AX 严选 · 2026-06-01

这条更新让 AI Studio 从单纯的模型调试工具往应用构建平台迈了一步。以前你想让模型读 Gmail 或 Drive 里的文件，得自己写代码调 API，现在在 Studio 里就能搭出能直接操作这些服务的应用，对快速验证想法挺友好。 不过目前能做的还比较基础：只能添加测试人员，没法公开分享。正文没提权限控制粒度、数据怎么处理、会不会有额外费用，也没说支持哪些模型。如果是真的无缝打通，对依赖 Google 生态的团队会省不少事，但“即将推出”这种表述得先打个折，等公开分享和实际使用限制明确了再看。

Perplexity 这次公开的 Search as Code，核心思路是把搜索从“模型反复调用工具”改成“模型直接写 Python 代码调用搜索栈”。以前的做法像你让助手查资料，它得一次次翻书、记笔记、再翻书；现在相当于助手直接写了个脚本，一口气把活干了。这套东西已经上线 Perplexity Agent API，并且成了 Computer 功能的默认选项，说明他们内部对稳定性有一定信心。 但正文没披露任何性能对比数据。延迟降了多少、token 消耗省了多少、召回率有没有变化，这些关键指标一概没提。没有数字，就只能当架构思路看，不能直接当省钱省时的承诺。另外，代码生成本身也会引入新的出错可能，比如语法错误或逻辑 bug，正文也没说他们怎么兜底。 对做 agent 搜索的团队来说，这个方向值得跟，但现阶段更像一个工程优化方案，不是范式级突破。等他们放出 benchmark 或者第三方复现结果，再判断实际收益不迟。

这条帖子展示了一个挺诱人的功能：用户上传或拍摄一段素材，Gemini Omni 就能生成外观和声音都接近本人的数字分身，然后直接放进视频创作里。对内容创作者来说，这比传统动捕或 3D 建模的门槛低得多，省设备、省时间。但帖子只给了操作步骤，没给任何落地信息——什么时候能用、免费还是付费、生成一个分身要多久、对硬件有什么要求，全都没说。 更关键的是安全机制完全空白。帖子没提怎么防止别人拿你的照片和声音生成假视频，也没说有没有活体检测、授权流程或水印。在深度伪造风险这么高的当下，这个缺口会让功能看起来很酷但也很危险。我会先打个折：技术演示不等于产品，等官方公布隐私保护和滥用防范方案再判断它是不是真能日常用。

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。

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。

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。

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。

Runway 以创始成员身份加入 Cosmos Coalition，跟 NVIDIA 和一批头部 AI 实验室搭伙，目标是共建并开源面向物理 AI 的前沿世界模型。世界模型说白了就是让 AI 能理解物理规律、预测下一步会发生什么、并据此行动，Runway 说这是他们从第一天就在押的方向。第一个项目是 Runway 和 NVIDIA 联合开发的一个基础模型，但公告里没给任何技术细节——模型多大、用什么数据训、什么时候放出来、开源协议是什么，全都没提。 这件事值得关注的点在于，Runway 之前一直在做视频生成，现在把旗号打到“物理 AI”上，跟 NVIDIA 绑在一起，显然是想把世界模型从视频生成推到机器人、仿真这类更吃物理理解的场景。但“共建开源生态”这种说法，在没有具体模型和基准测试之前，只能先当合作意向看。 还缺的东西挺多：模型的实际能力验证、开源范围、联盟里其他成员是谁、各家贡献怎么分。这些信息不补上，很难判断这个联盟是实打实的研发推进，还是品牌层面的站队。

Qwen3.7-Plus 做了一件挺实际的事：让一个模型既能看懂屏幕上的按钮，又能敲命令行，还能在两者之间来回切换干活。这比之前那种“视觉模型管看、语言模型管想”的拼接方案更直接，延迟和错误传递理论上会少一些。在 Terminal Bench 2.0 终端任务上，它拿了 70.3 分，确实比 Opus 4.6 Max 和 DeepSeek-V4-Pro Max 高出一截，说明在命令行环境里它的操作成功率有优势。 不过，这篇博客本质上是一篇产品发布文，不是技术报告。模型参数量、训练数据、推理成本、API 定价和具体开放时间全都没提。表格里列了一堆基准分数，但像 SWE-Verified 这种软件工程测试，它反而比前代 Qwen3.6-Plus 低了 1.1 分，说明纯代码能力并没有全面提升。另外，所有测试都是在特定框架和超参下跑的，换到你的实际业务里表现会打多少折，正文没给任何消融实验或误差分析。 现在最缺的信息是：这个模型跑一次手机操作任务要花多少钱、延迟多少秒，以及它能不能在本地部署。如果成本比拼接方案低很多，那才算是真正的卖点。

GSMA 要在 MWC 上海搞一场人形机器人点球赛，宇树科技等 8 支国内团队参加，规则要求机器人自己识别球和守门员位置、决定射门角度并控制发力，不能遥控也不能跑预设脚本。这确实是个硬核测试：动态平衡、实时感知、自主决策全得在毫秒级时间里完成，比展台上走两步有说服力得多。 但文章只说了赛制和参赛名单，没提任何一支队伍目前的技术水平、硬件配置或过往测试数据。比如机器人是自带电池还是外接电源，摔倒后能不能自己爬起来，射门成功率大概在什么范围——这些关键信息全是空白。另外，比赛场地条件、光照干扰程度、球的规格是否标准化，正文也没交代。 我会把这场赛事看作一次公开的压力测试，而不是技术成熟度的证明。真正值得关注的是赛后放出的完整视频和失败集锦，那比奖牌更能说明问题。