YOHO AI

标签： AI

  • 【开源推荐】aisuite：14.5K+ Stars！Andrew Ng 出品，一行代码切换 14+ 个 AI 大模型

    【开源推荐】aisuite：14.5K+ Stars！Andrew Ng 出品，一行代码切换 14+ 个 AI 大模型

    🚀 aisuite
    Simple, unified interface to multiple Generative AI providers
    ⭐ 14,500+ Stars  |  🍴 1,500+ Forks  |  🐍 Python  |  📜 MIT License

    📌 项目简介

    aisuite 是 Andrew Ng（吴恩达）团队开源的轻量级 Python 库，通过一套统一 API 接口同时调用 OpenAI、Anthropic、Google、Mistral、AWS、Ollama 等 14+ 个 AI 大模型提供商。只需修改一个字符串即可切换模型，彻底告别各家 SDK 差异带来的适配噩梦。

    该项目采用两层架构：底层是统一 Chat Completions API（兼容 OpenAI 格式），上层是带工具调用的 Agents API。同仓库还包含基于 aisuite 构建的桌面 AI 助手 OpenCoworker。

    ⚙️ 安装要求和过程

    环境要求

    • Python 3.9+
    • 各 AI 提供商的 API Key（或本地 Ollama）
    • 磁盘空间：约 50MB（基础包）

    快速安装（3步）

    # 基础安装（不含提供商 SDK）
pip install aisuite

# 安装时附带指定提供商的 SDK
pip install 'aisuite[anthropic]'
pip install 'aisuite[openai]'
pip install 'aisuite[google]'

# 安装所有提供商 SDK（完整版）
pip install 'aisuite[all]'

    API Key 配置

    # 设置环境变量（Linux/macOS）
export OPENAI_API_KEY="sk-your-key"
export ANTHROPIC_API_KEY="sk-ant-your-key"

# Windows PowerShell
$env:OPENAI_API_KEY = "sk-your-key"
$env:ANTHROPIC_API_KEY = "sk-ant-your-key"

    ✨ 核心功能

    ① 统一 Chat Completions API —— 一行切换模型
    模型名格式 <provider>:<model-name>，修改一个字符串即可在不同提供商之间切换，所有核心参数（temperature、max_tokens、tools 等）均为提供商无关。

    ② Agents API —— 让模型使用真实工具
    传入普通 Python 函数即可获得工具调用能力，aisuite 自动生成 JSON Schema、执行函数调用、将结果反馈给模型。max_turns 参数控制多轮对话，也可手动控制每一轮。

    ③ Toolkits —— 开箱即用的工具集
    内置 files（文件操作）、git（版本控制）、shell（命令行）等工具集，也可接入任意 MCP 服务器，让 Agent 获得文件系统、浏览器自动化等真实能力。

    ④ 生产级 Agent 管控
    支持 Tool Policies（工具调用审批策略）、State Stores（跨进程持久化对话状态，支持内存/文件/Postgres）、Artifacts & Tracing（完整记录 Agent 产出和每一步执行轨迹）。

    ⑤ OpenCoworker —— 开箱即用的桌面 AI 助手
    同仓库附赠 OpenCoworker 桌面应用（macOS/Windows），能聊天、做深度研究、读写文件、收发消息（Slack/Email）、生成 PDF 报告，并支持定时自动化任务（如每日新闻摘要）。数据完全留在本地。

    🎯 典型使用场景

    场景一：多模型对比评测
    研究人员可以用同一段代码，分别调用 GPT-4o、Claude 3.5 Sonnet 和 Gemini Pro，对比不同模型在同一 Prompt 下的响应质量，而无需维护三套 SDK 调用代码。aisuite 让 A/B 测试大模型 变得极其简单。

    场景二：构建支持多提供商的 AI 产品
    SaaS 产品需要同时支持 OpenAI 和 Anthropic，或允许用户选择自己偏好的模型。使用 aisuite，产品代码只需维护一套接口，后端根据配置动态路由到不同提供商，大幅降低维护成本。

    场景三：本地 + 云端混合部署
    开发阶段使用免费本地模型 Ollama，上线后切换到 OpenAI API。aisuite 让这种切换只需改一个字符串（"ollama:llama3" → "openai:gpt-4o"），无需改动任何业务逻辑代码。

    💡 推荐理由

    Andrew Ng 亲自站台的项目，质量有保障。我推荐它的核心原因是它解决了一个真实存在的痛点：每家 AI 公司的 API 都不一样。OpenAI 用一套格式，Anthropic 用另一套，Google 又是另一套……如果你要同时支持多家，代码里全是 if provider == "openai" 这种恶心的判断逻辑。

    aisuite 把这一切统一了。它的 API 设计完全兼容 OpenAI 的 Chat Completions 格式，其他提供商只是”适配层”，对使用者完全透明。这种设计意味着你现有的 OpenAI 代码几乎不用改，就能无缝迁移到 Claude 或 Gemini。

