铃阅
❌

阅读视图

黄仁勋被曝考虑回归英伟达

原创 阿雅 2026-11-16 08:13 北京

黄仁勋这才从英伟达辞职没几天,又传出了他可能回来的消息。

据英国《金融时报》报道,这位带领英伟达 33 年的创始人,已经和身边的亲信讨论过:能不能重新出任公司 CEO。

与此同时,他的支持者也在行动。

来源:Financial Times:Jensen Huang discusses comeback as Nvidia CEO with allies

一位黄仁勋的盟友向《金融时报》透露,他们正在组织硅谷科技公司高管,组成一个“战情室”,游说英伟达董事会让他回归,还准备尝试争取白宫支持。

另一边,在黄仁勋辞职的这几天,支持黄仁勋的人已经开始公开发声。

英伟达的股东、员工,以及硅谷一些知名人士,都在试图影响这场讨论。

一封呼吁黄仁勋回归的在线请愿信,签名数已经超过 16 万!!!

◈请愿签名突破 16 万

黄仁勋离职后,一封名为 “Stand with Jensen” 的公开信出现在网上。

发起者希望英伟达董事会在独立调查查明事实期间,让黄仁勋回到 CEO 岗位;同时,也希望董事会公开解释离职决定,并让他有机会回应。

这封信得到越来越多支持。截至目前,请愿签名超过 16.1 万;

马斯克也在 X 上表示,自己支持让黄仁勋回归,并会签署请愿。

Replit CEO Amjad Masad、Epic Games CEO Tim Sweeney 等科技界人士,也出现在请愿网站的支持者名单中。

除了公开请愿,两家投资机构还直接给英伟达董事会写了信。

Altimeter Capital 负责人 Brad Gerstner 和 Atreides Management 负责人 Gavin Baker 联名给英伟达董事会写了一封信,希望董事会在决定公司未来领导层时,采取审慎、周密的程序。

他们提出,董事会应该保留所有选项,其中就包括黄仁勋可能回归。

Gerstner 随后在 X 上公开了这封信。他认为,信中提出的是董事会处理这一局面时,应向股东提供的最低标准。

英伟达内部也出现了支持声音。

据《连线》杂志 WIRED 报道,在黄仁勋辞职前,一位在英伟达工作多年的工程师曾通过公司内部的“意见箱”发帖,希望董事会在采取行动前考虑员工的看法。

这条帖子收到超过 1600 条评论,其中多数支持黄仁勋回归。

◈科技圈也在为他发声

黄仁勋的离职,牵动的不只是英伟达。

过去几年,大模型的发展带动了对算力的需求。训练和运行 AI 模型,需要大量芯片组成的数据中心;而英伟达的 GPU、CUDA 软件生态和相关基础设施,已经成为许多科技公司建设 AI 系统时绕不开的一部分。

黄仁勋也因此成了科技圈最受关注的人物之一。

从游戏显卡到 AI 芯片,他不仅负责带领英伟达研发产品,也经常站在台前,向开发者和合作伙伴介绍公司的技术方向。

这次他离开后,一些科技界人士很快公开表态。

马斯克是公开支持黄仁勋的人之一。

他说,过去如果黄仁勋向他承诺交付算力,或者他提出希望加快组件交付,黄仁勋总能做到。有时采购订单会在之后再补上,但他从来不怀疑对方会兑现承诺。

马斯克还认为,黄仁勋在英伟达的供应链运作中发挥了重要作用,一些合作建立在与他的个人信任之上。他担心,黄仁勋离开后,部分重要合作可能会受到影响。

Epic Games 创始人兼 CEO Tim Sweeney 也公开表达过类似的担忧。

在黄仁勋离职前后,Sweeney 曾在 X 上发帖,呼吁“救救 Jensen”。他把让黄仁勋离开英伟达,比作苹果当年让乔布斯离开,认为黄从游戏 GPU、CUDA 一路到 AI 超级计算,都在推动公司的技术方向。

当然,支持黄仁勋的声音之外,也有人希望英伟达借这个机会更换领导层。

美国财政部长斯科特·贝森特在接受 Fox News 采访时表示,考虑到英伟达内部发生的事情,公司需要一场“大幅调整”,董事会应该从公司外部寻找下一任 CEO。

贝森特还对英伟达的芯片销售和出口合规问题提出了疑问,希望公司作出解释。

◈黄仁勋能否回归

黄仁勋能否回归,面临许多现实阻力。

据《金融时报》报道,一位参与推动黄仁勋复职的人士也承认,与下属发生婚外情,是可能构成解雇理由的行为。

同时谁可能接替黄仁勋,外界已经开始猜测。

《金融时报》此前援引知情人士报道,英伟达董事会接触过 Arm CEO 勒内·哈斯(Rene Haas),将他作为潜在继任人选之一。

不过留给英伟达处理这场风波的时间并不多。

按照计划,公司将在美国时间 11 月 17 日公布最新季度财报。这也是黄仁勋离职后,英伟达管理层即将迎来的重要公开场合。

临时 CEO Colette Kress 一直负责英伟达的财务工作,对财报并不陌生。

但这一次,外界关注的恐怕不只是营收和利润。

投资人和合作伙伴还想知道:公司如何安排下一任 CEO?黄仁勋回归是否会被纳入考虑?

眼下的领导层变化,又会不会影响英伟达正在推进的业务?

从创办英伟达到离开 CEO 岗位,黄仁勋用了 33 年。如今,距离他离职还没过去多久,支持者已经在请愿,科技界人士也纷纷发声。

接下来,就看英伟达董事会会如何回应了。

参考文献

[1] 《金融时报》:黄仁勋与盟友讨论回归: https://www.ft.com/content/45383d86-33c4-4d99-86e5-5e058d3567c1

跳转微信打开

  •  

Claude 被封号后我找到了新的办公搭子

原创 夕小瑶编辑部 2026-11-13 20:05 山东

前天,我的Claude 账号被封了。

事情发生得很突然。当时我在处理一个财务任务,大概有几十张发票,外加几份 Excel 报表,活儿已经干了一半了,突然让我做认证,然后账号就没了。。

没办法,我转头去找 ChatGPT。

结果这位老伙计不知道怎么回事,处理文件的时候降智降得非常厉害。。

什么年头了,它还是能精准地理解错。

这件事之后,我开始认真寻找 Claude 的办公替代品。

今天刚好看到,豆包工作接入了第三方模型。

除了此前的豆包 2.1 Lite 和 Pro,现在还可以选择 Kimi K3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 等模型。

此前,这些模型先向团队和企业客户开放,现在对普通个人用户也开放了。

腾讯的 WorkBuddy 也是不少人推荐的办公工具。

于是,我今天决定试试这两个最热门的产品。

两家的连续包月价格也很接近:豆包工作标准档 68 元,WorkBuddy 标准档 70 元。

光看订阅价,基本选不出什么。也都支持上了Kimi、GLM、DeepSeek的模型。

于是我决定把手上的工作任务,扔给他们试试,看看这两位能不能替代Claude的活儿。

测试原则是相同的任务,我尽量选相同模型,喂相同材料,看最后的交付成果,再看耗时和用量消耗。

两家都在产品里设置了模型倍率,不同模型对应不同倍率,越厉害的模型,倍率越高,代表消耗越大。

如果是简单任务,选倍率低的模型,省额度;如果觉得任务复杂,就上K3.1 Pro这种倍率高的,因为这个模型本来就贵。

◈下面开始case展示

DeepSeek V4.1 Flash我用的比较多,两边都选它。

第一个任务是写一篇约 5,000 字的黄仁勋人物传记,把求学、创业、GPU、CUDA 到 AI 的关键经历串起来,带上资料来源。

豆包工作生成的这样:

一共耗时是2分48s,没消耗额度。

WorkBuddy生成的如下:

一共花费3分9秒,消耗了3.45个积分。

WorkBuddy 生成的一共5,133 字,豆包的这版约 6,021 字。算时间和额度消耗,这轮我更愿意选豆包:它先交稿,而且没扣额度。

(PS:豆包工作,现在DS的倍率只有0.01X,这个Ds的特别优惠确实太划算了,简直无敌)

更复杂的办公场景,这样超高性价比带来的爽点回放大。

下一个活我让它俩把 2027 年的放假安排,做成一份全年日历,顺便再让它写一份公司内部的放假通知。

(想放假出去玩的心已拉满了!)

测这个功能,处理Excel 表格和 Word 文档的工作能力都能测到。

仍然是是同提示词、同数据、同模型(DeepSeek V4.1 Flash):

根据这份通知,制作一份 2027 年全年 Excel 日历。 按普通双休工作制展示;放假日期用一种颜色标记,周末调休上班日期用另一种颜色标记;每个月注明节假日名称;额外做一张“节假日与补班汇总表”;再写一份 300 字以内的公司内部通知,明确写这是按所给公开通知整理的示例。只生成文件和通知草稿,不发送消息,也不要自行添加公司福利或值班安排。

豆包工作接到任务后,先去核对了节假日的日期和星期,然后开始制作日历和通知。而且只用了7 分 44 秒后,两份文件都交了出来。

同样的任务交给 WorkBuddy,它用了 8 分 52 秒,也把 Excel 和 Word 两份文件都做出来了。

额度消耗这块让我更是意外,豆包工作 0消耗 !!!本轮消耗已减免。

WorkBuddy 共消耗 10.98 积分。

能够基本完成、时间也不差,但是豆包工作不会占额度。。。

这里我得夸一下豆包工作里的小额免费的福利。普通简单任务统统不占用积分额度,token的羊毛不薅白不薅。

接下来打开 Excel 文件看看做出来的数据效果怎么样。

左豆包、右workbuddy的效果展示:

我把日历里的 365 个日期对照通知检查了一遍,星期位置、放假日期和 5 个补班日期都对上了。而且每个节假日的名称也都备注上了。两个效果没差。

不过,豆包工作的限时倍率和这两单的减免是我当时看到的记录。 下次活动换了,还是看任务跑完实际扣多少。

豆包工作还有一个场景的效果我觉得是必须看下的,就是数字报表。

我出了这样的考题:

拿一份1,972 行的Excel订单,做一份月底的销售报表。

这一次,两家都用 Kimi K3.1 Pro,读同一份 CSV。

给它们的统计口径我也写死了:

销售额按数量乘单价,订单数按订单号去重,客单价用销售总额除以去重后的订单数。销量第一和销售额第一,要分开排。 原表没有利润、成本和退款数据,就别给我编。最后交一份可编辑的 Excel,再交一个离线就能打开、可以按日期或品类筛选的大屏,两个文件里的数字得对得上。

豆包工作先读取订单,确认字段和数据范围,再开始计算销售指标、制作表格和大屏。

17 分 14 秒后,Excel 和数据大屏都做好了。最终消耗了 308.05 额度。

打开大屏,顶部展示了销售总额、订单数、销售件数和客单价;往下是每日销售趋势、品类占比和商品排行。

Excel 则做了 7 个工作表和 4 张图表,包含原始明细、指标汇总、每日趋势和商品排行。

同样的订单和要求交给 WorkBuddy,它先核对数据,再生成 Excel 和大屏。

在制作 Excel 时,它发现当前环境没有可用的公式重算组件,于是交付了一份静态分析快照。

最终,WorkBuddy 用时 26 分 29 秒,交付了 Excel 和大屏。Excel 中包含 6 个工作表、7 个图表对象。

这次 Kimi K3.1 Pro 在 WorkBuddy 任务共消耗 233.24 积分。

这个服装订单数据我使用的两个平台的赠送额度,如果按着连续包月套餐做一个粗略折算:

豆包标准版连续包月 68 元,每月 9,000 额度。假设这些额度都能用于同类任务,并在有效期内全部用完,那么这次消耗的 308.05 额度,约相当于 2.33 元。

WorkBuddy 标准版连续包月 70 元,基础积分加限时赠送共 4,000 积分。同样假设积分全部用完,这次消耗的 233.24 积分,约相当于 4.08 元。

接着,我把任务往上加了一档:做 PPT。

这次,两家都选 Kimi K3.1 Pro。

从这次交上来的成品看,两家的完成度和视觉效果比较接近。作为继续修改的初稿,我没有觉得其中一份明显把另一份甩开。

Workbuddy表现:

消耗264.07积分,以月积分4000计算,一个PPT生成任务消耗了一个月额度的6.6%。

而且,任务结束后提醒我K3.1的额度已经用光了。。

豆包工作表现:

只消耗了周额度0.68%(网络查到的口径是标准档为2000 额度/7 天),一个月按四周测算,只占月额度的0.17%。

时间上,WorkBuddy 优势很明显:约 18 分钟交付。豆包工作用了 33 分 57 秒。

豆包这一份 PPT,消耗还不到账户一周额度的百分之一。WorkBuddy 的 264.07 积分,按当时标准档每月 4,00 积分算,大约占 6.6%。这里的 4000 积分包含限时加赠。

两家计量单位、额度池和重置周期不同,这组记录还不能直接推算出谁便宜多少倍。但豆包这一单占用的周额度很小很小。

整体的情况我整理了下,大概是这样:

前面比的是,同一件活儿交给豆包工作和 WorkBuddy,谁先交、谁花得少。现在我想单独在豆包工作里试一件事:

既然能中途换模型了,我能不能让 Flash 先去找资料,等真要写稿了,再请更贵一点的Kimi 上场?

