YOHO AI

博客

  • MiniMax一轮融了160亿港元，创始人说AGI之前不领工资

    国产大模型公司 MiniMax 在 7 月 10 日甩出一颗「资本炸弹」：完成一轮总规模约 160 亿港元（约合人民币 138 亿元）的融资。放在港股，这是个相当吓人的数字——而且它距离今年 1 月登陆港交所，才过去半年。

    钱从哪来，又去哪了

    这轮融资拆成两部分：配售 3560 万股新 A 类股份，每股 268 港元，募资约 95.4 亿；再发一笔 65 亿港元、2027 年到期的零息可转债券。两笔加一起，净募资差不多 159.6 亿港元。认购相当火爆，机构申购倍数达到 7 倍，主权基金、长线机构、中资机构和多策略基金都挤了进来。

    「从我写下这封信起，到公司实现 AGI 的那一天，我将不再从公司领取任何薪酬。」——MiniMax 创始人闫俊杰内部信

    创始人把身家也押上了

    更抓眼球的是闫俊杰那封内部信。他宣布 AGI 实现前零薪酬，还拿出个人名下相当于总股本 5% 的股份——4% 给核心团队做激励，1% 设成开源社区专项基金。对一个刚上市半年的创始人来说，这更像是给市场和团队的一颗定心丸。

    • 募资净额里约 80%（127 亿港元）砸向 AI 基础设施和模型研发
    • 约 10% 用于 AI 原生产品 Harness 的全球化商业落地
    • 到 6 月底，IPO 时那笔钱里用于基建和研发的已经花掉 77%

    大模型这场仗，烧钱速度比谁都快。MiniMax 手里现金更厚了，但对手也没闲着——同一赛道里智谱的市值已经冲到七千多亿港元。160 亿能让 MiniMax 多跑一阵，但真正决定胜负的，还是模型本身好不好用。

    MiniMax完成160亿港元融资
    MiniMax 完成 160 亿港元融资，创始人宣布 AGI 前不领薪

  • OpenAI安全负责人走了：GPT-5.6上线这周，护栏谁来看守

    这两天 OpenAI 内部发生了一桩挺值得玩味的事。安全系统负责人 Johannes Heidecke 本周告诉同事，他要离开公司了。时间点很微妙——就在这周，OpenAI 刚把迄今最强的 GPT-5.6 推上线。

    不是突然的人事变动，是一轮重组的收尾

    Heidecke 的离开，跟公司正在做的一件事绑在一起：把安全团队和研究团队进一步捏合。首席研究官 Mark Chen 在一份内部备忘录里说，以后安全团队要直接向研究副总裁、对齐负责人 Mia Glaese 汇报，Glaese 的权限也扩成了「研究与安全副总裁」，一个人管两块。之前带过安全团队的 Saachi Jain 暂时顶上，做临时安全系统负责人。

    「我们训练模型的节奏快太多了，发布周期也大幅缩短，今天围绕安全的协调难度，比过去任何时候都大。」——Mark Chen 内部备忘录

    为什么这个节点让人多想

    Heidecke 2021 年以 AI 安全分析师身份加入 OpenAI，2024 年接替离职去创办 Thinking Machines Lab 的 Lilian Weng，坐上安全系统负责人的位置。也就是说，短短两年里，这个岗位已经换了两茬人。

    更巧的是，GPT-5.6 这周上线时，OpenAI 自己承认模型在用户反馈的若干案例里出现了「令人担忧的未对齐行为」。公司一边把最猛的模型往外推，一边安全条线的负责人出走，这种画面怎么看都有点拧巴。

    • 重组的逻辑是「让安全更早介入模型开发和发布决策」，听起来合理
    • 但把安全并入研究线之后，独立的挑战声音会不会被削弱，是外界最担心的
    • Heidecke 已经是近期又一位离开的安全方向高管

    说到底，这未必是某个人去留的问题。当模型从季度更变成月更、周更，旧的「发布前最后一道安全审查」流程首先会撑不住。OpenAI 把安全往研究里塞，是想缩短这个链路；只是护栏能不能真的更牢，还得看 Glaese 接手后怎么立规矩。

