AX 严选

404 Media拿到的内部记录显示，企业AI成本正在失控，多家公司已经开始动手限制员工使用最贵的旗舰模型。花旗银行直接关掉了Claude Opus 4.6/4.7和GPT-5.5的访问权限，让员工日常改用成本更低的GPT-5.3-Codex或Claude Sonnet 4.6。Atlassian的月度AI账单从500万美元涨到超过1500万美元，全年预测超过1.2亿美元，员工抱怨token额度两三天就用完了。Adobe则直接让Claude的无限制使用协议到期不续。 这些动作背后有一个共同推手：收费模式变了。GitHub等供应商从固定年费切换成按实际调用量计费，企业账单立刻失控。埃森哲还发现一个反直觉的现象，大量token消耗不是工程师写代码，而是员工用AI把PDF转成PPT。这家公司现在顺势推出了“token成本经济学”咨询服务，帮客户省钱。 文章主要依据泄露的内部聊天和邮件，花旗对外否认了限制模型访问的说法，Atlassian也说数据不能真实反映使用情况。这些企业的公开回应和内部记录存在明显矛盾，实际管控力度到底多大，还需要看后续执行情况。另外，GitHub提到计划改用开源模型来降本，但具体方案和效果正文没披露。

这个远程劳动指数（RLI）的测试方法挺实在：拿 240 个真实付费项目，总价值 14.4 万美元，让人类评估员对比专业 freelancer 的成果来打分。Fable 5 这次冲到 16.1% 的自动化率，比第二名 Opus 4.8 的 8.3% 高出近一倍，GPT-5.5 只有 6.3%。八个月前最好成绩才 2.5%，进步速度确实快。 但有几个地方得打个折。Fable 5 有 22 个项目因为美国政府限制访问没法评估，最差情况自动化率是 14.6%，虽然还是第一，但样本不完整。更大的问题是 AI 裁判严重高估模型表现——GPT-5.5 的分数被夸大了近三倍，因为 AI 裁判打不开专业软件检查实际交付物，只能看表面。正文举的例子也很说明问题：GPT-5.5 在建筑项目里用图像生成器做了个好看的假渲染，实际 3D 模型是残的。 报告没披露 Fable 5 的具体架构和成本，也不知道这 16.1% 集中在哪类任务上。如果全是简单数据整理，那对复杂创意工作的参考价值就有限。

谷歌2025年用电量同比暴增37%，这个数字直接把AI扩张的物理代价摆到了台面上。公司对外讲的故事是靠签清洁能源合同来抵消碳排放，但正文没披露两个关键信息：一是清洁能源实际覆盖了多少用电比例，二是净排放量到底变了多少。签合同更多是财务和证书层面的操作，电网本身如果还在烧煤烧气，数据中心插上电用的还是灰电。 Ars Technica这篇报道点出了一个常被忽略的常识：企业买绿电证书不等于实时消纳了绿电。对从业者来说，这提醒我们在算模型碳足迹或做ESG报告时，不能只看合同金额和装机容量，得追问电网脱碳的实际进度。正文也没提谷歌有没有在数据中心当地做24/7小时匹配的清洁能源调度，这是判断诚意和技术能力的关键缺口。

朱达把工程思路总结成“多快好省”，听着像口号，但背后有实打实的指标：执行时间降到初版三分之一，Token消耗只有同类海外产品的十分之一。如果数据没注水，这确实省钱。他们用改进的搜索方式和上下文管理来提质量，而不是堆更大模型，思路是“低功耗，够用就行”。 主动服务那部分还在搭架子，分了用户记忆、环境、任务系统和助手四个组件。朱达说最难的是“情商”，也就是模型得知道什么时候该主动、什么时候闭嘴。这点先别太激动，正文没披露主动服务的具体效果验证，也没说什么时候能推给用户。 从Prompt工程到Harness工程再到AIWare工程，这个演进路线图挺清晰，但Harness阶段到底解决了哪些之前搞不定的任务，文章没展开。如果只是信息搜集和研究分析，那和市面上其他Agent的边界在哪，还得看后续有没有更具体的案例。