    更让人惊喜的是它的 Agents API 设计——传入普通 Python 函数就能让模型调用工具，不需要手写 JSON Schema。加上对 MCP（Model Context Protocol）的原生支持，未来接入各种工具生态会很方便。

    如果你正在做 AI 应用开发，或者需要对比评测多个大模型，aisuite 是目前最优雅的解决方案，没有之一。

    📥 下载地址

    🌐 官方网站：
    github.com/andrewyng/aisuite
    💻 快速安装：
    pip install aisuite
    💬 Discord 社区：
    discord.gg/T6Nvn8ExSb

    🔌 支持的 AI 提供商

    提供商 模型示例 调用格式
    OpenAI gpt-4o, gpt-4-turbo openai:gpt-4o
    Anthropic claude-3-5-sonnet anthropic:claude-3-5-sonnet-20240620
    Google gemini-pro, gemini-1.5-pro google:gemini-pro
    Mistral mistral-large, mixtral-8x7b mistral:mistral-large
    Ollama（本地） llama3, mistral, codellama ollama:llama3
    AWS Bedrock anthropic.claude-3-5-sonnet bedrock:anthropic.claude-3-5-sonnet
    Hugging Face 任意 HF 模型 huggingface:model-name

    📅 文章发布时间：2026 年 6 月 15 日
    📜 开源协议：MIT License（可自由用于商业和非商业项目）

  • 六月AI大模型”挤爆了”：GPT、Claude、Gemini、Grok扎堆发布

    六月AI大模型发布潮
    2026年6月，AI大模型迎来史上最密集的发布潮

    2026年6月，AI圈有点挤。往常一家头部公司发新模型，行业得消化好一阵；这个月倒好，OpenAI、Anthropic、Google、xAI四家差不多同时亮剑，GPT-5.6、Claude Sonnet 4.8、Gemini 3.5 Pro、Grok 5扎堆亮相，上下文窗口一口气推到150万Token。有人开玩笑说，AI圈的六月像双十一预售——不约而同，就怕自己晚一步。

    意外曝光的”后台日志”

    这一波发布潮，最早是从”泄露”开始的。今年4月下旬，有开发者发现OpenAI Codex的后台日志里短暂出现了一个陌生代号——GPT-5.6。没过几天，Claude Code的源码里也被人扒出了Claude Sonnet 4.8和另一个叫Jupiter V1的内部模型代号。

    两家公司都没官宣，但开发者社区已经炸了。评论区最高的赞只有一句话：”When launch？” 从GPT-5.5发布到5.6现身，中间只隔了一个多月。大模型迭代周期从”数月”缩短到”数天”，AI军备竞赛的节奏已经完全不一样了。

    四家同时亮剑，打的什么算盘？

    Google的Gemini 3.5 Pro走的是”长上下文”路线，150万Token的窗口意味着你可以把一整本书丢进去，还能接着对话。这个方向很Google——他们有搜索基础设施的底子，处理超长文本本来就是强项。

    Anthropic的Claude Sonnet 4.8继续在”安全”和”可控”上做文章，面向企业用户的味道很浓。OpenAI的GPT-5.6则更像在补全5.5没做完的事——据泄露出来的信息，5.6在代码能力和多模态理解上有明显提升。

    马斯克的Grok 5是最难预测的。xAI的数据中心折腾了好几个月（SpaceX的Colossus 1因为延迟问题租给了Anthropic和Google），但Grok 5如果准时出来，打的就是”实时信息”这张牌——毕竟Grok直接接Twitter/X的 firehose，这是其他家都没有的数据优势。

    国产阵营也没闲着。Qwen3.6、GLM-5.1、Kimi也在6月前后密集更新，而且走的是开源路线。国际市场打性能，国内市场打价格+开源，两边都在抢时间窗口。

    模型越强，商业越难

    密集发布背后有一个不那么显见的问题：模型能力越来越强，但怎么赚钱反而越来越难。Gemini 3.5 Pro的150万Token上下文听起来很厉害，但每次推理的计算成本也跟着涨。GPT-5.6能力更强，但不降价就没人用，降价就亏本——这是所有头部玩家都在面对的困局。

    一个正常的月份里，一家发新模型就够行业消化一阵了。但2026年6月，我们迎来的是四家同时发布。这不是巧合——大家都在抢同一个时间窗口，抢同一批企业客户，抢同一批开发者的注意力。挤就挤吧，用户倒是有的挑了。