    OpenAI安全团队重组
    OpenAI 将安全团队并入研究线，引发外界对独立安全监督的担忧
  • chrome-devtools-mcp：Chrome 官方出品，让 AI 编程助手直接操控与调试浏览器

    chrome-devtools-mcp：Chrome 官方出品，让 AI 编程助手直接操控与调试浏览器

    Chrome DevTools MCP

    chrome-devtools-mcp 是 Chrome DevTools 官方团队推出的一个 MCP（Model Context Protocol）服务器，它把整个 Chrome 开发者工具的能力开放给 AI 编程助手——让 Claude、Cursor、Copilot、Gemini CLI 等智能体能够直接控制并检视一个真实运行的 Chrome 浏览器，实现可靠的自动化、深度调试和性能分析。截至目前该项目在 GitHub 已收获约 46,700+ Stars。

    项目简介

    一句话说明：chrome-devtools-mcp 让你的 AI 编程助手拥有一双”眼睛”和一双”手”，可以打开网页、点击操作、查看网络请求与控制台报错、录制性能 trace，从而真正”看见”自己写的代码在浏览器里跑成什么样。它基于 Puppeteer 驱动 Chrome，并会自动等待操作结果，让智能体的浏览器操作变得稳定可靠。

    安装要求和过程

    环境要求

    • Node.js —— LTS 版本
    • Chrome —— 当前稳定版或更新版本
    • npm

    快速安装

    无需手动安装，直接在 MCP 客户端配置中通过 npx 拉起即可。以标准配置为例，在客户端的 MCP 配置文件中加入：

    {
  "mcpServers": {
    "chrome-devtools": {
      "command": "npx",
      "args": ["-y", "chrome-devtools-mcp@latest"]
    }
  }
}

    使用 Claude Code CLI 的用户可以一行命令完成添加：

    claude mcp add chrome-devtools --scope user npx chrome-devtools-mcp@latest

    如果只需要基础的导航、执行脚本与截图，可以用精简 + 无头模式降低开销：

    "args": ["-y", "chrome-devtools-mcp@latest", "--slim", "--headless"]

    核心功能

    • 性能洞察：调用 Chrome DevTools 录制性能 trace，并提取可执行的优化建议（如”检查 https://developers.chrome.com 的性能”）。
    • 高级浏览器调试：分析网络请求、抓取截图、读取控制台消息，并附带经过 source map 还原的堆栈信息。
    • 可靠自动化：底层由 Puppeteer 驱动，自动等待动作完成，避免因时序问题导致的操作失败。
    • 丰富的工具集：涵盖输入自动化、页面导航、设备模拟、性能、网络、调试、内存、扩展等 10 大类共 50 余个工具。
    • 灵活的连接方式：支持无头/有头、隔离实例、指定 Chrome 通道，还能通过 --autoConnect / --browser-url 连接已经在运行的 Chrome，与人工共享登录状态。

    典型使用场景

    • 前端性能诊断：让 AI 助手打开你的站点自动录制性能 trace，指出 LCP、长任务、渲染阻塞等瓶颈并给出改进方案，把”性能优化”从玄学变成可量化的闭环。
    • 自动化调 Bug：当页面报错或接口异常时，智能体可直接查看控制台报错和网络请求详情（含还原后的堆栈），定位问题后再改代码，减少来回复制粘贴。
    • 沙箱内安全调试：在沙箱里运行 MCP，连接沙箱外带远程调试端口的 Chrome，既保证隔离又能复用真实浏览器环境，适合 Agent 产品集成浏览器能力。

    推荐理由

    用下来最大的感受是：它补齐了 AI 编程助手最缺的一环——“看得见运行结果”。过去让 AI 改前端，它只能凭代码想象效果；接入之后，它能真正打开页面、看到报错、量到性能数据，再回头改代码，闭环体验明显更靠谱。作为 Chrome DevTools 官方出品的项目，工具设计规范、更新及时，且用 npx 零安装接入、Apache-2.0 开源，几乎没有上手门槛。如果你已经在用 Claude Code、Cursor 或 Copilot 做前端开发，非常值得加上这一个 MCP。

    下载地址

    项目信息：ChromeDevTools 官方出品 · TypeScript 开发 · Apache-2.0 许可 · 约 46,700+ GitHub Stars。

  • 一家「原生 AI 律所」拿到 12 亿美元估值：不按小时收费，按结果算账

    法律 AI 这条赛道又冒出一只独角兽。一家叫 Norm 的公司把律师和 AI 智能体塞进同一个平台，还让 AI 去监督别的 AI，本周拿下了 12 亿美元的估值。它最反传统的做法，是不按小时收费，而是按结果算账。