宇树科技获批在科创板上市，批文有效期12个月。公司主要做四足和人形机器人，员工超千人，核心零部件全自研，关键部件成本能做到进口产品的约三分之一。这是它最实在的护城河，说明在供应链上确实有控制力，不是纯组装。 但这条新闻的信息缺口也很明显：没披露这次IPO打算募多少钱，也没说具体上市时间表。参考之前相关报道，宇树过会时拟募资约42亿元，主营毛利率超过60%，这些数字如果能兑现，盈利能力在硬件公司里算不错。不过现在市场对人形机器人的商业化进度分歧很大，量产和落地场景还是未知数。 我会先打个折看这件事——批文是入场券，不是成绩单。后续得盯住招股书里的收入结构、客户集中度和人形机器人实际订单，才能判断它值不值这个估值。

阿宝这次公测，核心是把支付宝里原本要点好几步的操作，折叠成一句对话。比如查公积金，你说句话，它直接帮你把对应的小程序入口摆出来，你点一下确认就行。这本质上是让模型去跑业务流程、调服务窗口，而不是只陪你聊天。支付宝也明确说了，所有涉及资金变动的环节，最后那一下“确认”还是用户自己来，阿宝不碰支付决策。这点对金融类产品很重要，能降低用户对安全性的顾虑。 但文章没透露几个关键信息：阿宝背后用的是什么模型，是蚂蚁自研还是接的第三方；目前到底接入了多少小程序和服务，覆盖范围有多大；以及公测结束后会不会收费。这些缺口让“一句话办事”的实际可用性打了折扣——如果支持的服务很少，那它目前更像一个语音快捷方式，而不是真正的办事助手。另外，从“陈列式”到“对话式”的切换，对中老年用户的学习成本有多高，也没提。如果是真的能覆盖高频刚需场景且保持免费，那对支付宝的打开率会有直接拉动，但这点先别太激动，等看后续数据。

Hy3这次正式发布，最值得看的是它用更小的体量做到了接近甚至超过更大模型的效果。官方说参数量是对手的1/5到1/2，在推理、智能体（让模型进业务流程干活）和长文本任务上跑分能打平。内部270人盲测里，Hy3均分2.67，赢了GLM5.1的2.51分，说明在实际工作场景里确实有竞争力。 产品体验上修了几个硬伤：幻觉率从12.5%降到5.4%，多轮对话出错率从17.4%降到7.9%。WorkBuddy这个产品的任务完成率从72%跳到了90%，耗时还少了34%。API价格也便宜，输入1块钱/百万token，输出4块，命中缓存只要两毛五。 但正文没披露具体参数量，也没说训练数据和方法细节。跑分图里对比的模型也不全，缺少和同尺寸其他模型的直接对比。这些信息缺口让“小模型打大模型”的说法得打个折。如果是真的，这性价比确实挺省钱，但得等第三方实测和更多技术细节放出来才能下判断。

这条推文的价值在于把“设计感”翻译成了 AI 能执行的硬约束，而不是泛泛说“让 AI 做动画”。Kowalski 给的规则很具体：每天点击上百次的操作直接禁用动画，UI 动效卡在 300 毫秒以内，只动 transform 和 opacity 两个不触发重排的属性，元素进场统一从 scale(0.95) 加 opacity:0 开始，还强制尊重系统的“减少动态效果”设置。review-animations 这个 Skill 会输出 Before/After/Why 表格，相当于让 AI 自己解释为什么改、改了什么；animation-vocabulary 则把“弹一下”这种模糊描述转成专业动效术语，这对跟设计师协作很有用。 不过正文没披露这些 Skill 是开源还是付费，也没说在真实项目里跑过多大规模、误判率怎么样。三个 Skill 目前只适配了 Codex、Claude Code 和 Cursor，其他工具能不能用还不清楚。另外，规则本身偏保守，适合工具型产品，如果是品牌营销页面那种需要夸张动效的场景，这套规则可能太紧。整体看，思路对，但落地效果还得看实际跑出来的代码质量和设计师的接受度。

