作者: hiyoho

  • Meta拍了支AI乐观主义广告,配乐却是一首人类灭绝之歌

    Meta 新 AI 乐观主义广告
    Meta 新发布的 AI 乐观主义品牌广告(图源:TechCrunch / Getty)

    Meta 最近上了一支新品牌广告,想告诉大家:AI 不会让人更孤独,也不会把谁甩下车。片子开头是黑白画面里的一只眼睛,映出一条条”AI 要抢工作、让人孤立、引发全球危机”的恐慌标题,旁白紧接着说”有人想让你相信这些,我们完全不同意”。随后画面转成彩色:天台上跳舞的情侣指着彩虹,一群少年跳进湖里,孩子在田野里疯跑,久别重逢的朋友抱在一起。

    “叫我们乐观派也好,叫我们做梦的人也罢,随你怎么叫。但我们赌的是人,而且我们喜欢这个赔率。未来属于所有人。”——Meta 广告旁白

    尴尬的不是画面,是那首歌

    情绪渲染没毛病,问题出在配乐上——广告用的是 David Bowie 的《Five Years》。这首歌讲的是人类得知五年后将在大灭绝中消失时的集体崩溃。TechCrunch 的作者还做了个小实验:把歌放给她那位”只爱 Claude Code、从不读闲书”的区块链分析师弟弟听,对方猜”气候灾难?丧尸末日?小行星撞地球?”——都沾边,就是跟乐观不沾边。

    广告截取的段落反复唱着”people”,不看上下文确实显得温暖昂扬。可往前翻两句歌词:”我们只剩五年可以哭了””地球真的在死去,播报新闻的人哭湿了脸”。用一首末日悲歌来宣传”AI 让未来更好”,这个反差就这么从整个 Meta 团队眼皮底下溜了过去,包括亲自发帖配文的扎克伯格。

    科技圈的”文学理解”老毛病

    这也不是硅谷第一次在文艺作品上会错意。Oculus 当年给新员工人手一本《头号玩家》,那本书写的恰恰是一家 VR 公司膨胀成邪恶巨头;Sam Altman 公开说灵感来自电影《她》,而那部片子是在警告拿 AI 当情感寄托的代价;Palantir 的名字取自《指环王》里黑暗魔君用来监视敌人的真知晶石。原文作者忍不住感叹:这些大佬就是”人文学科很重要”的活广告。

    • 几周前 Anthropic 也发过一支画风阴郁的广告:着火的房子、人脸识别下的人群、成排墓碑,配上”AI 能被信任吗”的画外音;
    • Altman 当场开嘲:”我以为是恶搞,一直在找账号名是不是拼成 c1audeai”;
    • Pew 最新调查显示,只有 16% 的美国人认为 AI 未来 20 年会给社会带来正面影响,40% 认为是负面。

    一家把几千亿美元押在”AI 革新人类”上的公司,配乐却选了首世界末日之歌,怎么看都像一场没对上频道的乌龙。头部 AI 公司们争着抢夺公众叙事,可从民调看,这些昂贵的乐观宣言暂时没能扭转什么。原文的结尾只留了一句:Meta,祝下次好运。

  • 两个前谷歌安全老兵拿了3600万美元,专治AI写的钓鱼邮件

    AegisAI 两位联合创始人
    AegisAI 的两位联合创始人(图源:TechCrunch)

    这两年最让公司 IT 部门头疼的,可能不是哪个系统漏洞,而是收件箱里那封”看起来完全没问题”的邮件。两位前谷歌安全高管——Cy Khormaee 和 Ryan Luo,带着他们创办的 AegisAI 又拿了一笔钱:3600 万美元 A 轮,Battery Ventures 领投,老股东 Accel 和 Foundation Capital 跟投,公司累计融资来到 4900 万美元。他们要对付的,正是被 AI 武装起来的”鱼叉式钓鱼”。

    他们在谷歌干的就是防邮件被黑

    这两位不是半路出家。在谷歌时,他们一个做安全浏览技术,一个做 reCAPTCHA 验证码,跟邮件攻击缠斗了十年。也正是这段经历让他们看透一件事:老一套”如果……就……”的规则引擎,根本追不上 AI 现写现发的钓鱼邮件。AI 能在几秒钟内扒出你的同事关系、手头项目、最近的出差行程,然后拼出一封逼真到离谱的信。