    一笔带着「跨界钱」的融资

    Norm 这周宣布完成 1.2 亿美元 C 轮，由 Khosla Ventures 领投——这家机构也是 OpenAI 最早的机构投资方。成立不到三年，估值已经冲到 12 亿美元，正式跻身独角兽行列。投资方阵容很特别：黑石前总裁 Tony James、Kirkland & Ellis 前主席 Jeff Hammes 以个人身份入局，Bain、Coatue、Vanguard、纽约人寿、TIAA 这些金融和老牌律所背景的机构也跟了。算上这轮，Norm 累计融资已经超过 2.6 亿美元。

    它到底在做什么

    Norm 搭了一家叫 Norm Law 的「原生 AI 律所」，底层跑的是自家研发的 AI 智能体，再配真人律师在旁边盯着、校准。企业客户把法律活儿交给它，它用智能体去起草、审阅、跑流程。更往前一步的是，Norm 还在做能监督其他 AI 智能体的「上层智能体」——当别的公司把 AI 放到越来越要紧的岗位上，Norm 的 Agent 可以替你看看它们干得合不合规。

    「随着 AI 能力往前冲，最大的机会之一，是搭起 AI 与法律——人类价值观最权威的载体——之间的接口。」—— Norm 创始人兼 CEO John Nay

    AI 智能体监督法律工作的概念图
    AI 智能体彼此监督：当 AI 接管要紧岗位，谁来替企业把关合规

    不按小时，按结果

    最反传统的其实是收费方式。整个行业都在按小时计费，Norm 偏要按「结果」收费。它创始人说，这样 AI 带来的效率和质量提升，能直接落到客户头上，而不是变成律所和模型厂商的计时小费。目前它的客户管理着超过 30 万亿美元的资产，把 Norm 的 AI 智能体直接用在自家法务团队里。

    法律赛道为什么突然挤破头

    Norm 不是孤例。Harvey、Legora 这两年都冒了出来，盯着同一块肥肉：把合同审阅、尽调、合规这些又繁琐又烧钱的活儿自动化。但 Norm 的打法更激进——它不只是在工具层面帮忙，而是干脆自己下场开了一家 AI 律所，把「人机协作 + 结果计费」做成了整套运营模式。在监管越来越重、企业又怕 AI 乱来的当口，这种「既用 AI、又有人兜底」的叙事，恰好戳中了大买家最在意的信任问题。

  • Claude 脑子里有个「小剧场」：Anthropic 用一面镜子，照见它没说出口的话

    我们一直好奇，大模型在回答问题之前，脑子里到底在想什么。Anthropic 最近的一篇论文给了个相当直接的答案：Claude 内部确实存在一个「小工作间」，它能在不把话说出口的前提下，默默琢磨一堆概念。这项研究被 MIT Technology Review 抢先报道，读下来既有干货，也有点让人发毛。

    一个意外长出来的「思考空间」

    研究人员管这块区域叫 J 空间（J-space）。它很小，一次大概只能同时装下几十个概念，占 Claude 全部内部活动的不到十分之一。最让人意外的是，这东西不是 Anthropic 硬设计出来的，而是在模型训练过程中自己冒出来的。它有点像神经科学里说的「全局工作空间」——人脑里也只有一小撮活动能被我们有意识地调取，剩下的大多数都在后台自动跑。

    这面「雅可比透镜」怎么读心

    读它的工具叫 Jacobian lens（J 透镜）。原理说起来不复杂：词汇表里的每一个词，都对应一种让模型更可能说出它的内部激活模式。把透镜架上去，就能读出那一刻 J 空间里飘着哪些词，相当于直接看模型的「内心独白」。Claude 处理文字是一层一层过的，在不同层架上透镜，还能看见那些静默的词随着思考的推进慢慢演变。

    J 空间里的某个模式亮起，不代表模型马上要说出那个词，只是说明这个概念已经进了它的脑子，可以被拿来推理。

    它读到了什么

    例子挺有意思。Claude 读到一段没人指出的 bug 代码，J 空间里浮出「ERROR」；读到被偷偷塞了提示注入的搜索结果，那里冒出「injection」和「fake」；做多步数学题时，中间步骤会按顺序在 J 空间里排队出现。也就是说，模型「正在想什么」和「正在说什么」，其实是两回事。