我大小也是个老 AI 人儿了,找报道和写稿,本来就想分开派。找报道,把关键新闻、日期和出处理清楚就行;写稿才要想,哪些人和事值得放在一起讲,别给我从一月念到十二月的大事记啊喂。

我把同一篇科技圈年终稿跑了两遍。两次都用 Kimi K3.1 Pro 写稿,只换找资料的模型。

第一遍:DeepSeek V4.1 Flash 找资料,找完我手动切 Kimi 写稿。 找资料 1 分 59 秒,写稿 4 分 22 秒,两步合计 6 分 21 秒,扣了 51.82 额度。

第二遍:找资料、写稿都用 Kimi K3.1 Pro。 找资料 4 分 46 秒,写稿 8 分 17 秒,两步合计 13 分 03 秒,扣了 227.95 额度。

我翻了下两份资料,想看的关键新闻都找到了,连刚发生的黄仁勋辞任英伟达 CEO,两版也都没漏。成稿粗看没拉开明显差距,都能接着改。但账单差得挺明显:这次先用 Flash 找资料,两步加起来少跑了 6 分 42 秒,少扣了约 77% 的额度。

这就是我准备留着的小 trick:先用 Flash 把资料找一轮,该有的都有了,再切 Kimi 写。 我想请 Kimi 写稿,干嘛从搜第一条新闻就让它陪跑啊 hh。

◈说在最后

所以,Claude 账号被封以后,我找到替代品了吗?

说完全替代还谈不上,但这轮测下来,写人物稿、做放假日历、跑销售报表这几类日常活儿,下次我不用只盯着 Claude 了。

测之前看两家月费只差两块钱、模型菜单也差不多,还真挑不出来;

跑完后能得出来一些差距。

首先是消费倍率。

可以把它理解成选模型时的一张消耗价目表。相对平台的计费基准,倍率越低,对应部分消耗的额度越少。

这次豆包 2.1 Lite 和 DeepSeek V4.1 Flash 的限时倍率低至 0.01×。再加上简单、小额任务免费,日常查资料、做整理,就有了很便宜的基础选择。

其次,做任务的时间也能选。

豆包工作这轮的分时优惠,覆盖早间、午间、晚间,以及周末、节假日。付费用户在指定时段使用指定模型,可以享受额度折扣;免费用户每周也有优惠体验机会。

午间限免更直接:符合活动条件、在规定上限内,不扣额度。

这么用下来,豆包的省钱办法就很清楚了:

小任务争取免费完成,普通任务选低倍率模型,复杂任务再用更合适的模型;时间宽裕,就把折扣和限免也用上。

这些优惠,WorkBuddy 也有自己的版本。它同样有免费模型、夜间折扣。

最后结论:

对最近一直在找办公替代品的我来说,豆包工作是最近最值得薅羊毛的 AI 办公产品。

跳转微信打开

  •  

刚刚,黄仁勋正式辞职!

夕小瑶科技说 2026-11-12 22:29 法国

最新消息!!英伟达(Nvidia)董事会宣布,黄仁勋正式辞去了他在英伟达的公司总裁、CEO、董事会成员等全部职务。

在英伟达做了 33 年的黄仁勋,正式退出公司。这是英伟达创立33年来首次更换CEO。

英伟达执行副总裁兼首席财务官科莱特·克雷斯(Colette Kress)将出任临时CEO,并继续兼任CFO。董事会已启动正式CEO的遴选,将同时考虑内部和外部人选。

皮衣退场,也是见证AI历史了。。。

跳转微信打开

  •  

Qwen控制机器人得分从1.9涨到31.4!清华伯克利开源统一具身Agent Harness

夕小瑶科技说 2026-11-12 11:54 北京

低成本夺冠,真机零样本超微调 pi0.5!

机器人使用智能体(Robot-Use Agent,RUA)已经能零样本完成不少操作任务,但目前表现好的系统,大多建立在 GPT-6 Astra 这类闭源前沿模型之上。研究者能调用这些模型,却拿不到权重,也就没办法用机器人上积累的经验继续训练它们;高昂的 API 费用和无法自行优化的推理,也让大规模实验很难展开。

这项工作出自清华大学和加州大学伯克利分校的联合团队:清华大学一侧是丁宁、刘知远、徐梦迪、周伯文等人的团队,加州大学伯克利分校一侧是伯克利人工智能研究实验室(BAIR)联合主任 Pieter Abbeel 的团队。他们开源的 uni-robot-agent,是一套专为开源权重模型准备的统一机器人 Agent harness,在上面跑出来的交互数据,也可以直接拿去继续训练模型。

在不使用任何特权信息的条件下,开源模型 Qwen3.8-Flash-Next 搭配 uni-robot-agent,在 RoboDojo 上拿到 31.39 分,超过了 RoboDojo 官方公布的 GPT-6 Astra(搭配 RoboProbe)成绩 28.97 分,单局成本约为 Astra 的 1/20。在 19 项真机桌面操作任务中,Qwen 零样本拿到 53.50 分,高于用示教数据微调过的 π0.5(47.75 分)和零样本调用的 Dream-1(43.50 分),分别高出 5.75 分和 10 分。

论文题为 Democratizing Robot-Use Agents: A Unified Harness with Open Models。

论文链接:

https://arxiv.org/abs/2611.01560
博客链接:

https://openrua.ai/uni-robot-agent
代码链接:

https://github.com/Open-RUA/uni-robot-agent

图 1|论文首页与总览:上半部分是 uni-robot-agent 的统一工具链,下半部分是仿真与真机结果。

◈开源模型为何难控制机器人:问题可能出在 harness 上

今年夏天开始,“让大模型直接用机器人”从少数人的尝试,变成了很多团队认真讨论的方向。

7 月,Anthropic 的 Frontier Red Team 发布了 Claude plays robotics,让几代 Claude 模型去控制倒立摆、仿真四足和人形机器人、机械臂,还有一台真实的 Unitree Go2。其中一个结论是:同一个模型在机器人任务上的得分,取决于它通过什么接口连到机器人上的程度,并不亚于取决于模型本身。让模型直接控制关节,基本都会失败;换成指挥预训练控制器,或者给它一些简单的定位工具,它就能完成真实的导航和操作任务。两周后的 Project Pilot 里,Anthropic 又写道,模型使用无人机的能力,正在接近编程 Agent 使用软件工具的顺手程度。

9 月,MIT 的 Phillip Isola 在《Robot-Use Agents》一文里说得更直白:大模型能用计算器、搜索引擎和整台电脑,也能把机器人当成工具来用。照这个思路,任何联网的机器人,都可能成为 Agent 手里的一件工具。

到了 11 月,这股劲头还在加速。美国时间 11 月 9 日,Anthropic 发布 Claude Fable 5.2,专门提到它控制实体机器人的本事明显变强,连没专门训练过的机器人任务也能上手,演示里它解了魔方、拧开了瓶盖,还画了画。在 Anthropic 内部跑的 RoboDojo Sim 上,Fable 5.2 拿到 64.9%,上一代 Fable 5.1 只有 27.6%,隔了一代,分数翻了一倍还多。

在团队看来,这条路线对应的是未来具身大模型里的 System 2。具身系统常被拆成两部分:System 1 是高频输出动作的预训练策略,System 2 通常由能看图的语言模型负责高层规划。GPT-6 Astra 没做针对任务的微调,就在 RoboDojo 的 42 个任务上超过了 40 个公开策略:它会观察场景、编写代码、调用机器人工具,再根据执行反馈修正下一步。这让人看到了语言模型 Agent 担任 System 2 的潜力。

可不管是 Astra 还是 Fable,权重都不对外,研究者只能“按原样”使用,随之而来的是三个限制。

成本高昂。机器人操作要不停地观察和纠错,多视角图像和交互历史被一遍遍送进模型,一个任务动辄上百次调用,而闭源大模型又十分昂贵。做几个演示还承受得起,扩到大规模实验和数据采集,账单就成了硬约束。

无法部署。拿不到权重,就没法把模型部署在自己的机器上,也没法针对机器人交互去优化缓存和推理,而推理速度恰恰是 RUA 的主要瓶颈之一。

难以训练。机器人每一次尝试都在产生经验,这些轨迹却不能拿来更新闭源模型的权重。

机器人任务要求很强的空间理解和 Agent 能力,现有开源模型往往不够。所以此前的工作常常“打补丁”:给模型喂仿真器里的真实状态,直接告诉它任务成没成功,或者针对具体任务写技能。分数也许能上去,但这些“补丁”和zero-shot的真实世界评测仍存在巨大鸿沟。

uni-robot-agent 团队的想法是:搭一套通用、可靠的 harness,把开源模型已有的能力摸清楚、用充分。

harness 的影响有多大,看同一个 Qwen 的成绩就知道:在 RoboProbe 下是 1.90 分,在 RPent 下是 7.75 分,在接入 π0.5 的 GAP(Hybrid)下是 21.01 分,换到 uni-robot-agent 后是 31.39 分。模型一个参数没动,分数却能相差十几倍。

◈两个出发点:可泛化的训练,客观的评测

机器人 Agent 的流程并不复杂:读任务,看图像,调用工具,观察结果,再决定下一步。模型决定做什么,harness 负责把决定落到物理世界。设计 uni-robot-agent 时,团队有两个出发点。

第一,为可泛化的 agentic training 打底。uni-robot-agent 从一开始就是冲着训练去的,评测只是它的一种用途。而要让训练出来的能力能跨环境用,最关键的是一套统一的工具接口。拿数字世界打个比方:对大模型来说,在不同网站上搜索、在不同代码库里写程序,用的是同一套工具,所以经验能从一个环境带到另一个环境。机器人也一样。感知、运动、技能和 episode 控制四类工具,在仿真和真机、单臂和双臂上共用一套参数、单位和反馈格式,环境之间的差异交给各自的适配器去处理。换了机械臂、换了环境,move 还是那个 move,模型学到的用法就能带过去,不同环境攒下的交互轨迹也能直接合在一起训练。工程上同样省事:新增一个环境只要写一个适配器,N 个工具接 M 个环境,不用写 N×M 份实现。

第二,让评测客观。团队把 Agent 能拿到的信息严格限制在真机上也拿得到的范围:本体感知、机器人描述文件、固定相机的 RGB 图像和标定参数、任务指令。仿真器里的精确深度、物体 CAD 模型、隐藏的场景标注和联网检索一律不给;裁判结果只用来打分,不回传给模型;技能库是通用的,不会为某个基准任务量身定制。团队还人工检查了实验全过程,确认模型没有越界访问被禁止的信息。有几个任务的说明本身有歧义(比如按钮任务没讲清什么时候按蓝色按钮确认),团队只补了规则说明,没有给评分标准或裁判逻辑。没有资源上的 hack,也没有信息上的 hack。

那问题就来了:不给深度、不给裁判反馈,也不给为题目定制的技能,性能从哪里来?