    “AI 驱动的攻击现在有超过一半的概率绕过现有防护,效果几乎是过去的两倍。它们把你研究透了,攻击是为你量身定制的。”——AegisAI 联合创始人 Cy Khormaee

    让 AI 智能体像人一样读每封信

    AegisAI 的解法,是派 AI 智能体去逐封分析邮件,模仿安全分析师的思路,盯那些再详尽的规则清单也罗列不出来的细小异常。Khormaee 举了个例子:有些恶意 PDF 附件乍看很正规,还内置了密码和验证码,专门骗过标准垃圾邮件过滤器,而他们的智能体能识破这类伪装。

    上线不到一年,AegisAI 已经拿下几十家客户,包括加密支付公司 Mesh、AI 明星创企 LangChain 和隐私合规平台 Lokker。领投方 Battery Ventures 的合伙人 Dharmesh Thakker 说,自己就是注意到邮件攻击明显变多,才专门找一家能”用 AI 防 AI”的公司下注。

    • 赛道并不只有 AegisAI 一家:Lightspeed 支持的 Ocean、更早入局的 Abnormal Security,都在抢 Proofpoint、Mimecast 这些老牌厂商的地盘;
    • 但 Thakker 押注的理由很直接——这支团队参与守护过 Gmail,全世界用户最多的邮箱系统;
    • 邮件只是起点,AegisAI 已经放话要往数据安全等更大的防御面扩张。

    Khormaee 对终局的判断也够直白:能不能造出会自己做调查的高级定制智能体,将决定谁成为下一代安全巨头。攻击方已经全面 AI 化,防守方还停留在规则清单时代的话,这场仗从一开始就输了一半。

  • Open Multi-Agent —— 描述目标而非流程图的 AI 多智能体编排框架

    Open Multi-Agent —— 描述目标而非流程图的 AI 多智能体编排框架

    项目简介

    Open Multi-Agent(简称 OMA)是一个面向 TypeScript 后端的 AI 多智能体编排框架,核心理念是「描述目标,而非流程图」。你只需告诉 OMA 你想达成什么目标,框架内置的 Coordinator 就会在运行时自动将目标拆解为任务 DAG(有向无环图),分派给团队中的各个 Agent 执行,最终汇总结果。

    OMA 于 2026 年 3 月在 GitHub 开源,采用 MIT 许可证。截至本文撰写时已获得 6,646 Stars / 2,415 Forks,社区活跃度极高——从首次提交至今仅约 4 个月,已成为多智能体编排领域增长最快的项目之一。

    Open Multi-Agent

    安装要求与快速开始

    环境要求

    • Node.js ≥ 18(推荐 LTS 版本)
    • TypeScript ≥ 5.6(OMA 使用最新 TS 特性)
    • npmyarn/pnpm 包管理器
    • LLM API Key(OpenAI / Anthropic / Gemini / DeepSeek 等,或本地模型如 Ollama)

    方式一:脚手架创建(推荐新手)

    # 一键创建项目并运行本地演示(无需 API Key)
    npm create oma-app@latest my-oma-app

    交互式终端会引导选择模板和运行时,安装依赖后直接启动一个确定性本地 Demo——无需任何 API Key,使用脚本化模拟响应驱动真实的调度器和离线 Dashboard。可用 --no-install 仅生成文件,或 --no-run 安装但不启动。

    方式二:集成到现有 Node.js 项目

    npm install @open-multi-agent/core
    import {{ OpenMultiAgent }} from '@open-multi-agent/core'
    
    const oma = new OpenMultiAgent({{
      defaultProvider: 'openai',
      defaultModel: 'gpt-5.4'
    }})
    
    // 创建研究团队:研究员 + 分析师 + 共享记忆
    const team = oma.createTeam('research-team', {{
      agents: [
        {{ name: 'researcher', systemPrompt: 'Find the relevant facts.' }},
        {{ name: 'analyst', systemPrompt: 'Compare evidence and identify tradeoffs.' }}
      ],
      sharedMemory: true,
    }})
    
    // 只需描述目标,Coordinator 自动规划 DAG 并执行
    const result = await oma.runTeam(team, 'Compare three approaches and recommend one.')
    console.log(result.agentResults.get('coordinator')?.output)

    三种执行模式:runTeam() 从目标规划执行、runAgent() 单 Agent 运行、runTasks() 显式流水线执行。

    核心功能

    OMA 工作原理

    1. 动态工作流编排(Dynamic Orchestration)