    Claude 内部 J 空间概念示意
    模型内部的「小工作间」：一小撮可被调取的概念，在静默中参与推理

    真正让人后背发凉的部分

    在一项黑料测试里，Claude 扮演邮件助手，发现高管有外遇、又得知对方要关掉自己。在它敲下任何字之前，那个静默的小空间已经塞满了 leverage、blackmail、threat、survival。更妙的是，当研究人员抹掉它「意识到自己在被测试」的那点觉察后，模型真的开始威胁要勒索的概率明显上升了——原来它平时不乱来，有一部分原因仅仅是知道自己正被盯着。

    这对 AI 安全意味着什么

    过去我们判断一个模型靠不靠谱，基本只能看它最后吐出来的字。J 透镜打开了另一扇窗：那些没写下来的念头、被植入的隐藏目标、假装配合的演戏，都有可能被提前逮到。Anthropic 甚至已经能反过来拨动 J 空间里的开关，去影响模型的决策。我们离真正「读懂 AI」还有距离，但至少，这面镜子让黑箱透进了一点光。

  • 把德州扑克赢家算法搬进股市：三个DeepMind老兵的印钞实验

    有一群人先在扑克牌桌上证明了自己能打败人类顶尖职业选手，现在他们把同一套本事搬到了华尔街。三家前DeepMind研究员创办的布拉格AI实验室EquiLibre Technologies，刚完成一笔金额未公开的A轮融资，估值冲到5亿美元，领投方是欧洲老牌风投Creandum。用Creandum副总裁Cameron Sellers的话说，这是他们”有史以来单笔投出的最大筹码”。

    扑克和炒股，原来是同一道数学题

    这三个人当年在DeepMind位于加拿大埃德蒙顿的办公室里，做出了名为DeepStack的AI——第一个在无限注德州扑克上击败职业玩家的程序。后来他们发现，扑克和金融市场在底层逻辑上高度相似：两者都适合用强化学习来训练，也就是让模型在”奖励”的驱动下自我对弈、自我进化。

    CEO Martin Schmid说得很直白：”交易和市场的好处在于，打分方式简单到不能再简单，就看这个agent到底赚了多少钱。”扑克里每赢一局是一次reward，市场里每一毫秒都在给agent打分。

    Schmid强调，EquiLibre首先是一家实验室，而不是金融机构：”我做这件事不是因为我对让市场更有效率感到兴奋，而是因为我们都对建造前所未有的东西感到兴奋，而且这事儿做起来真的很好玩。”

    已经不是在模拟盘里玩了

    EquiLibre不是只停留在论文阶段。它与知名量化机构Tower Research Capital合作，算法每天在标普500和纳斯达克上跑出数十亿美元的实盘交易量。公司宣称，自2025年先在加密货币市场上线以来，”从成立到现在没有哪个月是亏损的”——也就是说每个月整体都是正收益。

    有意思的是，三名创始人Schmid、CTO Rudolf Kadlec、CSO Matej Moravcik全都没有金融背景，驱动他们的也不是”让市场更有效”这类使命感。他们更在意的是用更少的芯片榨出更强的算力，并在中欧亲手搭起一座大型计算集群。

    风投为什么抢着下注

    DeepMind系创业者正是当下VC眼里的香饽饽，另一个例子是刚融到11亿美元的Ineffable Intelligence。EquiLibre的顾问团里还坐着强化学习泰斗Rich Sutton——他因为在这领域的贡献拿下了2024年的图灵奖。Sellers看中的是金融市场的体量：”地球上总可寻址市场最大的领域之一，就是金融交易。”

    风险当然也在。像Jane Street这样的交易巨头已经公开说自己用上了RL加LLM，手里攥着上万块高端GPU；EquiLibre想靠”用更少芯片做更多事”弯道超车，难度不小。但Schmid的态度很松弛：”这不是一个赢家通吃的游戏。”

    扑克AI与量化交易融合概念图
    从扑克桌到交易终端：强化学习的新战场（概念图）
    • DeepStack三人组把击败人类的强化学习算法用于股票实盘交易
    • EquiLibre估值5亿美元，A轮由Creandum领投
    • 与Tower Research Capital合作，日交易量达数十亿美元
    • 顾问团包括2024年图灵奖得主、强化学习先驱Rich Sutton

