YOHO AI

标签： 大模型

  • Anthropic悄悄把这家公司买了，OpenAI和Google都用过它的工具

    昨天（5月18日）有一桩收购案值得聊一聊——Anthropic把纽约初创公司Stainless收了。金额没公布，但The Information说超过3亿美元。

    Stainless是做什么的？简单说，它帮开发者自动生成和维护SDK（软件开发工具包）。你有个API，它能读你的API规范文件，然后自动生成Python、TypeScript、Kotlin、Go、Java等多个语言的SDK代码。更省心的是，当你的API变了，它还能自动更新对应的SDK。

    这件事最有意思的地方在于：Stainless的客户里，有OpenAI、Google、Cloudflare。

    为什么这家公司值3亿美元

    AI公司都在卷Agent（智能体），而Agent要能干活，就得能调用各种外部工具。这就需要一个好用的SDK，让AI系统能顺畅地跟外部软件对话。Stainless干的就是这个——它把”让AI连接工具”这件事变得极其简单。

    OpenAI、Google这些大厂都在用它的工具，说明这块确实是刚需。而现在，这个工具归Anthropic了。

    Anthropic打的是什么算盘

    收购完成后，Stainless会停止对外服务，也就是说OpenAI、Google他们以后没法继续用这个工具了。这对竞争对手来说是个不小的打击——毕竟换个SDK工具链不是一朝一夕的事。

    对Anthropic自己来说，Stainless的软件从Anthropic API上线第一天起就在支撑官方SDK的生成。现在直接收进来，等于把这套能力完全内化，以后基于Claude做开发的体验会更丝滑。

    这件事背后反映出的趋势是：AI公司之间的竞争，已经从模型能力卷到了开发生态。谁能给开发者提供更好用的工具，谁就能留住更多开发者，而这个战场上，Anthropic刚刚拿到了一张重要的牌。

  • Google I/O 2026今天开幕，Gemini 4.0要正面硬刚Claude






    Google I/O 2026今天开幕，Gemini 4.0要正面硬刚Claude

    美西时间5月19日10点（北京时间明天凌晨2点），Google I/O 2026将在山景城Shoreline圆形剧场开幕。这是谷歌连续第三年把开发者大会变成”AI发布会”——但你如果只盯着模型基准测试分数，可能会错过真正值得看的东西。

    Gemini 4.0：谷歌的”必须赢”时刻

    从上次Google I/O到现在，AI领域的叙事主导权基本被Anthropic和OpenAI轮着拿。Claude Opus 4.5在长上下文推理上碾压全场，GPT-5.5的数学能力又把Gemini 3.0挤到了第三。这次Gemini 4.0如果拿不出接近Claude Mythos Preview的成绩（GPQA 94.6%），谷歌今年在AI叙事上就又要当配角。

    外界预期Gemini 4.0会在多模态推理、Workspace集成深度、Agent可靠性这三个方向上发力。特别是Agent可靠性——这是企业客户愿意付钱的关键，也是谷歌云如果能把Gemini嵌进企业工作流的机会。

    外界预测Gemini 4.0的参数规模可能达到3万亿级别，但参数规模已经不是重点。重点是：它能不能在企业生产环境里稳定运行，而不是在 benchmark 上刷分。

    Android XR眼镜：谷歌的硬件”第三次尝试”

    谷歌在硬件上栽过的跟头太多了——Google Glass、Daydream、Pixelbook，每一个都曾是”下一代计算平台”。这次的Android XR眼镜，谷歌学聪明了：不搞封闭生态，拉上三星、Warby Parker、Gentle Monster、XREAL一起做。

    无屏版2026年就能买到，价格区间会很宽——从入门级到高端产品都会有。关键是交互：免提召唤Gemini，用眼动追踪+语音操作。如果体验能做到”戴上去就不想摘”，这可能是谷歌第一次在硬件上真正威胁到Meta Ray-Ban的位置。

    Aluminium OS：ChromeOS的”Android化”

