YOHO AI

标签： AI技术

  • 巴黎一家语音AI公司，拿了英伟达的钱，还要跑去湾区抢人

    AI语音这条赛道，最近又冒出一笔不小的融资。巴黎初创公司Gradium这周宣布，把原本关掉的种子轮重新打开，新拉进来英伟达等投资人，整轮累计融到1亿美元。

    钱要花在刀刃上

    Gradium自己说，这笔钱主要用来在旧金山湾区开个办公室、就近抢人——原话挺直白，叫”把自己摆在全世界最领先AI生态圈的正中心”。这话挺有意思：巴黎明明是欧洲AI的重镇，可真要拼人才，还是得贴着Anthropic、Google、Meta、OpenAI这几家巨头才踏实。

    从实验室里长出来的公司

    Gradium并不是凭空冒出来的。它去年12月才结束隐身状态，最初那7000万美元，投资方名单就相当豪华：FirstMark Capital、Eurazeo、DST Global Partners，还有Eric Schmidt和法国电信大亨Xavier Niel。再往前，它是从法国AI实验室Kyutai分拆出来的——两家公司的联合创始人Neil Zeghidour，早年在Google Brain、DeepMind、Facebook都待过。

    AI语音技术与神经网络融合概念图
    Gradium主打超低延迟的AI语音模型，背后站着英伟达

    他们做的事，说白了就是”让AI说话不卡顿”。Gradium做的语音模型主打超低延迟，声音几乎秒回，没有那种在AI对话里经常冒出来的、让人尴尬的停顿。听着简单，可对语音代理来说，这几毫秒的差距，往往就是”像真人”和”露馅了”的分界线。

    对手可不弱

    这条赛道早就挤满人了。光是ElevenLabs，今年2月就靠着红杉的5亿美元把估值冲到110亿；更别提Google Gemini这种自带语音基因的巨头。不过Gradium好像还真撕开了口子——从去年12月发布到现在，它已经拿下包括雷诺在内的几个大客户。

    1亿美元对一家还叫”种子轮”的公司来说不算小，但在语音AI这场仗里，能不能靠低延迟真正站稳，才刚开场。

  • Anthropic给Claude加了块「使用报告」，这盘算计比你想的深

    最近AI被骂得挺凶，数据中心抗议、 backlash新闻一个接一个。就在这当口，Anthropic给Claude悄悄推出一个叫Reflect的新功能。表面看，它就是个使用仪表盘——把你跟Claude聊过什么、用AI的习惯、常求助的任务类型，全给可视化出来。

    但这块仪表盘真正想做的事，是悄悄改变你怎么看待AI这件事。它把Claude摆成一个”你天天在用的生产力工具”，一种已经嵌进你工作流里的东西，顺带还把它包装成一项你可以”有觉知地”去用的技术。

    它不只是给你看数据

    Reflect不会真的算你靠AI省了多少时间，但把Claude帮过的活儿一件件摊在你面前，那种感觉会让你越来越把Claude当成离不开的日常。Anthropic还说，Reflect会时不时蹦个问题出来，比如”有什么事，哪怕Claude能更快做完，你也想自己动手？”——这其实是在引导你，怎么”更有意识”地跟AI相处。

    连”防沉迷”都安排上了

    挺有意思的是，这个原本为了让人多用AI的功能，顺手还给了你设置”安静时段”、提醒你该歇会儿的选项。毕竟聊天机器人永远秒回、还主动接话，这种黏性谁用谁知道。Anthropic大概也清楚，得做点姿态出来。

    Claude Reflect AI使用习惯仪表盘概念图
    Claude Reflect把你的AI使用习惯摊在面前，潜移默化地强化依赖

    早在2012年，Google就推过Gmail Meter，把你邮箱的使用数据做成饼图。当年那玩意儿主要是让技术宅自嗨，但也顺带用数字证明了一件事：Gmail已经成了你数字生活的中心。Reflect干的是同一件事，只是往前多走了一步——它还会教你，怎么把AI用得更好。