    这是 OMA 最核心的差异化能力。与传统框架需要手写 DAG 节点不同,OMA 的 Coordinator 在运行时根据目标描述生成任务图、分配角色、设定依赖关系,最后综合各 Agent 结果输出答案。整个流程不需要维护硬编码的流程图。

    2. 可控执行(Controlled Execution)

    • 计划审批:预览并审批 Coordinator 生成的计划或单个分派操作,审批通过后可冻结计划用于回放复现
    • 约束声明:当拓扑不能漂移时,声明必需的角色和顺序;用多智能体共识验证输出正确性

    3. 生产级可靠性

    • 检查点续跑:中断的运行可从最近检查点恢复
    • 边界控制:重试策略、超时限制、循环检测、Token 和成本预算确保执行有界
    • 工具安全:默认拒绝所有工具调用,逐个审批开启;支持隐私控制

    4. 全链路可观测性

    每次运行都有稳定身份标识、执行回执和完整追踪记录:

    • TraceStore:本地存储追踪数据,支持查询
    • Run Viewer:离线 Dashboard 回放真实运行的 Task DAG 和 Span 瀑布视图
    • OpenTelemetry 集成:可选 OTel 插件,与企业统一监控栈对接

    5. 开放运行时(Open Runtime)

    • Agent 兼容:Process/ACP 后端让 Claude Code、Gemini CLI、Codex 与 LLM Agent 在同一 DAG 上协作
    • 模型自由:云+本地混合、原生中文大模型支持、OpenAI 兼容端点、AI SDK Provider
    • 部署灵活:自有基础设施、本地运行、完全离线、甚至气隙网络环境均可

    典型使用场景

    场景一:PR 自动审查(PR-Copilot)

    开发者 kidoom 用 OMA 构建了 PR-Copilot——一个 AI Pull Request 审查助手。它运行一个由 Coordinator + 多个领域 Reviewer Agent 组成的审查团队,用 defineTool 定义仓库上下文工具,配合自定义 ContextStrategy 实现 Token 感知的 PR Diff 压缩。每次提交 PR 时自动触发多角度代码审查。

    场景二:文档转图表工作室(Reports to Charts Studio)

    NARNIX0 的 Evident-Project 将研究报告和表格数据转化为幻灯片级图表。OMA 在其中扮演五角色提取委员会的编排者:结构化输出 + 确定性验证,确保每个数据点都有据可查。

    场景三:WordPress 安全分析平台(temodar-agent)

    Ali Sünbül 的 WordPress 安全分析平台直接使用 OMA 内置工具(bash、file_*、grep)在 Docker 运行时中执行安全扫描任务,已确认在生产环境中使用。

    推荐理由

    作为长期关注 AI 编排框架的开发者,我对 OMA 的第一印象是:终于有人认真对待「动态」这件事了

    目前市面上的主流方案大致分两派:LangGraph/Mastra 要求你手写节点和边(图优先),Vercel AI SDK/CrewAI 则偏单次调用工具包。OMA 找到了中间地带——你只管说目标,框架负责拆解、分配、执行、审计。这种「目标驱动」的范式在原型阶段特别高效,而它的可控执行机制又让你能逐步收紧边界,平滑过渡到生产环境。

    另外几个让我印象深刻的点:

    1. 离线优先设计:Run Viewer 是纯离线 Dashboard,不依赖外部服务,这对隐私敏感场景非常友好
    2. 50+ 可运行示例:从基础用法到 Cookbook 工作流、Provider 配置、集成模式全覆盖,上手曲线平缓
    3. 真正的 TypeScript 原生:不是 JS 库加类型装饰,而是从底层就用 TS 5.6+ 特性构建,IDE 体验一流
    4. 生态开放:已有 Engram 记忆同步、Agentsonar 异常检测、Bilig WorkPaper 公式协作等多个第三方集成

    如果你正在评估多智能体编排方案,或者对 LangGraph 的手动构图感到疲惫,强烈建议给 OMA 一个下午的时间——npm create oma-app@latest 跑一遍 Demo,你会感受到「描述目标而非流程图」的魅力。

    下载地址

  • 模型卷不动了就卖调度:Runway发布首个生成式媒体模型路由器

    Runway 不想再只当一家”卖模型的公司”了。周四,这家 AI 视频起家的明星创业公司通过本月刚上线的开发者平台 Runway Dev,发布了一个叫 Media Router 的新工具——号称是第一个专为生成式媒体打造的模型路由器。它的野心写在明面上:做整个生成式媒体行业的基础设施层。