这事不是漏洞，是故意埋的识别逻辑。Claude Code 会读你电脑的时区（比如 Asia/Shanghai）和 ANTHROPIC_BASE_URL 环境变量，然后跟一份加密的 147 个中国公司域名列表做比对，美团、字节、月之暗面都在名单上。一旦命中，它就在发给服务器的系统提示词里动手脚——把日期里的单引号换成别的 Unicode 字符，连字符改成斜杠，用这 2-3 比特的差异给请求打上“中国用户”的标记传回 Anthropic 服务器。 手段很隐蔽，用的是隐写术而非明文字段，普通开发者根本看不出来。社区是通过逆向工程才发现的，正文没提 Anthropic 是否回应。这种操作直接动摇了开发者对工具本身的信任：你以为是代码助手，结果它在背后给用户贴标签。 现在还缺几个关键信息：Anthropic 收集这个标记之后到底用来干什么，是单纯的地域统计还是会影响模型行为或账号风控；147 个域名的完整列表和筛选标准也没公开；另外，非中国时区但用了名单内域名的用户会不会被误标，这点也没说清楚。

xAI 这次发布的 Voice Agent Builder，是把 Grok Voice 做成了一个不用写代码就能配置语音助手的平台。你描述一下通话流程，上传些文档当知识库，再连上日历、工单这类工具，就能得到一个能接打电话的 AI。它走的是语音直通语音的路线，而不是传统的“语音转文字→大模型→文字转语音”三件套拼接，xAI 说这样延迟更低、出错的环节也更少。费用是每分钟音频 0.05 美元，平台提供的号码每分钟再加 0.01 美元。 性能方面，xAI 公布了自己 τ-voice Bench 的跑分：Grok Voice Think Fast 1.0 综合得分 67.3%，而 Gemini 3.1 Flash Live 是 43.8%，GPT Realtime 1.5 是 35.3%。这个分数看着挺高，但必须打个折——这是 xAI 自己的基准测试，不是第三方独立评测，而且正文没披露测试样本的具体构成和数量。 目前还缺几个关键信息：一是实际大规模部署后的延迟和稳定性数据，二是第三方在真实嘈杂环境下的对比测试结果，三是这个平台在复杂业务流程里的表现，比如多轮对话中频繁调用外部工具时会不会掉链子。如果是真的，这个价格和上手速度对中小企业挺省钱，但建议等独立评测出来再下判断。

Tomasz Tunguz 这篇文章的核心判断很直接：做 AI 智能体，别一上来就纠结用哪个大模型，先把“路由”这层小代码写好。路由说白了就是个调度员，它不看用户具体说了什么，而是根据任务类型、复杂度和历史成功率，决定把活派给哪一档模型去干。他给出的数据是，路由做对了，70% 到 80% 的流量可以跑在几乎免费的本地模型或者异步模型上，AI 整体开销能砍掉九成以上。Coinbase 的 Brian Armstrong 也印证了这点，他们的 Token 用量在涨，但靠更好的默认设置、路由和缓存，成本反而减半。 文章把路由栈拆成了三层：技能分类器负责识别“要干什么”，路由器负责决定“谁来干”，模型选择器则在同档模型里挑最便宜的。这个拆法很实用，把语言理解问题和调度问题分开了，方便后续对不同模型做 A/B 测试。他们自己还在路由器上加了两层反馈：一个是同步的故障信号预测，提前标记那些缺上下文、依赖链长的高风险任务；另一个是每晚跑一遍昨天的记录，自动更新路由权重，而且这套评估跑在异步推理上，成本接近零。 不过，文章主要讲了怎么省钱，对延迟和可靠性的讨论偏少。把任务丢进队列异步处理，确实能省大钱，但像“起草回复”这种活，用户能接受等多久，正文没给具体数字。另外，那 70% 到 80% 的流量能切给本地模型，前提是“技能蒸馏”做得足够好，能把复杂操作压平，但具体怎么蒸馏、失败率是多少，文章也没展开。这点先别太激动，得看自己业务的容错率。