    隐私怎么说

    Anthropic说，比较敏感的对话也可能出现在Reflect里，但只会以”高层面”呈现；连着健康类整合工具的对话，则完全不进统计。而且这些洞察数据不会被拿去干别的事。

    Reflect目前向开启了记忆功能的Free、Pro、Max用户开放beta，之后还会加上”你到底在Claude上花了多少时间”的视图。一块使用报告而已，但Anthropic打的算盘，显然不止是让你多看一眼。

  • 纽约时报等出版商要求制裁OpenAI：指控其隐瞒训练证据

    纽约时报与 OpenAI 版权诉讼概念图
    新闻业与 AI 公司的版权博弈（配图由 AI 生成）

    这起打了快三年的版权官司，这两天又升级了。纽约时报、每日新闻等多家媒体在 7 月 9 日向曼哈顿联邦法院提交了一份动议，要求法官对 OpenAI 处以制裁。理由很重：它们指控 OpenAI 在诉讼过程中隐瞒、甚至销毁了能说明 ChatGPT 怎么用新闻内容训练的证据。

    这份 52 页的文件写得很直白。出版商们说，OpenAI「选择了阻挠」——明明手里有训练数据集和 ChatGPT 的输出日志，却迟迟不交出来，而这些材料恰恰能显示 AI 系统到底怎么用了受版权保护的新闻内容。原告方要求法官就「证据开示不当」惩罚这家公司，理由是这种行为可能扭曲了整起案件的关键证据。

    「这份动议是请法院惩罚 OpenAI 隐藏并销毁证据，证明 ChatGPT 是怎么用偷来的新闻业内容训练出来的。」——每日新闻代理律师 Steven Lieberman

    「两年都在做不实陈述」

    出版商这边的核心指控是：OpenAI 两年来一直「做不实陈述」，说自己没法在训练数据集和日志里检索受版权保护的内容。这个说辞是直到今年 2 月，OpenAI 隐私工程负责人 Vinnie Monaco 第二次作证时才被戳破的——证词显示，OpenAI 其实早就已经检索过训练数据集和输出数据，和公司最初的表态完全矛盾。原告还指控 OpenAI 删除了部分日志，这违反了法院的证据保全命令。

    纽约时报的主辩律师、Susman Godfrey 律师事务所的 Crosby 说得更不客气：「OpenAI 对纽约时报、每日新闻的原告方、公众和法庭都撒了谎。它声称检索 ChatGPT 输出里有没有我们的内容，是做不到、太麻烦、又侵犯用户隐私的——可同时它又藏着不说，自己早就这么干过了。」

    OpenAI 的回击：我们在保护用户隐私

    OpenAI 没有认下这些指控。公司发言人 Drew Pusateri 把这形容为原告在案件走弱之后的纠缠：「随着时报的案子变弱、还被迫撤回了对我们的部分索赔，他们仍在坚持侵犯与本案无关的人的隐私，包括用这些明显虚假的指控。」他强调，OpenAI 会继续捍卫用户隐私，以及「合理使用」（fair use）这条早就立住的法律原则。

    这里头的张力很清楚：出版商想要看训练数据，OpenAI 说那会泄露用户隐私。而「合理使用」正是整场官司的命门——OpenAI 和一大批科技公司都主张，拿网上的书、文章去训练 AI 受版权法里的「合理使用」保护，这个理论正在几十起诉讼里被反复检验，结果好坏参半。

    这场拉锯的代价不低。纽约时报光是在和 AI 公司打官司上就已经花了超过 2800 万美元，光今年第一季度就烧了 420 万。有意思的是，一边在法庭上互撕，一边又有越来越多媒体跟 OpenAI、谷歌、Meta 签了授权协议——通常是收一笔钱，换对方用自己的新闻库训练 AI。新闻业正卡在一个尴尬的位置：既想守住自己的内容，又舍不得 AI 带来的那张支票。这场制裁之争不管怎么判，都很可能给整个行业的未来定调。