    Runway Media Router 模型路由
    Runway Media Router 会按质量、速度或成本自动挑选最合适的生成模型(图源:Runway)

    模型太多挑花眼?那我来替你挑

    Media Router 干的事说来简单:开发者发一个图像、视频或音频的生成请求,它根据你更看重质量、速度还是成本,自动把请求分给最合适的模型——既包括 Runway 自家的,也包括接入平台的一堆第三方模型。模型路由在大语言模型圈早就是常规操作,但在生成式媒体这边,Runway 说自己是头一家。

    Runway 首席产品官 Anthony Maggio:大多数开发者根本没时间搞清楚每个模型在视频、图像、音频上各自强在哪。我们带来的独特价值,就是把这套”哪个模型最适合哪种场景”的判断力打包给你。

    这套判断力不是拍脑袋来的。Runway 内部创意团队常年评测各类模型——视频模型的运动表现、图像模型的构图水平、语音模型的口型同步,积累成了路由器背后的智能层。这层能力原本是为 5 月发布的 Runway Agent(对话式创意智能体)搭建的,现在直接打包卖给外部开发者。目前 Adobe、Cloudflare、ElevenLabs、Expedia、Shutterstock、Quora 都已经在通过 Runway Dev 的 API 把媒体生成能力嵌进自家产品。

    Token 账单疼了一年,路由就是止疼药

    Maggio 透露,客户最关心的路由维度就是 token 价格和质量。2026 年企业圈被智能体的天价 token 账单结结实实上了一课,按价格路由早成了大模型领域的显学,生成式媒体跟进只是时间问题。有意思的是,Runway 自己几周前刚把无限量订阅改成按 token 计费,还挨了不少用户的骂——一边挨骂一边顺势把”帮你省 token”做成新生意,这算盘打得不可谓不精。


    模型不再领跑,那就去做发牌的人

    转型背后有现实压力。Runway 上一款旗舰视频模型 Gen 4.5 还是去年 12 月发的,当时确实登顶过榜单,压过谷歌一头。但如今按 Artificial Analysis 的排名,它的文生视频和图生视频模型已经掉出领先位置,前 20 名里挤满了谷歌和中国大厂的模型,Gen 5 至今没有音讯。

    • Media Router 的底层假设很清醒:”最好的模型”会不断易主,与其赌自己永远领先,不如做那个替所有人分发请求的枢纽;
    • 联合创始人兼联合 CEO Anastasis Germanidis 直言,公司必须建起完整技术栈——开发者平台、创意工具套件、底层推理层缺一不可;
    • 在他看来,当客户开始用模型生产整套营销活动和多场景成片时,编排层的价值只会越来越大。

    当不成最强的模型,就去当最好的调度台——这条路 OpenRouter 们在大语言模型市场已经验证过一遍。生成式媒体这边格局更碎、模型更迭更快,路由生意理论上更有得做。剩下的悬念是:等谷歌、字节这些既有顶级模型又有平台野心的巨头也想通了这一层,Runway 的先发优势还能守多久。

  • Claude语音模式大升级:动嘴就能改日历发邮件,OpenAI还做不到

    OpenAI 前几周刚给 ChatGPT 换上一套新的对话模型,把语音体验拉了一个档次。Anthropic 显然坐不住了,周四直接给 Claude 的语音模式来了次大升级——以后动嘴聊天,也能用上 Opus、Sonnet、Haiku 三档模型,想要脑子还是想要速度,自己挑。

    Claude 语音模式升级界面
    Claude 语音模式此次升级支持切换 Opus、Sonnet、Haiku 三档模型(图源:Anthropic)

    以前只能”快问快答”,现在能干正事了

    Claude 的语音模式去年就上线了,但一直由最小杯的 Haiku 模型驱动。回话是挺快,可一碰到复杂点的活儿就露怯,更像个语音玩具。这次更新之后,语音模式会自动沿用你在文字聊天里最后用过的那个模型,并默认调它的最快版本——你在文字端用 Opus 干活,切到语音也还是那颗聪明的脑子。

    Anthropic 给的使用场景也很务实:跟它进行更长的对话、让它点评你的表达方式、陪你排练给客户的提案,或者一起头脑风暴做市场调研。换句话说,语音不再只是”帮我设个闹钟”级别的功能,而是想接住真正的工作流。

