家长和教师联盟持续两年的施压，他们觉得之前宽松的“红绿灯”分级管理把决策权甩给老师，风险太大。 值得留意的是，洛杉矶的禁令连学区官员自己都觉得突然，说明决策过程可能比较仓促。纽约的新规也比三个月前提出的草案严厉得多，当时的总监承认草案“没打中靶心”，随后还暂停了软件采购。这些细节表明，政策是在舆论压力下快速收紧的，而不是基于一套成熟的评估框架。 文章没交代几个关键信息：被禁工具的具体名单、违规行为的处理机制，以及一年禁令结束后会用什么标准来制定永久政策。另外，禁令对教学效果和公平性的实际影响，目前也没有任何数据支撑。所以，这更像是一次政治回应，而不是一份有清晰路线图的教育科技策略。

Cantrill 这篇博客与其说是技术分析，不如说是一封来自资深读者的“分手信”。他点破了一个尴尬的事实：用大模型写公开文章，唯一的目的是服务读者，但如果读者看到就关，那这行为就彻底失效了。他引用的调查数据很硬——668 个开发者里 78% 会立刻停止阅读，71% 会拉黑作者。这比单纯说“写得烂”更有杀伤力，因为它直接指向了信任崩塌：读者不知道哪句是真的，哪句是模型编的。 文章最有意思的地方在于他给出的解法。Cantrill 没停留在抱怨，而是把 Oxide 公司的内部写作规范（RFD 576）改了，强制要求所有对外文字过 Pangram 的检测。他承认之前的检测工具要么漏判太多，要么误伤他这种爱用破折号的人。但 Pangram 4 的误判率低到让他愿意把它当成组织标准。这相当于在公司层面立了个规矩：你可以用 AI 辅助，但别让读者看出来，否则就别发。 不过，文章没提 Pangram 4 的具体技术细节，也没给出误判率和漏判率的精确数字，只说“低到惊人”。另外，调查样本是开发者，这个群体对文字套话可能比普通读者更敏感，结论能不能推广到所有读者要打个问号。但 Cantrill 把这件事类比成当年的垃圾邮件战争，这个角度很准：一旦识别技术成熟，用 AI 批量生产内容就会像发垃圾邮件一样，从能捞一笔变成自毁域名。

OpenAI 的 GPT-6 Astra（Max 版本）在 Code Arena 的网页开发专项榜上拿了 1797 分，比第二名 Claude Fable 5.1 高出 35 分，第三名 Claude Opus 5 是 1688 分。单看分数差距不算大，但 Astra 确实排到了第一。 问题在于这条信息只来自一条推文，正文没披露测试用了多少样本、具体是哪些类型的网页开发任务，也没提响应延迟。Code Arena 这类榜单的排名很容易受样本选择和评分标准影响，35 分的领先在不知道方差的情况下说明不了太多。如果是真的，说明 Astra 在写前端代码这块有进步，但别急着下结论。 还缺的东西挺多：测试集大小、任务难度分布、有没有重复跑多次取平均、和其他模型在非 Max 版本的对比。等有更完整的报告再判断这个领先到底值不值。

Dan McAteer 用了五天 Grok Bot，最直接的判断是：它把“让模型干活”的门槛降到了登录即用。在插件目录里找到 X 或 Freshdesk，点一下，浏览器弹窗输密码就连上了，不用折腾 MCP 服务器配置或 API 密钥。他拿这个体验和 OpenClaw 对比，说 Grok Bot 像拆 MacBook，开机就能干活；OpenClaw 更像 Linux，自由度高但得自己搭环境。 更深一层的区别在抽象层级。Grok Bot 把“Bot”当成最小的可编程单元，你用自然语言描述角色、连上工具，再把几个 Bot 扔进群聊里协同。这相当于把编程接口从代码上移到了英文描述上，要求的能力从写语法变成了把需求说清楚。作者甚至试着在 Grok Bot 的虚拟电脑里装 Claude Code CLI，再拉上 Codex 等组成一个“工程师 Bot 委员会”，说明它没牺牲太多可编程性，只是换了一种组织逻辑。 不过文章没披露任何定价信息，也没说什么时候公开发布。目前所有结论都基于作者一个人的五天体验，没有横向性能对比，也没有大规模用户反馈。如果成本或稳定性跟不上，这种“开机即用”的爽感在实际业务里会打折扣。

Anthropic 给 Claude 消费者版换了新提示词，最显眼的变化是加了一大段禁止复现歌词、诗歌和书籍段落的内容，哪怕用户说这些词是自己写的也不行。Simon Willison 发现这个改动的时间点很巧，正好是索尼音乐和华纳查普尔起诉 Anthropic 用歌词库训练模型之后没几天。提示词里还禁止画受版权保护的角色和 logo，并附了一个例子：用户想要索尼克，Claude 会拒绝然后提议画一只玩滑板的蝾螈。 Anthropic 把系统提示词公开放在文档站上，而且支持在网址后加 .md 直接拿到原始 Markdown，这让对比新旧版本变得特别容易。Willison 就是靠这个快速定位到了 Fable 5 和 5.1 之间的差异。 不过，正文没披露这些限制对实际使用体验的影响有多大，也没说 API 版本是否同步更新了同样的规则。如果是真的能靠提示词就规避版权风险，那成本很低，但效果还得看用户实际测试反馈。