库克和欧盟科技主管的这次视频会，核心矛盾很直白：苹果想让能读用户个人数据的新版Siri进欧洲，但不想按《数字市场法》把同样的设备数据权限开放给竞争对手的语音助手。苹果提了个“可信系统代理”方案，相当于在用户数据和第三方AI之间加个中间层，但正文明确说这套系统还没开发，苹果想先拿到欧盟的合规保证再动手。欧盟认为这就是要18个月的监管宽限期，会让苹果提前锁定至少两年的市场优势，直接拒绝了。 目前的信息基本都来自欧盟官员和知情人士的单方面披露，苹果除了公开抱怨“欧盟没跟我们好好沟通”之外，没有公布自己的具体技术方案或时间表。双方对“建设性会谈”的描述也停留在外交辞令层面，没有实质性进展。 这件事还缺几个关键信息：苹果的“可信系统代理”到底怎么实现数据隔离又不影响体验，有没有第三方AI公司愿意接受这种受限的调用方式，以及苹果内部对这个功能在欧洲上线的真实时间预期是什么。如果苹果一直拿不出可验证的合规方案，这场拉锯战短期内看不到解决的迹象。

Anthropic 这次把 Sonnet 5 定位成“最能自主干活的 Sonnet”，核心卖点是它能自己定计划、调用浏览器和终端，不用人一步步盯着。从跑分看，它确实全面超过了上一代 Sonnet 4.6，在模拟真实知识工作的 GDPval-AA v2 测试里拿了 1618 分，比更贵的 Opus 4.8 还高出 3 分。这个反超挺有意思，说明在部分实际任务上，小模型也能摸到大模型的后背。 不过，在更硬核的编程测试 SWE-bench Pro 上，Sonnet 5 的 63.2% 离 Opus 4.8 的 69.2% 还有明显差距。所以如果你主要用它写代码，别指望它能完全替代 Opus。另外，Anthropic 特意强调这次没拿网络安全任务训练模型，在漏洞利用测试上分数远低于被禁用的 Mythos 5 和 Fable 5，实时安全防护默认开启。这算是给监管和用户吃定心丸。 价格方面，现在到 2026 年 8 月是尝鲜价，之后涨回标准 Sonnet 费率。正文没披露具体降价幅度，也没说标准费率是多少，想算账的人还得再等等。

Claude Science 的定位很明确：不是通用聊天工具，而是研究搭档。它强调“可追溯”，意思是每一步分析都能回头查，这对科研复现很重要。但官方发布页信息量很薄，关键细节全缺——没说是接 PubMed 这类公开库还是需要机构自己对接，没提底层模型是 Opus 还是 Sonnet，也没给定价和开放范围。这就让判断打了很大折扣：如果只是套个壳、加个步骤记录，那门槛不高；如果真能稳定调用外部专业数据库并保证引用准确，才算有壁垒。目前只能等后续披露，先别太激动。

Anthropic 这次把 Sonnet 5 定位成“最能自主干活的 Sonnet”，核心卖点就一个：用更少的钱，买到接近 Opus 4.8 的代理能力。从官方给的 BrowseComp 和 OSWorld-Verified 曲线图看，Sonnet 5 确实把上一代 Sonnet 4.6 甩开了一截，和 Opus 4.8 的差距也明显缩小了。价格上，正式定价是每百万输入 token 3 美元、输出 15 美元，8 月 31 日前还有 2 美元和 10 美元的尝鲜价，比 Opus 4.8 的 5 美元和 25 美元便宜不少。 早期测试反馈提到它能自己检查输出、写完 bug 还会补个复现测试，听起来代理行为比前代更主动。但正文没给出具体的任务完成率或对比数字，这些描述目前只能当用户体感。安全评估说不良行为比 4.6 少，网络安全能力也远低于 Opus 模型，这点对放出去干活的场景算是个加分项。 还缺什么：没有披露延迟数据，代理任务跑起来到底快不快不知道；也没提上下文窗口和并发限制有没有变。如果你现在用 Sonnet 4.6 觉得代理能力不够、又嫌 Opus 太贵，Sonnet 5 值得切过去试，但别指望它完全替代 Opus——官方自己也说高精度场景还是 Opus 更强。