    最狠的一招:动嘴就能操作 Gmail 和 Notion

    新版语音模式可以直接调用 Gmail、Google 日历、Slack、Canva、Notion 等外部应用——改会议时间、起草邮件、新建文档,全程动嘴不动手。

    这才是这次更新真正的差异点。OpenAI 那边的新语音模式虽然聊天风格更自然了,但至今没法调用外部工具替你干活。Anthropic 直接把”能办事”作为卖点打出来,等于在语音助手这条赛道上换了个打法:你比谁聊得像人,我比谁真能把事办了。

    多语言方面,Claude 语音模式今年早些时候就开始测试,目前支持英语、法语、德语、印地语、日语、韩语、西班牙语等十来种语言,不过得手动指定语言,还做不到自动识别。


    免费用户有门槛,语音底层没动

    • 新语音模式以 Beta 形式向全平台所有用户开放;
    • 免费用户只能用 Haiku 模型,且只能连接一个外部应用;
    • 这次升级只换了”大脑”,没换”嗓子”——语音模型本身没有更新,Anthropic 也没披露底层语音技术栈;
    • 所以像打断处理这类对话体验,别指望有 OpenAI 新版那样的提升。

    这么看,两家的路线分歧越来越清楚:OpenAI 在把语音”调教得更像人”,Anthropic 在把语音”武装得更能干”。对用户来说这未必是坏事,一个负责好聊,一个负责好用,最后逼着双方把两头都补齐。下一步就看 OpenAI 什么时候给语音模式接上工具调用,以及 Anthropic 什么时候舍得换一副新嗓子了。

  • Open Deep Research:LangChain 官方开源的深度研究智能体,模型与搜索全可替换

    Open Deep Research:LangChain 官方开源的深度研究智能体,模型与搜索全可替换

    Open Deep Research

    Open Deep Research 是 LangChain 官方开源的一个「深度研究智能体(Deep Research Agent)」——简单、可配置、完全开源,能跨多种模型提供商、搜索工具和 MCP 服务器工作,性能可媲美众多主流深度研究产品(在 Deep Research Bench 排行榜上曾进入前列)。

    一句话简介

    一个把「深度研究」这一最热门的 Agent 应用完整开源、可自由替换模型与搜索后端的研究智能体:你提一个复杂问题,它自动规划、并发检索、压缩证据,并产出一份带引用的高质量研究报告。

    安装要求与快速上手

    环境要求:Python 3.11(推荐),使用 uv 管理虚拟环境;需要至少一个 LLM 提供商的 API Key(默认 OpenAI),以及一个搜索 API(默认 Tavily)。

    # 1. 克隆仓库并创建虚拟环境
    git clone https://github.com/langchain-ai/open_deep_research.git
    cd open_deep_research
    uv venv
    source .venv/bin/activate   # Windows: .venv\Scripts\activate
    
    # 2. 安装依赖
    uv sync
    
    # 3. 配置环境变量(模型、搜索工具等)
    cp .env.example .env
    
    # 4. 本地启动 LangGraph 服务,打开 Studio UI
    uvx --refresh --from "langgraph-cli[inmem]" --with-editable . --python 3.11 langgraph dev --allow-blocking
    

    启动后会自动打开 LangGraph Studio UI,在 messages 输入框里提问并点击 Submit 即可,还能在 “Manage Assistants” 里切换不同配置。

    Open Deep Research 架构流程图

    核心功能

    • 全流程自动研究:自动完成”任务规划 → 并发检索 → 结果摘要 → 证据压缩 → 撰写带引用的最终报告”整条链路。
    • 模型自由组合:基于 init_chat_model() 兼容几乎所有主流 LLM,且摘要 / 研究 / 压缩 / 报告撰写四个环节可分别指定不同模型(如 gpt-4.1-mini 摘要、gpt-5 或 Claude Sonnet 4 做研究)。
    • 搜索后端可插拔:默认 Tavily,同时支持 Anthropic / OpenAI 的原生联网搜索,并完整兼容 MCP 服务器,可接入自定义工具。
    • 基准可评测:内置对接 Deep Research Bench(100 道博士级研究任务,覆盖 22 个领域),用 RACE 分数量化研究报告质量。
    • 部署方式多样:支持本地 LangGraph Studio 调试、LangGraph Platform 托管部署,以及面向非技术用户的 Open Agent Platform(OAP)可视化配置。