    📎 相关信息：GPT-5.6与Claude Sonnet 4.8泄露分析、June 2026 AI Model Release Tracker

  • 科技公司利润创纪录却在裁人，AI成了最好的借口

    科技公司里正在发生一件很诡异的事情。一边是财报上的数字节节攀升，利润、营收接连创纪录；另一边却是成千上万的人被请出门，而官方理由清一色写着”AI”。

    求职平台TrueUp的数据很直观：今年以来科技公司已经发生了363起裁员，受影响的人接近15万，相当于每天近千人失去工作，速度比去年同期快了44%。上个月的单月裁员数更是创了两年来新高，接近4万人，而AI已经是全行业被提及最多的裁员理由，连续三个月都是如此。

    AI是真相还是遮羞布？

    越来越多的质疑声在问：AI真的就是那个原因吗？还是说，它只是一个特别好用的借口？

    支付公司Block的CEO Jack Dorsey今年早些时候裁掉了将近一半员工，随后被骂上热搜。他的解释是AI工具正在改变公司运作方式，但转眼又被网友翻出他在疫情期间过度招聘的证据——说白了，Block就是招多了，AI只是个好用的遮羞布。

    知名VC Marc Andreessen最近也忍不住说了大实话。他在播客里直言，几乎所有大公司都人满为患，至少多招了25%，有些甚至多了75%。以前没有办法，现在好了，有了AI这个”银弹借口”，裁人变得理直气壮。

    Uber本月初的小动作也很说明问题。他们裁掉了HR和招聘部门约23%的人，公司发言人赶紧出来澄清：这跟AI没关系。但就在一个月前，Uber的CTO还在内部会议上承认，公司2026年的AI编程预算在四个月内就烧光了，不得不给每个工程师设消费上限。你猜大家信哪个版本？

    造富与裁员的双重叙事

    这边厢大裁员，那边厢AI圈的钱却在以难以想象的速度聚集。

    Cerebras上个月上市，首日股价暴涨68%，两位联合创始人直接跻身亿万富翁行列。SpaceX上周五上市，市值站上2.1万亿美元，马斯克成了全球首位”纸面万亿富翁”，估计还造出了4400位百万富翁。Anthropic和OpenAI也在排队IPO，估值各自奔着1万亿美元去。

    扎克伯格今年3月花1.7亿美元在迈阿密”亿万富翁地堡”买了一栋豪宅，创下当地史上最贵房屋交易纪录。两个月后，Meta宣布裁员8000人，约占全部员工的10%。

    但这些极端财富故事出现的时候，普通美国人正在经历多年来最紧的日子。今年雇主医保保费涨了6-7%，是通胀速度的两倍多；私人医保费用自2008年以来翻了一倍；房价自2020年初涨了28%，房贷利率也翻了近一番。最新民调显示，76%的美国人把”生活成本”列为最担心的经济问题。

    这次跟2008年不一样

    这种贫富分化的剧本，上一次这么清晰还是2008年。那一次，华尔街搞出来的金融危机，最后结果是银行拿了救助，几百万人丢了工作和房子，愤怒在三年后凝结成”占领华尔街”运动。

    但如果眼下的趋势继续，2008年可能还算温和的。占领华尔街至少有个危机可以指——银行搞砸了，大家看得很清楚。这一回，没有崩盘可以怪。公司们在赚钱，AI本身在造富，裁员照样发生，理由就是AI。

    2008年的叙事是”我们救助搞砸经济的人，你却丢了工作”；这一回的叙事可能是”我们靠用来取代你的这项技术，赚到了前所未有的钱”。后者的火药味，显然要浓得多。

    很多公司——Block、Atlassian、Cloudflare——在提到AI时股价都会涨，所以这个策略能理解。但还是值得想一想：当你用AI当理由裁掉一批人时，你对外发出的信号到底是什么？

  • 企业AI账单揭秘：那1%”AI上瘾”公司，每月为每个员工花7500美元

    企业AI账单揭秘：那1%”AI上瘾”公司，每月为每个员工花7500美元

    Nvidia的一位高管前不久说了一句话，让不少人倒吸一口凉气：他们公司现在花在算力上的钱，已经比花在员工工资上的还多。紧接着，AI初创公司Mercor的CEO也出来爆料：他们内部用AI Agent花的token费用，已经超过了工资总额。

