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。

这事听着离谱但逻辑很简单：Meta 给自家 AI 客服开了直接操作账号的权限，比如改绑定邮箱，但没教会它怎么验证对面是不是真号主。攻击者只要跟 AI 聊几句，让它把邮箱换成自己的，号就没了。这本质上是把“能干活”的权限给了“不会认人”的模型，典型的 agent 权限失控。 报道来自 The Verge，但正文没披露受影响账号数量、漏洞现在修没修，也没给出能复现的具体步骤。这点先别太激动——没数字就没法判断是偶发个案还是大规模事故。另外，Meta 官方回应也缺位，不知道他们后续是收回 AI 的操作权限，还是加了身份验证环节。 对从业者来说，这条新闻的价值不在猎奇，而在提醒：让模型进业务流程干活（agent workflow）之前，权限边界和身份校验必须卡死。否则一个聊天窗口就能绕过所有安全设计。

佛罗里达州总检察长对 OpenAI 和 Sam Altman 的起诉，目前更像一份措辞严厉但事实骨架很弱的文件。报道里只提到总检察长指责 Altman“完全漠视”人类生命，但 Ars Technica 的编辑翻遍起诉书也没找到具体有几起案件、涉及多少受害者，更关键的是，没讲清楚 ChatGPT 在所谓的谋杀中到底扮演了什么角色——是直接给出了杀人步骤，还是被用来策划、煽动，或者只是凶手恰好用过。 这种信息缺口让整件事的严重程度没法判断。如果是模型直接输出了可操作的犯罪指导，那性质完全不同；如果只是凶手用过 ChatGPT 聊天，那关联性就很弱。目前所有判断都得先打个折，等起诉书更多细节公开，或者 OpenAI 的回应出来，才能看清这到底是一次有实锤的安全事故，还是一场蹭热度的法律动作。

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。

Cosmos 3 这次在 Artificial Analysis 的开放权重榜单上，文本生图和图片转视频两项都排到了第一。它把自回归推理器和扩散生成器拼在一起，相当于让模型先理解你要什么，再动手画，这种架构在控制力上确实有优势。Super 版有 64B 参数，跑起来硬件门槛不低，Nano 版 16B 更实际一点。 值得留意的是，它完全开源了权重、代码、数据集和微调方案，用 OpenMDW 1.1 许可，这对想自己改模型的人来说是个实在的好处。不过正文没披露具体评测样本量、打分方式，也没说跟闭源商业模型的差距有多大。榜单只覆盖开放权重模型，所以这个“第一”是在开源圈子里比的，别直接当成行业最强。 还缺两块关键信息：一是推理延迟和显存占用，64B 参数实际跑起来成本多高；二是生成质量有没有人工评估，光靠自动指标容易刷榜。这两点决定了它是不是真能用进生产环境。

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。

Mellum2 的定位很清晰：不做全能选手，专攻高频、低延迟的文本和代码任务，比如路由分发、外挂资料库检索和子智能体。120 亿总参数但每次只叫醒 25 亿干活，这个设计让它的推理速度比同尺寸模型快了一倍多，对在乎响应时间和吞吐量的场景是个实打实的优势。JetBrains 把它放在 Apache 2.0 协议下开源，商用门槛很低。 不过，这篇发布博客没给出具体的跑分对比、训练数据构成，也没提在自家 IDE 里实际落地的延迟数据。技术报告链接指向 arXiv，但正文没披露关键细节。所以“快一倍多”这个结论目前只能先打个折看，等看到它在真实业务里的表现再下判断。另外，模型只处理文本和代码，不做多模态，这意味着它不会去抢通用大模型的风头，而是老老实实当个高效的执行层。

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。

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。

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。

NVIDIA 在台北 GTC 上推出的 FOX 蓝图，本质是一套让多个 AI 智能体协同管工厂的参考方案。富士康拿它做了 MoMClaw 系统，把摄像头、传感器和产线数据喂给不同智能体，让它们分工排查问题。官方宣称能把查找故障根因的时间缩短 80%，但正文没披露测试的产线规模、故障类型和对比基准，这个数字的参考价值有限。和硕也宣布会跟进，但同样没有落地细节。 这套东西对工厂的意义在于，以前产线出问题要靠老师傅挨个环节排查，现在可以让智能体自动调数据、交叉比对。但文章没提智能体之间的协调机制怎么设计，也没说对数据质量和实时性的要求有多高。这些缺口会直接影响实际部署效果。 整体看，这是一个产品发布而非技术验证。蓝图有了，早期案例有了，但缺的是可复现的量化结果和更多第三方工厂的实测反馈。