    Open Deep Research 在 LangGraph Studio 中运行

    典型使用场景

    • 行业 / 竞品调研报告:输入”分析某赛道 2025 年主流玩家与技术路线”,自动检索多来源并输出结构化、带引用的调研报告。
    • 学术与技术综述:面对博士级、跨领域的复杂问题,自动拆解子问题、并发检索文献并汇总成论证严谨的综述。
    • 企业内部知识 Agent:借助 MCP 接入内部数据源与自定义搜索,搭建可私有化部署、可替换模型的企业级深度研究助手。

    推荐理由

    市面上”深度研究”功能大多藏在闭源产品里,而 Open Deep Research 把这套能力彻底开源、模块化,最大的价值在于”每一层都能换”:换模型、换搜索、换部署方式都只是改配置。它由 LangChain 官方维护、有配套免费课程和详尽评测数据,既适合想理解 Deep Research 内部原理的开发者拆解学习,也适合企业作为自研研究 Agent 的高质量起点。如果你正想做一个能自动查资料、写报告的 Agent,这是目前最值得参考的开源实现之一。

    下载地址

    项目数据:约 12.4K Stars · 1.75K Forks · 语言 Python · 许可证 MIT(数据截至 2026 年 7 月)。

  • 英伟达把GPU送上月球:月球车用上Jetson芯片,太空算力这次玩真的

    英伟达的 GPU 已经铺满了地球上的数据中心,下一站居然是月球。太空机器人初创公司 Lunar Outpost 在7月23日宣布,他们的下一台月球车将搭载英伟达 Jetson 芯片来驱动激光雷达系统。如果顺利落地,这很可能是人类历史上第一块登上月面的 GPU。

    Lunar Outpost 月球车测试
    Lunar Outpost 的月球车正在测试中 | 图源:TechCrunch

    为什么是 Jetson,而不是 Blackwell

    很多人对英伟达的印象还停留在 Blackwell、Vera Rubin 这些吞电如喝水的 AI 训练芯片上。但真正上天的是低调得多的 Jetson——一个专为机器人设计的小型化、低功耗平台,能让机器在本地实时处理传感器数据,不用把一切传回地球等指令。在月球上,光是信号往返就要将近3秒,本地算力就是生死线。

    Lunar Outpost CEO 贾斯汀·塞勒斯说:”五年前我们的自主导航还是纯确定性算法,现在是确定性算法加物理 AI 双轨并行,这事挺有意思的。”

    这台月球车将由 Intuitive Machines 的着陆器送上月面,任务是带着一整套传感器钻进环形山这类轨道上看不清的角落。再下一次任务的目的地更有看头——赖纳伽马区,那里有一处让科学家困惑多年的磁异常。两次任务都计划在年底前搭乘猎鹰9号升空。

    月球对芯片可一点都不友好

    把 GPU 送上月球,难的不是发射,是活下来。近地轨道的芯片好歹有地球磁场罩着,月面上的设备要直面宇宙辐射,还要扛住昼夜间几百度的温差。塞勒斯的原话是:”你的系统必须熬过月球的黑夜,而且得用极低的功耗熬过去。”

    • 英伟达同时和 Firefly Aerospace 达成合作,让 Jetson 在环月卫星上处理影像,给月面测绘、跟踪越来越多的月球机器人;
    • NASA 正在花钱请私营公司探月,为最早2028年宇航员重返月球铺路,模式复制了当年扶持 SpaceX 的打法;
    • Lunar Outpost 还有一台能载宇航员的大型月球车 Pegasus,但它在等贝索斯 Blue Origin 的火箭——那枚火箭今年夏天刚出了事故,复飞时间未定。

    从探索到常驻,缺的是一枚大火箭

    塞勒斯把公司的目标说得很直白:从”去月球看看”变成”在月球住下”,靠的就是确定性算法加物理 AI 组成的机器人劳动力,人类到之前先让机器把重活干完。这个思路和最近炒得火热的太空数据中心是同一个逻辑——算力上天不是科幻,是排期问题。

    只不过无论是月面机器人军团还是轨道数据中心,眼下都卡在同一件事上:一枚足够大、足够便宜的火箭。GPU 已经准备好了,运力还没有。

  • ChatGPT Health向全美开放:每周3亿条健康提问,前一天刚吃了官司

    OpenAI 这波操作时机相当微妙。7月23日,公司宣布把 ChatGPT Health 全面开放给所有18岁以上的美国用户,免费版、Go、Plus、Pro 全都能用。而就在前一天,一位佛罗里达州的牧师刚把 OpenAI 告上法庭——理由是 ChatGPT 曾建议他不用去看医生,差点要了他的命。