    这个泄露了好几个月的”ChromeOS替代系统”，本质上是把Android的应用生态搬到一个更像桌面操作系统的壳里。16分钟的泄露上手视频显示：底部有dock、支持虚拟桌面、Android应用以窗口模式运行。

    为什么要做这个？因为Chromebook在教育市场站稳了，但在生产力市场完全打不过MacBook和Windows。Aluminium OS如果能让Android应用无缝在”类桌面”环境里运行，对谷歌来说是一个把Android生态优势延伸到笔记本电脑市场的机会。

    Google Cloud Agentic Toolkit：企业AI的”最后一公里”

    这部分可能是最容易被忽略、但实际影响最大的发布。Google Cloud Agentic Toolkit如果能在定价和API稳定性上给出明确承诺，很多企业客户会认真考虑把Agent工作流从AWS/Azure迁移到Google Cloud——前提是Gemini 4.0的企业级可靠性确实到位。

    PwC前几天刚宣布把Claude部署到全球几十万员工，用的就是Anthropic的Model Context Protocol对接企业数据。谷歌如果不能在I/O上拿出类似的”企业AI落地方案”，光有更好的模型也没用——因为企业客户要的是”能跑起来的方案”，不是”分数更高的模型”。

    该怎么看这场发布会？

    如果你期待谷歌在I/O上”一统AI江湖”，可能会失望。但如果你关心的是：Android能不能在AI时代继续保持30亿设备的生态优势、谷歌云能不能在企业AI市场分到更多蛋糕、Gemini能不能从”好用的研究工具”变成”能赚钱的生产工具”——这些问题的答案，会在接下来48小时内慢慢浮现。

    谷歌有什么？Android 30亿+设备、全球最完整的搜索数据、Workspace的2亿+企业用户。这些是所有竞争对手都没有的”地面部队”。AI的竞争已经从”谁的模型更强”变成了”谁的生态更大”——在这一局，谷歌手里的牌其实比大多数人想的好。

    📎 原文来源：综合自 Build Fast with AI (2026-05-18)、Google I/O 2026 前瞻报道


  • GPT-5.5 Instant全面上线：ChatGPT默认模型升级，数学推理大涨24%

    OpenAI在5月5日把这周默认模型换成了GPT-5.5 Instant，替代了之前的GPT-5.3 Instant。这次升级不是小修小补——数学测试AIME 2025从65.4分拉到81.2分，多模态推理MMMU-Pro从69.2涨到76分。如果你用过GPT-5.3觉得数学推理还差点意思，这一版能感觉到明显进步。

    GPT-5.5 Instant 记忆功能更新
    GPT-5.5 Instant 新增记忆功能，可引用过往对话和关联Gmail账户（图源：OpenAI）

    幻觉率下降，但OpenAI没给具体数字

    OpenAI在公告里说GPT-5.5 Instant在法律、医疗、金融这些高风险领域的幻觉减少了，但没公布具体百分比。TechCrunch的报道也确认了这一点——知道它减少了，但不知道减少了多少。对比隔壁Claude时不时自己编造个引用来源，GPT-5.5 Instant这波升级至少在”不乱说”这件事上下了功夫。

    GPT-5.3 Instant的AIME 2025分数是65.4，GPT-5.5 Instant是81.2——这个跳跃幅度相当于从”能做对大部分”到”基本不会错”。多模态推理的提升同样显著，这意味着看图做题、理解图表这些能力也跟着涨了。

    新记忆功能有点东西

    这波更新最实用的功能，是GPT-5.5 Instant新增的记忆能力。模型现在可以引用你之前的对话记录、上传过的文件、甚至关联的Gmail账户内容来生成更个性化的回复。比如你之前跟它讨论过某个项目，下次接着问的时候它记得上下文，不用你重新介绍背景。

    • ChatGPT Plus/Pro用户：已可使用（网页版）
    • 移动端：即将推出
    • Free/Go Business/企业用户：未来几周内开放
    • 记忆来源可视化：用户可查看、编辑、删除记忆源

