作者: hiyoho

  • Anthropic半年连推五代模型:Opus 5比自家旗舰更便宜、限制更少还更好用

    Anthropic又出手了。上周五,它悄悄上线了Opus 5——旗下那条主力重量级模型线的最新一代。有意思的是,Opus 5比自家旗舰Fable 5个头更小,但价格更便宜、限制也更少,多数场景下反而更好用。

    Opus 5在官方给出的多项基准测试里,成绩甚至反超了体量更大的旗舰Fable 5。

    Anthropic Opus 5 发布
    Anthropic 上线 Opus 5 模型(图片来源:TechCrunch)

    半年连推五代,节奏快得有点吓人

    这个更新速度值得说一句。Opus 5距离5月28日发布的Opus 4.8才过了两个月。再往前看,Mythos 5、Fable 5、Sonnet 5全挤在6月上线。算下来,整个5系列里现在只剩最轻量的Haiku还没跟上,其余全部完成了换代。对开发者来说,这意味着几乎每隔几周就得重新掂量一遍:手头的活儿到底该调用哪个模型最划算。

    更会”自己检查作业”

    Anthropic在发布博客里反复强调,Opus 5″更擅长核验自己的工作成果,会耐心地反复迭代直到把任务做成”。他们举了个例子:给它一段并不完整的提示,让它写一条计算机视觉处理流水线,Opus 5能自己把缺的部分补齐、跑通。这种”不满足于交个半成品、会自己回头查漏补缺”的特质,恰恰是过去大模型最让人头疼的短板。

    松绑:隐私党最在意的那条限制没了

    Opus 5另一个卖点是”限制更少”。它摆脱了一直缠着Fable的不少束缚,其中最关键的一点:它和前代一样,不受那条针对Fable、Mythos的30天数据留存政策约束。这条政策此前让不少注重隐私的用户心里犯嘀咕,如今Opus这边算是给了个交代。

    当然,安全护栏没有完全撤掉,尤其是网络安全相关的敏感操作。比如,Opus 5会拦住你去扫描一个软件二进制文件里的漏洞,但允许你在源代码里找漏洞——因为后者更可能是出于防御目的。Anthropic预计,这套安全分类器在Opus 5上被触发的频率,会比Fable 5低大约85%,算是给能力稍弱的模型松了松绑。


    被护栏挡住时,不再直接报错

    针对护栏偶尔”误伤”正常请求这件事,Anthropic还顺手上了个新功能。用户可以选择开启一个叫”Automatic Fallbacks(自动回退)”的测试版特性:当某个提示触发了安全分类器,系统会自动把请求转给一个能力较弱、但不受限的模型来处理。这样一来,开启该设置的API用户拿到的就是一条能用的回复,而不是冷冰冰的报错信息。

    • Opus 5比旗舰Fable 5更小,却更便宜、限制更少,多数场景更实用
    • 距上一代Opus 4.8仅两个月,5系列只剩Haiku未更新
    • 更擅长自我核验与迭代,能从残缺提示补全计算机视觉流水线
    • 不受30天数据留存政策约束,安全分类器触发率比Fable 5低约85%
    • 新增Automatic Fallbacks测试功能,触发护栏时自动改用弱模型回应
  • ego lite:为 AI 智能体打造的最快浏览器,你和 AI 并行工作互不打扰

    ego lite:为 AI 智能体打造的最快浏览器,你和 AI 并行工作互不打扰

    ego lite

    一、项目简介

    ego lite 是一个”人和 AI 智能体并行工作”的浏览器——你在前台正常浏览,你的 AI 智能体(Claude Code、Codex、Cursor 等)在后台各自独立的 Space 里跑网页自动化任务,两者互不抢标签、互不干扰,而且任务完成更快、消耗的 token 更少。

    与 browser-use、Vercel agent-browser 这类”浏览器自动化框架”不同,它们本身不带浏览器、需要另开一个浏览器来驱动,登录态往往带不过去;ego lite 则是一整个为”你和智能体共用”而设计的浏览器,无需额外配置,智能体通过 ego-browser 就能直接用上你真实的登录态和标签页。

    二、安装要求与快速上手

    环境要求:目前仅支持 macOS(Apple Silicon / Intel 均可),Windows 与 Linux 已在路线图中;需要一个支持 skills 的智能体 CLI(Claude Code、Codex、Cursor 或自定义)。