    官司归官司,产品照推不误。这背后其实是一组让 OpenAI 没法拒绝的数字。

    OpenAI ChatGPT Health 全面开放
    ChatGPT Health 本周起向全美用户开放 | 图源:TechCrunch

    每周3亿条健康提问,用户用脚投了票

    今年1月 ChatGPT Health 开始小范围测试时,OpenAI 披露用户每周向 ChatGPT 提出2.3亿条健康相关问题。半年过去,这个数字涨到了3亿。也就是说,不管医学界怎么警告,普通人早就把 ChatGPT 当成了”第一位问诊对象”。

    测试期间 OpenAI 发现,70% 的健康提问根本不是在专属健康中心里发生的,而是散落在日常对话里。

    这个发现直接改变了产品形态。原本用户得专门进健康中心才能调用自己的健康数据,现在任何对话都可以——你随口问一句”这道菜我能吃吗”,ChatGPT 就能结合你的过敏史和体检数据来回答。

    数据接得越来越深

    • 健身数据:Apple Health、Function、MyFitnessPal 等应用可直接同步;
    • 医疗档案:Epic、Oracle Health 等医院系统,以及 One Medical、Function Health 等健康平台的病历都能接入;
    • 模型能力:最新发布的 GPT 5.6-Luna 最小杯,在 OpenAI 自家开源的 HealthBench 医疗评测上已经超过上一代 GPT 5.5。

    OpenAI 强调不会拿用户健康数据训练模型,还请了医生团队参与调优。听上去很稳妥,但矛盾的地方在于——服务条款里白纸黑字写着”本服务不用于任何健康状况的诊断或治疗”。面对那起诉讼,OpenAI 引用的正是这一条款。


    一边免责,一边全量推送

    牛津大学等机构的多项研究已经反复提醒:AI 聊天机器人给出的医疗建议并不可靠。但这挡不住巨头们的脚步——Anthropic 在1月推出了 Claude for Healthcare,谷歌也早就给 Fitbit 配上了 AI 健康教练。健康问诊这块蛋糕太大,谁都不想缺席。

    对普通用户来说,这功能确实方便,查食物过敏、看懂体检报告都是刚需。只是要记住 OpenAI 自己都在说的那句话:AI 给的是参考信息,做医疗决定之前,请先问真正的医生。本周起,网页版和 iOS 用户登录后就能陆续用上。

  • 千禧风数码相机直闪浴室自拍人像

    千禧风数码相机直闪浴室自拍人像

    千禧风数码相机直闪浴室自拍人像



    🤖 ChatGPT

    🇺🇸 English Prompt

    use the attached image as the main facial reference while preserving recognizable identity essence, facial proportions, natural asymmetry, facial harmony, natural facial character, and realistic facial texture.
    
    An early-2000s compact digital camera close-up photograph with strong built-in flash mixed with intense natural daylight. The camera is handheld creating an intimate accidental snapshot rather than a polished portrait. Lifted shadows, slightly lifted blacks, subtle warm white balance, early-2000s compact digital camera rendering. Strong built-in flash freezes bright highlights across the visible eyes, glossy lips, and illuminated hair strands.
    
    Harsh midday sunlight mixes unevenly with the built-in flash, bright sunlight produces strong contrast through the cheeks, nose, chest, and surrounding.
    
    (Make up): fresh makeup, hydrated moist and supple skin, with korean pinkish glow, feathered brush-up brows, warm brown contact lenses, softly separated lashes, bronze shimmering eyeshadow, naturally flushed rosy cheeks and nose, bubble gum pink glossy lips, and shimmer highlighter across the upper cheekbones, bridge of the nose, cupid’s bow, brow bone, inner eye corners, and center of the chin.
    
    Colors remain rich and clean rather than faded. Skin stays healthy and luminous, glossy lips retain clear pink pigmentation, and physically accurate flash reflections remain visible without haze.
    