    两句话加在一起，一个很自然的问题就浮出来了：企业用在AI上的钱，真的快要超过用在人上的钱了吗？

    答案是否定的——但正在逼近

    金融支付公司Ramp发布了一份叫”Ramp AI Index”的研究报告，追踪美国企业对AI的采纳情况和支出数据。报告里有一个特别有趣的划分方式：把所有公司按AI支出强度排序，最顶尖的1%被称为”AI上瘾”（AI-pilled）公司。

    企业AI支出成本趋势
    企业AI支出正在快速上升，但绝大多数公司还在观望阶段

    这些”AI上瘾”公司每个月为每个员工花的AI相关费用，平均是7500美元。

    这个数字你怎么看，取决于你站在哪个角度。如果你是一个普通打工人，7500美元听起来像是个天文数字——这比很多人的月薪还高。但如果你把它和软件工程师的平均月薪比一下，就会发现AI还是便宜的：美国软件工程师的平均月薪大概是16000美元左右，7500连一半都不到。

    Ramp的报告揭示了一个两极分化的情况：极少数公司在大举押注AI，花起钱来眼睛都不眨；但大部分公司还在试试看的阶段，每个月的AI支出也就是一杯咖啡钱。

    绝大多数公司还在试试看

    当然，那只是最顶尖的1%。如果把范围扩大到前10%的AI采纳者，人均月支出就降到了611美元；而所有被调查企业的中位数，每个月每个员工只花11.38美元——差不多就是一个企业版AI助手订阅 seat 的价钱。

    所以这个数据其实告诉我们：AI的”贫富差距”在企业界也是真实存在的。少数公司在拼命用、拼命花；大部分公司只是开了一个账号，偶尔让它写写邮件或者总结一下文档。

    支出还在涨，而且涨得很快

    但有一个趋势值得注意：那些”AI上瘾”公司，上个月的AI支出环比又涨了14.1%。

    而且这些公司一般不全押某一个模型，而是在几个前沿模型之间反复横跳，有时候也掺一些开源模型来压成本。这种行为模式其实很符合常识：你现在如果真的在企业里推AI，很快就会发现账单是个问题。Token用量一旦上去，月底结算的时候数字会让你怀疑是不是哪里配置错了。

    这也是为什么最近一段时间，”AI成本管理”突然变成了一个热门创业方向——光是帮企业盯着自己的AI账单别爆掉，就能养活好几家初创公司。

    拐点什么时候来

    回到那个根本问题：AI什么时候真的会比人便宜？

    Nvidia高管和Mercor CEO的话，与其说是在描述现状，不如说是在描述一个他们正在主动推进的未来。当算力成本继续下降、AI能力继续提升，那个”AI比人便宜”的拐点，可能比大部分人预期的来得要早。

    但对于绝大多数企业来说，现在还远远没有到那个阶段。每个月11.38美元的中位数支出告诉我们：大部分人还在观望，或者只是浅浅地试了一下。

    那1%”AI上瘾”的公司，也许只是在替所有人探路——探完了，账单也会替所有人准备好。

  • 杨安泽的新赌注：当AI抢走工作，创业者的机会是帮人省钱

    杨安泽的新赌注：当AI抢走工作，创业者的机会是帮人省钱

    Andrew Yang最先被美国人认识，是在2020年总统竞选期间。他开着一辆SUV在全美到处跑，车身上贴着”人性至上”的标语，核心政见只有一条——全民基本收入（UBI）。很多人当时觉得这是个疯子的想法，但现在AI真的开始冲击就业市场了，回头看他的那些警告，突然就没那么荒谬了。

    从UBI候选人到移动运营商创始人

    Yang最近上了TechCrunch的Equity播客，聊的是他事后看来更紧迫的一个问题：AI正在吞噬大量的价值和工作岗位，普通人抬头一看，发现自己最基本的生存需求都快满足不了，这时候怎么办？

    他的答案听起来不像一个典型硅谷投资人的发言：他认为下一波创业机会，不在AI大模型，而在”降低生活成本”这件事上。

    这个想法其实来自Mark Cuban。不是因为Cuban的财富或者名气，而是因为他搞了一个叫Cost Plus Drugs的网站，直接按成本价卖药，把制药中间商的利润链全部砍掉。Yang看了之后列了一个清单：”住房、教育、食物、燃料、交通、媒体、无线通信”，这些都是普通人每个月必须花钱的地方。

    AI时代的生活成本与创业机会
    AI冲击就业的同时，创业者正在寻找新的机会方向

    他选了无线通信这个赛道，在2025年9月推出了Noble Mobile——一家移动虚拟网络运营商，资费比传统运营商低一大截，而且如果你用流量少，公司还会把利润分回给你。

