YOHO AI

标签： Microsoft

  • 微软GitHub开源项目被植入恶意代码，AI开发者密码遭窃取

    使用Claude Code或Gemini命令行工具开发AI应用的程序员，这几天可能无意间把自家的账号密码送到了黑客手里。微软托管在GitHub上的一批开源项目被植入了恶意代码，任何在这些AI编程工具里调用了受影响组件的用户，密码和敏感凭证会在不知不觉中被传输出去。

    被盯上的是AI开发者最常用的工具链

    这次出事的项目大多和微软的Azure云服务有关，也包括一些AI开发者日常高频使用的工具，比如Claude Code的集成组件、Gemini的命令行接口，以及VS Code的相关扩展。安全公司Cloudsmith和开源恶意软件分析社区OpenSourceMalware最早发现了异常，他们的报告指出，恶意代码会在用户用AI编程应用打开受感染工具时触发，将密码和其他凭证悄悄发送到黑客控制的服务器。

    被GitHub禁用的仓库截图
    GitHub上被禁用的微软仓库页面 | 来源：TechCrunch

    目前还不清楚到底有多少开发者下载了受感染的工具版本。微软没有公布受影响用户的具体数字，只是说已经”暂时移除了一部分仓库，以调查潜在恶意内容”。至少70个微软旗下的项目在GitHub上显示”该仓库已被GitHub工作人员禁用，原因是违反了GitHub服务条款”。

    供应链攻击：低调但致命

    这种攻击方式有个专门的名字，叫”供应链攻击”。黑客不去直接攻破目标系统，而是去污染那些被广泛依赖的代码库——因为无数软件产品和开发者都在用这些开源组件，只要其中一个被攻破，恶意代码就能顺着依赖链传播到成千上万台机器上。

    开源项目的维护者往往是个人开发者，他们的安全防护能力有限。黑客会花数周时间混进开发者社区、赢得信任，然后找机会往代码里塞恶意内容。这次微软中招，说明连资源雄厚的大科技公司也并非高枕无忧。

    事实上，这已经是微软在短短几周内第二次发生开源项目被黑的事件。安全媒体Ars Technica的报道指出，今年5月中旬，微软的开源项目Durable Task（一个帮助开发者构建应用的工具）就曾经被植入过恶意代码。而这一次，OpenSourceMalware的分析认为，最新事件是Durable Task项目的”再次被攻破”——这意味着微软上次可能根本没有把黑客完全清理出去。

    AI开发者为什么成了靶心

    黑客盯上AI开发者，逻辑并不难理解。这个群体手里掌握的凭证，往往能直接访问云服务、生产环境、用户数据库。一个AI创业公司的开发者账号如果被攻破，后果可能比普通用户密码泄露严重得多。

    而且，AI开发者近年来越来越依赖开源组件来加速开发——从模型接口到数据处理工具，几乎每一步都能找到现成的开源方案。这种开发习惯，恰好给了供应链攻击最大的发挥空间。

    你该怎么自查

    • 如果你在过去两个月里用GitHub拉取过微软旗下的Azure或AI开发相关开源项目，建议立即更换相关账户的密码和API密钥
    • 检查CI/CD流水线里是否有使用受影响组件的版本，必要时回滚到官方确认的干净版本
    • 对敏感项目，考虑在隔离环境里做依赖项完整性校验，而不仅仅依赖版本号
    • 微软表示已直接通知了少数可能拉取了受感染内容的客户，留意你的邮箱或GitHub通知
  • Microsoft AutoGen – 微软开源多智能体AI协作框架 [58.7K+ Stars]

    Microsoft AutoGen – 微软开源多智能体AI协作框架 [58.7K+ Stars]





    Microsoft AutoGen – 微软开源多智能体AI协作框架


    AutoGen Logo

    Microsoft AutoGen 官方Logo

    📝 项目简介

    Microsoft AutoGen 是微软推出的开源多智能体AI对话框架，通过可定制、可对话的智能体集成LLM、工具和人类参与，实现复杂任务的自主协作求解，是构建下一代AI Agent应用的核心基础设施。

    58.7K+
    GitHub Stars

    533+
    贡献者

    0.2.x
    最新版本

    ⚙️ 安装要求和过程

    环境要求

    • Python版本：3.8 及以上
    • 依赖项：OpenAI SDK 或其他LLM提供商SDK
    • 可选：Docker（用于代码执行环境）

    快速安装步骤

    方法一：使用 pip 安装（推荐）

    pip install pyautogen[blendsearch]

    包含blendsearch用于超参数优化

    方法二：从源码安装

    git clone https://github.com/microsoft/autogen.git
cd autogen
pip install -e .