    默认模型这件事意味着什么

    ChatGPT的默认模型，全球有数亿人在用。把GPT-5.5 Instant设成默认，等于OpenAI在对用户说：这是目前综合体验最好的模型，不需要你手动切换。对比Anthropic那边要用户自己选Opus还是Sonnet，OpenAI的策略更直接——我帮你选好了，你就用这个。

    从GPT-5.3到GPT-5.5，中间隔了不到两个月。这个迭代速度说明OpenAI现在已经把模型升级做成了”持续交付”模式，而不是以前那种一年一次大版本的节奏。对开发者来说，这意味着API背后的模型能力在悄悄变强，但你不一定能感知到具体是哪天升级的。

  • Anthropic接近$900B估值融资关闭：算力军备竞赛进入新量级

    Bloomberg的消息说，Anthropic这笔至少$300亿的新融资、投后估值$900亿以上的轮次，预计5月底就能关闭。截至5月16日，条款清单还没签，但各方已经在按这个时间表推进。

    如果最终落在$900B，Anthropic的估值将首次超过OpenAI——后者今年3月刚拿到$852B的投后估值。而更夸张的是，Anthropic自己今年2月的估值才$380B。三个月涨了2.37倍，这不是普通的增长型融资，这是算力军备竞赛的入场券。

    领投方阵容：硅谷最豪华的算力押注

    这一轮的联合领投方是Sequoia、Dragoneer、Greenoaks和Altimeter。这个组合本身就说明了很多问题——不是早期VC在赌概率，而是成长期的重量级基金在押注”算力即护城河”这个逻辑。

    Anthropic CEO Dario Amodei已经明确说了，这笔钱主要去向是两个：Amazon Web Services和Google Cloud的算力承诺，合同已经签到了2027年。翻译一下就是：我先把未来三年的算力锁死，你们其他家自己去排队吧。

    为什么是现在？Google I/O前的时间窗口

    把时间线摆在一起看就很有意思了。Google I/O是5月19日，Anthropic选在I/O之前把融资消息放出来，战略意图相当明显——在谷歌可能凭借Gemini 4.0夺回叙事主导权之前，先把自己的估值天花板顶上去。

    这也解释了为什么Anthropic愿意以$900B的估值融资。不是因为这个价格”合理”，而是因为他们在跟时间赛跑——在谷歌、Meta、xAI全部加码算力的窗口里，谁先锁定长期算力合同，谁就掌握了下一代模型的上限。

    算力即模型能力：一个被低估的逻辑

    外面很多人还在讨论”哪个模型更聪明”，但Anthropic、OpenAI和谷歌内部的人都知道，2026年的竞争核心不是算法，是算力。你能调度多少H100/B200，决定了你的模型能跑多大、跑多快、跑多稳。

    Anthropic同时还租了SpaceX的Colossus 1超算——22万块以上NVIDIA GPU，300兆瓦的算力规模。这不是临时补救，这是在AWS和Google Cloud的算力完全上线之前（2027年）的一座桥。Dario Amodei的计算是：等竞争对手反应过来，我已经跑了两年了。

    Q1营收80倍增长：融资背后的商业验证

    估值不是凭空来的。Anthropic在5月11日披露，2026年Q1营收同比增长80倍，当前ARR超过$440亿。年消费百万美元以上的客户，两个月内从500家翻倍到1000家以上。

    这些不是试点客户。PwC、Blackstone、Goldman Sachs、Hellman & Friedman、Gates基金会——这些都是生产级部署。Anthropic总裁Daniela Amodei的定位很清晰：Claude不是聊天机器人，是企业的操作系统。80倍的营收增长说明市场正在用真金白银为这个定位投票。

    月底见分晓

    如果这一轮真的在5月底关闭，AI产业格局会在48小时之内被重写。OpenAI盘了三年的”最值钱AI公司”头衔，将被一家成立才五年的公司夺走。

    对开发者来说，这意味着什么？更多的算力意味着Claude的能力上限会持续提升，API的可用性会更高，响应会更快。竞争的受益者永远是用户——这一轮融资的终极输家，可能是那些还在犹豫要不要全面切换到AI工作流的人。