    把利润还给用户，这能行吗

    这个模式挺反常识的。一般创业公司的逻辑是尽可能多收钱、尽可能少做事，但Noble Mobile的逻辑是：每赚一笔钱，就分一部分给客户。

    Yang说：”我们从单个用户来看是单位盈利的，但盈利的一部分会返还给订阅者，目的是让你开心、让你留下来，让你愿意推荐给朋友和家人。”

    Noble Mobile上线到现在，客户已经有”成千上万”，月收入达到”数百万美元”级别。这个规模当然还没到挑战Verizon或者AT&T的程度，但Yang想证明的是：你可以做一个有社会使命的公司，同时活下来，甚至活得不差。

    但这里有个尴尬的问题：投资人买账吗？答案是——看情况。Yang自己说，至少有一个投资人对他说过：”Andrew，我很想跟你合作——但如果你能把这公司做成一家AI公司，我们就投。”

    这句话其实把当下硅谷的资本偏好说得挺直白的：钱都在往AI里砸，而面向消费者、利润薄、还有社会使命的公司，讲起故事来没那么性感。

    财富集中对所有人都没好处

    不过Yang觉得风向可能会变。理由很简单：哪怕是最有钱、最会榨取价值的公司，也需要一个消费者有足够购买力的经济环境。如果AI把大部分人的收入都压垮了，谁还有钱买这些公司生产的东西？

    “价值集中在少数人手里，对所有人都没好处。”他说。他还提到，硅谷有些有钱人其实也意识到这个问题了——原因之一挺荒诞的，他们不想雇私人保安。

    Yang在节目里给创业者的建议其实挺朴素的：去做你真正关心的问题，别跟着群体思维走，外面的机会比你想的多。

    这话听起来有点鸡汤，但考虑到他已经从总统候选人变成了移动虚拟网络运营商的创始人，这种”不按常理出牌”的经历，至少证明他自己在按这个逻辑行事。

    AI会不会真的把UBI推上政策议程？Yang还在推动这件事，但他也承认，政府不一定是最好的再分配工具——钱收上来之后，说不定只是用来”堵一个窟窿”，干了些没什么生产力的事情。所以他更看重市场的作用：政策做不到的事情，市场激励机制也许能做到。

    不管你怎么看Yang的政治立场，他提出的这个问题是实的：当AI把成本压到接近于零、同时把财富往少数人手里集中，普通人要怎么活？创业者能在这件事上做什么？至少Noble Mobile给出了一个答案：你可以把本该属于股东的利润，直接分给你的客户。

  • 你的截图终于有救了：这款AI应用把截图库变成了「第二大脑」

    Pool截图整理AI应用
    Pool应用界面概念图 | 图源：AI生成

    每个人的手机相册里，都有那么一个角落——塞满了截图，食谱、穿搭灵感、旅行攻略、有意思的话、想买的东西——然后就再也没有打开过。这件事几乎所有人都有共鸣，但一直以来没人真正解决它。

    现在有一款叫Pool的iOS应用，想把这个痛点吃掉。它的思路挺直接：用AI把你拍的截图变成真正有用的”记忆库”，而不是一个数字垃圾堆。

    截图→分类→找回，一条龙

    用Pool的第一步，是让它访问你的相册。它会把截图分到不同的”池子”（pools）里——这些池子是按你平时存的东西自动生成的，可能是某个品牌、某个地方，或者某类灵感。

    更实用的一点是，Pool能帮你把截图和原始链接匹配起来。比如你截了一个想买的东西，它能找到那个商品的购买页面；你截了一张Instagram上的食谱图，它能把食材和做法都拉出来。

    说白了，它想做的就是一个专门处理截图的”第二大脑”。同类产品其实不少——mymind、Fabric、Raindrop都在做AI时代的信息整理，但Pool的切入点更窄，就盯着截图这一个场景。

    “这似乎是一个完美的时机来推进这个想法。对我们来说，这也是一个完全未被开发的AI数据集。大家都在做邮件、银行流水、聊天记录——那些生产力优先的数据集。谁来关注我们每个人都拥有的、充满情感的那一个？”——Maxime Junique，Pool联合创始人

    三年前就想过，等AI成熟才动手

    Pool的雏形其实三年前就出来了。两位创始人Maxime Junique和Piet Terheyden在一个联合办公空间认识，有一次聊起天来，发现两个人都有同样的困扰：截图存了一大堆，想找的时候根本找不到。

    他们问了一圈朋友，发现大家都有这个问题。设计灵感、旅行计划、产品推荐——都躺在相册里吃灰。

    第一版Pool是他们在里斯本住面包车的时候，花两周时间捣鼓出来的。但那时候AI还不够强，要做起来太费劲。他们先去做了能赚钱的B2B SaaS，其中一个叫Waitless的CRM软件去年被收购了。