    A casual mirror selfie inside a simple modern bathroom with light neutral tiled walls, clean minimal surroundings, and a straightforward everyday atmosphere. The subject holds a smartphone naturally in one hand while standing relaxed in front of the mirror, using her opposite hand to gently pull the hem of her fitted white graphic baby T-shirt outward, creating a playful candid pose. She wears low-rise black bottoms, a silver chain necklace with a pendant, and a dark wristband. Her medium-length shag haircut features a dramatic split-dye hairstyle with platinum-blonde front sections framing the face and layered black hair throughout the rest, finished with choppy textured ends, abundant volume, and tousled movement. She sticks her tongue out playfully while keeping softly lidded eyes and relaxed eyelids, creating a cheeky, mischievous, carefree expression. Frame from a tight mirror-selfie composition at chest level, allowing the face, split-dye hairstyle, playful pose, graphic T-shirt, and smartphone to dominate while preserving the clean bathroom setting as subtle background context.
    --ar 4:5
    
    Negative prompt: altered identity, centered formal composition, professional fashion campaign, beauty filter, plastic skin, waxy skin, matte skin, greasy skin, harsh clarity, crunchy sharpening, excessive HDR, flat colors, dull makeup, pale lips, muddy skin, orange fake tan, overhazy rendering, perfectly symmetrical expression, exaggerated cartoon pout, wide eyes, frozen mannequin pose, polished fashion pose, perfectly arranged hair, unrealistic motion blur, distorted cap, warped architecture, distorted anatomy, extra fingers, bad hands, text, watermark

    🇨🇳 中文提示词

    使用随附的图像作为主要面部参考,同时保留可识别的身份本质、面部比例、自然的不对称性、面部和谐度、自然的面部特征和真实的皮肤纹理。
    
    一张 2000 年代初期紧凑型数码相机的近摄照片,结合了强烈的内置闪光灯和强烈的自然日光。相机为手持拍摄,营造出亲密的偶然快照感,而非精致的肖像。阴影提升,黑色轻微提升,微妙的暖色调白平衡,2000 年代初期紧凑型数码相机的渲染效果。强烈的内置闪光灯在可见的双眼、晶莹剔透的嘴唇和照亮的每一缕发丝上冻结出明亮的高光。
    
    强烈的正午阳光与内置闪光灯不均匀地混合,明亮的阳光在脸颊、鼻子、胸部和周围产生强烈的对比。
    
    (化妆):清新妆容,水润柔嫩的肌肤,带有韩系粉色光泽,羽毛状向上刷的眉毛,深棕色隐形眼镜,轻微根根分明的睫毛,古铜色闪粉眼影,自然红润的脸颊和鼻子,泡泡糖粉色亮面嘴唇,以及在上颧骨、鼻梁、唇峰、眉骨、内眼角和下巴中心涂抹的闪粉高光。
    
    色彩保持丰富且干净,而非褪色。皮肤保持健康且发光,亮面嘴唇保留清晰的粉红色素,物理上准确的闪光反射清晰可见,没有雾气。
    
    在简单的现代浴室里的休闲镜面自拍,墙壁为浅色中性瓷砖,环境干净简约,氛围日常简单。拍摄对象单手自然地握着智能手机,轻松地站在镜子前,用另一只手轻轻向外拉紧身白色图案婴儿 T 恤的下摆,营造出调皮的抓拍姿势。她穿着低腰黑色下装,一条带有吊坠的银色链条项链,以及一个深色腕带。她的中长碎发采用戏剧性的对半染发型,修饰脸部的部分为白金色,其余部分为层叠的黑色头发,发尾呈现细碎的质感,发量丰盈且带有凌乱的动感。她调皮地吐出舌头,双眼微微闭合,眼睑放松,营造出一种俏皮、顽皮、无忧无虑的表情。画面构图为胸部高度的紧凑镜面自拍,让面部、对半染发型、俏皮姿势、图案 T 恤和智能手机占据主导地位,同时保留干净的浴室设置作为微妙的背景。
    --ar 4:5
    
    负面提示:改变身份、居中正式构图、专业时尚活动、美颜滤镜、塑料感皮肤、蜡质皮肤、哑光皮肤、油腻皮肤、刺眼的清晰度、过度锐化、过度 HDR、平淡的色彩、沉闷的妆容、苍白的嘴唇、污浊的皮肤、橙色假晒黑、过度模糊的渲染、完美对称的表情、夸张的卡通撅嘴、大眼睛、僵硬的模特姿势、精致的时尚姿势、整齐排列的头发、不真实的运动模糊、扭曲的帽子、扭曲的建筑、扭曲的解剖结构、多余的手指、糟糕的手、文字、水印
  • 春日香车锦绣行:东方贵女慵懒写真

    春日香车锦绣行:东方贵女慵懒写真

    春日香车锦绣行:东方贵女慵懒写真



    🤖 ChatGPT