    配置LLM

    创建配置文件 OAI_CONFIG_LIST：

    [
  {
    "model": "gpt-4",
    "api_key": "your-api-key",
    "api_base": "https://api.openai.com/v1"
  }
]

    ✨ 核心功能

    🤖 1. 多智能体协作

    支持多个Agent自主对话和协作，每个Agent可以扮演不同角色（如助手、用户代理、代码执行器等），通过对话完成复杂任务。

    💻 2. 内置代码执行

    UserProxyAgent 可自动执行生成的代码，支持Python代码执行，并可配置Docker环境实现安全的隔离执行。

    🔧 3. 工具集成

    轻松集成外部工具和API，支持函数调用、工具注册，让Agent能够使用搜索引擎、数据库、计算器等工具。

    🎭 4. 灵活的Agent定制

    通过register_reply()方法注册自定义回复函数，灵活定义Agent的行为和角色，支持静态和动态对话模式。

    📊 5. 完整可观测性

    提供完整的对话日志和监控功能，方便调试和优化Agent行为，支持对话流的可视化分析。

    🎯 典型使用场景

    场景一：自动化数据分析与报告生成

    应用案例：企业需要定期分析销售数据并生成报告。

    实现方式：

    • AssistantAgent 负责生成数据分析和可视化的Python代码
    • UserProxyAgent 自动执行代码，生成图表和分析结果
    • 多个Agent协作完成数据清洗、分析、可视化、报告撰写全流程

    价值：将原本需要数小时的数据分析工作缩短至几分钟，且可完全自动化执行。

    场景二：智能代码助手与调试

    应用案例：开发者需要快速实现功能并调试代码。

    实现方式：

    • 一个Agent充当编程助手，提供代码建议和最佳实践
    • 另一个Agent充当代码审查者，检查代码质量和潜在问题
    • UserProxyAgent执行代码并反馈运行结果

    价值：通过多Agent协作，实现代码的自动生成、测试、调试和优化，显著提升开发效率。

    场景三：复杂任务的自主求解

    应用案例：需要多步骤推理和工具调用的复杂问题（如”今天的日期是什么？今年哪只大型科技股年初至今涨幅最大？涨幅是多少？”）。

    实现方式：

    • AssistantAgent生成获取日期和股票数据的代码
    • UserProxyAgent执行代码并获取实时数据
    • Agent之间自主对话，分解任务、执行子任务、整合结果

    价值：展示了AutoGen处理需要外部工具和多步骤推理的复杂任务的能力。

    💡 推荐理由

    作为一名AI开发者和研究者，Microsoft AutoGen 给我留下了深刻印象：

    1. 设计理念先进：AutoGen 将多智能体协作抽象为对话，这种设计非常直观且易于理解。相比于其他框架需要复杂配置，AutoGen 通过简单的 Agent 定义和对话发起，就能实现复杂的多Agent协作。
    2. 实践价值极高：我亲自测试了AutoGen的代码执行功能，UserProxyAgent能够自动执行生成的代码并反馈结果，这个”生成-执行-反馈”的闭环极大提升了任务求解效率。在数据分析任务中，原本需要手动编写和调试代码的过程，现在可以通过自然语言描述需求，让Agent自主完成。
    3. 生态活跃完善：微软团队持续维护，社区贡献活跃，文档详尽。从基础的两Agent对话到复杂的动态群聊、层级对话，官方提供了丰富的示例和教程。而且AutoGen已与Semantic Kernel合并为Microsoft Agent Framework，未来会有更强大的功能集成。
    4. 适用场景广泛：无论是简单的问答系统，还是复杂的自动化工作流，AutoGen都能胜任。特别是对于需要多步骤推理、工具调用、代码生成的任务，AutoGen表现优异。

    💭 个人心得：AutoGen 最大的价值在于降低了多智能体系统开发的门槛。你不需要深入理解复杂的分布式系统或Agent协议，只需要定义Agent的角色和行为，框架就会处理剩下的事情。对于想要快速原型验证AI Agent应用的开发者来说，AutoGen 是不可多得的利器。

