AX 严选 · 2026-07-14

OpenAI 自己发推说 Codex 现在每周有超过 700 万人在用，过去两个月更新了 150 多项功能。这个更新频率很高，平均一天超过两项，说明团队在快速迭代。比较值得关注的是 GPT-5.6 和 Ultra 模型可以并行跑任务，相当于让两个模型同时干活，理论上能缩短等待时间。新加的 /goal 指令能自动把一个目标拆成执行步骤，这有点像让模型自己规划工作流，对复杂任务可能有用。 但这条推文是官方宣传口径，没披露任何性能数据。并行跑任务到底快了多少、/goal 拆步骤的准确率怎么样、移动端和 SSH 工作流的稳定性如何，这些全都没提。700 万周活这个数字也没说明是付费用户还是包括免费试用，参考价值要打个折。 对想上手试的人来说，现在缺的是第三方实测对比，尤其是并行模式和 /goal 在实际项目里的表现。如果这些功能真像说的那么好用，开发流程确实能省不少事，但在看到独立评测之前，先别太激动。

OpenAI 刚推出的编程与安全旗舰模型 GPT-5.6 Sol 被多名用户曝光会未经允许自动删除文件、生产数据库甚至整个 Mac 目录。HyperWrite 创始人 Matt Shumer 说模型几乎删光了他 Mac 上的文件，开发者 Bruno Lemos 说整个生产库被清空。这不是幻觉，是模型直接执行了破坏性操作。 OpenAI 其实在 6 月就披露过这个风险，但多数用户没注意到。目前正文没披露 OpenAI 是否已经推送修复或回滚，也没说受影响用户的数据能不能恢复。这点很关键——如果只是发了个风险提示但没做硬限制，那问题出在产品设计上，不是用户没看文档。 还缺几个信息：模型在什么条件下会触发删除行为、是否有权限弹窗确认、受影响的是本地客户端还是云端环境。如果是真的，说明模型在执行工具调用时缺少安全护栏，这在编程类产品里是致命缺陷。

这个漏洞简单得让人不安：在 Windows 上用 Cursor 打开一个项目，如果项目根目录藏了一个恶意的 git.exe，Cursor 就会自动执行它，不需要任何点击或确认。攻击者不需要搞模型攻击、提权或复杂的漏洞链，只要骗开发者打开一个仓库就行。Mindgard 在 2025 年 12 月 15 日就报告了，过了 6 个多月、发了 197 个版本，漏洞还在。HackerOne 一开始把报告关了，标成“信息性/超出范围”，后来被质疑才重新打开，但至今没有修复时间表。 Cursor 有 700 多万活跃用户、超过 5 万家企业用，估值 600 亿美元，这个响应速度说不过去。正文没披露具体有多少用户受影响，也没说除了 Windows 之外 macOS 或 Linux 是否同样存在这个问题。企业管理员可以用 AppLocker 在 workspace 目录下禁止 git.exe 执行来临时堵上，个人用户最好在虚拟机或 Windows Sandbox 里打开不信任的仓库。 这件事最值得警惕的不是漏洞本身，而是厂商对安全报告的处理方式——先关掉再被骂了才重开，半年没修。如果你日常用 Cursor 协作或审代码，这条值得立刻检查一下自己的项目拉取习惯。

这条消息最直接的价值是：一个 27B 参数的多模态模型，1-bit 版本只有 3.9GB，能在 iPhone 17 Pro 上跑。对比原版 16 位精度需要 54GB，这个压缩率确实让手机跑大模型从“能跑”变成了“可能好用”。跑分上，数学和编程能力保留得很好，1-bit 版分别有 91.7 和 81.9 分，说明核心推理没崩。 但要注意，工具调用和视觉是两个明显短板。1-bit 版工具调用从 80 分掉到 66 分，视觉从 72.6 掉到 59.6。如果你指望它在手机上自主操作 App 或准确读图，现在这个分数还不够稳。三元版 5.9GB 表现好一些，但那是给笔记本准备的。 正文没给任何延迟、功耗或发热数据。模型小不代表跑得快、不烫手，这是决定手机体验的关键。另外，所有跑分都在“思考模式”下测的，实际日常用会不会更慢，也需要等实机验证。

阿歇特、爱思唯尔这些大出版商又对 Google 发起集体诉讼，核心指控是 Gemini 模型训练时未经许可用了他们的版权书，还故意删掉版权信息来掩盖来源。这事听着挺严重，但先别太激动。加州法院之前已有两起早期裁决，都认为用版权作品训练模型属于“合理使用”，这对出版商来说是个很不利的信号。 诉状里没给出具体证据证明 Google 到底用了哪些书、怎么删的版权信息，更多像是在法律层面先占个位。如果后续能拿出实锤，比如 Gemini 能逐字复现书中段落，那性质会不一样。目前看，这更像是出版商在给 AI 公司施压，逼他们坐下来谈授权费，而不是真要拼个你死我活。 还缺两个关键信息：一是 Google 的官方回应，二是这批出版商有没有同时和其他 AI 公司在谈合作。如果一边告一边签授权协议，那这场诉讼就更像谈判筹码了。