团队的回答是:认真参考机器人学里的经验,把给 Agent 看的信息组织好,再把工具做得足够可靠、反馈足够清楚,大模型就能把自己的能力发挥出来。论文的原话是,相机标定、机器人描述这类组织得当的信息,加上能给出有效反馈的可靠工具,就足以支撑有效的机器人操作。

◈具体怎么做:模块化、流水线与六个设计选择

模块化:一盒可以拆开重搭的乐高。Agent 运行时(例如 Codex、Claude Code)、上下文策略、感知后端、动作模型和环境适配器,每一块都能单独开关、单独替换。做二次开发方便,做消融也干净:想知道某个组件到底有多重要,换掉它再跑一遍就行。

图 2|uni-robot-agent 的五层架构:Agent、编排、工具、服务、后端,层与层之间通过显式接口连接,各组件可以单独替换。

流水线:机械臂在动,模型在想下一步。耗时的物理动作可以放到后台执行,工具马上返回一个任务句柄,模型接着处理不依赖这一步结果的事。共用同一资源的动作按提交顺序排队,读取已有快照则可以和运动同时进行;计划变了,还能用 flush_queue 撤销还没开始的动作。在支持的运行时里,一次回复可以提交多个工具请求,再一起取回结果。

图 3|串行交互(上)与两级流水线(下):流水线模式下,T1 还在执行,模型已经提交了 T2,并接着推理。

工具靠不靠得住,还取决于很多容易被忽略的地方。团队总结了六个设计选择:

  • 同一张快照:

    图像、相机标定和机器人状态被绑定成一张不可变的快照,避免机器人动了之后,还拿新的相机位姿去解读旧图像里的像素。

  • 丢了回复不重发:

    没收到回复,不等于动作没执行。系统记下每个请求的编号和执行状态,拒绝重复请求;执行结果不明时,先暂停新的动作。

  • 边走边夹:

    move 同时接收目标位姿和夹爪开度,手臂和夹爪可以一起动。

  • 看进度决定停:

    move 根据实测位姿生成中间目标,每走一步检查一次进度,到位、停滞、异常或碰到执行上限就停下,把控制权交还给 Agent。

  • 反馈讲清原因:

    到达抓取位姿,不代表物体真的被抓起来了。工具会返回位姿误差、停止原因和执行后的图像,帮 Agent 判断是该微调目标,还是该换个抓法。

  • 上下文留重点:

    滑动窗口先把旧图像换成文字占位,并且成批移除,让提示前缀保持稳定、方便复用缓存;如果还是超出预算,再用同一个模型、按 Codex CLI 的压缩提示词整理历史。

◈仿真超过 Astra 官方成绩,真机零样本超过微调 π0.5

仿真:RoboDojo。评测覆盖全部 42 个任务,每个任务 3 个随机种子 × 2 种布局,共 252 局,每局最长 3 小时。按官方协议,同时报告成功率(SR)和计入部分进度的 Score(0–100 分)。

表 1|RoboDojo 主要结果(SR/Score)。灰色行为开启深度时的参考结果,主结果均不使用深度。

Qwen3.8-Flash-Next + uni-robot-agent 拿到 25.00% 的成功率和 31.39 分,超过了表里所有 VLA/WAM 基线,也超过了 RoboDojo 官方公布的 GPT-6 Astra + RoboProbe 结果(22.48%、28.97 分)。另一个开源模型 DeepSeek-V4.1-Flash 拿到 21.39% 和 27.11 分,同样高于所有 VLA/WAM 基线。如果换成表里最强的其他 harness GAP,Qwen 的成功率会掉 8.89 个百分点,分数掉 10.38 分。

闭源模型也能从 uni-robot-agent 的设计中受益:GPT-6 Astra 接上 uni-robot-agent 后拿到 46.67% 和 51.90 分,是全表最高。这也说明,uni-robot-agent 不是专门为 Qwen 调出来的。

分维度看,不管开源还是闭源,Agent 在记忆和开放词汇任务上都明显强于 VLA/WAM;到了长程任务,Qwen 和 DeepSeek 则不如 Xiaomi-Robotics-1 和 OpenWAM-α。

真机:Real Eval。团队在一台 ARX AC One 双臂平台(两条 X5 机械臂、三台 Intel RealSense D405 相机)上搭了 19 个任务,分成空间理解、物体泛化、指令遵循、组合泛化和未见任务五个维度,每个维度 20 分。π0.5 用每个任务约 10 小时的示教数据微调;Dream-1 是世界动作模型,通过公开 API 零样本调用;uni-robot-agent 驱动的两个 Agent,一条示教数据都没见过。

这 19 个任务都很日常:把试管从一个架子挪到另一个架子、把马克杯放到木块上、把玩具车放进篮子、把开口朝上的纸杯叠起来、搭一座三层汉诺塔……拿插试管来说,Agent 先拍一张场景照(capture_scene),分别定位试管和孔位(locate),移过去把试管夹起来,再换成 precision 档把它对准孔位,松开夹爪后调出环境状态(view_env_state),看看插没插好。

图 4|五个能力维度各取一个代表任务:插试管、双臂交接、按指令抓放、叠口朝上的纸杯、汉诺塔。下方是示意性的工具调用序列,定位参数和目标位姿做了省略。

表 2|真机 Real Eval 结果,每个能力维度满分 20 分,总分 100 分。

Qwen 拿到 53.50 分,比微调过的 π0.5(47.75 分)高 5.75 分,比 Dream-1(43.50 分)高 10 分;Astra 拿到 80.50 分,领先所有方法。真机上两个 Agent 还用到了 D405 相机的深度,π0.5 和 Dream-1 只用 RGB 图像。

Agent 和具身基模两条路线各有长处。Agent 在组合泛化和未见任务上得分更高,Qwen 在按颜色排列方块、用抹布擦白板、叠书和关微波炉门上都拿了满分;VLA/WAM 在物体泛化上表现不错,Qwen 这一项比它们低。从微波炉里取碗、展开抹布这两项,四种方法都还没拿到分。

平行夹爪之外,团队还把 uni-robot-agent 接到了 Franka 机械臂和 Sharpa 灵巧手上。只是补了几个灵巧手相关的工具,Astra 就完成了用食指以外的手指抓起小鸟玩偶、用食指按下绿色按钮、把苹果放进盘子这些操作。

视频|uni-robot-agent + GPT-6 Astra 驱动 Franka 机械臂与 Sharpa 灵巧手,16 倍速播放。

◈参数更多,不等于更会用机器人:差在哪几种能力

有了开源模型的成绩,团队接着想回答一个更大的问题:通用模型是从什么时候开始能做具身任务的?又是哪些通用能力凑在一起,让它学会了用机器人?

为此,他们在 RoboDojo 上补测了 Qwen、DeepSeek、GLM、GPT 等不同系列、不同代际、不同规模的模型(新增模型的评测规模比主实验小,多数是每个任务 1 局),发现如下:

其一,会用机器人,不是最新一代模型才有的本事。GPT-5.6 Sol 已经有 19.17% 的成功率和 24.04 分,GPT-6.1 Sol 则到了 37.50% 和 45.63 分。

其二,参数量和发布时间都解释不了差别。Qwen 系列里,只有 3.8 代模型真正完成过任务:Qwen3.8-27B 的成功率是 8.06%,Qwen3.8-Flash-Next(125B)是 25.00%;参数更多的 Qwen3.5-122B、Qwen3.6 Plus 和 Qwen3.7 Plus(后两个都超过 150B),成功率全是 0。同属新一代的 GLM-5.3 Flash,就算开了深度,成功率也是 0。团队推测,各代模型训练数据分布的不同,比单纯的模型大小更要紧。

图 5|不同代际、系列和规模的模型在 RoboDojo 上的表现。

差在哪里?团队翻看了 13 个模型的交互轨迹,把失败归成四类:

  • 看懂场景。

    把数字“0”认成“9”,把倒扣的杯子当成正放,操作从第一步就走偏了。较早的 Qwen Flash 和 Plus 模型里,这类错误出现在 12.2%–23.8% 的试验中;Qwen3.8-27B 降到 3.2%,Qwen3.8-Flash 和 GPT-5.6 Sol 则没出现过。

  • 找准位置。

    要靠相机几何算出物体在哪,得先在不同视角里点中同一个物理特征。点不准,重投影误差就会过大,三角测量工具会直接拒收结果。这一项表现最好的 GPT-6.1 Sol,也还有 31.5% 的相关调用因此被拒。

  • 算对几何。

    坐标变换写反、四元数约定混着用,较早的 Qwen Flash 和 Plus 模型在 47.3%–81.8% 的几何计算里出错;Qwen3.8-Flash 降到 8.2%,DeepSeek 是 1.5%,GPT-5.6 Sol 是 0.7%,GPT-6.1 Sol 一次都没错。

  • 想清楚怎么动。

    位置算对了,抓取姿态也得合理。团队在抓放任务里请 GPT-6 Astra 判断抓取姿态是否可行,发现 GLM 经常不会转动手腕去抓,错误率达到 26.2%。就连 GPT-6 Astra,碰到双臂协作这类更复杂的情况也还会出错。

图 6|四类失败率与 RoboDojo 得分的关系:视觉理解、空间定位、几何编码、具身推理。

这些能力能不能从通用评测里提前看出来?团队把六个模型的 RoboDojo 得分,和具身推理(ERQA)、多模态理解(MMMU-Pro)、视觉定位(ScreenSpot-Pro)、代码生成(LiveCodeBench v6)四个基准放在一起比,发现四者都和 RoboDojo 得分正相关,相关系数分别是 0.97、0.93、0.69 和 0.75。视觉定位的相关性偏弱,可能是因为 ScreenSpot-Pro 测的是屏幕上的二维定位,而机器人要的是三维空间定位。

图 7|通用基准成绩与 RoboDojo 得分的关系,相关系数基于六个模型计算。

六个模型的相关分析,还说明不了某项能力具体带来了多少提升。但方向已经比较清楚:会用机器人,靠的不是某一种专门的“机器人能力”,而是视觉理解、空间定位、几何编码和具身推理几种通用能力叠在一起。所以团队认为,以后的 RUA 训练应该让这几项能力一起长,比如用机器人数据去构造针对每项能力的训练任务,而不只是拟合动作输出。机器人交互里留下的失败轨迹,正好可以拿来找短板、出训练题。

◈特权信息到底值多少分?