    三种安装方式(任选其一):

    1. 直接下载 macOS 应用:从官网下载 .dmg,打开安装即可。安装后会自动把 ego-browser 技能加到每个智能体的 skills 目录。
    2. 用 npx 只装技能
      npx skills add citrolabs/ego-lite

      首次运行浏览器任务时,会引导你完成 ego lite 应用的安装。

    3. 让智能体自己装:把仓库地址粘给智能体,让它读取 skills/ego-browser/references/install.md 按步骤安装。

    首次启动时它只问一个问题:是否迁移 Chrome 数据。选”是”,你的智能体就继承了现有登录态、Cookie、扩展和书签。运行第一个任务时,在智能体 CLI 里输入 /ego-browser 加空格,然后用自然语言描述需求即可:

    ego-browser follow @ego_agent on x.com for me

    三、核心功能

    • 代码驱动而非命令行驱动,复杂任务更快更省 token:能力以 JavaScript 函数暴露给智能体,让它一次写出完整的多步脚本,而不是”调两个命令→看结果→再调两个”地反复循环。官方称复杂工作流比传统 CLI 方式快达 2.5 倍,工具调用次数大幅减少。
    • 每个智能体独享一个 Space:完全隔离的工作区,你在前台浏览、智能体在后台干活,互不干扰;随时可以查看哪个 Space 正在运行、接管或停止它。
    • 同一浏览器内多 Space 并行:Claude Code 在 10 个并行 Space 里丰富 10 条线索、Codex 在另外 5 个 Space 里抓取 5 个竞品网站,彼此不冲突,也不会抢走你的鼠标和标签页。
    • 业界最强的页面 Snapshot:得益于内核级定制,能可靠处理深层嵌套 iframe 等其他方案常常翻车的场景,为文本模型提供高质量的”页面视觉”输入。
    • 任何智能体都能通过 ego-browser 驱动:它是连接层,把浏览器暴露成一组页面内 JavaScript 工具(snapshot、fill、click、wait、navigate、capture),智能体写一段片段即可一次执行。

    四、典型使用场景

    1. 批量线索丰富 / 数据抓取:让 Claude Code 在多个并行 Space 里同时处理几十条销售线索,或让 Codex 并行抓取多个竞品站点信息,全程不打断你手头的浏览。
    2. 需要登录态的网页操作:因为继承了 Chrome 的 Cookie 与登录,智能体可以直接在你已登录的 X、后台系统、SaaS 面板里执行操作,省去每次重新登录的摩擦。
    3. 日常自动化小任务:像”帮我在 x.com 上关注某账号””填个表单””等页面加载完再截图”这类零散操作,一句自然语言交给智能体后台完成。

    五、性能对比

    官方在四个复杂网页自动化任务上,把 ego lite 与 Vercel 的 agent-browser 做了对比:每个任务最快提速达 2.5 倍,token 消耗显著更低,且任务越难差距越大。

    ego lite 与 agent-browser 性能对比

    六、推荐理由

    市面上大多数工具都能”自动化一个浏览器”,真正的区别在于:智能体拿到的是什么浏览器、你能否同时继续工作、以及它是为你已有的智能体服务还是绑死一个内置智能体。ego lite 的巧妙之处在于把”日常浏览器”和”智能体自动化”合二为一——你不用为了让 AI 干活而牺牲自己的浏览体验,也不必再维护一套独立的自动化环境和登录态。对于已经在用 Claude Code / Codex / Cursor 的人来说,一条 npx skills add 就能接上,几乎零迁移成本。目前它是免费、开源(MIT)、数据本地存储的,隐私上也更让人放心;唯一的门槛是暂时仅支持 macOS,Windows/Linux 用户可以先关注路线图。

    七、下载地址


    项目数据(截至发布时):⭐ 3,387 Stars | 🍴 164 Forks | 语言 JavaScript | 许可证 MIT

  • 卡兰尼克带着17亿美元回来了,连赶走他的Uber都掏了钱

    特拉维斯·卡兰尼克又搞了个大动作。他的机器人公司Atoms刚完成一轮17亿美元融资,安德森·霍洛维茨基金(a16z)领投,本·霍洛维茨本人将加入董事会。贝恩资本、Fifth Wall等机构跟投。