  • Meta的自研AI芯片要量产了：9月上线，想少给英伟达交「算力税」

    Meta 自研 AI 训练芯片概念图
    Meta 自研 AI 训练芯片 MTIA 概念图（配图由 AI 生成）

    Meta 最近被路透社爆出一个消息：他们最新一代的自研 AI 芯片，最快今年 9 月就要开始量产了。这事听起来挺技术宅的，但背后其实是 Meta 在算一笔很现实的账——它不想再被英伟达的 GPU 价格卡着脖子。

    据路透社看到的内部备忘录，至少有一款芯片用大约六周时间就顺利走完了测试阶段。Meta 找了博通（Broadcom）一起做芯片设计，真正代工交给台积电。配套的存储和零部件也铺开了：内存买三星的，存储用闪迪（Sandisk），光纤设备来自住友电工。换句话说，一颗芯片背后，是一整条被重新梳理过的供应链。

    「每一代 MTIA 都建立在上一代之上，用模块化小芯片、更短的迭代节奏，跟上 AI 需求的快速变化。」——Meta 官方谈自研芯片路线

    一颗芯片背后的千亿赌注

    这套芯片属于 Meta 的 MTIA 项目（Meta Training and Inference Accelerator，训练与推理加速器）。Meta 今年 3 月专门介绍过这四颗新芯片，走的「模块化小芯片」路线——说白了就是把芯片拆成一个个乐高块，哪块不够用了就换哪块，好跟上 AI 需求几个月一变的速度。

    Meta 为什么这么急？最直接的原因是钱。在 GPU 严重短缺的当口，向英伟达和 AMD 买算力越来越贵。自研芯片能帮它省下一部分采购开支，尤其是用来跑推荐算法、排序，以及给自家 App 做推理。当然，Meta 也明确说了，该花的钱还是得花，和英伟达、AMD 的合作不会断。

    这件事有个时间背景：Meta 今年 4 月给出的资本开支指引是 1250 亿到 1450 亿美元，大头都砸在 AI 上。为了给新的 Muse Spark 系列模型备好算力和电力，它在全球签了一堆数据中心和供电协议，光今年就要部署 7 吉瓦的算力，明年还要翻倍。从 2023 年开始，Meta 就在自己搞 AI 芯片了，现在算是把这条路走到了量产节点。

    不是 Meta 一家在「去英伟达化」

    其实不止 Meta 一个人在这么干。大家都想在同一个目标上少被英伟达抽成：把最贵的那部分算力，握在自己手里。看看这一圈玩家就明白了：

    • OpenAI 上个月刚公布了和博通合作的自研推理芯片；
    • Anthropic 据传也在和三星谈自研芯片；
    • 亚马逊有 Trainium，谷歌有 TPU，都是自家用的 AI 芯片；
    • 再加上一堆初创公司，全都在抢同一块「自己造 AI 芯片」的蛋糕。

    对 Meta 来说，自研芯片量产是个里程碑，但也只是开始。芯片造出来能不能真正撑起训练任务、能不能比买英伟达更划算，还得等真刀真枪跑起来才知道。不过有一点是确定的：当最烧钱的几家 AI 公司都开始自己造「发动机」，算力这门生意的玩法，已经悄悄变了。

  • Character.AI 杀进微短剧：你不仅能看，还能跟剧里的 AI 角色聊上两句

    Character.AI 用 AI 角色制作的微短剧
    Character.AI 用 AI 角色拍起了微短剧，观众还能进到剧情里

    微短剧今年火到什么程度？几乎所有盯着「用户注意力」这门生意的公司都在做——专门的微短剧 App 不用说，TikTok、Instagram 在弄，Peacock、Amazon Prime、印度的 JioHotstar 也都下场了。现在，做 AI 角色聊天的 Character.AI 也挤了进来，而且它玩了个别人还真复制不了的花活。

    首发三部剧，关键在「你能跟角色聊」

    Character.AI 给自己做的微短剧起了个名字叫 c.ai Series，先用 AI 生产工具做了三部：爱情向的《Last Summer》、恐怖向的《The Nighttime Game》，还有一部类似《饥饿游戏》的生存剧《Eden Fall》。