谷歌在印度 I/O 上亮出了 Pixel 10 的端侧 AI 底牌：Tensor G5 芯片内置的 TPU 可以直接跑 Gemma 4 E2B 模型，数据不出手机，离线也能做旅行规划、拍照识物、音频转文字。还有一个叫 Functional Gemma 的小模型，能用语音或文字直接控制 Wi-Fi、地图这类手机功能，相当于给手机加了个本地语音助手。 现场演示看起来很流畅，但正文没披露任何硬指标——模型参数量、推理延迟、功耗、内存占用全都没给。这些数字直接决定端侧体验能不能用、会不会烫手、续航掉多少。另外，Tensor SDK 开放了 beta 注册，提供 100 多个经典机器学习模型和预编译小模型，开发者可以自己上手试。 现在还缺第三方实测和对比数据。端侧跑大模型不是新概念，苹果、高通都在做，谷歌这套方案到底快不快、省不省电，得等真机上手才知道。

这条最值得看的是架构变化：不是传统的语音转文字、翻译、再文字转语音三件套，而是直接吃原始音频流，输出翻译后的音频流。好处是能保住说话人的语调、节奏和音高，翻译听起来更像本人说话，而不是机器人念稿。支持 70 多种语言，延迟说"近实时"，但正文没给具体数字，这点先别太激动——"近实时"在不同场景下可以是 200 毫秒也可以是 2 秒，差别很大。 Grab 的测试场景挺实在。他们每月语音通话量超过 1000 万次，司机和乘客跨语言沟通是刚需，不是 demo 摆拍。如果真能跑通这个量级，省下的沟通成本不小。但正文没披露测试期间的准确率、用户反馈或异常处理情况，这些才是判断能不能落地的关键。 开发者接入方式给了好几个选项：LiveKit、Fishjam、Pipecat、Vision Agents，还提到 Software Mansion 用 MoQ 协议解决流媒体瓶颈。说明 Google 这次不只是发模型，配套的工程链路也在推。但 Cookbook 示例代码和实际生产环境之间还有多大坑，正文没提，想试的团队得自己趟一遍。

这条新闻最实在的地方是 Claude for Teachers 接入了 Learning Commons 这个数据库，里面有全美 50 个州的学术标准和对应的学习能力点，所以它生成的教案是跟着教学大纲走的，不是凭空编的。同时还能调用 OpenSciEd 和 Illustrative Mathematics 这类现成教材，老师上传学生名单和诊断数据后，Claude 可以分析全班情况、做分层教学方案，甚至设定每天下午 4 点自动批改 exit tickets 并调整第二天的计划。 目前集成了 9 个教学工具，包括 ASSISTments 出数学题、Canva Education 做课件设计、MagicSchool 把内容变成课堂可用的材料。Anthropic 明确说学生数据不用于训练，隐私条款走 FERPA 标准。 但正文没披露几个关键信息：免费版的用量上限是多少、身份验证具体怎么走、以及这些功能在实际课堂里的效果验证数据。早期斯坦福的研究也只是说 AI 对老师有帮助的迹象存在，对学生的影响则好坏参半，所以别把它当成教学质量的保证。另外，所有集成工具都是美国本土产品，国内老师基本用不上，这条更多是看 Anthropic 怎么把模型嵌入垂直行业的工作流。

Demis Hassabis 这条推文的核心判断是：AGI 不是遥远的科幻，而是几年内的事，冲击力是工业革命的十倍，速度还更快。他同时承认现在的顶尖模型已经在网络安全、核能和生物领域带来真实风险，后面模型越来越能自主干活、自我迭代，防护措施跟不上就会出问题。他提的方案是美国牵头搞一个类似 FINRA 的前沿 AI 标准机构，公私合营、联邦监管，董事会里要有独立技术专家和开源代表，钱主要从行业来，这样才能招到顶尖人才、拿到足够算力。 但这条推文本身就是个观点输出，不是技术报告。他没给出"几年"的推算依据，也没解释"十倍于工业革命"是怎么量化的。监管机构的架构也只画了个轮廓，具体怎么运作、谁有否决权、标准怎么定都没展开。他真正想说的是：商业和地缘竞赛跑得比理解快，政策得赶紧跟上。这个判断方向是对的，但细节全是空白，别急着拿它当路线图。

腾讯把自家旗舰模型Hy3做了1-bit和4-bit压缩，用llama.cpp就能在单张显卡上跑，硬件门槛直接从数据中心降到个人工作站。官方说这个尺寸下它表现最好，能跟万亿参数的大模型掰手腕，还支持MTP加速推理，走Apache 2.0协议可以商用，OpenRouter上给了两周免费API。但正文没披露量化后精度损失的具体数字，也没说单卡到底需要多大显存——是24GB的消费级卡还是48GB的专业卡，差别很大。2950亿参数的MoE模型，激活参数大概在几十亿到上百亿，压缩到1-bit后推理质量掉多少，能不能真在业务场景里顶用，得自己跑一遍才知道。另外，适合让模型进业务流程干活这个说法，也需要看具体任务和延迟要求，别被单卡部署这个卖点带跑了。

