AX 严选 · 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。

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。

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。

Gemini 应用月活破 9 亿，官方把增长归因于“发布节奏快”，但这条推文本身没给出任何支撑数据。我会先打个折：没披露统计口径（是打开过就算，还是活跃使用）、没说明统计周期、也没列出到底哪些功能拉动了增长，只说“后续回顾”。对从业者来说，这个数字的参考价值有限——没有功能清单和用户行为数据，就没法判断是产品真变好用了，还是靠 Google 全家桶导流堆出来的量。想复盘的团队得等后续推文，看他们到底回顾了什么功能、有没有附带实验数据或用户反馈。

Google 在《自然》上发了篇论文，介绍他们的“经验研究助手”ERA，想帮研究人员自动读文献、提假设、设计实验。同时通过 Google Labs 的可信测试者计划开放早期访问。听起来像是个能省掉大量重复劳动的科研外挂，但文章从头到尾没给出任何在真实实验室里跑出来的效果数据。 发 Nature 本身说明同行评议过了关，但博客里只讲了“从论文到工具”的故事线，没提模型在具体学科任务上的准确率、召回率，也没说测试者反馈。这点先别太激动——有顶刊背书不等于产品已经好用。 还缺几块关键信息：ERA 在什么学科上测过、幻觉率多高、能不能处理带图表和实验数据的论文、和人工做文献综述比到底省了多少时间。这些不说清楚，很难判断它是个真能进实验室干活的助手，还是又一个包装成科研工具的通用大模型界面。

Sundar Pichai 在 I/O 2026 上把 Gemini 的下一步押在“自主代理”上，说它能自动处理邮件、安排日历和生成报告。听起来挺省事，但整篇博客没给出任何硬指标——模型参数、具体上线时间、收费方式都没提。这更像一个产品方向预告，离真正稳定可用还有距离。 我会先打个折。让模型自动操作你的邮箱和日历，权限和可靠性是绕不开的坎，博客里没交代怎么解决误操作或安全问题。另外，演示场景和真实工作流的复杂度差很远，没有第三方测试或用户数据支撑，很难判断实际成功率。 还缺的东西不少：一是技术细节，比如用了什么模型、延迟和准确率怎么样；二是落地节奏，什么时候推、哪些地区先用、免费还是付费；三是安全边界，代理能做什么、不能做什么，出错了谁负责。这些信息没补上之前，先当概念发布看。

这篇公告最大的问题是信息量太少。Google 在 I/O 2026 上把 AI 订阅体系拉到了每月 100 美元的新档位，叫 AI Ultra，面向重度用户。但官方博客只提了名字和价格，没列出 Ultra 到底比现有的 Plus 和 Pro 多了哪些能力。已有的 Plus 和 Pro 订阅也获得了新功能和权益，同样没展开。 我会先打个折：这更像一个预告，而不是产品发布。100 美元一个月的定价在消费级 AI 订阅里算很高了，但值不值，完全取决于它给的是什么——是更高的调用次数上限、更快的响应速度，还是独占的模型能力？正文没披露这些，就没法判断。 还缺的关键信息包括：Ultra 计划的具体权益清单、与 Pro 的差异对比、以及上线时间。如果只是把现有功能打包提价，那这个定价就虚高了。

Google 这次调价动作挺直接：顶配 AI Ultra 套餐从每月 250 美元砍到 200 美元，同时塞进来一个 100 美元的新档位。新档位主打“Pro 套餐 5 倍的 Gemini 应用使用上限”，瞄准编程和创作场景，还打包了 20TB 存储、YouTube Premium 和新功能抢先体验。 但这条消息最大的信息缺口就是“5 倍”到底对应多少调用次数。没这个数字，很难判断 100 美元是划算还是噱头。另外“新功能抢先体验”也没展开，不知道是提前几天用还是能碰还没公开的模型。我会先打个折：降价是实打实的，但新档位的性价比得等官方把限额量化了再说。

这条消息目前只有标题，正文没提供任何细节，所以能说的很有限。从标题看，谷歌在 I/O 大会上推出了 Gemini Omni Flash，同时提到 Pro 版也快来了。Flash 系列一贯的定位是轻量、快、便宜，适合需要低延迟和高并发的场景，比如实时对话、视频流分析这类多模态任务。 但关键信息全缺：模型参数量、支持哪些模态输入输出、延迟和成本对比前代降了多少、基准测试成绩，这些正文都没披露。Pro 版的时间线和规格也是空白。如果你在选模型做产品集成，这条新闻目前只能当个预告看，没法做技术评估。建议等官方技术报告或第三方实测出来再下判断。

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。

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。

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。

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。

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。

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。

地平线这次把HoloMotion-1完整开源了，代码、模型、技术报告都给了，这点值得肯定。4亿参数放在机器人控制里算很大了，他们用MoE稀疏激活和KV-cache把单步推理开销压下来，端侧能跑到约300FPS，比常见的50Hz控制频率高出不少，意味着动作响应可以更细腻。 训练数据来源比较杂，互联网视频、光学动捕、VR遥操作、惯性动捕都用上了，统一处理后喂给模型。从展示的动作看，跳舞、爬行、搬箱子这些确实覆盖了全身控制的几个难点，而且声称是零样本迁移，没针对每个动作单独调参。 不过正文没披露真机测试的成功率、连续运行时长，也没提摔倒或动作失败时的恢复机制。300FPS是推理速度，不代表动作质量一定好。另外，4亿参数在端侧芯片上到底占多少算力和功耗，也没给具体数字。这些信息缺口让“小脑”这个说法还停留在实验室阶段，离实际部署有多远不好判断。

阿里云这条官宣信息量很薄，核心就两件事：Qwen3.7-Plus-Preview 已经挂上竞技场，以及阿里在视觉榜单上排到第五。帖子没披露具体跑分、参评模型数量、评测维度，也没说 Qwen3.7 系列什么时候正式发布，只用了“迫不及待”这种情绪化表达。排名第五听着不错，但不知道跟谁比、怎么比——是跟开源模型比还是跟闭源模型比，是综合视觉能力还是某个子任务，这些关键信息全缺。竞技场排名本身波动大，单次第五说明不了太多，得看稳定性和后续更新。另外，预览版和正式版之间通常还有差距，现在下判断太早。我会先打个折：这条更像预热，真正值得关注的是正式发布时有没有配套的技术报告、基准测试和开放权重。

奥德赛实验室放出了Agora-1，用《黄金眼》死亡竞赛做了个演示：多个真人和AI agent在同一个场景里跑动、射击、互相影响。现在有可玩的研究预览版，你可以直接上手试。这条消息最值得关注的点是“多agent实时同屏互动”，不是之前那种单人看AI生成视频的模式，而是多人共享一个会动态变化的模拟世界。 但正文没披露任何技术细节。模型架构、参数量、推理延迟、训练数据来源、是否依赖游戏引擎辅助生成，这些全都没说。没有这些数字，就没法判断它到底是端到端的世界模型，还是套了层AI皮的规则引擎。演示场景是《黄金眼》死亡竞赛，场景相对封闭、规则明确，泛化到开放世界或非游戏场景的能力完全未知。 我会先打个折：这更像一个研究原型，离“重塑游戏、模拟、教育”还差着好几步。想验证的话，得看它能不能跑非射击类场景、agent行为是否真的由模型驱动而非脚本、以及多人在线时的延迟和一致性表现。这些信息目前都缺。