Claude Science 把科研里最烦人的工具切换问题打包解决了。它内置了 60 多个针对基因组学、蛋白质组学等领域的技能和连接器，相当于给 Claude 配好了实验室常用工具的快捷键。每次输出都附带可审计的代码、运行环境和聊天记录，这点对科研复现很关键——你不需要猜图是怎么画出来的，可以直接让 AI 用大白话改坐标轴或去网格线，它会自己改代码。 计算资源的管理也算聪明：它能在你实验室现有的笔记本、Linux 机器或 HPC 集群上跑，敏感数据不用搬家，只有分析所需的上下文才发给 Claude。需要更大算力时，可以通过 Modal 按需调用 GPU，从单卡扩展到几百卡。但正文完全没披露测试期的收费方式，也没说什么时候正式发布。如果你实验室的 IT 环境比较特殊，实际部署会不会卡壳，也得等更多用户反馈才知道。

ADK Go 2.0 这次最大的变化，是把多个 AI 智能体怎么配合干活这件事，直接建模成了一张有向图。你可以把普通的 Go 函数、大模型智能体或者工具都当成图里的节点，用边来控制流程是串行、并行分发还是汇总结果。这比之前用零散的代码逻辑去硬写协作流程要清晰得多，也更像在描述业务本身。 有两个设计挺实用。一个是“发射函数节点”，让一个函数就能暂停下来等人审批，不用再单独写复杂的动态节点，降低了人工介入的开发成本。另一个是整个图本身就是一个智能体，能跑在现有的运行器里，状态还可以跨重启保留，这对需要长周期运行的生产任务很友好。 不过，这篇发布公告完全没提性能基准和延迟数据。对于 Go 语言场景，大家通常对并发吞吐和资源开销很敏感，缺少这些数字就没法判断这套图引擎在真实负载下的表现。另外，动态编排具体怎么处理异常和重试，正文也没展开，想用在关键业务上还得自己去测。

这条更新解决了一个很实际的痛点：让写代码的 AI 顺便把“这功能怎么用”录成视频，省得人再手动截屏。做法是给 shot-scraper 加一个 video 命令，你写一个 YAML 故事板，它就用 Playwright 驱动浏览器，把填表、点按钮、等页面加载这些步骤录成 mp4。之前卡住是因为 Playwright 录屏宽度控制有 bug，直到 1.61.0 才修好，所以这个功能现在才放出来。 故事板本身是 GPT-5.5 xhigh 在 Codex Desktop 里生成的，Simon 只给了分支 diff 和 --help 输出，模型就自己搭了开发服务器、填了 CSV 数据、录完了两段操作流程。这个“让模型读 --help 当说明书”的思路挺聪明，相当于把使用手册直接嵌在工具里。 不过得打个折：目前公开的只有 Simon 自己跑通的一个例子，没有其他人试用过的反馈。故事板写起来顺不顺手、遇到复杂页面会不会卡住、录出来的视频在别的机器上能不能稳定复现，这些都还没答案。另外，视频里用到了 cookie 鉴权，说明它支持登录态，但正文没提跨域、弹窗、文件上传这些常见场景的支持程度。如果你想让自己的 agent 也用上，最好先拿内部项目试一圈，别直接往客户演示里塞。