    但这轮融资里最扎眼的名字,是Uber。

    Uber联合创始人特拉维斯·卡兰尼克
    Uber联合创始人特拉维斯·卡兰尼克 | 图源:Getty Images

    被赶走的创始人,等来了老东家的钱

    2017年,卡兰尼克因为公司内部性骚扰、歧视投诉和有毒的职场文化,被迫辞去Uber CEO。九年过去,当年把他赶下台的公司,如今掏钱投了他的新事业。这种和解方式,很硅谷。

    其实两边早有眉来眼去。去年就有消息说,卡兰尼克想在Uber的支持下收购中国自动驾驶公司小马智行的美国业务,虽然据The Information报道,那笔谈判今年3月已经告吹。

    Atoms到底是家什么公司

    说白了,Atoms是卡兰尼克把这些年的摊子重新打包后的控股公司。离开Uber后他一直在做幽灵厨房生意CloudKitchens,今年3月宣布改名Atoms时,还顺手收购了Pronto——一家做重工业自动化的公司,掌舵人是他在Uber的老同事、自动驾驶行业的传奇争议人物安东尼·莱万多夫斯基。

    他还放话要进军矿业,把Pronto在矿区车辆上的自动化能力再往外扩。至于Atoms具体要造什么,卡兰尼克没细说,只留下一个说法:要给机器人造「底盘」(wheelbase for robots)。

    「从很多层面看,这轮融资是一桩未竟之事。我们在Uber开启、在CloudKitchens延续的『从比特到原子』的故事,将在Atoms完成收官。」——卡兰尼克在X上写道

    他把自己的野心讲得更玄乎:16年前他开始尝试把物理世界数字化,用软件去理解、预测、控制物理世界;现在要造「基于原子的计算机」——制造业是CPU,房地产是存储,交通运输是网络。


    a16z赌的是人,不是产品

    本·霍洛维茨发帖只用了三个词:「Travis回来了」(Travis Is Back)。他的逻辑很直接:改造经济中那些老旧、笨重的部门,需要一种稀有的创业者——既有拼命的干劲,又能横跨软件架构到机械工程的多个领域。「Travis就是那个人。」

    霍洛维茨给Atoms定的方向是:让人们在物理世界里更有生产力,就像Uber之于交通、计算机之于数字世界那样。这轮钱据说很大一部分会花在招人上。

    几个值得留意的点:

    • 物理AI是当下最热的赛道之一,从人形机器人到工业自动化,资本正在集体下注。
    • Atoms手里有CloudKitchens的地产运营和Pronto的重工业自动化,路径和纯做机器人本体的公司完全不同。
    • 卡兰尼克的表达依旧中二感十足——他说建设者要对抗的「最终Boss」是大自然本身,以及它对变革的顽强抵抗。

    产品还没影子,17亿美元先到账。这个行情下,能靠个人履历融到这个数的创业者,全世界也没几个。至于「机器人底盘」到底是什么,恐怕得等他下一条推文了。

    📎 原文来源:Travis Kalanick’s robotics company raises $1.7B, led by a16z(TechCrunch, Sean O’Kane)
  • 不想用AI的人,把图书馆的「关掉AI」课挤爆了

    在美国费城南部的一家图书馆里,二十多个成年人挤在一间儿童教室,脚下是印着字母表的彩色地毯——M代表月亮,Z代表斑马。但他们不是来学字母的。馆员查理·贝利站在教室前面,让大家掏出手机,然后一步步教他们:怎么关掉苹果的Apple Intelligence,怎么关掉谷歌的Gemini。

    这堂课的名字叫「避开AI」(Avoiding AI)。它火了,火到要开第二场。

    图书馆举办的避开AI工作坊
    图书馆里的「避开AI」工作坊正成为一种新潮流 | 图源:TechCrunch

    没人报名的电脑课,换个名字挤爆了

    这个点子最早来自缅因州班戈公共图书馆的馆员汉娜·赛勒斯。她平时开「电脑入门」这类课,一场也就十来个人。可当她把课程换成教大家关掉AI功能之后,报名瞬间失控:30个名额切到上限,还得开候补名单,再加Zoom直播。前两场,每场大约来了70个人。

