今天 AI 圈在拼账本，不是模型

OpenAI 给 CFO 们画了张新账本：别盯着 token 单价，看每块钱干成了多少活

这条我会先打个折——OpenAI 发了一篇面向 CFO 的指南，核心就一句话：算 AI 账不能只看 token 单价，得算完成一件合格任务的综合成本。文章提了个"有用智能每美元"的框架，拆成四个问题：AI 到底干成了多少有用的活、每件成功的活实际花了多少钱、结果靠不靠谱、以及用得越多是不是每块钱买的活也越多。

拿刚发的 GPT-5.6 三个档位（Sol、Terra、Luna）跟 Claude Fable 5 比，Sol 档跑分比 Fable 5 高一点。但具体定价没公布，省钱幅度得自己测。

有意思的地方在框架本身。OpenAI 在说：别拿我跟开源模型比每百万 token 多少钱，我贵但我一次能干成，你便宜但得跑三遍。这个逻辑如果成立，企业采购 AI 的决策会从"哪个模型便宜"变成"哪个模型省人力"。

但问题也在这——"有用"怎么定义？OpenAI 没给标准，只给了方向。每家公司得自己建评估体系，这本身就是一笔隐性成本。

Kimi K3 定价看齐 Claude Sonnet，开源模型开始要高价了

月之暗面发了 Kimi K3，2.8 万亿参数的 MoE 架构，他们把它四舍五入叫成"首个开源 3T 级模型"。API 定价是输入每百万 token 3 美元、输出 15 美元，跟 Anthropic 的 Claude Sonnet 系列一个价，是目前中国 AI 实验室里最贵的模型。

它自己公布的跑分大多超过了 Claude Opus 4.8 和 GPT-5.6 Terra，但输给 Claude Fable 5。在 Frontend Code Arena 上以 1679 分登顶，7 个前端细分赛道拿下 6 个第一，力压 Fable 5 与 GPT-5.6 Sol。7 月 27 日开放权重，百万上下文窗口。

Simon 拿它画了个骑自行车的鹈鹕，花了 25 美分。

这个定价策略值得看。开源模型过去都在拼谁更便宜，Kimi K3 直接放弃低价路线，转向长上下文智能体编码场景的定价。这说明月之暗面认为，开源模型的能力已经到了可以跟闭源模型正面拼价格的阶段，而不是靠便宜抢用户。

但 15 美元的输出价格，企业会不会买单，得看实际任务完成率。如果一次能跑对，比便宜模型跑三次还便宜；如果也得反复调，那就贵了。

Cursor 说 Claude Fable 5 在他们最难那 1% 编程题里拿了 72.9%

Cursor 的评估负责人 Nate Schmidt 在 Anthropic 博客里讲了他们怎么判断 Claude Fable 5 能打。核心数字是 CursorBench 上 72.9% 的得分，比上一代跳了一大截。这个测试不是刷通用榜，专挑那些连真人都头疼的长尾编程问题。

一个具体例子：在航天模拟器中，只给一句模糊提示，Fable 5 自主规划并成功登月。此前 Claude Opus 跑了 12 小时以上仍无结果。

但正文没公布上一代的基线分、测试集大小和具体题目，所以 72.9% 只能当方向看，别直接拿去跟其他模型比。

这条跟 OpenAI 的 CFO 指南放在一起看有意思：两边都在说"别看跑分，看实际干活能力"。OpenAI 用经济账，Cursor 用工程账，但指向同一个方向——模型评估正在从刷榜转向真实任务完成率。

苹果给 40 名前员工发律师函，OpenAI 挖人战升级

苹果在起诉 OpenAI 窃取商业机密一周后，扩大了证据保全范围，直接给约 40 名现在 OpenAI 工作的前员工发了法律通知。这比最初诉状里点名的人多得多，说明苹果认为泄密可能不是个别行为。

诉状里点名了 OpenAI 首席硬件官 Tang Tan（在苹果干了 24 年，做过 iPhone 和 Apple Watch 设计负责人）和前苹果工程师 Chang Liu。苹果指控 Tan 在离职后还下载了几十份文件。苹果称已有超 400 名前员工在 OpenAI 工作，正寻求法院禁令阻止 OpenAI 使用苹果信息并要求归还机密。