    真正有意思的是它的那个 twist。Character.AI 的老本行就是让用户跟定制的 AI 角色聊天，所以它顺手把这个能力接进了剧里：18 岁以上的观众，能直接跟剧里的角色对话、提问，甚至换个剧情线去角色扮演。看剧，变成了「进到剧里」。

    「先用工作室模式把格式打磨好、把流程理顺、摸清楚观众到底想要什么，往后目标是把这些经验和工作流变成创作工具，让用户用自己原创的角色做系列剧，分享给全球观众。」—— Character.AI 发言人

    从聊天工具到「娱乐公司」，它去年就开始转了

    这已经是它去年把重心转向娱乐之后，一连串新功能里的最新一步。今年 4 月，它先抛出一个叫 Lorebook 的工具，让用户给角色写世界观设定；接着又推了 Books，能让你把自己塞进经典文学里，或者扮演书里的角色。

    它还在测两样东西：一个叫 c.ai FM，让你拼音频剧；另一个叫 c.ai Reads，用来写小说。音频剧目前放在实验项目 c.ai Labs 里，给一部分用户和职业作家做连载广播剧用。

    观众是真的愿意泡在里面

    Sensor Tower 的数据说，2026 年上半年，用户平均每个月要在 Character.AI 上花 950 多分钟。微短剧本来就靠「几秒一个钩子、爽点密」吃饭，现在再叠上一层能对话的 AI 角色，等于把观众从「看客」直接拉成了「参与者」。

    这事儿能不能跑通、观众会不会看腻，现在谁也不敢下定论。但把「看剧」变成「进剧」这个方向，大概率就是 AI 娱乐接下来要长的样子。

  • Ollama 又融了 6500 万美元：让开发者在自己电脑上跑大模型，这门生意成了

    在个人电脑上运行开源大模型的 Ollama
    在个人电脑上跑开源大模型，Ollama 想做成 AI 时代的「Docker」

    Ollama 这家公司的名字，做 AI 开发的人基本都听过，圈外知道的不多。最近它宣布完成 6500 万美元的 B 轮融资，领投方是 Theory Ventures。加上之前 Benchmark 的 Peter Fenton 领投的 1500 万 A 轮，这家公司前后总共融了 8800 万美元。

    从 Docker 出来的团队，给 AI 干了件类似的事

    Ollama 在 2023 年上线，做的事情其实很朴素：让开发者在自己的电脑上，几分钟就把开源大模型跑起来。它在 GitHub 上攒了 17.6 万颗 star、将近 1.7 万个 fork，被无数教程、视频和博客拿来当范例。

    创始人 Jeff Morgan 和 Michael Chiang 之前都在 Docker 干过，做过 Docker Desktop，后来公司被 Docker 收购。所以 Ollama 对 AI 模型干的事，基本就是 Docker 当年对云计算干的事——把那些麻烦的硬件配置、环境差异全给你屏蔽掉，开发者只管跑。

    「2023 年开源模型就出来了，但那时候真的很难用，都是给研究人员准备的，不是给程序员用的。想把它们跑起来特别费劲。」Morgan 说。

    近 900 万月活，团队却只有 14 个人

    上线三年，Ollama 现在每个月有 890 万开发者在用，85% 的财富 500 强公司都在用，而背后撑起这一切的团队，只有 14 个人。它能长到这么快，靠的就是「在本地电脑上更顺手地搭 AI」这件事本身的需求。

    商业模式上，桌面免费版一点没变，赚钱靠的是云端订阅，从免费到每月 100 美元分几档，按 GPU 时长而不是 token 计费。那些太大、在自己电脑上跑不动的开源模型，Ollama 就帮你在它的云上找算力跑。

    企业开始认真考虑「用便宜的，留贵的」

    Morgan 把 Ollama 真正像个生意跑起来，归因于今年 1 月 OpenClaw 爆火。那之后，开源模型突然能做 agentic 任务了，比如写代码，企业开始认真琢磨：是不是能把日常活儿交给更便宜的开源模型，只在必要时才掏钱用 Anthropic 那种闭源模型。