    她把经验写成论文发表后,全世界几十位图书馆员发邮件找她要课件。「这种事以前从没发生过,」赛勒斯说,「从来没人追着我要『电脑入门』的幻灯片。」

    贝利就是看了她的论文才在费城开课的。图书馆在Instagram上发的活动预告拿到了2000多个赞、220次转发——而这家图书馆平时的帖子,点赞很少超过几十个。第一场报名爆满,只好加开第二场。

    「我的灵感来自人们的那种挫败感:AI工具是被硬塞给我们的,我们没要过它,它却突然出现在生活的每个角落。」——查理·贝利

    一小时的课,到底教什么

    课程结构其实很朴素:先讲清楚AI聊天机器人和各种消费级AI功能的工作原理,讲讲为什么有人想用、有人不想用,然后打开投影仪,把主流平台和设备挨个过一遍,手把手教你去哪里找开关。

    现场还有种奇妙的互助氛围。有位参加者分享了一个小技巧:在谷歌搜索链接后面加上「&udm=14」,就能隐藏AI生成的搜索结果。贝利当场把这串字符写在了白板上,旁边就是青少年区Wi-Fi的登录密码。

    来上课的人各有各的理由:

    • 一位叫约翰尼的参加者担心的是房价之外的新风险:「你辛辛苦苦买了房,两年后你家隔壁可能就冒出一座数据中心。」
    • 另一位叫加布里埃尔的说,工作里AI天天被塞到眼前,「每次看到它我就想起环境代价」。但她也补了一句,自己并不反对AI用在医疗突破上。
    • 赛勒斯自己也承认,图书馆扫描旧文献用的OCR文字识别就是AI,好用得很。

    反的不是技术,是「没得选」

    这可能是整件事最有意思的地方:这群人并不是要把技术一棍子打死。他们要的是选择权——用不用AI,应该由自己决定,而不是被产品设计逼着接受。

    「AI被强行装进每个人设备里,可能就是压垮骆驼的最后一根稻草。大家早就意识到,这些产品和背后的公司对我们的影响力大得离谱,而我们并没有按自己想要的方式在使用它们。」——汉娜·赛勒斯

    贝利把这件事定义成图书馆员的本职:推进数字素养,帮人们拿回自主权。「作为信息从业者,看到人们对AI保持怀疑,感觉挺好的。看到这么多人有同样的感受,感觉真的很好。」

    科技公司花了几百亿美元把AI塞进每一个角落,而普通人用脚投票的方式,是去图书馆排队学怎么关掉它。这个画面本身,可能比任何行业报告都更能说明问题。

  • 人像中心社论排版海报设计

    人像中心社论排版海报设计

    人像中心社论排版海报设计



    🤖 ChatGPT

    🇺🇸 English Prompt

    Create a 9:16 editorial typography poster built around one human-centered moment.
    
    Use oversized, cropped letters as the main composition structure. Embed the environment inside the letterforms, while the person, body movement, or a foreground object breaks through the letters with strong perspective. The typography should shape the image, not simply sit on top of it.
    
    Scene: [roller skating / swimming / cycling / coffee break]
    Subject: [young Asian woman / Western man / Asian man / Western woman]
    Title: [custom two-word title]
    Series: HUMAN FRAGMENTS
    Year: 2026
    
    4 directions:
    
    1. ROLL SIGNAL — a roller skater gliding past the camera, one skate enlarged in the foreground, body and urban scene passing through giant letters.
    
    2. BLUE CURRENT — a swimmer moving through turquoise water, one arm reaching toward the camera, water and splashes filling and breaking beyond the typography.
    
    3. CITY LOOP — a cyclist turning through a city street, the front wheel enlarged by perspective and visually connected with circular letterforms.
    
    4. BREW PAUSE — a quiet café moment, with the hand and coffee cup closer to the camera while the person and window scene are woven into oversized type.
    
    Use realistic photography, natural skin and fabric, believable water and motion, subtle paper grain, strong negative space, and a restrained color palette.

