AX 严选 · 2026-06-24

Google 给 Gemini 3.5 Flash 加了一个内置的“操作电脑”工具，模型可以直接看懂屏幕画面，然后自己点击、输入文字。这比之前那种外面再包一层控制程序的做法要省事，理论上调用延迟更低、架构也更干净。但整篇公告没给出任何具体的跑分成绩或延迟数据，只说开发者现在就能通过 API 用上。这点先别太激动——内置工具听起来好，实际干活时会不会点错按钮、卡在某个界面，正文完全没提。另外，也没说这个功能在复杂多步任务里的成功率，以及和其他家类似方案（比如 Claude 的 computer use）对比怎么样。想判断它到底省不省心，还得等第三方拿真实场景测一轮。

这条新闻最值得看的是集成速度：Notion 工程师说从零到完整接入只花了几周，靠的是 Cursor SDK 把智能体的底层脏活（云端沙箱、模型路由、工具调用）全包了。Notion 这边只写了一个薄适配层，把讨论串映射成智能体、每条消息映射成一次运行，还接了自己的远程 MCP 服务器，让智能体能实时读写工作区上下文，不是对着空气写代码。 但正文没披露任何性能或成本数据，也没说这个功能是免费还是付费、什么时候上线。Victor Shen 的原话是“Cursor 做得比我们自己搭要好”，这更像一句合作感言，不是独立评测。我会先打个折：集成快说明 SDK 设计得干净，但不等于实际跑起来省钱或稳定。 还缺两样东西：一是真实用户反馈，比如智能体在复杂任务上的 PR 通过率；二是 Notion 自己的用量和成本控制策略。这些没出来之前，把它当成一个架构参考比当成成熟产品更合适。

Figma 这次更新把设计工具往生产环境里又推了一步。Code Layers 让设计和生产代码并排显示，能直接从设计生成代码、用对话式指令改代码，还能从 GitHub 拉仓库进来。Motion 把动画时间轴搬进协作编辑，Shader 用 WebGPU 做材质效果。这些功能的目标是让设计师不用切工具就能处理更接近最终产品的效果。 但文章点出了一个要命的问题：Figma 画布上的 AI 能力靠的是 Anthropic 等第三方模型，推理成本高到在吃利润。更麻烦的是，这些模型供应商自己也在做能直接生成界面的竞品。Figma 的应对策略是让 AI 产出“可调整的工具”而不是一次性结果，加上团队共享提示词和插件来减少 token 消耗。正文没披露自研模型的具体进展，只提了“sort of”。 还缺两个关键信息：一是第三方模型的推理成本到底占收入的多大比例，二是 Figma 有没有在训自己的模型、进度到哪了。没有这两点，很难判断“押注人类判断”是战略选择还是资源受限下的说法。

Google 给 Gemini 3.5 Flash 加了个内置的“操作电脑”工具，模型可以自己截图、点按钮、填表单，去操作网页和桌面软件。这跟 Anthropic 和 OpenAI 之前做的方向一样，都是把屏幕控制能力直接做进模型里。官方说在 WebVoyager 这个网页操作基准测试上，3.5 Flash 跑赢了 Claude Sonnet 4 和 GPT-5，但没放出完整的评估细节和复现步骤，第三方验证还没跟上，这个跑分先打个折。 现在可以通过 Gemini API 和 AI Studio 用上这个功能，但正文没披露定价和调用频率限制。对想拿它做自动化流程的开发者来说，成本和稳定性是绕不开的问题，这两块信息缺口挺大。另外，模型直接操作屏幕的安全边界怎么划，文章也没展开，只提了有安全措施但没给具体方案。

霍夫曼的批评很具体，不是泛泛而谈。他说SpaceX上市后买Cursor（一个AI编程工具）是在“花钱买存在感”，算力租赁业务本质上是“溢价版的CoreWeave”。这个比喻挺狠，等于说SpaceX的AI故事目前没有核心技术，靠收购和包装撑估值。 对xAI的判断更直接：“彻底的灾难”。他点出11位联创已全部出走，公司正经历第三次重启。这解释了为什么Grok模型一直追不上Anthropic和OpenAI——团队都不稳定，模型迭代很难持续。不过正文没披露xAI具体的研发投入或用户数据，我们没法判断“灾难”到了什么程度，是暂时掉队还是结构性崩盘。 另外，霍夫曼还批评美国政府强制下架Anthropic模型是“专断胡来”，但补充说Anthropic自己事先就发现了安全问题。这点信息不全：正文没写具体是什么安全问题，也没说下架命令的细节，所以很难评价政府行为是否过度。整体看，霍夫曼作为两边都投了钱的人，这次表态更像在划清界限，提醒市场别把上市故事当真。