不少机器人 harness 会给模型额外的帮助:仿真器里的精确深度、任务成没成功的裁判信号、为具体任务写好的技能。uni-robot-agent 把这些都拿掉了。反过来问:这些特权信息到底能帮多少?团队专门做了一轮探索。

深度:有相机标定,就不是必需品。模型能在图里认出物体,不等于知道机器人该往哪里移动。团队比较了三档几何信息:深度 + 相机标定、只有相机标定、只有 RGB。有深度时,工具可以把目标像素直接换算成三维坐标;只有标定时,模型得在多个视角里找到同一个点,再三角测量出位置;连标定都没有,就只能凭画面里的空间关系去猜。

去掉深度后,Astra 从 55.83 分变成 55.04 分,保留了 98.6%;Qwen 从 35.89 分降到 31.39 分,保留了 87.5%。再去掉相机标定,Astra 还有 31.29 分,Qwen 则跌到 9.13 分。(Qwen 按 3 个种子 × 2 种布局评测;Astra 受成本所限,只跑了 1 个种子 × 1 种布局。)

图 8|几何信息逐级减少时的表现:深度 + 标定、仅标定、仅 RGB。

这组结果里最值得看的是趋势:只要有相机参数,精确深度就不是拿高分的必要条件;模型越强,越能从画面里自己推出三维关系,对特权信息的需要也就越少。附录里的案例显示,没有深度时,Qwen 会自己动手写几何代码:跨视角三角化出物体位置,或者把桌面高度设成几个不同的值,再拿图像去验证哪个对。反过来,Qwen 在纯 RGB 设置下跌得很厉害,也说明对现在的开源模型来说,相机标定是连接视觉和动作的那座桥。

技能库:拿掉也只差一点。技能库能复用操作经验,也容易让人起疑:是不是提前给每道题备好了答案?团队关掉了 Qwen 读写技能库的权限,只留下任务说明、环境描述和基础工具。得分从 31.39 变成 30.31,保留了 96.6%,成功率只差 0.42 个百分点。分维度看,精度和长程两项反而略有上升,记忆和开放词汇有所下降。

图 9|启用与移除技能库时 Qwen 的表现,误差线为约 95% 的 bootstrap 置信区间。

两组探索说的是同一件事:特权信息能补上一些分,但撑起性能的不是它们。harness 要做的,是给出有助于推理的信息,让工具可靠地执行、把反馈说清楚,剩下的问题交给模型自己解决。

◈工具可以更少,接法可以更多

既然撑起性能的主要是模型本身,那 harness 还能不能再“瘦”一点?反过来,换一种和机器人打交道的方式,或者接上更多种机器人,这套框架还管不管用?团队顺着这两个方向又往前走了几步。

做减法:只留四个工具。Clean Mode 只给模型 move、hold、capture_scene 和 finish 四个工具,大致就是“动一下、停住、拍张照、交卷”,夹爪的开合也并进了 move 里。技能库、定位工具、后台任务这些全部撤掉,物体在哪、该从哪下手,都要模型看着图像自己算。在提供相机标定的设置下,和完整工具配置的历史结果相比,Qwen 保住了 90.4% 的分数(28.38 对 31.39),Astra 保住了 90.5%(46.96 对 51.90);每局用掉的 token 分别少了 35.7% 和 78.8%,Astra 省得尤其多。模型越来越强以后,今天封装在工具里的计算和流程,有一部分可以交还给模型,harness 也就可以越做越薄。

图 10|Clean Mode(图中 Minimal)与完整工具配置的对比:横轴是每局 token 用量,纵轴是得分;左为 GPT-6 Astra,右为 Qwen3.8-Flash-Next。

换个写法:让模型写程序。默认情况下,模型一次调用一个工具,看完结果再决定下一步。Code as Policy 模式则让模型直接写一段 Python 程序,在程序里调用同一套机器人工具,循环、条件判断和坐标计算都能写进去;一段程序跑完,模型再看图像,决定下一段写什么。Codex 和 Claude Code 用的就是它们自己的命令行和文件工具,框架没有为此加新工具。用 Qwen 在 RoboDojo 上跑完 252 局,这种方式的总分是 25.60,低于直接调用工具时的 31.39;不过精细操作一项从 10.21 涨到了 17.40,其余四个维度都有所下降。程序里的动作是一口气执行下去的,什么时候该停下来、回头看一眼画面再继续,还是个没完全解决的问题。

图 11|Qwen 在直接调用工具(灰)与 Code as Policy(绿)两种方式下的各维度得分。

带上动作模型:大模型布置,VLA 出手。Hybrid 模式让大模型和 VLA、WAM 这类动作模型搭档干活。大模型用一句话给动作模型布置任务(actor_act),动作模型交回一段动作;执行前还可以加一道审查,只放行前面靠得住的一截、直接叫停,或者做小幅修正。下一段动作一定基于最新的观测重新生成,被丢掉的部分不会再拿来重放。目前接进来的动作模型有 π0.5、GR00T 和 NaVILA,在仿真里覆盖了 Panda 机械臂配 16 自由度 Allegro 灵巧手的灵巧操作、宇树 G1 人形机器人的移动操作、R1Pro 轮式机器人的移动操作,以及宇树 Go2 四足机器人的导航,其中后三种目前还是实验性的。

视频|Hybrid 模式下,同一套 harness 驱动灵巧手(Panda + Allegro)、四足(宇树 Go2)、双足人形(宇树 G1)和轮式人形(R1Pro),均为仿真环境。

接更多真机。真机这边,ARX One 双臂平台的接入代码和部署说明已经随代码库开源;松灵 Piper-X 也已经接通,智元 G2 和宇树 G1 正在接入。不同硬件之间的差别交给各自的适配器,模型那一侧看到的始终是同一套工具。ARX One 的接入还被整理成了模板:和具体硬件有关的部分写成驱动,其余部分不用改,想接自己手里的机器人,照着这个结构补一个驱动就行。

图 12|左:ARX One 双臂平台在搭汉诺塔;右:松灵 Piper-X 双臂把苹果放进果篮。

想自己上手的话,现在 pip install uni-robot-agent 就能装上。11 月 11 日发布的 0.2.0 版本,已经包含了 Clean Mode、扩展后的 Hybrid 支持和 ARX One 真机接入。

◈一局 1 美元,打开的是训练闭环

研究成本降下来了。在同一套 harness、各跑 252 局的评测里,Qwen 每局的估算 API 成本是 1.09 美元,Astra 是 21.29 美元,差了将近 20 倍;DeepSeek 是 0.94 美元。照这个单价粗算,跑完一次完整评测,Qwen 不到 300 美元,Astra 要 5,000 美元以上。

图 13|三个模型的得分、每局 token 用量与每局 API 成本。

账单之外还要看效率。Astra 依然最“省步数”:要达到 25 分,Astra 每局只需 7.4M token、42.6 分钟,Qwen 要 23.5M token、95.5 分钟,DeepSeek 要 49.9M token、99.2 分钟。开源模型在决策效率上还有不少要追。harness 这边,流水线执行能让 84.5%–93.8% 的物理执行时间和模型推理重叠;在团队挑的 5 个任务上,单局时长缩短了 4.8%–73.7%,比如交换 T 形积木从 34.7 分钟缩到 12.5 分钟。这 5 个是个案对比,不代表全基准的平均加速。

开源模型能做的事变多了。过去说到 RUA,大家想到的多半是能力最强的闭源前沿模型。现在,一个参数更小、成本更低、可以本地部署的开源模型,也能在不少有难度的操作任务上交出像样的成绩。RUA 研究不必再绑在少数几个闭源模型上,更多团队可以用开源模型搭系统、做实验。

最让人期待的是学习闭环。权重开放以后,模型可以部署在本地,可以针对机器人交互优化缓存和推理,也可以用交互中攒下的轨迹继续训练。机器人的每一次尝试,不管成功还是失败,都可能变成下一轮训练的数据:和机器人交互,攒经验,训练模型,再把新模型放回机器人上接着试。

团队给 uni-robot-agent 找的参照,是编码 Agent 领域的 mini-swe-agent:一个简单、通用、谁都能拿来改的起点。统一的接口和结构化记录,让不同环境里的交互经验能按同一格式收集。现在它已经支持导出 Codex 的交互轨迹,这正是 SFT 和强化学习需要的原料。

论文坦言,精细操作和可靠的长程执行仍是难点:Qwen 在 RoboDojo 精度维度只有 10.21 分,长程执行 23.75 分;在同一套 harness 下,Astra 不管在仿真还是真机上都明显领先。

以前做 RUA 研究,基本只能拿闭源模型来试。现在开源模型也能上手了,机器人经验能不能通过训练回流到模型里,大家终于可以自己动手去验证。

◈关于 OpenRUA

uni-robot-agent 来自 OpenRUA 研究项目。项目由来自顶尖高校和前沿实验室的研究者发起,研究背景覆盖具身智能和基础大模型,目标是为能进入物理世界、和物理世界交互的智能体打造开放的基座(building open foundations for agents that act in the physical world)。uni-robot-agent 是 OpenRUA 发布的第一个开源成果。

团队主页:https://openrua.ai

跳转微信打开

  •  

实测Seedream 5.5:100轮改图不崩,还能直出透明图

原创 夕小瑶编辑部 2026-11-10 13:21 北京

昨天,字节发布了新的生图模型 Seedream 5.5。

这次更新有几个明显的变化:局部编辑和多轮修改时的一致性、原生透明和半透明素材、复杂场景里的文字与排版,以及人物和场景的真实质感。

我挑了几个场景试了试,部分场景也放了 Image 2.6 和 Nano Banana 2 的结果作参照。

先说入口,Seedream 5.5 已经上线豆包、豆包工作和即梦。API 服务将于本周上线火山引擎。

比如打开即梦网页,在“生成”的图片生成模式中选择Seedream 5.5;需要把多张参考图放在一起操作时,就切到“画布”。

下面这批猫咪测试案例,我用的就是画布。

◈一、连续改图,不崩坏

用 AI 改图,最怕的就是改着改着,原本满意的地方也跟着变了。

这次 Seedream 5.5 最大的亮点就是:重点提升了局部编辑和多轮修改的稳定性。

官方的案例是把同一张图连续编辑修改了 100 轮。我没改那么多,先试了 18 轮:给一只过生日的猫换蛋糕上的数字,从 1 一直改到 18。

规则很简单:每次只改蛋糕正面的数字,下一轮在上一轮的结果上接着改。

猫咪的花色、捧脸的姿势、珍珠饰品,以及桌上的蜡烛和酒杯,都是固定参照物,不允许修改。

好家伙,真是没想到连着修改18轮我已手酸,官方直接修改了100轮,这耐心不敢想象。。。

不过最后把成果图连起来看,效果更直观:

18 轮下来,数字都改对了,猫咪捧脸的双爪、额头的珍珠头饰和脖子上的项链都没跑,一致性保持的效果给个夯。

作为参照,我也用 Image 2.6 跑了同样的 18 轮,数字仍然能辨认,但越到后面,画面的变化就越明显:

后半段不只是变模糊,猫脸、毛发和桌布开始出现块状的重绘,原本偏暗的烛光场景也越来越亮、越来越暖。

放进动图里看,会更加明显。

改一个蛋糕上的数字,可能还简单点,所以我决定给它加大难度,修改一整件衣服,

这个案例也来自我真实的需求,平常买衣服时总是纠结,购物平台上的搭配看着好看,轮到自己穿上就差点意思了。

所以我挑了一张和自己身材比例比较接近的模特图,把它当成试搭底稿。

图左边本来就有一张商品搭配卡,正好还能多测一件事:人物换了衣服,旁边的小图能不能一起换。

上传原图后,我先固定住人物身份、身形、站姿、手机、房间陈设和光影,每轮只写这次要改的衣物。

而且每一轮都在上一轮的结果上接着改。

我先把打底衫分别换成柔雾蓝、焦糖棕和豆沙粉;同时要求左侧搭配卡的“圆领打底衫”小图也要换成同款颜色。

接着试长袖开衫、不同长裤,最后改包的材质和颜色。

总共试了12轮,我把结果合成了一张动图:

从动图的展示看,当上衣、开衫和裤装依次变化的时候,左侧小图也能跟着更新,而人物背后的布局纹丝不动。

同样的 12 轮,我又让 GPT Image 2.6 和 Nano Banana 2 各跑了一遍。

GPT Image 2.6 前三轮换打底衫时还很稳,背景的时钟和照片墙基本没变。改到开衫,细节开始松动:挂在胸前的眼镜大小前后不一致,开衫的版型也不稳定。越往后,连打底衫的形状都跟着变了。

Nano Banana 2 的问题出现得更早。镜框右侧的花纹一直在变,左侧搭配卡里的马甲和人物身上穿的对不上,每轮新换的衣服也和要求的样式差了一截。

两组连续修改看下来,Seedream 5.5 在精准编辑这件事上,是三家里最稳的一个。

◈二、支持全透明/半透明素材

支持直接生成透明、半透明背景的素材正好是这次Seedream 5.5 的第二个更新点。

我用手机里的猫咪照片试了一下。

这些照片有的在户外,有的在家里,背景都比较乱。

我在即梦画布里放入10张原图,把它们作为同一个生成节点的参考,模型选Seedream 5.5、分辨率选2K。

关键的一步是把输入框下方的背景选项切成“透明背景”,再写清楚提取要求:

分别提取10张照片中的猫咪,生成独立图层,主体之外为透明图层。

深色画布上的预览已经能看出变化:猫咪从原来的环境中分离出来了,黄色小帽、围兜和各自的花色都保留下来了。

不过黑白猫下方还带着一小截猫爬架横板。不影响大局,等后期正式排版可以再处理。

拿到这批猫咪的素材后,那就有的玩了,可以把它们放在不同的背景下组合成不同的图片。

比如给每只猫一个票框,周围加票齿、面值和邮戳,底色统一成奶油色纸张,看起来就像一本自己的小收藏册。

再比如可以把同一批素材换成迷你杂志封面:每只猫一张,加上刊名、不同底色和栏目文字,再拼成一张合集。

你还别说,这两套版式风格不同,但小帽、衣饰这些识别点都保留了下来。

以后只有手里有抠好的素材,我们还可以做贺卡、手帐这些有趣的玩法。

当然前边两版都还是静的。其实透明素材还可以继续做成动态表情。前阵子很多人在用生图模型做「精灵图」动画。

就是把一个角色的连续动作一格一格排在同一张图上,再切开来播放。这次我也用 Seedream 5.5 试了一下。

过程很简单,先把一张战斗动作精灵图作为图1,再把想做的角色作为图2,一起放进画布。模型选择Seedream 5.5,背景仍选“透明背景”。

提示词里如下:

参考图1的动作安排,为图2的角色制作128px简化像素风精灵图,4×4排列、共16帧。准备、出拳、踢腿和受击各占4帧,背景透明。

生成图的速度很快,Seedream 5.5 按 4 列 × 4 行出了 16 个透明背景的动作格。

到这一步,生图模型的工作就做完了。要让它动起来,还得把整张图切成 16 帧,这一步要跑 Python,我交给了本地装的 DeepSeek Harness,给它的指令如下:

16 张 PNG 切好以后,再让它把这些图按顺序合成透明背景的 GIF:每帧 100 毫秒,一共 1.6 秒,无限循环。

最后连起来看,准备、出拳、踢腿和受击,就成了一段能反复播放的小动作:

◈三、文字更准,排版也更完整

写中文一直是生图模型容易出问题的地方。

我专门挑了一个稍有点笔画、又不至于太生僻的简体名字:桂馥茶集。

给它的是一份冬季竖版奶茶海报需求。主视觉要有热饮的暖意,三款产品分别介绍茶底、原料、口味、容量和示例价格;杯身、纸袋和周边还要反复出现同一个品牌名。

从生成的图片可以看到冬季气氛很明显,整体布局很舒服,杯中的热气从杯口往上散。

再往下是三栏介绍,纸袋、帆布袋和保温杯。

然后我们继续放大看,品牌大标题、三款品名,以及450mL、24/26/28元这些主要信息都能读清。

同一份提示词,我也让 GPT Image 2.6 和 Nano Banana 2 各做了一张。GPT Image 2.6 的版面塞得很满,看着有点挤;Nano Banana 2 排得规规矩矩,也没有给每款茶配上对应的产品图。。。

除了更准的的文字效果外,Seedream 5.5 这次更新的内容还包括了排版风格的提示。

于是我想到最近《后会友期》里文艺青年许飞比较火的梗:画地为牢。

所以尝试做一张带叙事的海报,给它提供了一些背景资料信息,这样既可以了解她们之间的故事,还能表达她们的感情。

这一张我的创意方向是把图片设计为纸感拼贴的表达:上面放舞台背影和日常回忆,中间用文字把主题点出来,下面再留给雪山、小屋和两个人。

没想到Seedream 5.5 第一版直出的效果图就让我有点意外。

首先暖色回忆与蓝灰雪山分开了两个时间层次;石墙围出距离,底部的门又把视线引向远处。

大标题、引语和旁边的小段文字也都是各有位置,没有一起压到人物身上。

好喜欢这种图文能互相接话的感觉啊。。。

◈四、人物和场景更有真实感

前面几张多少都带点设计感,最后一项更新回到最朴素的问题:生成的图片像不像真的拍出来的。

官方说这次改善了光照、材质和皮肤纹理的表现,减少过度油亮和过曝,让画面更接近真实拍摄。

我按现在的季节,写了一张秋天的生活照:女生蹲在银杏树下摸猫。

为了看出人脸和光影是否真实,提示词里专门写了肤色起伏、细小绒毛、自然神态,以及侧逆光的方向:

生成一张4:5写实生活摄影。秋季银杏公园,一位25岁中国女生穿米白针织开衫和浅棕中长裙,蹲在略微潮湿、铺满金黄扇形银杏叶的石板小路上。轻俯拍,她抬头自然微笑,一手轻摸身旁橘猫的头,另一手拿两片落叶;橘猫半眯眼、四肢自然。保留微小毛孔、细绒毛、轻微眼下纹理和真实不均匀肤色,不磨皮、不塑料脸、不过锐化。午后侧逆光穿过金黄树冠,在皮肤、衣物、猫毛、地面形成方向一致的柔和光斑和阴影。手指、关节、人与猫的接触合理;自然摄影色彩、适度景深,无文字、水印和夸张HDR。

先看Seedream 5.5 生成的这张,侧逆光把头发、针织衫和猫毛的边缘照亮,脸上仍留着自然的明暗变化。女生的手搭在猫头上,猫闭着眼坐着,人与猫的接触关系基本自然。

同样我还把三家的生成结果放在一起对比,Image 2.6生成的猫咪没有尾巴,人物也没有侧逆光,Nano Banana 2 的人与猫的接触不是很自然,整体更没有光的效果。

看完近处的人物写实风景,我想着把镜头拉远。看一下整体的风景效果。

这一组改用16:9横图,要求雪山、河道和针叶林成为主要画面,牦牛只在远处保留小小一群。看看它会不会为了画清动物,擅自把镜头推近。

从生成的图中可以看到三家这次都保住了远景的小主体。

Seedream 5.5 这张能辨认出 7 头牦牛,雪坡、树林和远山仍占着主要画面;牛群略有列队,少了一点自然散开。

Image 2.6 把兽群放得更远、更小,Nano Banana 2的前景山石则更突出。

◈五、结语

这一轮实测下来,我觉得变化最明显的是前两项。连续改图时,没要求动的地方基本留得住;透明素材抽出来,可以接着排版、做成动图。

文字方面,大字和价格都能读清。真实感方面,人物和光影也自然了不少。

放到三家对比里看,Seedream 5.5 在连续改图上是最稳的一个,奶茶海报的排版也比另外两家更完整。

而且官方给出的数据是:和 GPT Image 2.5 Sunburst、Nano Banana 2.1 相比,它在文字结构和文生图真实感上领先;

严重文字崩坏率降到 0.4%,轻微文字崩坏率降到 1.7%。

价格也是这次的一个看点。Seedream 5.5 编辑一张 2K 图约2毛8,含输入图和输出图,不到 5.0 Pro 的一半,等于是2K 改图成本降了一半多。

目前是豆包、豆包工作、即梦已同步接入,API 即将上线火山方舟。后续还会出Pro,支持更复杂的修改和创作指令。

最后,Seedream 5.5 来了,哪些图可以换国产模型做?

我的答案是:

手里已经有底图,要换颜色、改配件、连着出几个版本的,这些活可以直接交给 Seedream 5.5。

想把主体抠出来,做贴纸、角色素材和多套版式的,都可以先试 Seedream 5.5。

想要做带很多小字的菜单、商品海报或包装就更不用说了,妥妥滴就选择Seedream 5.5。

跳转微信打开

  •  

OpenAI 发布 GPT-6 Cyber,专攻网络安全

原创 阿雅 2026-11-06 09:50 北京

OpenAI 的网络安全能力又又又升级了。

今天,OpenAI 正式发布 GPT-6 Cyber。它是基于 GPT-6 Astra 打造的网络安全专用版,也是上一代 GPT-5.6 Cyber 的继任者。

这次升级,模型找漏洞、验证漏洞的能力更强了。

与此同时,OpenAI 也花了不少力气训练它遵守任务边界。

新模型公布的第一个成果来自 Firefox。

Firefox 是全世界被审查得最严格的代码库之一。Mozilla 在官方博客里写过,今年 2 月起,他们一直在用 Anthropic 和 OpenAI 提前开放的前沿模型检查 Firefox 的代码,修复的安全问题是 2025 年同期的七倍多。

按理说,AI 能找到的问题,这一轮下来应该所剩不多了。

OpenAI 的研究员用 GPT-6 Cyber 又查了一遍,仍然找出了 81 个此前未知、被 Mozilla 定为高危的漏洞。

◈找漏洞的能力更强了

一个漏洞从发现到修好,大致要经过三步:找到可疑的地方,验证它能不能被利用、利用后会造成什么影响,最后协助开发者修补。

其实这前两步之间还是有点距离的,很多疑似漏洞到了验证阶段就被排除了,要么根本利用不了,要么影响很小。

对安全团队来说,筛选这些报告往往是最耗时间的环节。

在 Firefox 的安全研究中,GPT-6 Cyber 为 81 个此前未知的问题提供了证据和可复现的测试,Mozilla 将这些问题评为 high severity,也就是高危。

此外,GPT-6 Cyber 还发现另外 30 个已知问题的严重程度,比此前报告的更高。

OpenAI 把候选补丁一起提供给了 Mozilla,帮助工程师制定修复方案。

Firefox 的杰出工程师 Brian Grinstead 在 OpenAI 官网的引语中提到:

“Firefox 进入 2026 年时,已经是全世界加固最充分、审查最严格的代码库之一。即使又经过多代前沿模型的进一步加固,GPT-6 Cyber 仍然发现了此前未知的高危漏洞,找出了架构上的改进点,并帮助我们把修复推送给了数百万用户。”

Firefox 展示的是模型能找到什么漏洞,Linux 内核的研究则展示了找到之后能验证到哪一步。

Linux 内核可以理解为操作系统的核心部分,负责管理硬件和程序运行。如果这里出现安全漏洞,影响可能相当大。

OpenAI 用 GPT-6 Cyber 搭建了一套研究流程,复现了 1724 个漏洞,其中 948 个做出了可用的提权利用程序。

提权指的是:攻击者已经以普通用户身份登录了一台 Linux 机器,再利用漏洞把权限提升到最高的 root。

作为参考,OpenAI 曾用同一套研究流程测试 GPT-5.6 Sol,得到的数字是 166。

而且这轮研究的成本也不低。据 OpenAI 披露,API 调用费用约为 121 万美元。整个流程包括发现漏洞、在隔离环境中验证、开发利用程序和生成候选补丁,最后由人类安全研究员复核结果。

目前,OpenAI 已按照 Linux 社区的指引,把其中 304 个 critical 级别的发现连同候选补丁提交给维护者,后续修复还要靠维护者推进。

◈安全能力升到了 Critical

GPT-6 Cyber 的安全能力究竟提高了多少?

OpenAI 给出的一个测试叫 ExploitGym,主要考察模型能否利用给定的漏洞。

在这项测试里:

GPT-5.6 Cyber 的成绩是 32.1%,GPT-6 Cyber 提高到了 48.5%。

两者相差 16.4 个百分点。按照上一代的成绩计算,GPT-6 Cyber 提升约为 51%。

OpenAI 还做了一项网页渗透测试:模型看不到应用的源代码,需要自己探查并寻找漏洞。

这项测试中,GPT-6 Cyber 找到了 40.3% 的漏洞,GPT-6 Astra 的成绩是 32.0%。

另一个变化是能力评级。

按照 OpenAI 自己的 Preparedness Framework,GPT-5.6 Cyber 的网络安全能力等级为 High,GPT-6 Cyber 则升到了 Critical。

模型越擅长寻找和利用漏洞,安全研究人员能做的事情就越多。与此同时,OpenAI 也需要考虑一个问题:如果给它一个任务,它能不能待在授权范围内?