    🇨🇳 中文提示词

    创建一张 9:16 的社论排版海报,围绕一个以人为本的瞬间构建。
    
    使用超大、裁剪过的字母作为主要构图结构。将环境嵌入字母形状中,同时人物、肢体动作或前景物体以强烈的透视感冲破字母。排版应该塑造图像,而不仅仅是叠在图像上方。
    
    场景:[滚轴溜冰 / 游泳 / 骑行 / 咖啡休息]
    主体:[年轻亚洲女性 / 西方男性 / 亚洲男性 / 西方女性]
    标题:[自定义双词标题]
    系列:HUMAN FRAGMENTS
    年份:2026
    
    4个方向:
    
    1. ROLL SIGNAL —— 一位滑旱冰的人滑过镜头,一只旱冰鞋在前景放大,身体和城市景象穿过巨大的字母。
    
    2. BLUE CURRENT —— 一位游泳者在青绿色水中移动,一只手臂向镜头伸出,水和水花充满并突破排版。
    
    3. CITY LOOP —— 一位骑行者在城市街道转弯,前轮受透视影响放大,并与圆形字母形状在视觉上相连。
    
    4. BREW PAUSE —— 一个安静的咖啡馆瞬间,手和咖啡杯更靠近镜头,而人物和窗外景象则融入超大字体中。
    
    使用写实摄影、自然的皮肤和织物、真实的水和动态、细微的纸张纹理、强烈的负空间以及克制的配色方案。
  • 垂直构图视觉参考海报排版设计

    垂直构图视觉参考海报排版设计

    垂直构图视觉参考海报排版设计



    🤖 ChatGPT

    🇺🇸 English Prompt

    Create a 9:16 vertical composition reference poster.
    
    Layout name: [TRIADIC ANCHOR / NEGATIVE SPACE CHANNEL / LAYERED INTERLOCK / ORBITAL TYPOGRAPHY / CUSTOM]
    Core relationship: [balance / negative space / overlap / orbit / tension / flow]
    Main title: [TITLE]
    Short line: [ONE SHORT SENTENCE]
    Date: [DATE]
    
    Use a soft off-white background, charcoal typography, pale gray geometric forms, thin lines, dotted paths, small nodes, and subtle transparent layers.
    
    This is not a tutorial, infographic, or finished commercial poster. It should feel like a designer’s layout study: light, restrained, experimental, and reusable as an upstream visual reference for AI image generation.
    
    Let the title, shapes, lines, and negative space build the composition together. The title position must follow the selected layout logic rather than always sitting at the top.
    
    Keep the text minimal and readable. Use only the main title, one short supporting line, and the date. Do not add numbered steps, design explanations, labels, or long paragraphs.
    
    Make the layout visually rich without becoming crowded. Add enough secondary lines, nodes, transparent shapes, cropping, and overlapping elements to create depth and structure.
    
    The final image should clearly demonstrate the chosen composition through the layout itself, without needing written explanation.

    🇨🇳 中文提示词

    创建一个 9:16 的垂直构图参考海报。
    
    布局名称:[三向锚点 / 负空间通道 / 图层互锁 / 轨道排版 / 自定义]
    核心关系:[平衡 / 负空间 / 重叠 / 轨道 / 张力 / 流动]
    主标题:[标题]
    短句:[一个短句]
    日期:[日期]
    
    使用柔和的米白色背景、炭灰色排版、浅灰色几何形状、细线、虚线路径、小节点和细微的透明图层。
    
    这不是教程、信息图或成品商业海报。它应该感觉像是一个设计师的布局研究:轻盈、克制、实验性,并可作为 AI 图像生成的上游视觉参考重复使用。
    
    让标题、形状、线条和负空间共同构建构图。标题位置必须遵循所选的布局逻辑,而不是总是位于顶部。
    
    保持文字简洁且易读。仅使用主标题、一个简短的辅助句和日期。不要添加编号步骤、设计说明、标签或长段落。
    
    在不拥挤的情况下使布局视觉丰富。添加足够的次要线条、节点、透明形状、裁剪和重叠元素,以创造深度和结构。
    
    最终图像应通过布局本身清晰地展示所选构图,而不需要书面说明。
  • 穿白色家居服在晨光卧室自拍吃甜甜圈的女孩

    穿白色家居服在晨光卧室自拍吃甜甜圈的女孩

    穿白色家居服在晨光卧室自拍吃甜甜圈的女孩



    🤖 ChatGPT

    🇺🇸 English Prompt

    She is wearing soft white loungewear, holding a chocolate-covered donut in one hand and her phone for a selfie in the other. Standing in a bedroom filled with morning light, she captures this relaxed moment, enjoying her little treat and starting the new day with a happy and friendly mood.