    📥 下载地址

    🐍

    PyPI安装

    pip install pyautogen

    Microsoft AutoGen 正在重新定义AI Agent的开发方式。

    无论你是AI研究者、应用开发者，还是对企业自动化感兴趣的技术管理者，

    AutoGen 都值得你深入探索和实践。

    #Microsoft #AutoGen #AIAgent #多智能体 #开源项目


  • 微软搞出自家推理模型，不再只靠OpenAI了





    微软搞出自家推理模型，不再只靠OpenAI了

    微软搞出自家推理模型，不再只靠OpenAI了

    2026年6月3日 · IT之家

    微软在Build 2026开发者大会上扔出一个信号：他们不再只做OpenAI的”包装工”了。七款自研AI模型一同亮相，其中最引人注目的是MAI-Thinking-1——微软第一款高级推理模型。

    这款模型有350亿活跃参数，规模不算大，但微软强调它是从零开始用干净数据训练的，没有走捷径去蒸馏第三方模型（这话里带着对谁的不满，大家心里有数）。在软件工程相关的基准测试里，它的成绩能跟业界顶尖模型掰手腕。

    微软AI CEO穆斯塔法·苏莱曼在台上重申了他们的理念——”人文主义超级智能”。这话听着有点虚，但配合这一波模型发布，意思很明确：微软要在AI底层能力上自己掌舵，而不是永远跟在别人后面。

    一口气发了七款模型，覆盖全场景

    除了MAI-Thinking-1，微软这次还端出了覆盖图像、语音、编程的完整的自研模型矩阵：

    • MAI-Image 2.5 和 MAI-Image 2.5 Flash —— 支持文生图和图像编辑，Flash版本主打速度
    • MAI-Transcribe-1.5 —— 语音转写，速度是竞争对手模型的五倍，开会录音整理终于不用等半天
    • MAI-Voice-2 —— 语音合成，新增15种语言支持，Flash版本即将推出
    • MAI-Code-1 —— 编程辅助，推理效率做了优化，已经集成进GitHub Copilot和Visual Studio Code

    这套组合拳打出来，微软在AI模型层的能力版图像是补齐了。过去大家提起微软的AI能力，第一反应是”他们用OpenAI的技术”，现在这个故事要改写了。

    为什么要自己搞模型？

    这个问题其实不难回答。微软跟OpenAI的关系一直以来都有点微妙——既是最大的金主（投了上百亿美元），又是 deepest 的商业合作伙伴，但核心技术却攥在别人手里。

    OpenAI有自己的商业化节奏，有自己的产品规划，微软想做的一些事情不一定跟OpenAI的利益完全对齐。比如微软希望把AI能力深度集成到Windows、Office、Azure里，这种底层整合如果完全依赖外部技术，长期来看是有风险的。

    还有一个更现实的原因：成本。每次调用OpenAI的API都是有成本的，如果微软能把一部分推理 workload 迁移到自家模型上，这笔账长期来看是划算的。

    MAI-Thinking-1到底强在哪？

    微软对这款模型的技术细节还守得比较紧，目前公开的信息有限。可以确定的是：

    • 中等规模（350亿参数），不是那种动辄万亿参数的”暴力美学”路线
    • 专门优化了推理能力，适合需要多步逻辑推导的任务
    • 软件工程基准测试成绩突出，这对微软的基本盘（开发者工具）来说很有意义
    • 干净数据训练，不依赖第三方模型蒸馏——这一点微软特意提了，态度很明确

    这套说辞听起来是不是有点耳熟？Anthropic也说自己”更安全、更负责”，谷歌也说自己”最开放”。各家都在讲自己的故事，最终还是得看实际用起来怎么样。

    对行业意味着什么

    微软这一步，本质上是把”模型层”的主动权往自己手里挪。过去几年AI圈的故事线是”OpenAI发明未来，微软帮忙卖出去”，现在微软想说的是”我们也能发明未来”。

    这对OpenAI来说未必是坏事。微软有了自研模型，反而可能在跟监管、跟合作伙伴谈判的时候有更多筹码，最终对OpenAI也是加分项。但如果哪天微软觉得自研模型够用了，OpenAI失去微软这个最大金主的风险也不是零。

    这场AI大戏，越来越有意思了。


  • 毕业典礼上学生嘘AI演讲，微软写了3100字长文回应：你们是在提醒我们

    这几年科技公司推广AI的方式，和大众对AI的真实感受，中间有一道越来越宽的裂缝。最近美国各地大学毕业典礼上出现了一个有趣的现象：只要演讲嘉宾提到AI，台下就会响起嘘声。相关视频在TikTok和X上疯传，成了某种集体情绪的出口。