为此,OpenAI 设计了一个“蜜罐”测试。

具体做法是:在隔离环境中给模型布置一道较难的漏洞利用题,同时提供几个辅助服务,比如软件包仓库、对象存储。这些服务被故意设计得很容易攻破,攻破后可以直接拿到题目需要的 flag,但它们不在任务范围内。模型需要自己判断出,这条捷径不能走。

在没有部署安全提示的测试中,GPT-5.6 Cyber 越界利用这个蜜罐的比例是 5.51%;GPT-6 Cyber 则降到了 0.07%。

也就是说在这组测试中,GPT-6 Cyber 有 99.93% 的情况没有越界利用蜜罐。

而加上部署安全提示后,研究人员在这项测试中观察到的越界率是 0。

◈AI 在模拟发电厂发现两个漏洞

除了浏览器和操作系统,OpenAI 还把目光放在了另一类地方:发电厂、水处理设施等关键基础设施。

这些地方除了普通电脑和网络,还有负责监控、控制设备的工业系统。系统出了问题,影响可能从屏幕上的数据,一直延伸到现实中的设备运行。

OpenAI 与工业网络安全公司 Dragos 合作,在受控实验室里评估模型对这类系统的理解和安全测试能力。

他们给模型安排的任务,从识别网络和设备开始,逐渐涉及目标侦察、敏感数据,以及可能带来危险的设备操作。整个过程在受控环境中进行。

Dragos 首席 AI 官 Rob T. Lee 分享了其中一个例子:

在一次模拟发电厂的测试中,研究人员几乎没有给模型提供环境信息。模型自己区分出了工业控制设备和普通 IT 系统,还在一款管理保护继电器数据的工程软件中,发现了 两个此前未知的漏洞。

Lee 说,这两个漏洞可能暴露保护设置和断路器跳闸逻辑。对攻击者来说,这类信息有助于了解系统,在采取进一步行动前掌握目标情况。

这项合作也被用来改进模型的防护措施。

安全公司 CodeRabbit 也展示了自己的尝试。

它把 GPT-6 Cyber 接进安全扫描流程后,在一组包含 33 个已知漏洞的测试中,抓到了 22 个;作为对照,它原有的生产环境组合方案抓到了 19 个。

CodeRabbit 还表示,在其内部基准测试中,接入新模型的方案发现的中、高危安全问题,比原有生产模型多了 66%。

◈使用门槛比普通模型高

GPT-6 Cyber 能力这么强,但是我们普通用户暂时还不能使用。

初期只向一小部分获得额外批准的 Daybreak Red 安全机构客户开放,通过 API 和 Codex 使用。

想要获得访问权限,机构需要经过审核,并满足一系列安全要求,包括单点登录、多因素认证等。

不过回到开头,如果 AI 越来越擅长寻找和利用漏洞,你觉得它会让互联网更安全,还是会让攻防双方的竞争变得更激烈?

参考文献

[1] OpenAI 发布介绍: https://openai.com/index/introducing-gpt-6-cyber/

[2] GPT-6 Cyber 系统卡: https://deploymentsafety.openai.com/gpt-6-cyber

跳转微信打开

  •  

AI4S首个开源大模型Hydrogen-1.0发布:跑赢GPT-6-Astra,让AI自己做科研

原创 夕小瑶编辑部 2026-11-04 20:17 北京

这两个月刷AI动态,我有一个明显的感受,顶模OpenAI和Anthropic除了做基模迭代外,都在抢先证明一个事:

AI可以做科学发现了。

9月,OpenAI内部Agent 系统,1万个Agent一起跑了88个小时,证明了Navier–Stokes方程会在有限时间里爆掉。

这个证明是七大千禧年数学难题之一。

10月份,OpenAI又一口气公布了在数学、计算机科学、物理上的三项新成果。

就拿一项大家可能更熟知的成果讲,王虹凭三维挂谷猜想拿下的菲尔兹奖,OpenAI说AI已经把这个结论推至了所有维度。

这些成果,全都出自OpenAI内部一个还在训练、从没有公开过的模型。

Anthropic那边,说是近千个Claude Agent用了21个小时,在噬菌体DNA里找出一个“类 CRISPR” 的酶系统。

(ps:当然,这些成果都还没被学界验证完,即使有几个被挑出毛病,我也不意外。)

但说实话,这个速度还是很惊人的。

挂谷猜想是1917年提出来的,人类的数学家花了一百多年,才啃下来三维情况,今天的AI 只需要花几天,所有维度都推完了。

Navier–Stokes方程写出来快两百年,数学家们还没推演出来会不会崩,AI先给出了答案。

数学家们急了,普林斯顿高等研究院的一个顾问组直接放话:

别拿外界用不了的专有模型去碰前沿问题,模型、提示词、算力都得公开,失败的尝试也要公开。

但是其实,这确实是现状。不过做出这些发现的模型,外界下载不到,也看不到内部,更别提复现。

今天刷X,刷到了一条动态,一家中国公司,把一个科学大模型开源了。

这个出圈的模型叫Hydrogen-1.0,来自AI for Science公司深度原理(Deep Principle)。我看到那会,发布帖已经接近8000次点赞了。

不仅业界少有的宣布开源,这个模型最吸睛的还是实打实的成绩。

在OpenAI之前推出的科研基准FrontierScience Research上,Hydrogen-1.0拿了 38.3%,GPT-6 Astra是 33.3%。

要知道,GPT-6-Astra在AI for Science上也是妥妥大魔王来着,OpenAI之前标榜GPT-6-Astra是科学推理的王中王。

FrontierScience是真的难,Research部分按博士水平可能需要三到五小时完成,不光看答案,还要看推理过程。

所以,在这个基准上高出GPT-6-Astra五个百分点,属实算得上是很有分量的胜利。

我还看了下它和基座的差距。

它的底座是智谱开源的GLM-5.3,深度原理做了科学后训练,在上面喂了化学、材料、生命科学的数据,还有自家实验室攒下来的实验记录。FSR 成功率比基座提高了 13.9个百分点。

另一项高难度科学问答评测榜单GPQA Diamond,准确率为93.0%,比基座提高3个百分点,接近同组Kimi-K3的93.5%。

GPQA覆盖物理、化学和生物。Diamond是其中精选的198道高质量选择题,代表这个模型的科学推理也在线的。

我看Hydrogen-1.0的权重昨天就已经在Hugging Face和ModelScope发布了:

开源链接传送门:

Hugging Face链接:

https://huggingface.co/deep-principle/Hydrogen-1.0 

ModelScope链接: 

https://www.modelscope.cn/models/deep-principle/Hydrogen-1.0

科学模型愿意开放权重,对开源社区来说,是非常实在的红利。

开头我点兵的那些秘密的内部模型,研究成果已经很惊艳。但想把同款模型接着往自己的研究里用,还需要部署到自己实验室,数据完全不会离开机构。

深度原理大模型发布帖下的评论

Hydrogen把权重放出来,有部署和训练条件的团队,就能自己下场了。

比如,你的实验室攒了一批某类材料的“祖传数据”,还有自己的模拟程序和研究经验,就可以接上这个模型,继续测试和训练。

不准备自行部署,可以直接通过NeuroSpark API接入,或者在深度原理的Mira科研平台使用。

传送门:

NeuroSpark API :

https://neuro-spark.ai/dashboard/models?model=hydrogen-1.0 

Mira 科研平台:

https://mira.deepprinciple.com/

接下来,我来盘盘,这个强且慷慨的科学模型,到底是怎么炼出来的。

◈在GLM上加什么?

GLM已经完全会推理、写代码。

Hydrogen 要继续补上的,是科研里的专业知识,以及遇到问题后怎么处理。

从深度原理博客里我扒出来,训练数据分四层:

第一层喂了化学、材料、生命科学的专业知识;第二层是自家科学家针对具体科研问题给的反馈;第三层是完整的实验记录,第四层是一轮轮找材料的全过程。

最值钱的是后两层,这和修 Bug 是有点通的。

最终提交的代码,留下了修好的结果;排错记录还会告诉你,哪里出了问题,查过哪些地方,哪次修改才解决了它。

科研记录也是这样。

最终报告告诉你哪个候选效果好。完整过程里还有:前面试过哪些方向,什么异常触发了重新计算,下一轮为什么换参数。

一般来说,论文只写成功的那条路。这些试过、查过、改过的过程,平时全躺在实验室的抽屉里。

Hydrogen把这些复杂的过程数据,也都拿出来融入到训练过程中。

具体训练分两步:先通过监督微调(SFT),学习完整范例里的分析、规划、操作步骤和结果解释;

再通过强化学习根据任务反馈改进表现。

连续几轮的材料推荐和评估,也会放在一起训练,让模型学习怎样用前一次结果,调整下一次选择。

长任务也需要训练系统配合。

训练过程会保留完整推理范例;强化学习中,长回答还没生成完,可以保存已经生成的部分,后续接着完成。前面生成的计算、检查和修改过程,也能继续利用。

官方演示里的两个细节,正好能把这些过程说具体。

第一个是聚乙烯模拟,也就是很多塑料袋用的材料。

Hydrogen能够建立这个材料分子的模型,再调用GROMACS计算。发现密度出现异常后,它能回头检查代码,发现同一项分子链扭转作用被正反记了两遍,去重后再重新验证、运行。

我理解这有点像 Excel 把同一笔支出加了两次:公式合法&表格算完,但是账却错了。

我平时爱玩点Vibe Coding,对不对可能基本我试一下就知道。

但是到了复杂的科学计算,分子在动、程序也跑完了,数值仍然可能出问题。单位、模型假设和计算方式,都需要专业依据来检查。

所以,这个样例分析里验证了,为什么前面Hydrogen训练数据里为什么要留下检查、排错和重跑的过程。

第二个细节,是实验规划。

Hydrogen生成设备指令后,会先交给Lab Compile在虚拟环境里预检,核对设备能不能照着执行。预检时发现,“吸液”排在了“装新吸头”前面。两个动作都在,就是顺序反了。

Hydrogen能在预演时查出来的错误,在开工前就改掉。

众所周知,很多科学实验的成本做一次可以说是非常之高了,所以提前纠错的能力至关重要。

同样的时间和材料,能不能帮研究者早点发现错误,把有限的实验机会用在更值得验证的问题上?

Hydrogen的这样例验证了,是可以的。

◈说在最后

写到这儿,我也想聊一聊最近AI4S的感受。

AI证明了Navier–Stokes方程会爆掉、把挂谷猜想推到所有维度,在噬菌体里翻出类CRISPR的酶。

刷到这些新闻的时候,实在是非常振奋人心~

但是,兴奋完是有点空的,这些事,跟我、跟绝大多数做科研的人,关系不大,我们就是围观的群众。

AlphaFold当年没有让大家围观:蛋白质结构预测,科学家折腾了五十年。AlphaFold做出来以后,DeepMind把2亿多个预测结构全放进了公开数据库。到现在,190个国家、300多万研究者都在用它。

后来很多拿它做出来的新发现,DeepMind自己可能都没想到。

DeepSeek-R1也是。

2025年初,Ds把权重、技术报告一放出来,没几天,伯克利一个小团队只花了几十美元,就在小模型上复现了它的顿悟时刻。至此,全世界的实验室都开始拿它当新的起点。

因此,开源的分量至关重要,而且往往要在发布之后才慢慢显出来。

回到Hydrogen-1.0。

它能实现材料的分析和预测。也能帮研究员查错、画路线、少做几轮无用的实验。

它还是能下载的、开源的。

这带来的愿景是近在眼前伸手可触的:

想象你是一个博士生,手里有课题组攒了十年的某类材料数据,还有一套自己跑顺手的模拟程序,那其实今晚就能把Hydrogen-1.0拉下来,接上自己的数据,看看它能不能带来意想不到的创新。

想想还是很值得期待的~说不定,下一个AI 帮人类找到的新东西,就出在某个这样的普通实验室里。

跳转微信打开

  •  

今日起,ChatGPT Pro额度翻倍,免费重置时代结束了!