    🇨🇳 中文提示词

    她穿着轻柔的白色家居服,一手拿着覆有巧克力的甜甜圈,另一只手举着手机自拍。站在被晨光充满的卧室里,她捕捉下这个放松的瞬间,享受着小点心,以愉快亲切的心情开启新的一天。
  • 超写实同一人日常生活四宫格

    超写实同一人日常生活四宫格

    超写实同一人日常生活四宫格



    🤖 Nano banana pro

    🇺🇸 English Prompt

    { "system_architecture": { "version": "22.0_terminal_logic_grid", "project_id": "Consistent_Identity_Daily_Routine_Log", "framework": { "format": "2x2 Quadrant Grid", "aspect_ratio": "3:4", "engine_mode": "Hyper-Realistic Neural Synthesis", "fidelity_tier": "8K RAW / Zero-Retouch / Authentic" } }, "biometric_anchor": { "subject_id": "the woman I uploaded", "identity_logic": { "fidelity_index": 1.0, "consistency_lock": "100% Geometry Match across all quadrants", "surface_parameters": [ "Natural skin texture (pores, vellus hair)", "Zero beauty-filter smoothing", "Sub-surface scattering (SSS) enabled", "Authentic facial contours and proportions" ] } }, "quadrant_temporal_logic": { "quadrant_01": { "id": "MORNING_WAKEUP", "perspective": "Mirror Reflection / Bathroom Selfie", "state_logic": { "facial": "Sleepy / Puffy eyelids / Subtle soft morning smile", "hair": "Unstyled bedhead / Natural morning volume / Messy", "apparel": "Loose-fit random cotton T-shirt" }, "environmental_logic": { "location": "Domestic Bathroom", "lighting": "Standard cool-white overhead bulb", "composition": "Imperfect framing / Phone visible in reflection" } }, "quadrant_02": { "id": "MID_ACTION_RUN", "perspective": "Arm-Extension / High-Motion Selfie", "state_logic": { "facial": "Focused intensity / Labored breathing / Flushed skin", "apparel": { "primary": "Hot-pink shimmery athletic set", "accessory": "White technical running cap" } }, "environmental_logic": { "location": "Sidewalk / Running Path", "lighting": "Natural morning sunlight / Sharp highlights", "dynamics": "Motion energy / Hair tucked under cap" } }, "quadrant_03": { "id": "COFFEE_REST", "perspective": "Close-Proximity / Handheld Selfie", "state_logic": { "facial": "Thoughtful / Relaxed / Averted gaze", "interaction": "Holding ceramic coffee cup mid-sip" }, "environmental_logic": { "location": "Indoor Cafe / Table Setting", "lighting": "Soft window-diffused daylight", "composition": "Deep focus / Minimal background separation" } }, "quadrant_04": { "id": "OBSERVED_BREAKFAST", "perspective": "Third-Person Candid / Non-Selfie", "state_logic": { "facial": "Off-guard / Natural / No camera awareness", "interaction": "Using cutlery / Eating breakfast naturally" }, "environmental_logic": { "location": "Outdoor Breakfast Patio", "lighting": "Bright overhead noon daylight", "composition": "Off-center framing / Rea" } } }