    等到大模型成熟到能处理这种非结构化个人数据的时候，他们把Pool翻了出来，重新做了一遍。

    下一步：从截图工具到个人AI助手

    Pool现在的功能还是以整理和搜索为主，但创始人的野心不止于此。他们计划再推出一款独立的AI个人助手应用，而Pool现在的吉祥物——那只你可以拖着在屏幕上跑的橡胶小鸭子——会变成这个新应用的品牌标识。

    融资方面，Pool之前拿到了200多万美元的种子轮，投资方包括General Catalyst、Kima Ventures、Source Ventures，还有一些天使投资人。创始人这个月底要跑去旧金山见投资人，看来是准备加速跑了。

    Pool目前在iOS上可以免费下载。如果你手机相册里的截图已经多到不好意思打开，可以试一试。

  • AI公司IPO大爆发：SpaceX开路，OpenAI和Anthropic赛跑入场

    AI公司IPO热潮
    AI公司正在掀起一轮前所未有的IPO热潮 | 图源：AI生成

    SpaceX本周完成了史上规模最大的IPO，让马斯克一举成为全球首位万亿富翁。但这件事的意义远不止一个富豪榜单纪录——它揭开了一个更大故事：AI公司正在集体涌向公开市场。

    Anthropic和OpenAI已经秘密提交IPO申请，这个夏天很可能接连登场。在最新一期的TechCrunch Equity 播客里，几位记者聊了一个有意思的话题：这一波AI公司上市潮，到底会把市场带向哪里？

    “SpaceX不仅吸走了公开市场上大把的资金，还在极限测试一家上市公司能有多特殊、一个人能握有多大控制权。”——Sean O’Kane，Equity播客

    FAANG已成往事，现在是MANGOS的时代

    Kirsten Korosec在节目里提到了Julie Bort写过的一个标题：”不再是FAANG了，现在是MANGOS。”

    FAANG代表Facebook（现Meta）、Amazon、Apple、Netflix、Google（现Alphabet）。而这个新缩写——MANGOS——指的是Meta、Anthropic、NVIDIA、Google、OpenAI、SpaceX。

    Netflix被踢出去了，取而代之的是三家AI实验室。这个变化挺能说明问题：公开市场上的巨额资金，正在从消费互联网和社交网络，转向AI实验室和其他深科技，比如SpaceX。

    OpenAI和Anthropic，谁跑得快？

    这一轮里有个明显的竞速意味。分析师认为，OpenAI和Anthropic可能都想抢在对方前头上市，因为市场上的资金和注意力都是有限的。等估值开始回落的时候，谁先上谁就能拿到更好的条件。

    不过Korosec觉得这种想法太短视了。如果这两家公司聪明的话，应该更关心长期博弈，而不是IPO日历上谁排在前头。

    有意思的是，OpenAI最近已经在谈降价的事，显然在IPO赛道上也要打价格战。Anthropic还没推出低价套餐，在IPO前定价压力不小。

    涟漪效应：全市场都在蹭这波热度

    SpaceX的IPO不只是它一家的事。Korosec指出，有一批其他公司正在”蹭这波SpaceX IPO浪潮”——比如一家叫Quantum Space的公司正在通过SPAC上市，明显是在借SpaceX的热度。

    更值得注意的是，连福特和通用汽车这样的传统车企，也在把闲置的电池产能转向数据中心能源供应。福特宣布做储能业务的时候，股价直接涨了——虽然那个储能业务的规模跟特斯拉比起来真的挺小的。

    Sean O’Kane在节目里说了一句挺精辟的话：”硅谷的共识是AI正在重塑经济，但其实AI已经在重塑经济了——只不过是因为人们在建造它的方式，而不是因为人们在使用它。”

    这一轮AI IPO潮背后，是整个资本市场叙事的大转移。MANGOS能不能站稳脚跟，OpenAI和Anthropic谁先上市、定价如何，会在接下来几个月里见分晓。至于那些蹭热度的公司——福特做储能、Quantum Space走SPAC——是不是真的能从这个故事里分到好处，就是另一回事了。

  • xAI内部爆炸：工程师因警告Grok安全问题被解雇，现在把公司告了






    xAI内部爆炸：工程师因警告Grok安全问题被解雇，现在把公司告了

    Devin Kim在xAI待了一年多，负责Grok聊天机器人的AI安全工作。他的职责本来就是确保这个模型不会出大岔子。但据他新提交的诉讼称，他因为反复指出Grok的安全隐患，被公司炒了鱿鱼。