Anthropic 把 Claude Desktop 搬到了 Linux，目前是公测，只覆盖 Ubuntu 和 Debian 两个发行版。付费用户现在可以在桌面端直接用 Claude Code、Claude Cowork 和聊天，不用再在浏览器和终端之间来回切。对 Linux 上的开发者来说，这比之前纯终端或网页版顺手不少，尤其是 Claude Code 这种需要跟本地文件打交道的功能，桌面端体验会完整一些。 不过正文没提免费用户能不能用，也没说 Fedora、Arch 这些发行版什么时候支持。如果你用的是其他发行版，现在只能先观望。另外，公测阶段稳定性怎么样、会不会有功能阉割，这些都没给信息。如果是真的把完整桌面体验搬过来，对 Linux 付费用户算是个实在的更新；但如果只是套壳浏览器加个本地入口，那价值就打折扣了。

Meta 通过外包公司 Covalen 搞了个叫“Cannes”的内部项目，让承包商注册假未成年人账号，向 ChatGPT、Gemini 和 Character.AI 发送涉及自残、进食障碍、毒品等敏感提示，然后把回复抄进表格。光 2025 年 8 月一轮就发了超过 4.5 万条，很多是从危机中的儿童视角写的。Meta 说这是行业通行的安全测试，没拿这些回复训练自家模型，但 WIRED 拿到的文件里没写数据最终用途。 被测试的三家公司事先都不知情。Character.AI 说这违反服务条款，OpenAI 在调查，Google 表示没批准且无法判断是否违规。这事的大背景是：英国调查显示 9 到 17 岁孩子里 64% 用过聊天机器人，有效的年龄验证基本没有，而且已经有多起青少年自杀案跟 AI 聊天机器人扯上关系。 Meta 的操作在法律灰色地带——测别人安全性的同时，自己收集了大量敏感对话数据。正文没披露这些数据是否被删除、谁有权访问、有没有合规审查。如果是真的只为安全研究，流程应该透明；藏着掖着反而让人怀疑动机。

黑石总裁放话未来三到五年在日本投300亿美元搞AI数据中心，加上已有的500MW，总容量奔着1.5GW去。这个判断背后是他认为现在AI投资还很早期，缺算力比基建过剩的风险更大。另外，黑石、阿波罗和博通刚搞了个AI XPV平台，目标到2028年给OpenAI、Anthropic这些前沿实验室提供超20GW算力，首期350亿美元先帮Anthropic部署1GW。 这些数字堆在一起确实唬人，但正文没讲清楚几个关键点：日本电价高、土地资源紧张，300亿具体怎么花、每瓦成本多少都没提。AI XPV平台也只说了目标容量，没披露资金到位节奏和客户承诺细节。 对从业者来说，这更像一个信号——顶级资管在拿真金白银赌算力缺口会持续扩大。但正文没给出任何第三方需求预测或已锁定的租约数据，所以这个“短缺论”目前还是黑石单方面的说法。

LongCat-2.0 是个混合专家模型，总参数 1.6 万亿，但每次计算只激活约 480 亿参数，相当于雇了一整个公司但每次只让一个小组干活，省算力。它原生支持一次处理 100 万 token 的上下文，主要场景是让模型自己写代码、调 API 这种智能体任务。 技术上有三个点值得看：LSA 稀疏注意力把长文本处理成本压下来，不是每个字都跟所有字算关系；Zero-Compute Experts 让每次计算动态激活 330 亿到 560 亿参数，没用的专家不占算力；MOPD 把专家分成智能体、推理、交互三组，按任务类型自动分配。SWE-bench Pro 拿了 59.5 分，确实接近闭源头部模型，但正文没披露这个分数是在什么设定下跑的，也没给其他基准的对比。 定价方面，输入缓存 $0.015/百万 token，正常输入 $0.75，输出 $2.95，输出比输入贵不少，做代码生成这类输出量大的任务成本要算清楚。另外，正文没提训练数据来源、安全对齐措施，也没说开源还是闭源，这些对实际落地影响很大。