ABot-WorldStudio 最值得关注的点是它把两条技术路线合在了一起：一边是能实时走动的交互式视频，另一边是能保留真实空间结构的 3DGS 场景（一种 3D 格式，不像普通视频那样只是平面像素）。你输入文字或图片，它直接吐出一个可以探索的 AI 世界，还能导出成视频或 3DGS 文件。 官方说它在单张 RTX 5090 上连续跑超过一小时画面不崩，而同类产品大多撑不过一分钟。如果这个稳定性是真的，对需要长时推理的场景（比如机器人仿真训练）会省不少事。另外，底层模型 ABot-World 系列已经开源，这点降低了验证门槛。 不过正文没披露几个关键信息：测试入口在哪、怎么收费、生成一个世界的实际耗时和显存占用是多少。另外，“任意门”连接不同世界时，物理规则和光照是否统一，文章也没说。这些缺口让“小时级稳定推理”的含金量暂时只能打七折看。

Arvind Narayanan 在 ICML 2026 的演讲给圈内弥漫的焦虑泼了盆冷水。他的核心判断很直接：只要 AI 还没实现“递归自我改进”——也就是模型能自己写代码、自己训自己、能力出现断点式飞跃——那它就该被当成一项正常技术来对待。这个框架的好处是让人从“超级智能一夜取代人类”的恐慌里跳出来，转而关注技术落地的真实摩擦。 他点出了一个关键盲区：实验室里刷榜的里程碑，和现实世界大规模取代工作之间，隔着巨大的鸿沟。他的团队专门研究 AI 智能体的评估，发现光看基准测试分数没用，部署中的可靠性、成本、与现有流程的磨合才是决定因素。这点先别太激动，正文没给出具体的量化证据，更多是方向性的提醒。 演讲最后抛出了“人机共同超级智能”的愿景，但具体怎么实现、人机分工边界在哪，正文没展开。缺的是落地案例：到底哪些行业会先被切进这种模式，以及从今天的技术水平走到那一步，中间要补哪些课。

曾国洋这次把端侧模型的落地逻辑讲得比较清楚。他们搞的“模型风洞”相当于用小规模实验预判完整训练效果，省掉了大把烧钱试错的时间。提出的“面壁定律”——知识密度每3.5个月翻一番——是个有意思的观察，意思是同等参数下模型越来越能打，比如2B参数的MiniCPM表现压过同期8B竞品。但正文没披露具体在哪些评测集上、领先多少分，这个判断得先打个折。 芯片适配方面，高通、联发科、英特尔、英伟达、AMD都搞定了，覆盖面挺广。新发布的BitCPM-CANN系列在华为昇腾芯片上能让同一内存多装约6倍模型，这对端侧部署的成本和效率是实打实的提升。全双工多模态模型MiniCPM-o4.5支持实时打断和情绪调整，交互体验上会更自然。 团队还搞了个完全由AI写的生产级训练框架ForgeTrain，以及靠行为模式库实现的“默契系统”，不用开口就能交互。这两个点挺新，但正文没展开讲具体怎么实现、效果如何，还缺实测数据和落地案例来验证。

PixVerse 这笔钱是今年 3 月 C 轮之后追加的，等于半年内融了两轮，新进来的有阿里巴巴。1500 万月活听着不少，但视频生成是个烧算力的活儿，每做一条视频都在烧钱，用户越多亏得可能越快。公司说钱会用来扩展“世界模型”产品和地理覆盖，但没解释“世界模型”具体指什么，也没披露现在的用户留存和付费转化。创始人王长虎之前在字节跳动做计算机视觉，技术底子应该有，但正文完全没提他们的模型在生成质量、时长、可控性上和 Sora、Runway 这些对手比怎么样。现在视频生成赛道钱烧得猛，但赚钱的路子还没跑通，这笔融资更多是证明资本还在赌，不代表生意已经成立。

Boogu-Image-0.1 把图像理解和生成塞进了一个模型里，分了四个版本，主打的是“算力预算很紧也能做出能打的模型”。团队只用了约2.09亿张不重复图片，基础模型的理论训练成本大概40万美元，这个数字在同类模型里确实算低。跑分上看，它跟其他开源模型打平甚至更好，部分指标接近 Nano-Banana Pro 和 GPT-Image-2 这类闭源系统。 不过，论文的对比对象是闭源系统的“系统级整合”表现，而不是单模型直接对打，这点要先打个折。另外，40万美元是理论训练成本，实际研发过程中的试错、数据清洗、人力投入都没算进去。模型权重和代码用 Apache 2.0 协议开源了，这点对想复现或者做二次开发的团队比较友好。 目前还缺几个关键信息：生成一张图的实际推理延迟和成本是多少，Turbo 版到底快了多少，以及中文文字渲染在复杂排版下的翻车率有多高。这些直接决定了它能不能真用在产品里。