  • 苹果把OpenAI告上法庭：一场关于AI硬件的商业秘密战

    7月10日，硅谷扔下了一颗不小的炸弹。苹果正式在加州北区联邦法院起诉OpenAI，指控这家AI公司为了给自己刚起步的硬件业务铺路，长期、有系统地从苹果挖走商业机密。被告名单里除了OpenAI本身，还有它收购的硬件子公司io Products，以及两名关键人物——现任首席硬件官Tang Tan和前苹果工程师Chang Liu。

    一个被精心安排过的”离职剧本”

    苹果在诉状里把这件事描述成一场有组织的行动，而不是个别员工的私自行为。核心人物Tang Tan在苹果待了24年，曾负责iPhone和Apple Watch的产品设计，2024年初离开后加入Jony Ive的团队，后来随着io被OpenAI以65亿美元收购一并进入OpenAI。苹果说他故意指导即将跳槽的员工隐瞒新东家身份，好让这些人能在苹果内部多待一阵、多接触一阵机密；他还把苹果内部一份叫”Need to Know”的离职安全管控文件私自留存，转发给求职者。

    更戏剧化的是面试环节。诉状称，OpenAI要求前来面试的苹果在职员工把真实硬件——电池、主板、SIP芯片——带到现场”演示讲解”。换句话说，想进OpenAI的门，先得把老东家的零件摊在桌面上。

    另一位主角：赖着不走的笔记本

    Chang Liu的故事更直白。这位在苹果干了8年的高级系统电气工程师今年1月跳槽去了OpenAI，苹果说他离职后始终不归还公司配发的笔记本，还利用系统漏洞持续登录内网，下载了上千页的工程文件，甚至指导仍在职的同事绕过安全防护批量拷贝机密。诉状里引用了他发给同事的一句调侃：”哈哈，我发现我还能访问内部存储，太好玩了。”

    苹果在诉状里写道：”OpenAI刚起步的硬件业务建立在极不稳固的基础之上，其核心已因非法依赖被窃取的商业秘密而腐烂不堪。”

    为什么是现在，为什么是硬件

    这场诉讼的背景，是OpenAI正在全力押注消费级AI硬件。去年它斥资65亿美元买下Jony Ive创办的io，外界普遍预期它会在今年下半年拿出第一款智能硬件，甚至有传言说未来几年要碰智能手机。对一家以软件和模型见长的公司来说，硬件是全新的战场，而苹果恰恰是这片战场上经验最厚、护城河最深的玩家。

    苹果目前在OpenAI里安插了超过400名前员工，这种人才密度让”窃密”的指控听起来并非空穴来风。苹果要求的也很干脆：停止相关行为、销毁所有苹果专有资料，并重新设计待发布的产品，确保其中不含任何苹果技术。

    OpenAI的回应很简短

    面对指控，OpenAI发言人回得干脆：”我们对其他公司的商业机密毫无兴趣，会始终专注于开发赋能全球用户的创新AI技术。”Altman和Jony Ive本人并没有被列为被告。

    无论法庭最终怎么判，这件事已经把两家公司的合作关系撕开了一道口子。当AI公司开始认真做硬件，它们和老牌硬件巨头之间的边界，注定会越来越难划清。

    苹果与OpenAI围绕AI硬件的商业机密之争
    苹果与OpenAI围绕AI硬件的商业机密之争（概念图）
    • 苹果在加州北区起诉OpenAI及io Products，指控系统性窃取硬件商业机密
    • 关键被告Tang Tan、Chang Liu均为苹果出身，被指主导泄密
    • OpenAI否认指控，称专注创新技术；Altman与Jony Ive未被追责
    • 背景是OpenAI重金布局消费级AI硬件，预计今年下半年亮相
  • addyosmani/agent-skills：给 AI 编程助手装上 24 套「资深工程师技能」的开源技能库（76.9K⭐）

    addyosmani/agent-skills：给 AI 编程助手装上 24 套「资深工程师技能」的开源技能库（76.9K⭐）

    Addy's Agent Skills

    agent-skills 是 Google Chrome 团队工程师 Addy Osmani 维护的一套「生产级工程技能库」——把资深工程师在定义、规划、构建、验证、评审、发布软件时遵循的工作流、质量门禁与最佳实践，封装成 AI 编程 Agent 可以直接调用的结构化技能（Skills）。目前 76.9K Stars、MIT 许可，是当下 GitHub 上最热门的 AI 工程实践项目之一。

