AX 严选 · 2026-07-07

Meta 的超级智能实验室放出了 Muse Image 和 Muse Video，这是他们头一批媒体生成模型。Muse Image 主打听话出图，能按指令精确生成、编辑图片，还能参考多张图来构图，并且会读 Instagram 上的社交信息当上下文。它还能调用工具干活，集成了一个叫 Muse Spark 的东西，具体是什么正文没细说。Muse Video 跟 Image 共用同一个预训练底座，输出带原生音频的视频。现在通过 Meta AI 应用、网页、Instagram Stories 和 WhatsApp 在部分国家能试到。 这条消息最值得看的是两点：一是图、视频模型共用一个预训练底座，这在工程上可能省成本，但正文没给任何训练开销或推理延迟的数据，没法判断实际省了多少。二是模型把 Instagram 社交信息当上下文，这等于让模型理解你发过的帖子、互动过的内容，再据此生成图片或视频。听起来很个性化，但隐私边界和内容安全怎么处理，正文完全没提。 另外，正文没披露模型参数量、生成速度、支持的分辨率，也没说“部分国家”到底是哪些。这些信息缺口让“最先进”这个说法暂时只能打个折。如果后续有技术报告或第三方评测，才能看清它跟 Midjourney、Sora 这类竞品的真实差距。

这个模型最值得看的是它把“生成”和“修改”这两件事打通了。以前用 AI 出图，最头疼的是改细节就得重画整张图。现在它能理解你点选或圈选的位置，直接换颜色、换材质，还能把一张成品海报拆成十几个带透明度的独立图层，被挡住的背景也能自动补全。这对设计师来说，意味着不用再从零开始，可以在半成品上反复微调，迭代效率会高很多。 另一个亮点是高密度信息图。它能在一张图里同时塞进时间轴、柱状图、饼图和实景照片，文字拼写和排版都挺靠谱。官方展示的案例里，英文促销海报上的小字没出现乱码，这比很多只会写大标题的模型强。不过，正文没披露这些信息图里的数据是模型自己编的，还是严格按用户给的数值生成的。如果是自己编的，那用在科普海报上还行，但做财报或学术图表就得小心了。 人像和材质质感有提升，能还原皮肤纹理和玻璃反射，还支持摇拍的运动模糊效果。模型原生支持十几种语言输入和文字渲染，包括从右往左写的阿拉伯语，这点对出海做本地化素材挺实用。目前它已经在火山方舟上线，也会陆续进豆包和即梦，但正文没提生成一张图要多久、成本多少，也没给任何量化评测对比，这些在实际落地时都是关键。

Anthropic 给 Claude Code 加了两项很实用的控制：模型选择和努力级别。简单说，你可以把 Opus 这种大模型派去搞跨文件重构，Sonnet 处理日常编辑，Haiku 做快速小修。努力级别分低、中、高三档，调的是模型思考深度和工具调用次数。高努力配 Opus 会触发多步代码库搜索和测试运行，但烧的 token 也最多。 这个更新的核心价值是让开发者按任务的复杂度和预算来分配算力，不用一个模型硬扛所有活。但正文没披露具体价格差，只说了高努力加 Opus 是最贵的组合。如果你真想算投入产出比，得自己去 API 定价页对 token 消耗。另外，不同努力级别在真实项目里的成功率差异也没给数据，这点先别太激动。 还缺什么：一是各组合的实际成本对比，二是高努力到底比中努力强多少的量化验证。如果只是凭感觉调参，省钱的逻辑就不够硬。

这篇来自伯克利 BAIR 的路线图，核心判断很直接：当推理成本低到几乎免费，数据库系统会面临三重变化。第一是“为 Agent 服务的系统”，一个用户请求可能让 Agent 自动发出上千条 SQL 查询，但其中 80% 到 90% 的子查询是重复的，系统可以通过复用结果或返回近似答案来提速。第二是“由 Agent 组成的系统”，成千上万个 Agent 需要新的底层设施来管理状态、协调分工和处理故障。第三是“由 Agent 构建的系统”，Agent 已经能直接合成整套数据系统，但怎么验证它做对了还是个没解决的问题。 文章是研究视角的路线图，不是产品发布，正文没给任何落地时间表。它引用的推理成本下降数据（一年降 9 到 900 倍，中位数约 50 倍）主要来自第三方统计，不是伯克利自己的实验。这点先别太激动，因为“几乎免费”目前更多是趋势判断，不是现状。 还缺的东西很明显：没有具体系统原型或性能对比，也没说这些设计在真实生产环境里会碰到什么坑。对从业者来说，这篇的价值在于把问题框架搭清楚了，但离能动手做的方案还有距离。

这条新闻最值得看的是规模：九个月超过 100 辆，不是几台样车在测试，而是成批扔进战区干后勤和侦察。Forterra 高管的原话很实在——没上过战场，什么国防科技都不算数。乌克兰转向地面无人装备的逻辑也讲得通：天上无人机太多，士兵在地面几乎无处可躲，用机器替人跑运输、探路是刚需。 但文章缺的信息比给的多。第一，没提这些车有没有装武器，是纯运输还是能打；第二，没给任何战损数字，100 辆送进去还剩多少、被击毁多少、自己故障多少，全不知道。没有损失率，就没法判断这套方案到底划不划算。第三，也没说通信和抗干扰怎么解决，战场上 GPS 和无线电被压制的场景很常见。 如果是真的挺省钱——全地形车本身不贵，加上自动驾驶套件也比坦克便宜一个数量级。但这点先别太激动，等看到战损率和任务成功率再说。