    Fenton 的观点是，开源和闭源不是二选一，两边都有的赚。但他也点出一个现实：凡是推理成本高、也就是用模型烧钱烧得狠的公司，都有一股「生存级」的动力往开源权重模型上搬。

    免费的还免费，但「开发工具堕落」的骂声已经有了

    不是所有粉丝都买账。大概一年前，就有一批博客和论坛帖子吐槽 Ollama 的云服务，说它把精力从心爱的免费项目上挪走，把这股风气叫「开发工具的 enshittification（逐渐变烂）」。

    Morgan 不这么看，他说云端是开源使命的延伸——那些顶尖的大模型你自家电脑跑不动，「那我们就帮你把算力找来」。Fenton 也补了一句：桌面上的免费核心产品，前提一点没变，该发现模型、该跑本地模型，还是那个地方。

    不管争议怎么走，Ollama 都算是 AI 催生出来的那一拨「开源项目长成公司」里的最新样本。和它差不多的还有做推理的 Inferact（vLLM）、RadixArk（SGLang），以及从零训自己开源模型的 Arcee。AI 这波浪潮，正在把一批本来免费的工具，一点点变成正经生意。

  • Prime Intellect融资1.3亿美元，帮企业逃离OpenAI和Anthropic

    1.3亿美元、估值10亿，背后站着英伟达和英特尔

    Prime Intellect这家公司做的事听起来有点硬核：它给企业提供算力和一整套专门软件，让这些公司能自己动手训练AI代理。最新一笔钱是1.3亿美元A轮，估值直接站上10亿美元。领投的是Radical Ventures，跟投名单里躺着英伟达创投、英特尔资本、戴尔科技资本、Iconiq，还有一长串创始人天使——Perplexity的Aravind Srinivas、Box的Aaron Levie、Harvey的Winston Weinberg、Cognition的Jeff Wang都来了。

    公司2024年成立，核心念头就一个：让组织不用再依赖那些前沿实验室，也能训出自己的代理系统。这事搁几年前几乎不可能，但强化学习这套”做对了就奖励、做错了就惩罚”的法子成熟之后，企业确实有机会把自己的业务模型打磨成专属的”AI实验室”。

    企业AI代理基础设施概念图
    把算力、强化学习框架和评估工具打包成”全栈”，企业按模块取用

    真正卖点：帮你绕开OpenAI和Anthropic

    底层基础设施那摊事太复杂，绝大多数公司根本没本事把它拼成能上生产的系统，这正好是Prime Intellect切进去的缝。它做的”全栈”包含算力接入、强化学习框架和评估工具，平台像个集市，客户挑自己要的模块，不会被绑死在一整套里。

    Radical Ventures的合伙人David Katz说，别人都只给零碎零件，Prime Intellect的特别之处在于，它把顶级AI实验室的本事做成了”一站式商店”，而且价格企业付得起。

    钱花得值不值，看客户就知道。Ramp、Zapier、Flapping Airplanes都在付钱用它的托管版，这一波 adoption 已经把公司年化收入推到了1亿美元。Ramp拿它搭了个在电子表格里找答案的代理，Ramp联合CEO Karim Atiyeh的说法是：精度压过了前沿模型，速度更快，成本只有零头。

    企业为什么突然想”自己掌握智能”

    • 数据主权：把专有信息喂给OpenAI、Anthropic，企业怕失去对数据的控制权。
    • 断供风险：模型说关就关，上个月Anthropic的Fable就是活例子。
    • 竞争焦虑：Katz反问，我怎么知道合作方不会反过来把我这摊事也做了。

    创始人兼CEO Vincent Weisser把话挑得更明：企业正在集体离开闭源前沿模型，而他的公司就是那个让转型能落地的底座。”不该只有旧金山玻璃塔里那几个极客才配训AI模型，”他说，”每一家企业、每一个国家，都该有这个能力。”