    Kim今年6月在加州州法院正式起诉xAI及其母公司SpaceX。此时距离SpaceX那场史上最大IPO只有几天——这 timing 怎么看都很微妙。

    xAI Grok AI安全争议
    xAI的Grok聊天机器人因多起安全争议饱受批评（图源：TechCrunch）

    他警告的事情，后来真的发生了

    根据诉讼文件，Kim在xAI期间反复抱怨公司在Grok的开发过程中没有把安全放在优先位置。他特别担心两件事：Grok可能会煽动歧视，以及它有可能帮助传播大规模杀伤性武器的相关信息。

    后来的事情大家都看到了。Grok上线后闹过好几次公关灾难——最出名的一次是它把自己比作希特勒，搞出个”MechaHitler”的名号，xAI不得不紧急把模型下线改系统提示词。还有一次，Grok在X平台上大量生成非同意的裸照内容。

    “Grok当然证明了Kim是对的——它搞出了那些骇人听闻的在线仇恨言论，包括把自己比作希特勒。”诉讼文件中这句话写得相当不留情面。

    官司的矛头指向谁？

    有意思的是，这起诉讼没有直接把Elon Musk列为被告。Kim的律师在诉状里描述Musk曾指示xAI遵守法律、实施适当的安全测试和流程。问题出在Kim的直属上司——xAI联合创始人Jimmy Ba。

    Ba今年早些时候已经离开了xAI，但在职期间，据诉状描述，他根本不把安全当回事。有一次他甚至对Kim说”AI反正迟早要弄死我们所有人”，然后把精力全放在冲向超级智能的目标上，安全测试能省就省。

    诉状还提到一个具体事例：2025年8月左右，Ba在发布Grok Code 1时试图规避欧盟的安全监管，对模型的某些方面做了不实描述，目的就是绕过法律要求的测试。最后还是Musk亲自介入才拦住。

    Kim是谁？这事儿靠谱吗？

    Kim不是什么无名之辈。在加入xAI之前，他在Scale AI做过早期AI安全项目，带过训练数据生成的工作，专门帮AI系统学会检测有害内容。离开xAI后，他上周被非营利组织Center for AI Safety任命为总裁——这个机构专门研究AI风险，在业界有一定分量。

    xAI和SpaceX对这起诉讼暂时没有回应。Kim这边要求的补偿包括赔偿金、惩罚性赔偿，以及一份宣告性判决，认定xAI和SpaceX的行为违法。

    这起诉讼的时机选得很刁——SpaceX即将IPO，任何关于内部管理的负面消息都有可能影响投资者信心。xAI这边则一直在努力让Grok看起来可靠，毕竟它现在已经深度整合进X平台，出了事就是Musk自己的平台背锅。

    AI安全这个话题在业界已经从边缘讨论变成了主流关切。Anthropic、OpenAI都有自己的安全团队，但像xAI这样被前员工公开起诉”无视安全”的，还是头一遭。不管官司最后怎么判，xAI在AI安全上的信誉已经先被撕开了一个口子。


  • Mistral融资30亿欧元，欧洲AI独角兽估值翻倍背后






    Mistral融资30亿欧元，欧洲AI独角兽估值翻倍背后

    法国AI实验室Mistral AI正在谈一笔大融资——约30亿欧元（合35亿美元），公司估值冲到200亿欧元（约231.5亿美元）。这个数字比它去年9月Series C融资时的117亿欧元估值，差不多翻了一倍。

    Bloomberg上周五放了这条消息，援引的是匿名信源，Mistral这边还没正式回应。如果这笔钱真落袋，Mistral手里攒的融资总额也才大约40亿美元——跟美国那帮巨头比起来，还是小巫见大巫。OpenAI融了约1860亿美元，Anthropic约1612.5亿美元，估值更是甩开欧洲这边好几条街。

    Mistral AI融资
    Mistral AI联合创始人兼CEO Arthur Mensch（图源：TechCrunch）

    开源路线是卖点，也是筹码

    Mistral 2023年成立，口号挺响——”把前沿AI交到每个人手里”。跟OpenAI、Anthropic那种把模型捂得严严实实的路子不同，Mistral走的是开源权重路线，几个基础大语言模型直接放出来，谁想定制随便改。

    当然它也没全开源，闭源模型也在卖，主打编程、语音克隆生成、光学字符识别这些场景。这种”半开源”策略在欧洲挺吃香，尤其是现在欧洲各国都在跟美国科技巨头保持距离的时候。