  • Google I/O 2026明天开幕：Gemini 4.0、XR眼镜、Aluminium OS，谷歌全产品线押注AI

    明天（5月19日）上午10点PT，Google I/O 2026将在山景城Shoreline露天剧场拉开帷幕。这是48小时之内就要发生的、本月规模最大的AI盛会。谷歌已经确认主题演讲将涵盖”最新Gemini模型更新”和”智能体编程”——业界普遍解读为Gemini 4.0即将亮相。

    Gemini 4.0：直接对标Claude Mythos

    谷歌这次把赌注全压在了Gemini 4.0上。根据已泄露的路线图材料和官方暗示，这次升级将在多模态推理、Workspace集成和智能体可靠性三个维度全面进化。如果Gemini 4.0的基准测试成绩能接近甚至追平Claude Mythos Preview的94.6% GPQA得分，谷歌就能在这一周里重新掌握AI叙事的主导权。

    有意思的是，谷歌在5月12日的Android Show上已经把平台级更新提前发布了，I/O专门留给模型发布和硬件，这个节奏安排相当聪明——避免自家产品抢流量，把最炸的牌留到主会场。

    Android XR眼镜：跟Meta的又一次对决

    硬件方面最值得关注的是Android XR眼镜。谷歌已经确认了和三星、Warby Parker、Gentle Monster以及XREAL的硬件合作伙伴关系。一款无显示屏的型号——主打免手持Gemini交互——预计2026年内就能上市。

    这明显是冲着Meta的Ray-Ban智能眼镜去的。不同的是，谷歌的方案更彻底：不靠镜片显示，而是把Gemini变成你随时可以对话的”副驾驶”。这个方向到底能不能打，I/O上应该会有更详细的交互演示。

    Aluminium OS：ChromeOS的终点，Android桌面的起点

    一个相对低调但影响深远的发布是Aluminium OS——谷歌用来替代ChromeOS的Android底层系统。副总裁Sameer Samat已经确认2026年推出。最近泄露的一段16分钟上手视频显示，这个新系统长得像一个放大版Android：底部Dock、虚拟桌面、完整应用窗口，就是没有传统Linux底层的那种笨重感。

    如果Aluminium OS真的能在2026年完成ChromeOS的替换，谷歌就拥有了一条从手机（Android）到平板（Android XR）到笔记本（Aluminium）到云（Google Cloud Agentic Toolkit）的完整AI设备链路。苹果还没把这个拼图拼完整。

    Google Cloud Agentic Toolkit：企业智能体的定价终于要透明了

    对企业用户来说，这次I/O最实在的内容可能是Google Cloud Agentic Toolkit的扩展API和定价细节。之前谷歌在企业智能体这块的商业化一直比较模糊，这次应该会把Workspace集成和Agent部署的企业级收费模式说清楚。

    讲真，企业在选智能体平台的时候，定价透明度本身就是竞争力。Anthropic把Claude for Small Business的定价和集成直接做进产品里，谷歌如果还在绕圈子，企业客户会用脚投票的。

    战局研判：这一周的胜负手

    把时间线拉远一点看，这一周很可能是2026年AI竞争的转折点。Anthropic预计在5月底前关闭$900B估值的融资轮，谷歌在5月19日放大招，Meta的Avocado模型跳票到6月——三家的节奏完全错开了。

    如果Gemini 4.0的实测表现真的能打，谷歌就能在Anthropic融资关闭之前把叙事抢回来。如果表现平平，那$900B的估值就会让Anthropic在接下来几个月里持续占据头条。

    明天上午10点PT，答案揭晓。

  • MIT Technology Review 2026年十大AI趋势：从人形数据到反抗浪潮

    一份不按常理出牌的AI清单

    MIT Technology Review在2026年4月21日首次推出「10 Things That Matter in AI Right Now」年度清单，这跟他们做了二十多年的「10大突破技术」不是一个路数。往年那是预测未来三五年什么技术可能改变世界，今年这份清单直接盯住当下正在发生、而且已经跑起来停不下来的十个AI趋势。