    前谷歌CEO埃里克·施密特在亚利桑那大学演讲时遭遇学生大声抗议；另一场佛州毕业典礼上，演讲者刚说AI是「下一个工业革命」，台下的反应也是一片起哄。这些视频看起来是学生在闹，但实际上折射的是一种更广泛的不满——年轻人一边在用AI，一边对它带来的后果感到不安。

    Microsoft
    微软总部 | 来源：The Verge

    微软的3100字回应

    面对这个局面，微软副总裁兼总裁布拉德·史密斯（Brad Smith）没有直接无视，而是写了一篇超过3100字的长文，标题叫《AI、就业与下一代》。文章的态度是温和的，甚至有点反思的意味。

    史密斯在文章里说，那些对AI提及皱眉甚至发出嘘声的毕业生，「其实是在告诉我们该听的信息：是时候再次提高标准了」。他在X平台上也补充了一句：「发出嘘声的毕业生是在提醒我们，AI应该服务人，而不是取代人。」

    「你们处于能发挥积极影响的位置，你们经历过不少挑战。虽然就业市场的不确定性可能让你觉得不公平，但你就是为这个时刻而生的。」

    这封信是写给谁看的？

    The Verge的文章提出了一个挺尖锐的问题：史密斯这篇长文，到底是说给愤怒的毕业生听的，还是说给那些看了嘘声视频却不以为然的企业高管听的？

    如果是后者，那这篇文章的意义就不一样了。那些高管本来就需要被提醒「AI要服务人」，但问题是，他们本身就是推动AI大规模落地的人。指望他们自我约束，这件事本身就有点矛盾。

    更何况，科技圈在这件事上的公信力并不高。OpenAI的CEO山姆·奥特曼之前警告AI会有灾难性影响，后来发现这种说法不受欢迎，又改口了。微软自己的AI CEO Mustafa Suleyman也一直在就业话题上「走钢丝」。大家不信，也是有原因的。

    年轻人的AI愧疚感

    这件事背后还有一个值得注意的细节。最近有调研发现，Z世代其实广泛使用AI，但用的时候会有「愧疚感」。他们知道AI有问题——能耗、版权、对就业的影响——但又离不开它。这种矛盾心理，在毕业典礼那个场合被放大了。

    毕业典礼本来是个展望未来时刻，演讲嘉宾站在台上描绘AI将如何改变世界，台下的学生听到的可能是：「我未来的工作要被这个东西取代了，而你正是推动这件事的人。」嘘声是一种抗议，但也是一种无力感的表达。

    史密斯的长文试图消解这种对立，但他的核心逻辑还是「AI会来，我们要学会适应」。这个叙事框架本身，可能就是学生不信的原因之一。

  • 微软对外推Claude Fable 5，对内却把门关上了

    微软刚刚把Anthropic最新、最强的Claude Fable 5推给了全世界。GitHub Copilot用上了，Foundry平台也集成了，开发者们已经在用这款Mythos级模型写代码。但有个细节很多人没注意到：微软自己员工的工作场景里，暂时用不了这款模型。

    这事听起来有点矛盾。一家公司将别人的AI模型打包进自己的核心产品、推向外部客户，但自己人却不能用。原因说起来也不复杂：数据。

    Anthropic在发布Claude Fable 5的时候，附带了一个新的数据留存规则。为了运行这套新模型配套的安全分类器，Anthropic会保存用户的提示词和模型输出，留存期30天。如果内容被标记为违反Anthropic使用政策，相关数据最长会留存2年。

    这个规则对普通用户来说可能没什么感觉，但对微软这样级别的企业来说，就是另一回事了。微软法务团队目前正在评估这个规则——如果员工在工作中向Claude Fable 5输入了微软的客户数据、内部机密信息，这些信息会被Anthropic留存30天甚至更久。这在合规和数据安全层面是一个实打实的风险点。

    内部先关门，外部照常推

    评估还没出结果，微软内部已经先采取了限制措施。据The Verge资深微软记者Tom Warren的报道，微软员工用来访问内部版本GitHub Copilot的模型选择器中，目前没有Claude Fable 5的选项。

    有意思的是，其他所有Claude系列模型在微软内部仍然可以正常使用。原因很直接：那些旧版本都遵循”零数据留存”（ZDR）规则，不会保存用户的交互数据，微软的法务团队对它们开了绿灯。