    🇨🇳 中文提示词

    {
      "system_architecture": {
        "version": "22.0_terminal_logic_grid",
        "project_id": "Consistent_Identity_Daily_Routine_Log",
        "framework": {
          "format": "2x2 Quadrant Grid",
          "aspect_ratio": "3:4",
          "engine_mode": "Hyper-Realistic Neural Synthesis",
          "fidelity_tier": "8K RAW / Zero-Retouch / Authentic"
        }
      },
      "biometric_anchor": {
        "subject_id": "我上传的女性",
        "identity_logic": {
          "fidelity_index": 1,
          "consistency_lock": "所有象限的几何形状 100% 匹配",
          "surface_parameters": [
            "自然皮肤纹理(毛孔、汗毛)",
            "零美颜滤镜平滑",
            "启用次表面散射 (SSS)",
            "真实的脸部轮廓和比例"
          ]
        }
      },
      "quadrant_temporal_logic": {
        "quadrant_01": {
          "id": "MORNING_WAKEUP",
          "perspective": "镜面反射 / 浴室自拍",
          "state_logic": {
            "facial": "困倦 / 眼睑浮肿 / 淡淡的清晨微笑",
            "hair": "凌乱的起床发型 / 自然的清晨蓬松感 / 凌乱",
            "apparel": "宽松的随机棉质 T 恤"
          },
          "environmental_logic": {
            "location": "家用浴室",
            "lighting": "标准冷白色顶灯",
            "composition": "不完美的构图 / 反射中可见手机"
          }
        },
        "quadrant_02": {
          "id": "MID_ACTION_RUN",
          "perspective": "手臂伸展 / 高动态自拍",
          "state_logic": {
            "facial": "专注的强度 / 呼吸急促 / 皮肤潮红",
            "apparel": {
              "primary": "{argument name=\"running outfit color\" default=\"Hot-pink\"} 闪亮运动套装",
              "accessory": "白色专业跑步帽"
            }
          },
          "environmental_logic": {
            "location": "人行道 / 跑道",
            "lighting": "自然晨光 / 强烈高光",
            "dynamics": "运动能量 / 头发藏在帽子下"
          }
        },
        "quadrant_03": {
          "id": "COFFEE_REST",
          "perspective": "近距离 / 手持自拍",
          "state_logic": {
            "facial": "沉思 / 放松 / 视线偏离",
            "interaction": "手持陶瓷咖啡杯,正在啜饮"
          }
        },
        "environmental_logic": {
          "location": "室内咖啡馆 / 餐桌布置",
          "lighting": "柔和的窗户漫射日光",
          "composition": "深景深 / 背景分离度低"
        }
      },
      "quadrant_04": {
        "id": "OBSERVED_BREAKFAST",
        "perspective": "第三人称抓拍 / 非自拍",
        "state_logic": {
          "facial": "不设防 / 自然 / 未察觉到镜头",
          "interaction": "使用餐具 / 自然地吃早餐"
        },
        "environmental_logic": {
          "location": "户外早餐露台",
          "lighting": "明亮的午间顶光",
          "composition": "偏离中心构图 / 后"
        }
      }
    }
  • ChatGPT语音模式登陆桌面端:一句话让AI建PR、找bug、翻网页

    动动嘴就能指挥电脑干活这件事,OpenAI这周四又往前推了一步:ChatGPT桌面App正式接入了ChatGPT Voice语音模式。以后坐在电脑前,你可以直接跟它说话,让它调度AI智能体、在你的电脑上执行各种任务。

    OpenAI ChatGPT语音模式
    ChatGPT Voice登陆桌面端,动嘴办公又近了一步 | 图源:TechCrunch

    这次更新的底子,是OpenAI本月初发布的新一代语音模型家族ChatGPT-Live。当时手机版上线,主打的是对话更自然、打断更流畅——你插话它能接得住,不会自顾自说完。但说到底,手机版只是“聊得舒服”,并不能替你动手做事。

    桌面版不一样:一句话,建线程、发PR、找bug

    桌面版的能力明显上了一个台阶。OpenAI放出的演示视频里,一位开发者对着ChatGPT说了一句话,就让它连着完成了三件事:新建一个线程、提交一个pull request、顺便找出某个bug的根本原因。多步骤的复杂指令可以直接口述,中途ChatGPT需要你拍板时,你张嘴回应就行。

    • 语音模式同时支持ChatGPT Work和编程智能体Codex;
    • 能调用computer use能力,替你查网站、翻应用;
    • macOS上配合Appshots,它还能看到你屏幕上的内容,连图片的替代文本都读得到;
    • iOS用户可以通过远程访问,在手机上语音指挥Codex干活。

    语音不再只是聊天的另一种输入方式,而是成了指挥AI智能体的操作台——这才是这次桌面端更新真正的看点。

    对面的Anthropic,前脚刚更新

    巧的是,就在前一天,Anthropic也升级了Claude的语音模式:用户可以在Opus、Sonnet、Haiku三档模型之间切换,还能靠语音在Gmail、日历、Slack、Notion、Canva这些应用里直接办事。一边是OpenAI把语音接进桌面和编程工作流,一边是Anthropic让语音打通办公全家桶,两家几乎在同一条赛道上贴身互搏。