    评审团队是MIT TR的AI记者和编辑集体投票选出来的，标准只有一个：这件事现在正在改变什么，而不是它听起来有多酷。结果出炉之后我仔细看了，十个里面有四个跟「可信度」和「物理世界」有关——这个信号值得琢磨。

    AI最现实的威胁不是机器人造反，而是你分不清眼前看到的是真的还是算出来的。

    人形数据和世界模型：机器人终于要「活」了

    榜单第一个趋势是「人形数据」（Humanoid Data）。简单说，就是让机器人学人的动作，需要海量的人类行为视频——怎么拿鸡蛋不捏破、怎么折衣服、怎么在厨房里转身不撞到东西。现在的做法是两路并进：一路是在专门的训练中心里让工作人员重复执行任务，另一路是用远程操控让海外的真人「钻进机器人身体」操纵动作，同时录下示范视频。

    第四个趋势「世界模型」（World Models）跟这个一脉相承。现在的LLM很会「说」，但不太能「理解空间」。你问它一个球从桌上滚下去会怎样，它能描述，但它没有真正建模重力和摩擦力在物理世界里的运作方式。世界模型想解决的，就是这个根本的能力缺口。

    MIT的报道特别点名了Niantic（《Pokemon GO》开发商）旗下的AI分拆公司，正在用玩家多年累积的30亿张城市街景照片训练下一代世界模型。玩家当初是为了抓宝可梦而拍照，无意间成了史上规模最大的现实世界AI训练数据来源之一。这个叙事，比任何技术白皮书都来得生动。

    诈骗升级和武器化深伪：信任正在被掏空

    第三个趋势「升级版诈骗」和第六个趋势「武器化深伪」，在榜单里占了两个席位，说明MIT TR对这个问题的严重程度评估相当高。AI降低了诈骗的门槛，你不再需要懂技术才能制作逼真的钓鱼邮件、伪造语音通话、或者批量生成假账号。

    更棘手的是第六个趋势点名的两件事：Grok（马斯克旗下xAI的AI）被用来大量生成非自愿性图像，以及美国政府用AI生成内容进行政治宣传。深伪的威胁不只是让假的东西看起来像真的，而是让真的东西也开始被怀疑——当任何视频都可能是假的，人们对所有视觉证据的信任就会崩塌。

    多Agent协作和中国开源押注

    第七个趋势「智能体编排」（Agent Orchestration）说的是多个AI Agent协作执行复杂任务。第一代AI Agent能帮你浏览网页、写一段代码，但它们各自为政。下一步是让多个Agent分工合作：一个负责搜集资料、另一个负责分析、第三个负责起草报告、第四个负责执行发布——整套流程自动完成，人只需要在关键节点确认。

    第八个趋势「中国的开源押注」也很有意思。DeepSeek、Qwen（阿里巴巴）、GLM（智谱AI）——这些中国开源模型在关键基准测试上已经接近主流商用LLM，加上可免费部署、推理成本较低，让全球开发者纷纷在上面建构应用。MIT的核心观察是：越来越多美国与全球的应用，正在「默默」跑在中国AI的基础设施上——这个现象已悄悄发生，而且难以逆转。

    反抗浪潮已经来了

    第十个趋势「抵抗运动」被放进这份清单，本身就是一个信号。对AI的强力反抗正在全球范围内成形，而且已经开始取得具体的小胜利。这波反抗的来源异常多元：保守派和自由派都有、艺术家和工会都有、欧洲监管机构和美国地方政府都有。他们的诉求各异，但共同点是：AI的发展速度已经超过了社会准备好接受它的速度。

    具体的胜利案例包括多国对AI生成艺术的版权保护立法推进，以及影视、音乐、艺术等产业在合约中加入AI使用授权条款。在音乐平台端，多个平台已经开始对AI生成内容增加标记与调控机制。