Google 这次更新主要解决一个实际问题：让智能体（就是能自己规划步骤、调用工具的 AI 程序）在生产环境里跑得更稳。新增的后台异步执行，意思是耗时长的任务不用一直占着连接，可以提交后等结果通知，这对处理复杂流程的开发者是刚需。远程 MCP 让智能体能连上外部的工具或服务，相当于给它开了个外接接口，不再只靠内置功能。自定义函数则是允许开发者把自己的业务代码塞进去，让智能体按公司自己的规则干活。 这三项更新听起来都挺实用，但公告完全是功能罗列，没给任何性能数据或成本参考。比如后台任务能撑多久、并发上限多少、远程 MCP 的延迟怎么样，这些关键指标一概没提。价格和地区可用性也是空白，如果是按调用量或执行时长计费，成本可能比预想的高。 另外，这是 Google 官方博客，天然会挑好的说。实际落地时，后台任务的错误重试机制、远程 MCP 的鉴权安全、自定义函数的沙箱隔离，这些坑都得开发者自己踩。建议等有公开的定价文档和第三方评测后再做技术选型。

MIRA 把世界模型从单机推到了四人联机，你按键盘它就实时出画面，帧率 20 FPS。这比早期扩散模型做的 DOOM 进了一大步，因为不是录播回放，是模型根据输入实时推演游戏动态。训练用了 10000 小时公开的机器人采集数据，说明没靠人工标注，成本可能压得比较低。 不过 20 FPS 对竞技游戏来说还是卡，延迟和画面稳定性正文没提。另外它学的是四人游戏动态，但没说明能不能泛化到没见过的场景或玩法。代码和报告都开源了，这点值得加分，ICML 现场有展台，想验证的人可以直接上手试。 还缺的是：模型参数量多大、推理用什么卡、单帧生成延迟多少毫秒。如果是真的省钱又能稳在 20 FPS，对需要实时交互模拟的方向是个好消息，但先别把它当成能替代游戏引擎的东西。

过去12个月，头部AI公司总共承诺了97.5亿美元，用来组建“前线部署工程”团队，也就是把自家工程师直接塞进客户公司里，手把手教他们用AI。这笔钱相当于埃森哲一年人力成本的21%，规模不小。 目前分三种玩法：微软和亚马逊直接从现有员工里调人，不额外融资，图的是快和可控；OpenAI和Anthropic则拉上TPG、黑石等私募成立独立公司，OpenAI为此还收购了一家150人的咨询公司，用外部资金把盘子做大，同时避免稀释母公司股权；Google Cloud选了第三条路，掏7.5亿美元建合作伙伴基金，自己不直接养人，靠系统集成商去铺。 作者的核心判断是，这种驻场部署正在变成一种护城河。驻场工程师教客户用熟了一家模型厂的工具链和套路，客户再换别家，技术上不难，但组织内部阻力很大。而且工程师能接触到API调用看不到的真实工作流、数据结构和失败场景，这些信息会反哺模型调优。不过正文没披露这97.5亿美元具体能养多少工程师，也没给出客户留存或切换成本的实际数据，护城河到底多深还不好说。

OpenRouter 拿五款模型在 MMMU-Pro Vision 上实测，结论很直接：给推理模型压画质省钱，往往既亏效果又亏钱。gpt-5.5 用低清图准确率从 79% 掉到 65.2%，但每题成本反而从 4.5 美分涨到 5.1 美分——模型看不清图，推理 token 多烧了 1.6 倍，输出端多花的钱直接吞掉了输入端省下的那点。gemini-3.5-flash 也是类似趋势，低清图成本 2.96 美分，自动档反而只要 2.80 美分。 非推理模型倒是另一回事。gpt-5.4-mini 和 gpt-4.1 用低清图确实省钱，但准确率分别掉了 9.7 和 17.4 个百分点，相当于用精度换成本，值不值看场景。图表类问题对清晰度最敏感，gemini-3.1-pro 从低清切到自动档，准确率从 78.6% 跳到 91.7%。 正文没披露测试的题目分布和错误类型细项，也没说低清图具体在哪些题型上翻车最严重。另外，推理强度（reasoning effort）这个 knob 怎么调能兼顾成本和效果，文章只提了方向，没给具体参数建议。

这篇论文放出了一个叫 Nemotron-Labs-Diffusion 的模型，最大卖点是把自回归、扩散和“自我推测解码”三种模式做进了同一个架构里。你可以把它理解成：平时用自回归逐字写，需要快的时候让扩散一次性生成整段草稿，再由自回归校验，相当于自己给自己当校对。训练时两个目标一起上，扩散负责往前多看几步做规划，自回归提供从左到右的语言习惯，两者互补。 数字上，8B 版本一次前向传播能解码的 token 数是 Qwen3-8B 的 6 倍，在 GB200 GPU 上用 SGLang 跑 SPEED-Bench 吞吐量高出 4 倍，精度还差不多。论文还做了一个“光速分析”，说在理想采样器下扩散比自我推测模式还能再多出 76.5% 的 token 产出，说明天花板还没到。模型覆盖 3B、8B、14B 三个尺寸，有基础版、指令版和视觉语言版。 不过这篇是纯论文，正文没披露任何开源权重计划或发布时间线。所有性能数据都来自论文自报，没有第三方复现验证。如果是真的，这个吞吐提升挺省钱，但在看到实际跑分和开放模型之前，我会先打个折。