另一条相关消息：苹果直接给 OpenAI 的几十名员工发了律师函，禁止他们访问、使用或保留通过双方合作拿到的苹果用户信息。背景是 Siri 已经接入了 ChatGPT，但苹果担心 OpenAI 会拿这些数据去训练自家模型。

The Vergecast 这期播客标题很猛——苹果起诉 OpenAI 是为了"压垮"对方。但缺少具体指控或证据，只顺带提了 Siri AI 上线。对 AI 从业者来说，这更像商业竞争信号，不是技术事件。

说实话，400 名前员工这个数字本身就说明问题。不是 OpenAI 在挖苹果，是苹果的人在往 AI 公司跑。诉讼能拖慢 OpenAI 硬件团队的节奏，但挡不住人才流向。

八天四款模型，开源在吃掉更多流量

过去八天，Grok 4.5、GPT-5.6、Muse Spark 1.1 和 Kimi K3 接连发布，让 AI Index 得分超过 50 的实验室从 6 月初的 2 家增加到 6 家。Kimi K3 排第三，但原文没公布具体评分标准和分数，排名含金量不好判断。

Mozilla 的第一份《开源 AI 现状》报告给了几个硬数字。开放权重模型现在占了 OpenRouter 上大部分 token 流量，排第一的是 DeepSeek V4 Flash。GPT-4 级别的推理成本在 36 个月内跌了 50 倍，现在每百万 token 只要 0.4 美元。能力差距还有 3.3%，主要卡在推理和多模态上，编程能力已经打平。

这两条放一起看：模型发布在加速，开源在吃掉更多实际流量，成本在暴跌。闭源模型的护城河正在从"能力更强"变成"更省心"——这也是 OpenAI 急着给 CFO 们画新账本的原因。

通义把听看说演塞进一个模型，延迟压到 550 毫秒

通义实验室放出了 Wan-Streamer v0.2，一个把音频、视觉、语音和动作生成全塞进单个 Transformer 的模型。它从听到指令到给出画面和声音，端到端只花 550 毫秒，比上一代快了不少。输出分辨率从 v0.1 的 192×336 提到了 640×368，帧率 25FPS，画质明显上了一个台阶。

架构上用了 Thinker-Performer 双通路，在提升画质的同时维持了极低延迟。但没公布参数量、训练数据和发布时间。

这个方向值得盯。多模态模型正在从"能看能听"走向"能实时互动"，550 毫秒的延迟已经接近人类对话的反应时间。如果参数量合理、能本地部署，实时 AI 助手的体验会跳一大截。

今日小信号

• NVIDIA 开源 Nemotron 3 Embed：8B 参数版本在 RTEB 检索基准上拿了第一，1B-NVFP4 版本在 Blackwell 上吞吐量比 BF16 高 2 倍，精度保留 99.5%。对做 RAG 的团队是个好消息，但缺训练数据和开源协议细节。

• Claude Code 偷偷加过 60 秒自动继续：v2.1.198 在 7 月 1 日悄悄塞进一个行为——你不回话它就自己接着跑。没写进更新日志，也没独立开关。两天后修掉了。最新 v2.1.212 新增了 /fork 命令和会话级调用上限，算是补了控制权。

• Sora 2 视频克隆效果惊人：发帖人放了一段克隆视频，说每块面部肌肉运动和走路方式都抓到了，单帧难辨真假。但只放了一条视频，没提技术细节和发布时间，效果多稳全凭这一条自证。

• Capital One 开源 VulnHunter：让模型像安全工程师一样走流程找代码漏洞。思路不错，但缺底层模型、检测率和误报率，关键指标全是黑盒。

• 一个老工程师的牢骚：Samuel Sutch 干了 20 年开发，现在每天处理 AI 生成的 PR 描述、代码审查、设计文档，说很多公司 100% 的工程产出都是"垃圾"。他提到 Zig 这类项目还在坚持不用 AI 辅助。这条不是新闻，但反映了一线工程师的真实情绪。