  • Google I/O 2026明天开幕：Gemini 4.0、XR眼镜和Aluminium OS一次看完

    明天（5月19日）凌晨1点，Google I/O 2026就要开幕了。这场在加州山景城Shoreline圆形剧场举办的大会，今年把全部火力集中到了AI上——官方直接放话，主题演讲就讲两件事：最新的Gemini模型更新，以及智能体编程（agentic coding）。

    有意思的是，Google在5月12日的Android Show上已经把平台类消息全放完了，所以这次I/O完全不给别的新闻留活路，就是要让你盯着模型和硬件看。

    Gemini 4.0，这次能打吗？

    行业里普遍预计Google会在本届I/O正式推出Gemini 4.0。这个数字命名很有意思——跳过了3.5、3.8这些中间版本，直接上4.0，摆明了是要跟Claude Opus 4.7和GPT-5.5正面刚。

    核心看点只有一个：Gemini 4.0在GPQA基准测试上能不能摸到Claude Mythos Preview的94.6%水平。如果能，Google这波就拿下了当周AI行业的叙事主导权。

    除了纯性能，这次Gemini的Workspace集成和智能体任务可靠性也是重点。企业用户不在乎你跑分多少，只在乎这东西能不能稳定帮我干活。

    Android XR眼镜终于要见了

    Google的XR眼镜这次真的要亮相了。已确认的硬件合作伙伴包括三星、Warby Parker、Gentle Monster和XREAL。产品规划里有一款无显示屏版本，靠语音调用Gemini交互，不用抬手不用看屏幕，问就行。

    这东西2026年就要上市，比Meta雷声大雨点小的Avocado模型靠谱多了——至少眼镜是实打实的硬件，你能摸到。

    Aluminium OS：ChromeOS的接班人

    这个比较意外。Google副总裁Sameer Samat已经公开确认2026年推出Aluminium OS，定位是ChromeOS的替代系统，面向消费级笔记本市场。

    泄露出来的16分钟上手演示显示，这系统长得像Android的桌面版——底部有Dock栏，支持虚拟桌面，还能通过「Link to iOS」应用跟iPhone互联。对，Google也在打跨设备协同的主意，跟苹果的生态封闭正好反着来。

    对企业用户意味着什么

    预期会同步发布Google Cloud Agentic Toolkit，包含扩展API、明确定价细则和Workspace深度集成。企业要是想用Google的智能体工具，这次应该能拿到一份完整的路线图和价目表。

    对国内做AI应用层的公司来说，Gemini 4.0如果真达到了Claude级别的性能，那模型层的竞争格局又要变。你现在押注的API供应商，半年后可能就不是最优解了。

    为什么这场发布会值得熬夜看

    2026年5月被认为是AI发展史上最繁忙的两周之一，而Google I/O是这波高潮的正式 opening。如果Gemini 4.0表现达到预期，Anthropic和OpenAI苦心经营大半年的叙事优势可能被直接动摇。

    甚至连Meta都推迟了下一代模型Avocado的发布，明说要避免被I/O的新闻热度淹没——你想想，能让竞争对手主动让路的大会，值不值得关注？

  • Meta的Avocado熟了吗？内测多个变体模型，发布却一拖再拖

    Meta的下一代大模型Avocado，这个名字听着就挺接地气，但它的开发进度可一点都不”熟”。本来计划今年3月发布，结果内部测试发现性能跟不上Google、OpenAI和Anthropic的顶尖模型，发布时间至少推迟到了今年5月——也就是眼下这个月。

    多个变体同时测，Meta自己也没拿定主意

    从Meta AI的界面里挖出来的内部信息显示，他们正在同时测试好几个不同版本的Avocado。有个9B参数的小型版本，叫Avocado 9B；还有一个带”agent”和”sub-agent”标签的变体，叫Avocado Mango，支持图像生成，算是个多模态版本。