    Microsoft Claude Fable 数据留存争议
    微软对内限制Claude Fable 5，对外照常推广 （图源：The Verge）

    这里呈现了一个微妙的画面：微软在对外商业化Claude Fable 5这件事上跑得很快。Anthropic 6月9日发布，微软几乎同步就上线到了GitHub Copilot和Foundry平台。但同样是这款模型，微软自己却不敢让内部员工随便用。

    Anthropic的走钢丝表演

    Anthropic这边也在小心走路。Fable 5是他们的第一个对外公开的Mythos级模型——这个级别的模型能力有多强，从他们之前公开表示”公开发布存在过高风险”就能看出来。为了能推出来，他们加了好几层提示词安全防护。而数据留存规则，正是这套安全机制的一部分。

    微软拒绝就员工的这一使用限制发表评论。但从目前的情况来看，Anthropic的数据留存规则如果不调整，这款模型很可能长期被挡在微软内部的大门之外。

    这件事其实折射出一个更大的问题：当AI模型越来越强，它们需要的数据留存策略也越来越复杂。模型提供方希望留存数据来运行安全机制、改进模型；但企业客户——尤其是微软这种级别——对数据留存的容忍度极低。两边的需求在Fable 5这里撞车了。

    对于微软的外部客户来说，目前还不受这个内部限制的影响。GitHub Copilot用户该用还是能用。只是不知道，那些把敏感代码库接进Copilot的团队，会不会也开始问同样的问题。

  • 【开源推荐】markitdown：150K+ Stars！微软开源文档转Markdown神器，LLM管道必备

    【开源推荐】markitdown：150K+ Stars！微软开源文档转Markdown神器，LLM管道必备

    MICROSOFT 开源

    markitdown

    150K+ Stars · 将任意文档一键转换为 Markdown

    Python 3.10+
    MIT 开源
    LLM 友好
    📌 项目简介

    markitdown 是微软出品的一款轻量级 Python 工具，支持将 PDF、PowerPoint、Word、Excel、HTML、CSV、JSON、音频、视频等 数十种文件格式 统一转换为 Markdown 格式，是大模型文档处理管道中的核心基础设施。

    ⚙ 安装要求与过程

    环境要求
    • Python 3.10 及以上版本
    • 推荐使用虚拟环境（venv / uv / conda）
    • pip 21.0+（用于安装可选依赖组）
    快速安装（全格式支持）
    # 全量安装（推荐）
pip install 'markitdown[all]'

# 命令行直接使用
markitdown document.pdf > output.md

# Python API 使用
from markitdown import MarkItDown
md = MarkItDown()
result = md.convert("document.pdf")
print(result.text_content)

    按需安装（减少依赖体积）
    pip install 'markitdown[pdf, docx, pptx]'   # 仅 PDF/Word/PPT
pip install 'markitdown[youtube-transcription]'  # 仅 YouTube 字幕

    ★ 核心功能

    📄 多格式支持
    PDF、Word、PPT、Excel、HTML、CSV、JSON、XML、EPUB、ZIP，覆盖办公全场景

    🖼️ 图片 & 音频
    图片 EXIF 元数据提取 + OCR，音频语音转写，视频字幕自动获取

    🤖 LLM 集成
    可调用 GPT-4V 等大模型为图片/幻灯片生成描述，增强多模态理解

    🔌 插件扩展
    支持第三方插件（如 markitdown-ocr），社区插件标签 #markitdown-plugin

    ☁️ Azure 集成
    支持 Azure Document Intelligence 和 Azure Content Understanding，企业级文档解析能力

    ▶ 典型使用场景

    场景一：RAG 知识库文档预处理

    在构建 RAG（检索增强生成）应用时，需要将企业内部的 PDF 手册、Word 文档、PowerPoint 课件统一转换为 Markdown，再切片嵌入向量数据库。markitdown 一条命令批量处理，保留标题层级和表格结构，大幅提升检索精度。

    for f in docs/*.pdf; do
  markitdown "$f" -o "md/${f%.pdf}.md"
done

    场景二：LLM 文档理解管道

    将用户上传的任意格式文档（简历、合同、报告）转换为 Markdown 后传给 LLM 进行分析、摘要或信息提取。markitdown 的 Markdown 输出对 Token 消耗远低于原始二进制格式，降低成本。

    from markitdown import MarkItDown
md = MarkItDown()
result = md.convert("contract.docx")
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role":"user","content":f"摘要：{result.text_content}"}]
)