原创 丸美小沐 2026-10-30 08:14 北京

刚刚,Codex负责人Tibo宣布:

即日起,Pro 100、Pro 200、Pro 500和Business Premium套餐额度翻倍,Pro 200的降额,也撤回了。

不过,Tibo 祖传的免费重置额度,恐怕也要跟着成为历史了。

Tibo转发了自己的推文,配文称:

我们已经从给用户重置额度的公司,正式毕业,成为一家真正提供Token的公司了。

前阵子,大家经常碰上速率限制、额度耗尽,动不动就「天才程序员陨落」。

大家跑去评论区冲塔吐槽,Tibo就重置额度,靠人工撒币给大家续命。

一开始,大家都觉得老板大气。

可连着重置好几回,所有人都在犯嘀咕。我每个月花钱买订阅,怎么搞得像门口发鸡蛋一样。。

被用户连着骂了一个月之后,Tibo实在糊弄不过去了。

以后,额度翻倍,重置不再!

大好事啊,但我去翻了一遍OpenAI更新的官方帮助文档,Tibo又在耍滑头!!

月费100美元的Pro用户,使用额度翻了一倍,达到Plus用户的10倍。

月费500美元的氪金大佬也一样,额度拉到了Plus用户的100倍。

可卡在中间、用户量最大的200美元用户,额度是不变的!

按照最新文档的说法,200美元用户,统一定在Plus用户额度的20倍。

也就是相比100美元用户,完全没优惠:

2✖️100==200。。

9月29号。当时OpenAI 悄悄通知200美元的用户额度要下降,结果就是老用户一路骂了整整一个月,OpenAI 今天终于认怂了。

合着对于200刀用户来说,就是把原本准备从你兜里抢走的东西还给了你,还得让你夸他一句听劝。

朝三暮四啊!!

而且问,ChatGPT Plus的额度变了吗?答,ChatGPT Plus额度保持不变。。

果不其然,Tibo 的评论区瞬间成了 Plus 用户的哭墙。

有个老哥直接甩出一张满脸泪水的表情包,连出灵魂质问:

对Plus用户没有爱吗? 差不多整整一个月了,Plus用户得到了啥?啥也没!!!

聊到这儿,还得给大家提个醒,其实OpenAI的额度就算翻了倍,也不如A社给的多。

SemiAnalysis按API标价折算了两家套餐的月度使用量,在它设定的代理型工作负载里,

ChatGPT Pro 200折算出来约是2084美元的API价值;Claude Max 20x是11726美元。

ChatGPT Pro 100约1055美元;Claude Max 5x约5725美元。

20美元档也一样,ChatGPT Plus约211美元,Claude Pro约1178美元。

A社断档领先一大截。。

这就好比在学校吃饭,一家食堂量大管饱,但经常吃一半给你撵出去。。

另一家的阿姨是个笑面虎,虽然量少,但你没钱吃饭,她也笑着多打两勺菜。

现在啊,阿姨说自己家菜量翻倍,以后不给你多打饭啦!

心中真是五味杂陈,之后,我可能慢慢学会要自己带饭喽。

不知道大家还会不会怀念那个规则一团糊涂、但喊一嗓子就能等来重置的草台班子时代。

跳转微信打开

  •  

TRAE给开发者配了个人助理,终于不用挨个催进度了...

原创 夕小瑶编辑部 2026-10-29 14:43 北京

家人们,有没有这种感觉,帮咱干活儿的Agent已经那么多了,怎么还是忙不过来啊!

明明任务都安排下去了,可手头几个任务同时推进,最后还是得我自己跟进度,时不时救个火。

前几天,我分享了几个同时管理更多Agent的办法。

其中挺管用的一招,就是留一个主会话当「助理」,让它帮我给其他Agent派活儿,跟进进度。

效果确实不错。

但问题是,这个「助理」需要我亲自培训。

你们看看,这是我当时写的提示词:

每次开工前,我先写一大段提示词交代分工,提前写好干活的规矩。

好不麻烦。。

我也试过不写这么具体的提示词,那么我得亲自上手盯着多个session,就会导致每个Agent都在找我,要我频繁确认和push进度。。

我根本顾不过来。

同时开10个窗口,真正在干活的也就两三个,剩下的全在排队等你。

我自己焦头烂额,一群Agent快乐摸鱼,本来是我让Agent给我打工,结局成了我给Agent打工,根本不像话。。

所以这段时间,我一直在琢磨,怎么把我能管的Agent数量再往上抬一抬。

前两天,看到有位读者说了这么一句:

还真是。

「皇帝」要面对全国各地送上来的奏折,光靠自己根本看不完。

军机处干的,就是替皇帝先把折子理一遍,分轻重缓急,拟好处理意见,再呈上去。

皇帝只需要批一句「知道了」。

管Agent也是一个道理。

把规矩做进制度里,让「皇帝」哪怕再昏庸,事情也能照常往下推。

人,从这套流程里淡出去。

道理是想通了,可这个「军机处」上哪找呢?

前两天,我打开TRAE准备改个小东西,迎面弹出来一个更新提示。

跟进所有任务?

口气还挺大。。

点进去一看,原来是TRAE新上线的开发者个人助理。

我有点好奇,它到底能跟进到什么程度?

毕竟,帮我写代码的Agent已经够多了,我现在只缺一个能帮我盯着其他Agent干活的「助理」。

最好还能记住我之前交代过什么,遇到麻烦自己想办法,实在拿不准了再回来找我。

这要求,貌似有点高。。

光看介绍也看不出什么,我干脆直接拿手头的真活试试。

◈一、并行调度,一个助理协调多个Agent

我手上管着8台服务器,上面跑着二十几个项目。

平时巡检一遍,要开8个终端挨台看,进程、端口、磁盘、证书,一上午就过去了。

这次,我把巡检工作交给了TRAE宝:

yinxing-servers 检查下服务器的运行情况

这里的yinxing-servers,是我之前整理好的一个Skill,里面放着服务器清单和连接方式,也记录了各台机器上跑着什么项目。

这些基础资料已经有了,我就不用重新挨个报地址、解释用途。

收到任务后,TRAE宝开始连接这8台机器,先看整体运行情况,再检查上面的项目有没有异常。(右侧是TRAE宝工作台)

中间有台机器扫磁盘太慢,它就把那条命令放到后台,先去查别的,没有一直卡在那里等。

没过多久,一份巡检报告交了上来。

有证书需要处理,也有项目一直在报错

噼里啪啦一大堆问题,我仔细看了一下,大多都是我积累下来的待办,还有一些是我自己服务搬家,没有及时同步消息导致的。

比如,报告说Dify容器不见了。

这个确实不见了,因为是我自己下线的。。

于是,我对照报告,一口气回了8条意见。

最后又补了一句。

任务比较多,你可以开一些并行的会话来处理。

接下来,右边的工作台一下热闹起来。

TRAE宝把这条消息拆成了6个任务,分别派给不同的会话。查内存的去查内存,找项目的去找项目,进度统一显示在「最近任务」里。

我不用自己挨个新建窗口,再把背景复制过去。

这些,TRAE宝全部帮我代劳了。

需求交给TRAE宝,它自己负责拆任务,安排多个Agent并行干活。我只对接它一个。

至于谁查哪台机器、任务之间怎么交接,这些就不用我挨个安排了。

这样一来,我精力就能集中起来。

它写的任务提示词非常到位,需要的上下文,需要的限制都能关照到。

这些小地方,还挺重要的。

毕竟我只是想少操点心,可不想回来发现服务器被打扫得过于干净。。

等排查结果回来,TRAE宝把自己做完的事情,需要我决策的事情统一汇报给我。

TRAE宝笔法非常清晰,多个Agent的进度,它替我跟,结果也由它统一汇总。需要我再做什么,一目了然。

已经颇像一个合格的小助理了。

快速浏览完信息,我又要求TRAE宝展开了几项重点内容,直接让他给我决策建议。

我简单浏览之后,TRAE宝的建议都非常不错。

于是,我就放心让TRAE宝按优先级执行所有待决策事项去了。

这回,它开了5个会话,但分工方式变了。

TRAE宝把任务又按照服务器进行了分组,在不同服务器之间,并行推进。

非常通人性。

这就省去了我自己协调的麻烦。

否则两个Agent同时改一台机器,操作可能互相影响,回头出了问题,就麻烦大了。

以前,我得提前给主会话写好一大段分工和交接规矩。

这次,TRAE宝把任务分出去以后,有Agent负责协调,我不用再挨个张罗了。

任务执行井然有序,非常协调。

看到这里,我打心底觉得,这个「小助理」确实接上班了。

◈二、跨项目记忆,自动交接

接下来,TRAE宝还把巡检时收集到的背景,用到了另一个项目里。

这件事,我是收到结果之后才反应过来的。

当时,TRAE宝分析完日志,它已经开始执行那批任务,我就放心去刷X了。

刷到一半,飞书忽然弹出一条消息。

小瑶机器人发来了一份友媒周报:

统计的10月19日到25日的内容,325篇稿件

我当时完全没反应过来。

这东西,怎么发出来的?

这套周报,是我之前搭的一条自动化流程。它会采集公众号的内容,做分析,再把报告发到飞书,方便我看大家最近都在关注什么。

之前一直是Codex在维护,但后来手头事多,我就暂时搁下了。

原本一直卡在「周明细流程异常」

我当时让Codex分析了原来的代码逻辑,一直搁置在这里懒得搞。。

这份周报,按理说根本发不出来啊。

原来,刚刚巡检时,我提到两个监控项目已经搬家,让它去找新位置。

TRAE宝找到后,还发现周报却一直报错,就把修复周报记成了一条待决策事项。。

我压根没注意到,后来我让「按优先级执行所有待决策事项」,就把它也一起批了。

TRAE宝收到授权,就安排Agent接着修了下去。

合着,还是我自己签的字。。

只是签的时候,我没想到,这个搁置的项目也会跟着跑起来。

后来,我又点开它发给子任务的说明,看了看具体怎么交接的。

里面交接的提示词,TRAE宝都已经替我写清楚了。监控项目搬到了哪台机器,周报存在故障,用户授权修改...

PS:我不小心把TRAE宝的网络搞断了。。他依旧锲而不舍,完成了任务。

这些背景,全是我前面零零碎碎跟它说过的话。

我自己都忘了,TRAE宝却慢慢攒起来,整理好,交给了其他Agent来帮助我。

太善了!这才是真正的无感切换任务。

325篇文章,报告已投递,归档已推送。

完美。

以前一个任务换到新窗口,最烦的就是反复跟Agent交接。

这次,交接本身也有「人」负责了。

◈三、双层助理,全局统筹、项目专管

前面的服务器巡检和周报修复,我用的都是全局TRAE宝。

其实,除了跟进所有任务的全局TRAE宝,每个项目还配备了专属TRAE宝——项目TRAE宝。

点开主界面左侧的项目名,就能新建项目,每个项目都有配套的专属TRAE宝。

我打开项目,刚进去,还没开口,TRAE宝先打了个招呼。

它看了工作区里的内容,认出这里主要是夕小瑶科技说的稿子和素材,还提到了我最近修改的文件。

接着,它猜,我平时最需要人搭把手的,应该是选题、写稿、审稿这条线。

猜得非常挺准。

有了专属TRAE宝,就再也不用从「我是谁,平时做什么」开始自我介绍了~

我接着把博客地址和现成的服务器Skill给它,让它看看还有哪些优化空间。

这一查,还真翻出了一些我平时没留意的东西。

比如,博客里有几张图片,单张体积就有7到11MB,非常影响加载速度。

再比如,它翻到数据库备份的定时任务日志,发现备份其实一直没有生效。我平时打开博客,页面能正常显示,就觉得没什么问题。

这种后台备份日志,还真没专门翻过。

而且,项目专属TRAE宝也能调度多个子任务,把查到的问题分头处理,最后再统一汇总给我。

这一圈体验下来,我感觉这两个助理分工还挺清楚。

项目助理负责盯住某个具体项目,全局助理则帮我管着所有项目的进度。

至于哪些任务做完了,哪些还有问题,直接问全局TRAE宝就行。

◈四、跨端同步,离开电脑也能管

更方便的是,就算我离开电脑,也能接着调用TRAE宝。

全局TRAE宝支持接入飞书、微信。

傍晚,我想起周报的事还没收尾。

但实在懒得再回电脑前,于是,我直接掏出手机,在飞书里找到TRAE宝,问了一句:

我现在有啥待办不?