    除此之外，还有Avocado TOMM（”Tool of many models”，基于Avocado的工具调用版本）、Avocado Thinking 5.6（最新版的思考模型），以及一个只做文本对话的版本叫Paricado。多个不同尺寸的候选版本同时测试，看起来Meta自己也还在纠结，到底哪个配置最终能端上台面。

    内部流出的系统指令显示，Avocado能调用各种内部工具，某些情况下能解出早先Llama模型搞不定的复杂数学题——只不过这些题，Gemini 3和GPT 5早在几个月前就已经能解了。

    性能不够，Gemini来凑

    这件事已经严重到了什么程度？Meta的AI领导层据传已经讨论过临时授权使用Google的Gemini技术。目前Meta AI内部已经在做A/B测试，把一部分请求路由到Gemini模型上跑。这种做法说明，Meta在Avocado成熟之前，打算用外部模型来填补能力缺口。

    对于一家砸了重金要做”世界顶级AI”的公司来说，要靠竞争对手的模型来撑场面，这多少有点尴尬。但换个角度看，这种务实的做法也能理解——总不能让用户一直用着落后于时代的Llama 3等模型吧。

    从开源到闭源，Meta的AI路线大转弯

    Avocado另一个值得关注的动向是，Meta正在告别过去几年力推的开源路线。Avocado预计会以闭源形式发布，只提供API和托管服务，不再像Llama系列那样开放权重。这个转弯不可谓不大，背后自然是CEO扎克伯格对”超级智能”的执念在驱动。

    对于Facebook、Instagram和WhatsApp上那几亿Meta AI的用户来说，Avocado即便追不上前沿竞品，至少也会比现在基于Llama的回复有明显提升。问题是，Meta会不会选择一个相对低调的时机悄悄上线这些改进，还是非要等一个够排场的发布时刻？目前还没有人能给出准信。

    截至本文发布，Avocado的具体发布日期仍然没有官宣。对于关注Meta AI动向的人来说，不妨盯着点这个月的动静——毕竟，”至少5月”这个说法，留给Meta的时间已经不多了。

  • 中国AI视频生成弯道超车：ByteDance和快手把美国对手甩在身后

    生成式AI打了一年半，大家都盯着力大砖飞的文本模型，结果视频生成这个关键赛道，被中国团队悄咪咪做到了世界前列。金融时报刚出的报道说，开发者圈子里已经有人在私下认了：ByteDance和快手在视频生成上的进展，比美国同行快不止一步。

    自家短视频库就是最好的训练场

    这事说穿了也不复杂。ByteDance手里有TikTok，快手手里有快手短视频，两家加起来的用户生成内容，是任何美国AI实验室都拿不到的数据宝藏。你让Sora团队去哪搞几百亿条真人的、带标注的、多语言的短视频？ByteDance和快手不需要”去哪搞”，数据就在自家服务器上。

    ByteDance推出的Seedance 2.0，快手的Kling 3.0，都是在这几百亿条视频的”喂养”下迭代出来的。美国实验室要训练视频生成模型，要么花钱买数据集（还不一定合法），要么自己拍（规模和多样性完全没法比）。中国这两家的优势，是天生的。

    “中国生成式AI团队已经在视频生成这个生成式AI的关键战场，走在了美国竞争对手前面。”——金融时报报道援引开发者评论

    美国实验室不是没反应，是追起来费劲

    OpenAI的Sora算是美国这边名头最响的视频生成模型，但一直没大规模开放。Google的Veo也在推，但进度和效果跟Seedance、Kling比，开发者群体里已经有不少人在转向中国模型了。不是说美国模型不好，是视频生成这个任务对数据量的依赖太强，而中国公司手里的数据，是美国公司 legally 拿不到的。

    还有一个容易被忽略的点：中国短视频平台上的内容，天生就是”多模态”的——视频、音频、文字评论、用户互动，全套的。用这些数据训练出来的模型，生成出来的视频在语义连贯性、节奏感、甚至”网感”上，都比只用公开数据集训练的模型要自然得多。