GPT-6 Astra 全面开放后，群友实测同一个任务从 12 分钟缩到 6 分钟，但单次消耗比上一代 Sol 贵约 75%。有人用 API 跑一轮代码审查直接烧掉 100 美元，这个定价对高频使用不太友好。Tibo 和 Anthropic 同一天都给用户重置了额度，Codex 顺手封堵了一个能无限白嫖的漏洞——军备竞赛已经从模型能力卷到了额度发放速度。 Cerebras 的实测数据值得认真看。标称 1500 tps 只计极短上下文下的纯生成速度，在真实 agent 工作流里有效吞吐中位数只有约 357 tps，跟本地 5090 的 102 tps 比，纸面 15 倍差距缩水到 3.5 倍。更麻烦的是限流机制：agent 循环让上下文在 65 秒内从 11K 膨胀到 99K，缓存读取虽然单价低但在速率限制里全额计入，一两分钟就触发 429 报错。三分钟花了 1.57 美元，82% 是缓存读取费用；同样任务本地跑约 11 分钟、电费约 0.017 美元，成本差约 90 倍。结论很明确：Cerebras 适合 chatbot demo 或上下文不滚雪球的场景，做正经 agent 工作流还是本地部署小模型划算。 GLM-5.3-Flash 在国产推理卡上只跑到 20 tps，同一套权重走 Ollama Cloud 能到 70 tps，serving stack 造成 3.6 倍差异。群友解释根本原因是国内好卡优先拿去训练，承担推理的基本是国产卡。正文没披露 GLM-5.3-Flash 的具体参数量和定价，也没说 Ollama Cloud 的延迟和成本对比，这些缺口让速度数据只能看个趋势。

Artificial Analysis 把评测榜单升到 v4.2，核心就干了两件事：让考试题更贴近真实工作，以及把防作弊的力度拉满。新增的 AA-Briefcase 是个隐藏题库，模拟需要几周才能完成的知识工作项目，让模型处理几千个源文件，考察的不是单题对错，而是整个项目能不能跑通、分析质量和呈现水平怎么样。另一个 GDP.pdf 测试更极端，要求模型啃完 4592 页专业文档，对照 1275 条细粒度标准打分，只要有一条没满足，整道题就算失败。 榜单头部还是 Anthropic 和 OpenAI 在争。Claude Fable 5.1 排第一，GPT-6 Astra 比上一代 GPT-5.6 Sol 高出约 85 个 Elo 分，进步幅度不小。但更值得留意的是，隐藏题库权重从 v4.1 的 20% 直接翻倍到 40%，而且官方明说 v5 还会继续加。这说明公开题刷分已经严重到需要靠隐藏题来维持榜单可信度了。 正文没披露 AA-Briefcase 的具体题目数量和领域分布，也没说 GDP.pdf 的评分一致性校验怎么做。另外，成本效率那条曲线只给了定性描述，缺少具体每百万 token 的价格对比，想算性价比的人还得自己去翻原始数据。

Ambient Context 这个项目最值得关注的是它把记忆系统的成本账算明白了。文章直接给出了视觉 token 的消耗数据：2K 屏幕每秒一帧，一小时就要烧掉 25 万 token，而纯文字记录全天去重后也就几万 token。这个差距解释了为什么 Rewind 关停录屏、Recall 需要专用芯片——存像素的路线在模型消费端根本养不起。 它的核心设计是把记录拆成两层：抓取到的零散窗口文字当索引，file: 开头的本地路径当指针。模型顺着路径直接打开原始文件，就能拿到逐字精确的全文，不用再从模糊的截图里猜。这解决了“记全了没人看，记少了没法用”的老问题。但必须指出，这个项目目前只有两天开发量，作者自报的去重降噪效果没有第三方验证，GPU 渲染的终端和中文无痕窗口都可能抓不到内容。 文章还缺一个关键信息：这套指针方案在消费端到底怎么用。它只讲了怎么存，没讲模型读取日志后如何自动判断该打开哪个文件、打开后读多少。如果每次都要人工指定，那和手动翻文件夹差别不大。另外，对于会议、口头讨论这类没有原始文件可回跳的场景，纯指针方案完全失效，必须配合音频记录才能闭环。

这篇文章把九家厂商排成了一条清晰的队列：从Edge、Chrome auto browse、Perplexity Comet把浏览器和凭证都锁在本机，到Cowork让任务上云但浏览器留在桌面，再到ChatGPT Work、Devin、Manus、Grok Bot把浏览器和登录态全搬上云——Grok Bot甚至让同账号所有bot共享一台云电脑的会话。这条队列的轴心是信任边界，越往云端走，弹性越好，但凭证离你越远。 文章引用的官方文档和第三方分析比较扎实，比如Edge企业版会阻断密码访问、Cowork的云端沙箱只放几小时过期的短效token、Devin打包登录态时会排除保存的密码。但最值得注意的其实是最后一段提到的华盛顿大学研究：即使凭证不出本机，agent读取的是渲染后的像素，同源策略管不住它——一个跨域iframe里显示的你已登录的银行页面，仍然可能通过提示注入被偷走。这点先别太激动，正文没披露这个研究的实验条件和攻击成功率，只说“没人真正安全”。 还缺什么：各家对“凭证不出本机”的定义并不统一，Perplexity Comet的本地扩展到底能读到什么程度，正文没展开；云端方案里登录态加密存储的具体实现和审计记录也没提。