热点聚合 · 2026-07-07

微软终于也动手砍AI账单了。在Excel和Word这两个用户量最大的办公软件里，它开始用自研的MAI模型来响应一部分用户提问，不再像以前那样全量调用OpenAI和Anthropic的模型。这跟亚马逊、Meta、Uber近期的做法一致——大家烧钱烧怕了，开始精打细算。 不过这篇报道缺了几个关键信息。第一，到底替换了多少？是10%的请求还是90%？第二，自研模型在准确率、响应速度上跟第三方模型差多少？第三，用户有没有感知到体验下降？这些数字和对比都没给，只说了“一定比例”。所以现在只能说微软在试水，不能断定它已经找到了性能和成本的最佳平衡点。 另外，微软上个月刚发了七款新MAI模型，包括能写代码的和能画图的，说明它不是临时抱佛脚，而是早有准备。但自研模型能不能撑住Office这种亿级用户场景，还得看后续有没有更具体的测试数据放出来。

这条值得点开看，因为它解决了一个很实际的痛点：小推理模型在难题上容易卡进“等等，我再想想”的死循环，直到把上下文窗口耗光。Liquid AI 的方法叫 Antidoom，核心是精准定位循环开始的第一个 token（比如“Wait”、“So”），然后训练模型在那个位置选别的词，而不是粗暴地加重复惩罚或上强化学习。效果很直接：在他们 LFM2.5-2.6B 的早期版本上，死循环率从 10.2% 降到了 1.4%，而且评测分数因为循环减少反而全面上升。 不过得打个折。正文只给了 2.6B 模型这一个规模的结果，没提在更大模型或不同架构上效果如何。另外，训练数据是专门设计来诱发循环的提示词，真实场景的分布可能不一样，泛化能力还得看后续验证。方法本身是改单个 token 的偏好，如果循环的根因是更深层的推理错误，这种“点修”可能治标不治本。

Anthropic 把 Claude Cowork 从桌面端搬到了手机和网页。Cowork 是个能独立执行多步骤任务的 AI 助手，你可以给它派活然后关掉 App，它会自己在云端跑完再通知你。这次更新最大的实际变化是使用场景打开了：通勤、开会间隙、临时想查点东西都能用，不再被绑在电脑前。 官方博客确认了移动端和网页端同步上线，但正文没披露具体的技术实现细节，比如移动端的后台任务能跑多久、耗电和推送延迟怎么样。也没提免费版和付费版在移动端的功能差异。这些对实际体验影响很大，先别急着认为它能完全替代桌面端的工作流。 另外，Cowork 目前还是独立产品，和 Claude 主应用、Claude Code 之间的关系怎么协调，Anthropic 这次也没说清楚。如果你已经在用 Claude 的其他工具，得自己判断要不要再开一个入口。

这条新闻最值得看的不是“AI 写代码有多快”，而是一个活生生的反面案例：把 AI 当码农用、不加审查直接上线，产出的不是产品，是技术债。Garry Tan 自称用 AI 代理（让模型自己拆任务、写代码、部署）每天能交付 3.7 万行代码，连续 72 天不断。但一位波兰开发者 Gregorein 只看了他博客的前端代码就发现一堆低级问题：首页加载 169 个请求、体积 6.42MB，而 YC 自家的 Hacker News 才 7 个请求、12KB；28 个测试文件直接被打包发给用户浏览器；78 个 JS 控制器全量加载，哪怕首页根本用不到；图片用未压缩的老格式，两张图就浪费约 4MB。 Gregorein 的结论很直白：AI 生成代码的速度已经超过了人类审查的速度，而 Tan 的做法像是在说“那就别审了”。这很像当年 Facebook“快速行动、打破常规”的思路，但历史证明那套在工程质量上会留一堆坑。正文只检查了前端，后端和数据库代码没看，所以实际问题可能更多。另外，Tan 的“日产 3.7 万行”是 AI 辅助下的总部署量，不是纯 AI 生成量，这点原文没严格区分，容易误导。 对从业者来说，这条新闻的提醒很具体：用 AI 写代码，省的是打字时间，不是思考时间。如果代码审查、自动化测试、性能监控这些环节没跟上，AI 只会帮你更快地制造混乱。

美团这次开源的LongCat-2.0，是一个1.6万亿总参数、实际激活约480亿参数的混合专家模型。说人话就是，它虽然体积巨大，但每次推理只调用一小部分“专家”，所以跑起来相对省资源。模型支持100万token的超长上下文，还专门为编程和让模型进业务流程干活（agentic workflows）做了后期训练。 比较有意思的是，它宣称完全在自研的AI专用芯片集群上训练完成。如果属实，这意味着美团在摆脱对英伟达高端卡的依赖上迈了一大步，成本结构可能很不一样。不过，Product Hunt上的信息很简略，正文没披露具体的训练成本、稳定性数据，也没给出在编程或智能体任务上的公开基准测试对比。没有这些，就很难判断它和DeepSeek、Qwen等同级别开源模型的真实差距。 MIT许可证是个加分项，商用和二次开发几乎没限制。但“在自研芯片上训练”这个点，目前只能先打个折看，等更详细的技术报告出来才能验证它的实际效率和性价比。

这条新闻最值得关注的点，不是某个模型明天就不能用了，而是监管思路的转变。过去中国模型出海靠的是开放权重和低成本，现在主管部门开始把模型能力本身，而不仅仅是芯片和算力，视为需要管控的双用途资产。Reuters的报道点出了讨论范围：权重、API、训练方法、团队、资本和海外主体，整条能力外流链路都被纳入了视野。 对开发者来说，已发布的权重很难追回，但未来的选型假设需要更新。CNBC的数据显示，美国公司通过OpenRouter使用中国模型的token份额自2月以来每周都高于30%，Vercel那边GLM-5.2发布后一周日token量涨了约27倍。这些数字说明中国模型已经嵌入了很多产品的成本结构。但低成本不等于供应稳定，核心工作流最好别hardcode某个provider，至少保留几条替代路径。 报道的局限也很明显。信息全部来自Reuters的匿名信源，商务部、发改委和相关公司都没有公开确认。限制范围、时间表、具体标准，正文都没披露。美方6月对Anthropic模型的限制提供了一个参照，但中方的讨论会不会落地、以什么形式落地，现在完全不清楚。这点先别太激动，但选型表里确实该多列几栏了。