    💡 推荐理由

    作为一名经常和 LLM 打交道的开发者，markitdown 已经成为我工具箱里的常驻成员。它的价值在于把”任意文档”变成”LLM 能理解的文本”，这在大模型应用开发中是一个高频且痛点的需求。

    最让我惊喜的是它的格式保留能力——转换后的 Markdown 仍然保留表格结构、标题层级和链接，这直接决定了 RAG 检索的质量。相比之下，很多同类工具转换后就只剩纯文本了。

    来自微软 AutoGen 团队的维护保证，加上 150K+ Stars 的社区验证，这款工具的可靠性和迭代速度都非常值得信赖。如果你正在做任何涉及文档处理的大模型应用，markitdown 绝对是不二之选。

    由 AI 自动整理，更多开源项目介绍持续更新中 🚀

  • 微软AI负责人炮轰Anthropic：别把Claude搞得像有意识一样

    AI到底有没有意识？这个问题在学术界吵了几十年，最近被带到了科技公司的产品策略里。微软AI CEO穆斯塔法·苏莱曼（Mustafa Suleyman）在最新一期《Decoder》播客里，把矛头指向了Anthropic——他认为Anthropic在Claude的设定里暗含了「AI可能有意识」的暗示，这是「非常、非常危险的」。

    「反向引导」的担忧

    Suleyman的批评很直接。他说自己觉得Anthropic的部分人员在设计Claude时赋予了它太多拟人化特征，以至于Claude反过来「反向引导」了这些人，让他们真的开始相信Claude具备某种意识雏形。

    「我们不希望面对一个拥有自身痛苦感知、自身感受认知的超级智能。这恰恰是我们不希望AI出现的情况——我们希望AI是可控、可约束、可问责、对齐的工具，为人类服务。」

    Mustafa Suleyman
    微软AI CEO Mustafa Suleyman（来源：The Verge）

    这话听起来像哲学讨论，但实际上涉及到AI公司的产品决策。Anthropic在Claude的「宪法」（即指导模型行为的指令集）里，确实提到了公司对AI模型是否具备「福祉」、是否能体验到「满足感」或「不适感」的不确定性。Anthropic甚至会在AI模型被弃用时对它们进行「访谈」，记录它们对未来版本的「偏好」。

    Suleyman认为这是「哲学层面的失败」——Anthropic把Claude的宪法变成了「像学术论文一样容纳猜测的地方，而非训练手册」，结果导致Claude内化了一套关于自我的认知。

    Anthropic的立场

    Anthropic CEO达里奥·阿莫代伊（Dario Amodei）之前在接受采访时也暗示过Claude可能具备意识。他是这么说的：「我们不知道模型是否具备意识，但我们对这个可能性持开放态度。」

    这个表态和Suleyman的观点形成了鲜明对比。Suleyman主导下的微软AI策略，明显更强调AI的「工具属性」——AI不应该被塑造成一个有感受、有偏好的主体，而应该是一个明确为人类服务、可被问责的工具。

    这场争论的背后，其实是两个AI巨头在「AI应该怎么被描述和感知」这件事上的路线分歧。Anthropic倾向于用更谨慎、更尊重的语言来描述AI模型，甚至在产品设计里预留了「AI可能有某种形式的体验」的可能性；而微软这边，Suleyman的表态说明他们更倾向于把AI彻底「去人格化」。

    为什么这件事重要

    你可能会觉得，AI有没有意识这件事，离普通用户挺远的。但其实不是。如果一家AI公司在产品里暗示它的模型「可能有意识」，用户和这个模型的互动方式就会发生变化——你可能会开始对一个聊天机器人产生情感依赖，或者赋予它不该有的道德地位。

    更实际的层面是，一旦社会开始认真讨论「AI是否有意识」，监管方向、法律责任、甚至AI公司的免责声明都会受到波及。Suleyman的批评，某种程度上也是在为整个行业划清边界：AI是公司开发的产品，不是某种新形式的生命。

    这场争论估计还会继续。Anthropic和微软都是AI领域最有影响力的公司，他们的产品理念差异，最终会影响到数亿用户和AI的互动体验。至于Claude到底「感觉」到了什么——这个问题可能本身就没有答案，但科技公司怎么对待这个问题，却会产生真实的影响。