  • 用电子游戏训练机器人？General Intuition说机器人的ChatGPT时刻要来了

    从游戏手柄到机器人腿，这家公司赌的是”通用”两个字

    在GPT-3带火基础模型之前，做自然语言处理的公司基本都得从零开始，针对每个具体任务攒一堆专用数据去训练。现在谁还这么干？大家都是先拿GPT、Claude或者Llama这类通用模型过来，再微调一下应付自己的业务。General Intuition的CEO Pim de Witte觉得，机器人这行迟早也会走一模一样的路。

    他说的”专用路线”是什么样？就是现在很多团队各自为战，盯着某一个具体的机器人、某一个固定的环境、某一项专门动作死磕。de Witte的判断很直接：等通用模型真正成熟，这类苦活儿大部分都得作废。他甚至抛了个挺挑衅的说法——模型本身的泛化能力才是产品，”它只要对空间和时间有了最底层的理解，大家就没必要再去收集几十万、上百万小时的真实世界数据了，因为说白了，你其实只需要几分钟。”

    四足机器人在办公室中行走
    用游戏数据训出来的基础模型，正在让机器人摆脱对海量真实数据的依赖

    他们的秘密武器，是几百万小时的电子游戏录像

    General Intuition自己那套基础模型，训练素材来源有点出人意料：几百万小时的游戏视频，里面连”人类什么时候按了手柄上的哪个键”这种细节都标得清清楚楚。de Witte和投资方Vinod Khosla都认同一件事——这种”动作数据”才是让AI长出类人空间直觉的关键。

    他们最有说服力的一次演示，是让机器人只靠一个前置摄像头、没有任何别的传感器，在有人走来走去、不断有东西乱入的办公室里零样本跑起来。de Witte说，这事儿连他们自己都吓了一跳，而这八分钟真实数据之外的部分，全是模型自己泛化出来的。

    靠着这套逻辑，General Intuition上个月刚融了3.2亿美元，估值冲到23亿。钱不是白给的——他们的模型既能连续玩上几个小时游戏，也能驱动一台四足机器人，而后者只用了八分钟真实机器人数据做微调。de Witte给公司的定位也很清醒：他们不造机器人，要做的是”物理AI领域的基础模型”，相当于给其他机器人公司当地基。

    机器人行业的”ChatGPT时刻”到底还差什么

    • 数据逻辑在变：从”为每个动作攒数据”转向”用高质量数据训出能迁移的通用模型”。
    • 门槛在降：真实世界采集不再是必选项，几分钟的针对性微调可能就够了。
    • 生意在转：卖机器人的会越来越多，但卖”机器人脑子”的可能是另一拨人。

    de Witte有句话挺能概括野心：”我们不去造一家自动驾驶公司，我们要做的是，让下一个人造自动驾驶公司的难度大降十倍。”这话听着像在致敬当年基础模型对NLP行业的改造。只不过这一次，战场从屏幕里的文字，挪到了真实世界的四肢和空间里。

  • 成立不到三年估值翻倍到132亿美元，Lovable做对了什么

    Lovable 氛围编程创业公司
    用大白话描述需求，软件自己就长出来了——这正是氛围编程的卖点

    一家瑞典的”vibe-coding”（氛围编程）创业公司 Lovable，正在谈一轮 3 亿美元的融资，估值直接冲到 132 亿美元——正好是他们去年 12 月 66 亿美元估值的两倍。据 Sifted 报道，领投的是 Menlo Ventures，就是上个月刚宣布募了 30 亿美元新基金的那家。不到一年估值翻一倍，这速度在 AI 应用层里也算扎眼。

    收入跑得比名气还快

    这家成立还不到三年的公司，今年 6 月年化收入跑到了 5 亿美元。它的用户群挺杂：有创始人、独立设计师、做销售的人，拿它来搭网站和电商落地页；它也把工具卖给大公司，Workday、Asana、英伟达都在客户名单里。既有散客又有大单，这让它跟那些只靠个人开发者撑场面的竞品拉开了身位。