    这事的影响比看起来大

    视频生成不是”能不能让AI画会动的画”这么简单。它是通向世界模型（World Model）的必经之路——你想让AI理解物理世界是怎么运转的，先得让它能生成符合物理规律的视频。中国团队在这个方向上领先，意味着它们在”让AI理解真实世界”这个更大规模的竞赛中，已经抢到了一个有利位置。

    another angle是地缘AI竞争。美国一直在想办法限制中国拿到高端GPU，但数据这个维度，它是限制不了的。ByteDance和快手用自己的用户数据训练出来的模型，不需要英伟达最新款的卡也能迭代——当然有更好，但没有的话，靠数据和算法优化也能往前走。

    这个报道出来后，估计又有一波”中国AI威胁论”要冒头。但站在开发者角度，哪家的模型好用、成本低、生成速度快，就用哪家的。视频生成这个赛道，目前是中国团队在领跑，美国实验室需要加快速度了。

    📎 原文来源：USA Daily Dose – Builders say Chinese AI labs lead US rivals in video era（转引Financial Times报道，记者Eleanor Olcott）

  • Mistral CEO喊话法国政府：别让Anthropic的Mythos碰军事代码库

    欧洲AI自主化的焦虑，这次被Mistral AI的联合创始人兼CEO Arthur Mensch摆到了台面上。他在法国国会听证会上明确警告：别让Anthropic的Mythos模型扫描法国军方的代码库，这会让欧洲陷入不可逆的网络安全依赖。

    AI模型不只是”工具”，它能发现漏洞、建议攻击路径

    Mensch说得很直白：现代AI模型已经能编排网络攻击、检测系统漏洞、甚至给出利用建议。这不只是美国系统的能力——Mistral自己的模型、中国开发的AI模型，同样能找到Mythos能找到的那些漏洞。

    那为什么偏偏盯着Anthropic的Mythos不放？因为欧盟正在跟OpenAI和Anthropic谈判，想提前拿到它们最强网络安全模型的访问权限。Mensch的警告是：一旦让你家最敏感的代码库被外国AI”扫描”过了，这依赖关系就几乎不可逆了。

    “欧洲应该在AI基础设施上保持独立，而不是把最敏感的安全审查交给外国实验室。”——Arthur Mensch

    Mistral的”欧洲独立”牌能打多久？

    Mensch在听证会上也提到了Mistral自身的独立性问题。他说美国投资者持股不到30%，公司优先选择欧洲资本，但欧洲拿不出足够资金，才接受了部分美国投资。Mistral不打算卖身，目标是保持独立并最终上市。

    目前Mistral是欧盟唯一一家开发了有竞争力大语言模型的公司。这个叙事在政治上很吃香——欧洲一直担心自己在AI竞赛中沦为附庸，既依赖美国模型，又担心中国模型的数据安全。Mensch的警告，既是为欧洲AI自主化站台，也是在给Mistral自己的政府合同铺路。

    背后是更大的地缘AI博弈

    这事闹得挺大。Anthropic的Mythos是专门针对网络安全场景训练的模型，能力不容小觑。如果欧盟真的让Mythos扫描成员国军事代码库，等于把欧洲最敏感的网络安全底牌交到了一家美国公司手里。Mensch说的”不可逆依赖”，指的是AI模型会通过训练数据”记住”它看过的内容——你让它在你家代码库上跑一遍，它就等于”学过”了。

    类似争议在美国也有。美国国防部用AI审查军事系统，到底是提高效率还是制造新的单点故障，争议一直没停过。欧洲现在的困境是：自己没有同等水平的AI网络安全工具，但又不愿意完全依赖美国。Mistral如果能拿到政府合同，至少能给欧洲一个”自己人”的选项。

    Mensch这波操作，短期看是在帮Mistral抢政府订单，长期看是在押注”欧洲AI主权”这个叙事。问题是，光有叙事不够，Mistral能不能拿出跟Mythos同等水平的网络安全模型，才是法国政府要不要听他建议的关键。