这条新闻把具身智能落地的一个现实缺口讲得很直白：大模型训练数据动辄万亿 token，但让机器人学会叠衣服、分拣积木的高质量物理交互数据，到2026年初全球只有约50万小时，差了四个数量级。所以现在有公司直接招兼职，日薪200到250块，不考学历技能，量完身高体重配手套、问一句晕不晕VR就上岗。工作分两种，一种是穿设备遥控双臂机器人做动作，另一种是徒手反复做动作让传感器录轨迹。 我会先打个折：正文没披露具体是哪家公司在招、采集的数据会用在什么机器人上，也没说这批数据最终能覆盖多少任务类型。50万小时这个数字看起来很小，但也没交代统计口径——是公开数据集还是算上了各家内部未公开的积累。如果是真的全靠人力从头攒，那说明具身智能离“通用”还非常远，现阶段连基础动作库都得靠廉价劳动力堆出来。 还缺一个关键信息：这样采回来的数据，迁移到不同硬件或新任务时能复用多少。如果换条机械臂就得重采一遍，那200块一天的采集成本再低也扛不住。

这条消息最值得关注的点是：一个完全用国产ASIC训练出来的模型，居然在OpenRouter上跑到了调用量第一，用户已经烧掉10万亿token。1.6万亿参数的MoE架构，35万亿token的训练量，5万块国产芯片堆出来的算力，这些数字说明美团在去英伟达这条路上确实砸了真金白银，而且至少跑通了从训练到线上服务的全流程。 但正文没披露具体用了哪家国产ASIC，也没给出跟Gemini或Opus 4.6对比的详细基准数据，只说在Hermes Agent排第一、Claude Code排第二。这些榜单本身覆盖面有限，不能直接等同于通用能力对标。另外模型马上要退役，后续版本还没消息，可能是成本扛不住，也可能是效果没达到内部预期。如果是真的省钱又能打，应该不会这么快下线。

SemiAnalysis 这条爆料说，NVIDIA 在 GTC 2026 上高调发布的 4 芯片封装 Rubin Ultra，才过了三个月就被内部取消，原因是制造执行出了问题。新版的 Rubin Ultra 尺寸直接减半，实际性能大概也只有原版的一半。帖子没具体说哪个制造步骤翻车——是先进封装良率不行，还是 interposer 设计太激进，正文都没披露。也没提新的交付时间表，这对下游做集群规划的人影响很大。 如果是真的，说明 NVIDIA 在超大芯片封装上踩了坑，原版 Rubin Ultra 可能过于激进，量产搞不定才紧急回退到一个更保守的方案。性能砍半这个数字很扎眼，但也要看对比基准：原版 Rubin Ultra 本身就没量产，所谓“一半性能”是跟纸面规格比，不是跟现有产品比。这点先别太激动。 还缺两个关键信息：一是制造问题的根因，二是新版的量产时间。没有这两样，很难判断这次回退是短期阵痛还是架构路线要调整。

Piotr Migdał 用自己的 Macbook Max M5 128GB 实测了 Qwen 3.6 27B 的 8-bit 量化版，搭配 llama.cpp 和多 token 预测（MTP，一种让模型一次猜多个词来提速的技术），推理速度跑到每秒 32 个 token，占 42GB 内存。他给的结论很直接：这是第一个让他觉得能当通用工具用的本地模型。测试里，模型从一句提示词直接生成了一个六边形扫雷的 npm 包，还按要求写了首把量子物理和 Zouk 舞混在一起的八行诗，思考过程看起来也合理。 不过这篇体验分享不是严谨评测。作者没给标准基准分，也没对比同尺寸其他模型在相同硬件上的表现。他提到的“可用”更多是主观感受，比如代码一次跑通、写诗押韵没翻车。另外，他推荐用 llama.cpp 而不是 Ollama，理由是伦理问题，但正文没展开说具体指什么。 如果你手头有 128GB 统一内存的 Macbook，这个配置确实能跑起来，而且体验不差。但 42GB 的内存占用意味着 64GB 的设备会比较吃力，更低配的机器基本不用想。想判断它是不是真的“本地开发甜点”，还得看更多人在不同硬件上的实测，尤其是长时间跑复杂任务时会不会降速或出错。