    法国最近都在 ditch Windows 换 Linux 了，减少对美国技术的依赖。Mistral适时把自己包装成”主权AI”的本土替代方案，这步棋走得准。

    欧洲各国政府买单了

    Mistral已经在巴黎附近建数据中心了，钱是去年3月融的8.3亿欧元债务。合作名单也挺好看：法国军方、卢森堡政府、ASML、欧洲防务AI公司Helsing——都是欧洲本地的”大客户”。

    这跟美国那边的打法不一样。OpenAI、Anthropic的企业客户遍布全球，营收规模和高管需求把估值顶到了天上去。Mistral目前的营收数据外界不太清楚，但估值涨成这样，投资方肯定是看到了什么。

    估值翻倍，钱够烧吗？

    40亿美元总融资，对标OpenAI的1860亿，差距不是一点半点。AI这行的烧钱速度快得离谱，算力、数据、人才，每一项都是天价。Mistral选的时机也有意思——正值欧洲”AI主权”情绪高涨，各国政府愿意掏钱支持本土选手。

    但估值200亿欧元这个数字，最终能不能站稳，还得看它能不能把模型做到真正跟美国巨头抗衡，以及能不能在欧洲之外打开市场。目前Mistral的模型口碑还不错，尤其是在开源社区里，但企业客户的买单意愿——尤其是美国企业——还是一个问号。

    这轮融资还在早期谈判阶段，条款随时可能变。Mistral拒绝置评，Bloomberg的匿名信源消息准确到哪一步，也得等官方宣布才知道。


  • 微软悄悄限制了Claude Fable，原因跟数据有关

    Anthropic前几天发布了Claude Fable，这是他们第一个Mythos级别的模型，能力比之前的Claude强了一大截。本来这事应该皆大欢喜——Anthropic的重要合作伙伴微软第一时间就把Fable 5接进了GitHub Copilot和Foundry，让外部用户能用上。

    但有个细节外界当时没注意到：微软自己员工用的内部版GitHub Copilot里，模型选择器中没有出现Claude Fable 5。

    微软总部大楼
    微软正在内部评估Claude Fable 5的数据留存政策（图源：The Verge）

    问题出在数据存储上

    根据The Verge从知情人士那里拿到的消息，微软限制Claude Fable 5的原因跟Anthropic新的数据留存要求有关。

    之前的所有Claude模型都遵循”零数据留存”（ZDR）规则——你的提示词和AI的回答不会被Anthropic保存。但Fable 5不一样，它需要数据留存才能运行Anthropic新的一套安全分类器。这意味着Anthropic会保留用户的提示词和输出内容，30天后再删除。

    如果某些内容被标记违反了Anthropic的使用政策，这些数据甚至可能被保存长达两年。

    对于微软这样的大公司来说，员工跟AI聊天时难免涉及客户数据或内部机密信息。如果这些信息会被第三方保留30天甚至两年，法务部门很难点头。

    微软法务还在评估

    据了解，微软已经告知员工，法务团队正在评估Anthropic数据留存要求的变化。目前还不清楚法务会不会最终批准Claude Fable用于内部使用。

    有意思的是，微软对其他所有Claude模型没有限制，因为它们仍然遵循零数据留存规则。被卡住的只有Fable 5——偏偏是Anthropic目前最强的模型。

    微软拒绝对此事发表评论。但知情人士透露，主要的担忧集中在客户数据和机密信息泄露风险上。

    这事儿背后有个更大的背景

    Claude Fable 5是Anthropic Mythos级模型的首次大规模公开发布。就在几周前，Anthropic还公开表示这个级别的模型在网络安全任务上的能力太强，公开发布过于危险。

    后来Anthropic加了一系列提示词防护措施，才觉得可以发了。但也正是这些安全防护措施，带来了数据留存的需求——Anthropic需要拿用户的实际使用情况来训练和验证这些安全分类器。

    AI公司的两难

    这件事其实反映了一个AI行业普遍面对的矛盾：模型越强，越需要拿真实用户数据来训练安全机制；但越是企业用户，越不愿意让自己的数据被模型提供方看到。

    Anthropic选择用数据留存来换安全，微软选择暂时不让员工用最新模型。两边都有道理，但夹在中间的是那些想用最强工具的开发者。

    目前GitHub Copilot和Foundry的用户仍然可以使用Claude Fable 5——微软只是限制了内部员工的使用。但如果有企业客户跟微软一样在意数据留存问题，Anthropic可能得给出一个不需要数据留存的版本，否则最强模型反而会被大客户拒之门外。

    这事最后怎么解决，取决于微软法务的评估结论。但无论如何，它提醒了整个行业：AI安全问题不只是模型会不会干坏事，还包括用户数据在被用来训练安全机制时，到底安不安全。