OpenAI 终于把自研芯片拿出来了，叫 Jalapeño，专门为 ChatGPT、Codex 这类产品的推理场景从头设计，不是拿通用加速卡改的。最抓眼球的数字是开发周期：从设计到流片只用了 9 个月，而且 OpenAI 自己的模型参与了加速，这速度在芯片行业确实少见。 目前工程样片已经在实验室跑通了 GPT‑5.3‑Codex‑Spark，频率和功耗都达到了量产目标。官方说早期测试每瓦性能比现有顶尖方案好不少，但正文没披露对比的是哪款芯片，也没给具体跑分，只说详细报告要等几个月。这点得打个折，因为“每瓦性能好”可以有很多种定义方式，要看实际负载和延迟要求。 另一个关键信息是部署规模：2026 年就要和微软等伙伴上吉瓦级别的数据中心。如果真能按这个节奏量产，对 OpenAI 的推理成本会有实质影响。但芯片从实验室到大规模稳定跑生产，中间还有良率、散热、互联一堆坑，正文没提这些工程细节，也没说单卡价格或总算力密度，现在判断它能省多少钱还太早。

OpenAI 把语音交互从“你说完我再说”升级到了“全双工”，也就是模型在说话的同时还能继续听你讲话，中途打断也能马上响应。从测试视频看，让它从 1 数到 10，数到一半打断说“倒数”，它立刻照做，反应确实快。这个新模型叫 Bidi 1，已经在网页版和 App 的模型选择器里出现，选中后语音气泡变黄，和标准语音、高级语音并列。 不过现在信息缺口很大。正文没披露 Bidi 1 的定价策略，不知道是免费、付费还是按用量算钱。也没有说哪些地区已经开放测试，以及正式上线的时间表。目前只有科技媒体根据用户反馈推测本周可能扩大测试范围，OpenAI 官方还没官宣。 如果是真的，这种双向并行能力会让语音助手在客服、实时翻译、口语陪练这些场景里更自然。但先别太激动，等官方公布延迟数据、并发限制和实际成本再说。

这条消息的核心是：通义千问开源了一个叫Qwen-AgentWorld的模型，它想让AI Agent干活前先对当前状态做个预测，再决定怎么动，而不是闷头执行指令。模型覆盖了MCP、搜索、命令行、软件工程、网页、操作系统和安卓七个场景，训练用了超过一千万条真实交互记录，分三步走：先海量预训练，再监督微调，最后强化学习对齐。 在自家评测AgentWorldBench上，397B总参的版本拿了58.71分，比GPT-5.4的58.25和Claude Opus 4.8高一点点。这点差距先别太激动，毕竟评测集也是自己出的，外部公平性还没验证。比较有意思的是它当环境模拟器用的时候，在WideSearch任务上通过模拟强化学习拿到了50.3%的F1，比直接在真实环境里训的45.6%要好，说明这种“先猜再动”的思路在模拟训练里确实能省成本。 正文没披露训练用了多少算力、推理延迟怎么样，也没说这七个场景之外泛化能力如何。模型和评测都开源了，但实际能不能在你的业务场景里跑起来，还得自己试。

豆包把能执行任务的 Pro 模型塞进办公场景，专业版可以操作本地电脑、浏览器、调用技能插件、设定时任务，还能生成带后端数据库的在线应用。免费用户只能用 Turbo 版办公模式，Pro 模型锁在付费墙后面。定价分三档：标准套餐连续包月 68 元，加强 200 元，高级 500 元，学生认证后标准套餐 38 元/月，持续六个月。 这个定价在 AI 办公工具里不算贵，但关键信息全缺：上下文窗口多大、并发任务上限多少、操控本地电脑的延迟和成功率怎么样，正文一个字没提。能生成带数据库的应用听起来挺实用，但没说明数据库容量、托管在哪、会不会额外收费。 我会先打个折：能操控本地环境意味着权限开得很大，安全和稳定性比功能列表更重要，这些正文完全没交代。建议等有人实测出延迟数据和翻车案例再决定掏不掏钱。