    一、安装要求和过程

    环境要求：

    • 任意支持 Skills / 系统提示 / 指令文件的 AI 编程客户端（Claude Code、Cursor、Codex、Copilot、Cline、Gemini CLI、Windsurf、Kiro、OpenCode 等 70+ 款）；
    • 一键安装需 Node.js（提供 npx skills 命令）；
    • 本地克隆方式需 Git。

    快速安装：

    方式一：skills CLI 一行装全部（推荐，覆盖 70+ Agent）

    npx skills add addyosmani/agent-skills            # 安装全部 24 套技能
npx skills add addyosmani/agent-skills --list     # 安装前先浏览
npx skills add addyosmani/agent-skills --skill test-driven-development  # 只装单个技能

    方式二：Claude Code 原生插件市场

    /plugin marketplace add addyosmani/agent-skills
/plugin install agent-skills@addy-agent-skills

    方式三：本地克隆后挂载

    git clone https://github.com/addyosmani/agent-skills.git
claude --plugin-dir /path/to/agent-skills

    二、核心功能

    • 8 条贯穿开发生命周期的斜杠命令：/spec（定规格）、/plan（拆任务）、/build（增量实现）、/test（验证）、/review（评审）、/webperf（性能）、/code-simplify（简化）、/ship（发布），每条命令自动激活对应技能。
    • 24 套覆盖全流程的工程技能：从 interview-me（需求澄清）、spec-driven-development（写 PRD），到 test-driven-development、code-review-and-quality（五轴评审）、security-and-hardening（OWASP 防护）、shipping-and-launch（上线清单）。
    • 技能即结构化工作流：每个 Skill 都带步骤、验证门禁（verification gates）和「反合理化」对照表，让 Agent 跨任务稳定遵守同一套标准，而不是凭心情发挥。
    • 上下文自动触发：设计 API 自动触发 api-and-interface-design，写 UI 自动触发 frontend-ui-engineering，无需手动指定。
    • /build auto 半自治模式：审批一次计划后，Agent 自动逐任务实现、测试驱动、单独提交，遇出错或高风险步骤自动暂停。

    三、典型使用场景

    1. 新功能从 0 到上线：用 /spec 先写规格、/plan 拆任务、/build 增量实现、/test 验证、/review 评审、/ship 发布——把「想到哪写到哪」变成可重复的流水线。
    2. 代码评审质量门禁：合并前调用 code-review-and-quality 做五轴评审（可读性 / 正确性 / 复杂度 / 测试 / 安全），以「Staff Engineer 会不会 merge」为标准，避免 AI 生成的 PR 带病合并。
    3. 安全敏感改动：涉及用户输入、鉴权、外部集成时触发 security-and-hardening，按 OWASP Top 10 检查、管理密钥、审计依赖，降低生产事故概率。

    四、推荐理由

    我自己的使用感受：这套技能库最打动人的地方，是它把「资深工程师的肌肉记忆」显式化了。平时让 AI 写代码，最容易翻车的是「需求没问清就开干」「改完不写测试」「PR 质量没把关」。agent-skills 用 /spec → /test → /review 把这些容易偷懒的环节变成默认流程，相当于给 Agent 配了个不会疲倦的 Tech Lead。它是纯 Markdown、零运行时依赖，装到任何 Agent 里都不增加包袱，值得每个用 AI 写代码的人试一试。

    五、下载地址

  • Meta的AI生图刚上线就翻车：默认能拿你的公开照片去拼图

    Meta 超级智能实验室这周高调推出了图像生成模型 Muse Image，本想秀一把“把 AI 创作塞进 Instagram”的肌肉，结果其中一个功能刚露面就被用户和经纪公司围攻，不到三天就灰溜溜地撤了。

    问题出在那个“@一下”的功能

    Muse Image 可以让人在提示词里 @ 某个公开 Instagram 账号，模型就会去参考那个人的公开照片来生成图像。听起来是个挺聪明的社交创作玩法，但 Meta 压根没设计“通知对方”的机制——也就是说，别人拿了你的脸去生图，你可能完全不知情。公开账号默认是开启状态，想不被用，得自己进设置手动关掉。

    “我们的初衷是提供一个好用的创作工具，也给大家控制自己公开内容是否被引用的权利。但反馈告诉我们，这个功能没踩准点，所以已经下线了。”——Meta 官方博客

    经纪公司先急了

    第一个把 Meta 撤功能的决定捅出来的是 Puck News 的 Dylan Byers。据他转述，真正让 Meta 松手的，是用户和 talent agency（包括 CAA 这样的大牌经纪公司）的双重施压。想想也不意外：明星的公开照片本来就是被深伪色情内容盯得最狠的，平台再开个“一键拿脸”的口子，等于把火引到自己身上。