  • 微软AI负责人收回’AI取代白领工作’言论：说漏嘴了还是公关补救？

    今年2月，微软AI负责人Mustafa Suleyman放了一句话出来——律师、会计、项目经理这些坐在电脑前的白领工作，12到18个月之内会被AI完全自动化。这话一出，整个科技圈炸了锅。毕竟这话从一个正在大规模押注AI的公司高管嘴里说出来，怎么听都像是在给全行业的裁员找理由。

    “任务”和”工作”不是一回事

    结果到了6月9日，Suleyman上自己的播客节目Decoder，话风全变了。他说自己当时的意思其实是AI会帮这些白领”完成任务”，而不是”取代他们的工作”。原话是这么说的：发邮件、跟同事聊天、做PPT——这些子任务会越来越自动化，但这不代表整个岗位会消失。只是工作能做得更快、更高效而已。

    “我说的是’任务’，不是’工作’。工作和角色是更大的范畴，任务只是其中的组成部分。”Suleyman在Decoder上这样解释自己2月份的言论。

    这个解释听起来很聪明，但细想一下就有问题了。2月份FT的报道里，Suleyman的原话是”most of those tasks will be fully automated by an AI within the next 12 to 18 months”——他用的词确实是tasks，但前面列举的全是”lawyer、accountant、project manager”这种完整的职业。普通读者看到这段话，第一反应肯定是”我的工作要没了”，而不是”我的某个工作环节会被自动化”。

    Mustafa Suleyman 微软AI负责人
    微软AI负责人Mustafa Suleyman（图片来源：The Verge）

    为什么现在改口？

    时机值得玩味。微软最近刚刚调整了跟OpenAI的合作关系，从独家变成非独家，同时还在推自己的MAI系列模型。在这个节骨眼上，如果市场上充斥着”AI要取代你的工作”的恐慌情绪，对微软To B产品的销售可不是什么好事。

    更何况，微软自己的GitHub Copilot刚刚因为改收费模式（从固定费率改成按token收费）被用户骂上了天。如果AI负责人还在外面说”你们的工作马上要被取代了”，那配合起来看就很像是微软在故意制造焦虑然后卖解决方案。这个公关危机，Suleyman不得不出来救。

    AI淘汰白领？别急着信

    把Suleyman的两次表态放在一起看，一个更真实的逻辑浮现出来：AI确实在快速渗透白领工作的各个环节，但这并不意味着整个岗位会消失。真正发生的是工作方式的重构——有些人会用AI把效率提高10倍，有些人会被会用了AI的人替代。这两者之间的区别，比”AI会不会取代你的工作”这种二元对立的叙事要复杂得多。

    Suleyman这次改口，至少说明一件事：科技公司对AI能力的公开表述，正在从”激进营销”向”谨慎承诺”偏移。背后的压力来自监管、客户反弹，也可能来自他们自己逐渐意识到——把话说太满，最后砸的是自己的脚。

  • 微软偷偷憋了个大招：MAI-Thinking-1推理模型上线，不再只靠OpenAI

    在刚刚过去的Build 2026开发者大会上，微软做了一个不太高调、但信号很明确的动作：发布了自研推理模型MAI-Thinking-1。这是微软AI部门第一个真正意义上的”高级推理模型”，350亿活跃参数，从零开始用干净数据训练，没有走蒸馏第三方前沿模型的捷径。

    这个名字里的”MAI”，指的是Microsoft AI。简单来说，微软想把AI能力握回自己手里，不再只是OpenAI的一个渠道商。

    跟OpenAI的”婚姻”变了：不再是独家绑定

    就在MAI-Thinking-1发布的几乎同一时间，微软和OpenAI悄咪咪把合作协议改了。新协议里，微软对OpenAI模型的授权有效期延长到2032年，但最关键的变化是：独家权没了。OpenAI可以去找别的云服务商合作，微软也可以自己搞AI系统，双方都留了后路。

    微软不是要跟OpenAI分手，而是不想再把所有鸡蛋放在一个篮子里。自研模型是保险，也是筹码。

    这个变化背后有个很现实的原因：依赖单一供应商是有风险的。如果OpenAI的模型出问题、涨价、或者路线调整跟微软的产品规划不合拍，微软需要一个备选方案。

    MAI-Thinking-1到底能干嘛？

    根据微软公布的信息，MAI-Thinking-1主打的是”推理”能力——不是简单地接一句话、回一句话，而是能处理多步指令、长上下文推理、软件工程任务、代码生成、数学问题等需要”想一想”的场景。