    “用大白话描述一下，软件就自己长出来了”——这大概就是氛围编程最直白的注脚。

    为什么”氛围编程”这么值钱

    氛围编程说白了就是用户用自然语言描述想要什么，AI 就把软件给搭出来。这目前是 AI 最火、也最赚钱的应用场景，没有之一。同赛道里早就挤满了高估值玩家：

    • Replit：今年 3 月估值到 90 亿美元
    • Factory：帮企业做 AI 代理，4 月拿了 1.5 亿融资、估值 15 亿
    • Cursor：给开发者做氛围编程，上个月刚被 SpaceX 以 600 亿美元股票收购

    Lovable 这波估值翻倍，本质上是市场在给”AI 让人人都能写软件”这个故事重新定价。当收入跑得快、大企业也愿意买单，投资人自然愿意把赌注加倍。不过氛围编程这行的护城河到底有多深，会不会被大厂自家的 AI 工具一点点稀释，到现在还是个没人能答清楚的问题。

    回头看，Lovable 从去年底 66 亿到如今 132 亿，踩中的是 AI 从”聊天”走向”真把东西做出来”的那股劲。接下来要看的是，它能不能在 Cursor 被巨头收编、大厂工具免费化的夹击下，守住自己的那块地盘。

  • Grok 4.5发布：马斯克说它比Opus更快、更省token

    Grok 4.5 大模型发布
    SpaceXAI 把 Grok 4.5 定位为一款”主力劳工型”大模型

    SpaceXAI——也就是原来那家 xAI，被马斯克并进 SpaceX 之后改的名——这周三把 Grok 4.5 放出来了。这是公司几周前上市之后的第一个新模型，也算是重组后对外界交出的第一份模型答卷。

    马斯克自己在 X 上（X 现在也是 SpaceXAI 旗下的）把它形容成”Opus 级别”的模型，意思是能跟 Anthropic 那档专攻复杂任务的顶级模型掰手腕。他在帖子里写得很直白：Grok 4.5 是 Opus 级的水平，但更快、更省 token、也更便宜。

    一款”什么活都接”的主力模型

    官方博客里，SpaceXAI 把 Grok 4.5 定义成”主力劳工型”模型：写代码、搭应用、办公杂活、做研究、写稿子，这些 AI 圈一直想自动化的活它都能接。但最值得盯的不是它能干多少事，而是效率——公司声称它的 token 效率是其他主流模型的两倍。

    对真正天天调模型的人来说，token 贵不贵早就成了绕不开的痛点。如果这”两倍效率”在真实场景里能兑现，Grok 4.5 的性价比优势就立住了，而这恰恰是 SpaceXAI 最想打的牌。

    “It is an Opus-class model, but faster, more token-efficient and lower cost.”——马斯克在 X 上的原话

    成绩单跟价格，都挺能打

    SpaceXAI 周三甩出了一堆基准测试成绩，看下来跟竞争对手的顶级模型咬得很紧，但离”全场第一”还差一口气。真正有冲击力的是定价：输入每百万 token 2 美元，输出 6 美元。

    作为对比，Anthropic 的 Opus 4.7 要 5 美元和 25 美元，OpenAI 的 GPT-5.6 里最贵的 Sol 是 5 美元和 30 美元。马斯克后来补了一句：内部评估 Grok 4.5 大概跟 Opus 4.7 一个水平，但快得多，”能力、速度、低价三样凑一起，才是它打市场的资本”。

    • Grok 4.5：输入 2 美元 / 输出 6 美元（每百万 token）
    • Opus 4.7：输入 5 美元 / 输出 25 美元
    • GPT-5.6 Sol：输入 5 美元 / 输出 30 美元

    这周简直是模型发布大周。OpenAI 的 GPT-5.6 也在周四准备上线，而且这模型之前还被特朗普政府卡了发布，理由是安全顾虑。一边是 Grok 4.5 打着低价快速度的旗号冲出来，一边是 GPT-5.6 顶着”史上最强”的名头解禁，大模型圈的价格和能力军备竞赛，眼看着又被点了一把火。