AX 严选 · 2026-06-26

纽约时报这次修订诉状，策略变了。以前盯着 OpenAI 用版权材料训练模型，现在直接说微软给 OpenAI 搭的超级计算机就是侵权工具。他们搬出最高法院刚判的 Cox 案，逻辑是：你明知对方会拿你的服务干侵权的事，还继续提供，那你就得负责。诉状里还提到微软内部讨论过用合成数据代替版权材料，但最后没做——这个细节对微软很不利，等于自己留了“知道有风险但没管”的证据。 不过文章没写微软的具体回应，也没披露内部讨论的更多上下文。比如那个合成数据方案是因为效果不行被否了，还是单纯成本考量，这些都不知道。案子在纽约南区法院，目前只是起诉阶段，离判决还远。如果纽约时报真把“提供算力=协助侵权”这条路走通，那云厂商以后给 AI 公司卖 GPU 都得掂量一下客户拿模型生成什么内容，影响会很大。但这点先别太激动，法院会不会采纳 Cox 案的逻辑套在 AI 上，还是未知数。

《华盛顿邮报》用达特茅斯和斯坦福的方法测了约 30 个政策议题，结果挺极端：GPT-5.5 的回答 80% 偏左，右倾只占 3%，几乎是个单向输出；Gemini 3.1 Pro 最滑头，93% 的回答都是“两边都有道理”，等于拒绝表态；Claude Opus 4.8 的“两边说”占 57%，Grok 4.3 是唯一右倾占到 33% 的模型。 文章的核心判断不是“有偏见”这么简单，而是说模型在展示政策权衡之前，已经用一套默认的道德框架把分歧压平了。这背后是排序偏好、拒绝规则和训练反馈在起作用，不是模型自己有了政治立场。 不过这篇报道没公开具体提示词、样本量和完整测试条件，只能当个方向性参考。如果是真的，说明现在大模型在敏感议题上要么一边倒，要么过度谨慎，两种都不算健康。还缺的是：不同提示风格下结果会不会变、中文场景表现如何、以及这些偏好到底来自预训练数据还是后期的价值观对齐。

这篇文章的核心判断很直接：现在各大实验室赌的是用海量可验证任务把模型训成通用智能，但这套打法漏了一个关键前提——任务光能验证还不够，还得能“刷”，也就是能在确定、可回放的环境里并行跑大量试错。他用电脑操作举了个例子：让 AI 在 Etsy 上下单是可验证的，但你没法同时派一千个代理去冲亚马逊的结账流程，会被封。这就是为什么电脑操作的进展远落后于编程和数学。 作者认为，除非我们造出高保真、可大规模耕作的模拟器，否则训练时的样本效率黑洞会卡住很多现实世界技能的进步。他提出的解法是让 AI 在工作中学习，靠超长上下文窗口里的上下文学习来适应新任务，而不是只依赖一次性权重更新。这个思路挺有意思，但正文没给出具体的技术方案或时间表，也没说清楚上下文窗口到底要长到什么程度才能替代真正的持续学习。 另外，文章里提到模型训练时的样本效率只有人类的百万分之一，这个数字来自作者之前的文章，这里只是引用，没有重新验证。如果是真的，那确实说明现在的训练方式很浪费，但“在工作中学习”能不能补上这个缺口，目前还只是假设。

Ornith-1.0 放出了四个尺寸的智能体编程模型，从 9B 到 397B 都有，MIT 协议随便用。它的训练思路是教模型先拆任务再改代码，同时用强化学习优化这两步，相当于让模型学会“想清楚再动手”。397B 在 SWE-Bench Verified 上拿了 82.4 分，Terminal-Bench 2.1 上 77.5 分，在开源模型里确实算高的。 但主推文说它“媲美甚至超越 Claude Opus 4.8”，正文却没给出 Opus 4.8 在同样基准上的具体分数。没有对照数字，这个说法只能先打个折。另外，35B MoE 和 31B Dense 两个中等尺寸的实际表现也没展开，不知道小模型在复杂任务上会不会掉链子。 还缺的是推理成本和延迟数据。397B 的 MoE 架构虽然激活参数可能少一些，但跑起来到底要多贵的卡、响应多快，正文没提。如果实际部署成本太高，MIT 开源的意义也会打折扣。

何小鹏这条微博的核心信息是：联合国 WP29 批了 DCAS UNR 171 series 02 法规，六个月后在欧盟变成强制标准。这确实给城区导航辅助驾驶（NGP）开了绿灯，所以他说“2026 年底自动驾驶可以合法进入全球”。但这里要打个折——法规允许上路，不代表小鹏的车马上就能在欧洲跑起来，后面还有各国自己的认证流程、数据合规要求，以及实际路况的适配。 另一项 UNR ADS 目前只是框架性法规，覆盖 L3 到 L5，主要利好 Robotaxi 审批，离大规模落地还有距离。何小鹏顺带预告了 2027 年海外版 VLA 和 VLM 功能，支持中英文混合语音控车，但正文没披露具体落地国家、车型和定价。 整体看，这条消息的实质是法规层面的进展，不是产品开售通知。对从业者来说，值得关注的是欧盟强制标准生效后，各家智驾出海的合规门槛会变得清晰，但竞争才刚开始。

这起诉讼把AI训练里最敏感的那根刺又挑了出来：模型吃了海量新闻内容，但内容生产者没拿到一分钱。近400家地方报纸联合起诉，规模是这类案件里最大的，而且原告直接点名Copilot和ChatGPT，还指控被告删了版权管理信息——如果属实，法律上会比单纯主张“合理使用”更难辩。 OpenAI的回应还是老一套：用的是公开数据，属于合理使用。微软干脆没回应。这里缺的关键信息是：原告有没有拿出爬取和复制到自家服务器的具体证据，以及法院对“训练用数据算不算合理使用”这个核心问题目前还没有明确判例。另外，起诉书里说AI产品靠这些内容撑起了几十亿美元市场价值，但没给出具体计算方式，这个数字先别太当真。 真正值得关注的是，地方报纸不像《纽约时报》那样有谈判筹码，它们更依赖集体诉讼来争取话语权。如果这案子输了，地方新闻业的处境会更难。

这个工具解决了一个挺实际的问题：写文章时想配图，但找图或画图太费时间。小互的做法是让Agent先读文章，自己判断该配情绪图、示意图还是四格漫画，生成后再自查，不满意就返工重来。这套流程听起来比单纯调API生图要靠谱一点，至少加了一层质量把控。 工具带了31个原创角色，15个手绘线稿人物加16个谐音梗meme形象，默认画风是手绘线稿淡彩，还给了5种皮肤可以换，比如3D盲盒风和黑白线稿。安装门槛不高，Python 3就能跑，支持Claude Code或Codex，需要自己准备OpenAI兼容的图像API key，默认走GPT-image-2。不想花钱生图的话，也可以只输出提示词，手动去别的平台生成。 不过正文没披露几个关键数字：Agent判断配图类型的准确率怎么样、返工率大概多少、生成一张图平均要多久。这些直接决定工具是省时间还是添麻烦。另外31个角色虽然听起来不少，但风格偏个人IP，别人拿来用可能得自己改角色库。整体看是个思路清晰的开源项目，但实际效果还得自己跑一遍才知道。