    从趋势看,“动嘴办公”正在从演示视频走向日常:过去语音助手只能设个闹钟查个天气,现在已经能建PR、追bug、跨应用干活了。键盘和鼠标当然不会立刻退休,但对开发者来说,一边喝咖啡一边口述需求、看着智能体把活干完的日子,确实越来越近了。

  • 一根电线倒下,半个美国的灯闪了:AI数据中心正在变成电网的隐患

    这周,华盛顿特区郊外一根输电线倒了。搁在平时,电网几秒钟就能缓过来,这次却折腾了十多分钟。原因说出来有点魔幻:超过3吉瓦的数据中心,几乎在同一瞬间集体停止从电网取电。

    美国电网输电线路
    一根电线倒下,从北弗吉尼亚到芝加哥的电压跟着起舞 | 图源:TechCrunch

    据初创公司Ting Labs的数据——他们在千家万户的电源插座里布了一张物联网传感器网络——这起事件让PJM电网的电压从北弗吉尼亚一路飙到芝加哥。没有引发停电,但整个区域的灯都闪了一下。要知道,北弗吉尼亚是全球数据中心密度最高的地方,而PJM是全美最大的电网运营商,覆盖新泽西到伊利诺伊,服务6700万用户。

    “这就是煤矿里的金丝雀。”储能公司ON.Energy的CTO里卡多·德·阿泽维多说,数据中心这类大负载引发的电网事件,“正在越来越频繁地发生”。

    30秒消失3.1吉瓦,电网懵了11分钟

    事情的连锁反应是这样的:电线一倒,附近的数据中心感应到电压波动,立刻切换到备用电源自保。按PJM的数据,大约30秒内就有3.1吉瓦的负载凭空消失。电网刚喘了口气,又有一批负载跟着掉线。最高峰时,PJM电网上凭空多出3.49吉瓦的电,又过了11分钟才稳住。路透社报道称,这些断开的数据中心约占PJM当时总需求的3%。

    3%听着不多,但电网这东西讲究的是供需近乎完美的平衡。供大于求,电压就飙;求大于供,电压就塌。波动小了大家都能扛,波动一大,电网和各家设施的保护机制就会触发断连——然后雪球越滚越大。这次就是典型:一根电线引发的小小供应缺口,被数据中心的集体避险动作放大成了更大的需求缺口。

    加拿大安大略省电力系统运营商IESO的高级市场模型专家阿里·扎因·巴纳特瓦拉给出了一个细节:数据中心都是毫秒级决策,这次断开的那批,彼此之间也就差了几秒钟。“我们得想办法让这些挨在一起的大负载,按顺序断开或者重连。”有了秩序,电网运营商才能提前做预案。

    另一条路:别躲,扛住

    排队断电是一种思路,还有一种思路是让数据中心别一有风吹草动就跑。ON.Energy正在做的,就是给整个数据中心园区装一套“全园区级不间断电源”——不只罩着服务器,连冷却系统等配套设备也一起罩住。整个园区藏在一排电池加精密电力转换设备后面,电网看到的不再是各个设备忽高忽低的用电曲线,而是一个平稳、规矩的负载。

    • AI训练负载想拉高拉低随意,电网完全无感;
    • 电网多出来的电,系统直接拿去给电池充电;电不够了,电池顶上给服务器供电;
    • 毫秒级跟随电网节奏,从源头掐灭这次PJM式的电压过山车。

    德·阿泽维多透露,ON.Energy正在四个数据中心园区安装总计3吉瓦的这类系统。监管也醒了:得州电网ERCOT准备强制要求数据中心这类大负载必须“硬扛”住电网扰动,不许说断就断。


    留给行业的时间不算多。2024年PJM电网上发生过类似事件,60个数据中心同时断开,拉走1.5吉瓦——这周的规模已经翻倍。据Synapse Energy Economics测算,2024年数据中心约占PJM负载的6%,到2040年这个数字预计会涨到24%。真到那天,如果问题还没解决,一根倒下的电线,代价可能就不只是灯闪一下了。