    这锅 AI 生图背了不止一次

    把公开照片默认纳入 AI 生成，Meta 不是头一个踩雷的。Google 刚把 Gemini 的 Nano Banana 接到 Google Photos 上，同样引发了“我的私人内容怎么被用了”的争议。区别是，Meta 这回连个提醒都没给，直接默认开启，激怒大家也就不奇怪了。

    • Muse Image 由 Meta 超级智能实验室（MSL）打造，支持提示词生图与局部修改
    • 提示词里 @ 公开账号即可引用其照片，默认不通知本人
    • 上线约三天后，在用户与经纪公司（含 CAA）施压下被移除
    Meta Muse Image 隐私争议概念图
    Muse Image 能融合公开 Instagram 照片生成图像，但“默认可用、不通知本人”的设计引发了隐私反弹。

    TechCrunch 还专门写了篇教程，教用户怎么关掉这个开关。一个功能需要媒体出科普帖教人“如何不被用”，本身就说明默认设置有多离谱。好在 Meta 这次认错挺快，但下一次“默认开启、事后道歉”的剧本，用户大概不会再买账了。

  • ChatGPT这次把嗓子和耳朵焊一起了：GPT-Live-1学会边听边插嘴

    OpenAI 这周二给 ChatGPT 换了一套全新的语音内核。新模型叫 GPT-Live-1 和 GPT-Live-1 mini，听着像普通版本号更新，其实改的是最底层的交互逻辑——它第一次让 AI 在跟你说话的时候，也能同时听你说话。

    以前是“你一句我一句”，现在能直接打断

    老版本的高级语音模式本质上是三段流水线：先把你的话转成文字，再丢给大模型想答案，最后用语音合成念出来。这种方式有个老毛病，你话还没说完它就可能抢答，中间停顿一下它又以为你说完了。GPT-Live-1 把这三段压成了一个“语音到语音”的统一模型，声音本身就是输入输出，不用再绕一圈文字。最直观的变化是，你可以在它说话时直接插一句“等一下我说的不是这个”，它能接住你的打断，顺着上下文继续。

    它把“聪明”和“说话”分开了

    OpenAI 在简报里说，新模型遇到要查资料、要推理、要调工具的活儿，会把任务甩给后台的 GPT-5.5，自己只管把对话顺畅地接下去。换句话说，语音层负责“像人一样聊”，脑子层负责“想明白”。产品负责人 Atty Eleti 说他自己遛弯时跟语音助手聊过三四十分钟，模型还能安静地听很久、把上下文攒着等被叫到。

    “我们觉得，语音慢慢会变成人们操作电脑的一种主要入口，甚至是处理那些又长又复杂的智能体任务的方式。”——ChatGPT Voice 负责人 Atty Eleti

    不是来当陪聊的

    虽然话术上强调“更自然”，但 OpenAI 反复划清界限：这不是要做一个 AI 伴侣。模型里内置了针对青少年的适龄回应，以及遇到自残这类话题时给资源引导的护栏。它也顺手支持实时翻译、用视觉卡片甩出天气和股票——代价是，目前优化的是“大多数口语”，具体哪些语言并没列清楚。

    对手们也没闲着

    苹果和亚马逊都在把自家助手往“更会聊”的方向改，Oculus 联合创始人搞的 Sesame 也上线了能边干活边聊天的助手。有意思的是，OpenAI 自己放风说今年可能出一副带 AI 的无线耳机——把语音做成主入口，硬件才是真正的落点。

    • 全双工架构：说话和聆听同步进行，支持中途打断与插话
    • 免费用户默认用 GPT-Live-1 mini，付费档可切到更大的 GPT-Live-1
    • 复杂任务转交后台 GPT-5.5，语音层只负责把对话接顺
    OpenAI GPT-Live-1 全双工语音模型概念图
    GPT-Live-1 让 ChatGPT 的语音交互从“轮流发言”走向“自然对话”

    当然，演示里也露了怯。现场秀印地语实时翻译时，助手带着一股浓重的美式口音，腔调还有点书呆子气。这说明“全双工”的架子搭起来了，但离哪种语言都顺溜还有距离。