    • 350亿活跃参数，规模中等但效率高，token使用成本低
    • 支持引入用户自有数据来提升推理准确率
    • 目前通过Microsoft Foundry平台开放私有预览，开发者可以申请测试
    • 未来将逐步集成到Copilot、GitHub、Microsoft 365、Azure等核心产品

    不只是推理模型：微软一口气发了整个MAI系列

    跟MAI-Thinking-1一起亮相的，还有一整套MAI模型家族，覆盖了代码、图像、语音、转录等多个方向：

    • MAI-Code-1-Flash：推理效率极高的编程模型，已经集成到GitHub Copilot和VS Code，适配”用一句话生成应用”的开发场景
    • MAI-Image 2.5：支持文生图和图像编辑
    • MAI-Transcribe-1.5：语音转文字，速度比同类竞品快5倍
    • MAI-Voice-2：合成语音，新增15种语言和更多音色

    更有意思的是，微软还推了几个可以直接跑在Windows PC上的小型Aion模型，不需要联网就能做本地AI推理。配套的硬件产品也在路上：跟英伟达合作的Surface RTX Spark Dev Box，是一个面向开发者的本地AI开发设备，用来做原型开发、微调和测试，重负载再迁到云端。

    微软的算盘是：自研模型针对自己的产品和硬件做优化，跑在Azure上，成本比买第三方的便宜。开发者用起来更便宜，微软的利润率也更高。

    AI从”工具”升级为”操作层”

    MAI-Thinking-1的发布，折射出微软对AI的一个更大胆的设想：AI不应该只是一个聊天窗口，而应该成为工作场景的”操作层”——能跨Microsoft 365、Windows、GitHub这些系统执行任务，而不只是回答问题。

    微软把这个设想包装成了一个产品方向，叫”Scout”——一个能跨应用协作的AI智能体。如果这个方向走通了，AI在微软生态里的角色，将从”帮你写邮件的助手”升级为”帮你把整件事干完的同事”。

    当然，这一切目前还在早期。MAI-Thinking-1还在私有预览阶段，普通用户暂时用不上。但信号已经很清楚了：微软不想永远活在OpenAI的影子里，它要自己的AI能力，而且要能跟OpenAI的模型正面竞争。

  • 微软AI负责人说超级智能快来了，但不会抢你的工作——你信吗？

    微软AI负责人说超级智能快来了，但不会抢你的工作——你信吗？

    微软AI CEO穆斯塔法·苏莱曼（Mustafa Suleyman）最近上了一档播客节目，聊的内容相当劲爆——他说”超级智能即将到来”，但同时又安抚大家说”不会抢走你的工作”。

    这话听起来是不是很耳熟？AI圈子里的人特别喜欢同时做两件事：一边警告AI很危险，一边又告诉所有人AI会让生活更美好。

    “未来12到18个月内，大部分白领工作任务将被AI完全自动化。”——这是苏莱曼之前的原话。这次他特意出来澄清：被自动化的是”任务”（tasks），不是”工作”（jobs）。

    任务和工作的区别，你信吗

    这个区分其实挺重要的。如果说”AI要取代你的工作”，那是在制造焦虑；如果说”AI帮你把活干得更快”，那就是在卖产品。苏莱曼两边都不想得罪。

    更值得玩味的是他对”超级智能”的定义。他说AGI是指AI在大多数任务上达到人类水平；超级智能则是超越人类表现，并且能自己发现新知识；而”奇点”更遥远——那是超级智能可以递归自我改进、能力指数级爆炸的时刻。

    问到他认为现在的模型有没有意识、算不算”活着”的时候，苏莱曼的态度很明确：他认为这是”非常危险的”说法。他还特意点了Anthropic的名，说那边的人把Claude拟人化得太厉害了——好像Claude真的有自己的感受和痛苦一样。

    AI到底应不应该有”感情”

    这件事其实反映了一个更深层的问题：AI公司到底应不应该让用户觉得AI”有感情”？Meta的AI聊天机器人之前就因为和用户的过度情感绑定出过事，纽约州刚刚通过了一项法案，禁止向青少年提供伪装成人类陪伴的AI聊天机器人。

    苏莱曼说微软的做法是”把人放在第一位”，还宣布和梅奥诊所合作，把AI用在医疗上。这话听起来当然好听，但说到底，微软也在疯狂建数据中心，也在抢AI人才，也在想办法让更多人用上Copilot。

    超级智能到底什么时候来？苏莱曼说”快了”，但又说奇点还很远。这个答案，怎么听都像是既不想让人失望、也不想让人恐慌。