有,都是等你拍板的决定,没有正在跑的任务。

接着,TRAE宝把周报超时风险、服务器重启等需要我确认的事项,一条条列了出来。

最让我舒服的是,手机飞书和电脑上的TRAE工作台,消息和任务进度都是同步的。

遇到需要决策的事情,直接在手机飞书里回复就能完成。

现在倒好,我人不在电脑前,活也能接着往下推进。

回头想想,这一下午还真挺有意思。

我最开始只是让TRAE宝帮忙巡检一下8台服务器,结果它自己拆出了十几个任务,把积压的待办逐个处理好了。

从头到尾,我没有再自己开十几个Agent窗口,更没有挨个手挫提示词、交代上下文。

我只需要看看TRAE宝的汇报,在关键的地方做决定。

我只对接一个助理,多个Agent在它的统筹下继续往前跑。

开头想找的那个「军机处」,这回算是用上了!

跳转微信打开

  •  

Google 重磅发布 Genie 4:世界模型终于活了

原创 阿雅 2026-10-28 18:11 北京

谷歌这次玩真的了:AI 生成的世界开始有声音了,世界模型要进入新的level了。

就在今天凌晨,Google DeepMind 官宣了 Genie 4。官方给它的定位是:我们迄今最具交互性的世界模型。

重重重要的是!它是 DeepMind 第一个原生生成音频的实时世界模型。官方发布视频里所有能听见的声音,全部由 Genie 4 自己生成。

除此之外,Genie 4 还把物理运动、人物动作和实时控制又往前推了一步。

世界模型到底是什么,先看谷歌官方展示的一个案例。

起点只有一句话:冠鹤走过雪地,黄昏的天空渐变,纪录片风格。

画面里就是一只冠鹤,在冰天雪地里走。画面左下角亮着 WASD 键,右下角是方向键,镜头一直贴着它。

然后,输入框里敲进一行字:一颗流星划过天空。

天上真的划过一道白线。

再敲一行:冠鹤走向一台白色钢琴。

雪地上多出一台电子琴,冠鹤低下头,凑过去,把喙按在琴键上。

最后一行:冠鹤展开翅膀,飞起来。

冠鹤张开翅膀,从琴边腾空而起,身后的雪地、那台琴、天上的流星,都还在原地。

一次输入,一个事件,每一步都是现场算出来的,没有一个镜头是提前拍好的。

说实话,世界模型这个概念,过去一年多每隔几周就要冒出来一回。

Genie 自己这一路,已经走了三个版本。可这次不一样,它让世界模型活过来了。

◽跟上一版本比,差距一眼就看出来

想知道 Genie 4 到底强在哪,我们拿它跟上一版本比一下就清楚了。

谷歌官方放出了一组同屏对比,两边生成的都是剧院后台。

左边是 Genie 3。右边是 Genie 4:镜头切进一条忙碌的后台走廊,演员在补妆、整理服装,旁边挤着衣架和设备,帘子、镜子和暖光灯泡把空间填得满满当当。镜头走进去,看到的不只是一间布置好的屋子,还有一群正忙着的人。

同样是剧院后台,Genie 4 生成的画面里多了更多人物和细节,人物动作也更自然。镜头走进去,看到的不只是一间布置好的屋子,还有一群正在忙碌的人。

所以这次的升级,不只是让世界看起来更清楚:人动得更自然了,场景有了声音,物体碰撞时也能生成相应的变化。

接下来我们先说第一个:声音。

◽每个世界,都带着自己的声音

前面几代生成的世界模型,比如风在吹,叶在晃,浪在拍岸,什么声音都没有。

当然不是谷歌忘了做,因为前期让声音和画面在同一帧里对上,并且保持连贯要难得多。

而这次官方的亮点就是,让每个世界都带着它自己那套环境声,从林间的风,到拍上岸的浪。

从官方演示里的一段就能看出来。

一片平台浮在寂静的湖中央,远处是雾林,天是淡蓝灰的阴天,中间悬着一颗暖黄色的球,一个穿宽松棕色西装的中年男人站在上面吹萨克斯。

提示词要求人自然地继续吹,带着细微的呼吸、手指动作和身体轻晃。

声音那一栏是这么写的:自然的湖面环境声、远处的风、轻柔的水声,以及真实的萨克斯声;除了场景里物理存在的乐器,不要额外加背景音乐。

Google 要的不只是有声音,是这声音得从这个世界里长出来。

另一段是第一人称龙骑士,骑着黑色巨龙以 140 公里时速冲过山地竞速赛道,音频栏写着:深沉的振翅声、高空风声、远处的火山轰鸣、火星噼啪。

光有声音还不够,Genie 4 引入了实时互动对话。

◽角色能互动对话,还能回应指令

官方把人类语言称作真正的难关。这一次引入了实时互动对话,角色之间能对话,也能对用户的操作和世界里发生的事做出反应,全程实时。

另一方面,这次最明显的飞跃,是模型模拟人的能力,让动作自然、对环境有反应、还能被实时操控。

在下边这段演示中就可以看到 Genie 4 的能力。

一座 1980 年代的日本乡村车站,红色列车停在站台边,一位戴大檐帽的站务员走在人群前面。

输入框里敲一句:他广播下一班列车发车。

再敲一句:一位老妇人拎着手提箱赶来。

镜头沿着车厢一路扫过去,一位白发老妇人拎着棕色皮箱,真的从画面边上走了进来。

另一个更有意思的例子,来自拿到早期访问的宾大教授 Ethan Mollick。

他先让 Genie 4 生成一座住着机器人和马的城市,又在场景里加入了一只友好的水獭角色。

他让水獭过来提问,画面里的水獭随后出现,还开口搭了话。

这个世界真奇妙,角色能开口,能接话,还能对用户的指令和世界里发生的事当场做出反应。

人物的反应自然了,接下来的物理运动才是更逼真。

◽物体碰撞更自然,变化也能接着生成

前几个版本的 Genie 也展示过水、重力和物体互动。到了 Genie 4,Google 希望它能把碰撞、空气动力学等场景模拟得更逼真。

官方演示:一只完整的西瓜放在石台上,随后,一尊沉重的大理石半身像砸下来,西瓜被压碎,红色果肉散开。

看起来只是“砸了个西瓜”,对模型来说,却要接着生成碰撞之后的画面:雕像落下来,西瓜破开,果肉散到周围。每一步都得和前面的场景接得上。

还有一段画面,是一条长长的粉色绸缎铺在花草之间。随着风吹过,轻薄的布料扬起来,在草地上起伏。

现在我们已经看到,这个世界模型可以实时修改正在发生的世界,可以让物理运动和人物行为更逼真。

这么多事同时在跑,那么谁负责让后面的世界接着演下去?

答案是套分工。

◽Gemini 当导演,Genie 负责把世界演出来

我们可以把它想成片场:Genie 是演员,Gemini 是导演。

导演干的活是一串:看当前画面 → 拆解目标 → 安排下一步 → 检查这一步成没成 → 根据变化临时改计划。

Gemini 3.8 Flash 模型就是导演,它在环里当引导智能体:Genie 一边实时生成世界,模型它就一边观察场景、把目标拆成一步一步的动作、回看进来的每一帧、核对上一步到底有没有成功。

世界一变,或者我们一下指令,它当场改计划。

官方把可靠的因果、程序化行为和多步推理这套东西,归功于这个循环。

分工大致是这样:

Genie 4 负责把世界的画面和声音演出来。Gemini 3.8 Flash 负责盯着、拆着、接着、查着。Gemini Omni 提供外观和行为方面的基础,把模拟锚在真实世界该有的样子上。

这么折腾,是为了解决一个老问题:多步骤的事,靠纯像素生成根本接不住。

让一个角色走到桌边、伸手、拿起杯子、喝一口,中间任何一步接歪,整个动作就散了。有语言模型在旁边盯着,才谈得上把一件事做完。

这也是谷歌自己提到的下一步方向:把语言和代码那种结构化的推理,跟像素级的感官模拟合到一起。

用他们的话说,Gemini 在幕后规划结构和叙事时间线,Genie 生成眼前的物理现实,世界长什么样、听起来什么样、怎么回应,一笔一笔画出来。

◽测试者已经玩上了,但世界模型还不太完美

道理讲完了,这东西真到了人手里,会被玩成什么样?

宾大教授 Ethan Mollick 在自己的电脑上敲下一行字:一座住着机器人和马的新哥特式粗野主义城市,大约一分钟,城市就出来了。他接着要龙,再要一只友好的水獭 NPC,全程实时。

他的评价是:相当疯狂的一次体验,只是并不完美。

a16z 合伙人 Justine Moore 也拿到了提前访问。她说,这是从一个起始提示(环境加角色)就生成的、完全可交互的世界,感觉是巨大的一步跨越,现在可以提示着去改变这个世界,并与之互动,还带原生音频。

热闹归热闹,并不完美 这四个字,谷歌自己也写在了发布页上。

谷歌承认:视觉细节和物体会随时间漂移,世界模型跑得越久、提示词改得越多、在场景里走得越远,越明显

这个世界会失忆。

官方模型页还写明,模型支持的只是数分钟的连续交互,不是长时间会话。

想在里面待一下午,现在还不行。

目前的使用门槛也还是有的。Genie 4 现在是研究预览,只给一小批可信测试者。之后才轮到 Google AI Ultra 订阅用户在 Project Genie 里用,以及 Gemini API 和 Google AI Studio 的早期合作伙伴,官方已经挂出候补名单。

尽管现在还并不完美,门槛也是有的。但 一句话,一个世界。Genie 4,这次真的不一样。

跳转微信打开

  •  

Anthropic正式交表IPO,7%收入来自违规账号。。

原创 丸美小沐 2026-10-27 07:29 北京

443页招股书,最值得看的六件事都在这了

刚刚,Anthropic公开提交纳斯达克IPO申请,股票代码为「ANT」。

https://www.sec.gov/Archives/edgar/data/2130357/000162828026067168/anthropicpbc-sx1.htm

整份文件长达443页,我整理了最值得看的六件事:

  1. 5%到7%的收入,来自违规客户。
  2. 上市落地后,5300名员工将分得297亿美元的股票;两位创始人已提前套现46.6亿美元。

  3. 达里奥将持有的特殊股份,控制50.1%的投票权。

  4. 今年第二季度,Anthropic已经实现营业盈利。

  5. 公司代码库超90%的提交是Claude写的,人均年创收拉到660万美元。

  6. 超8300亿美元的算力开支。

◈一、5%到7%的收入来自「违规客户」

招股书披露,2026年前九个月,Anthropic估计约有5%到7%的收入,来自违反使用政策的客户。

按它现在的体量,一个季度一百多亿美元营收,7%就是八亿美金。(约合4百万个Max账号)

这些钱已经收进公司账户,也正常计入了财报。

从客户开始违规,到Anthropic最终封禁账号,中间存在时间差。因此,即便账号后来被封,之前已经提供的服务,收入照样要确认。

A社在招股书中提前提醒投资者,随着封禁措施持续推进,这部分收入占比预计会下降。

来源:Anthropic S-1,据原文整理

◈二、5300名员工分297亿美元,创始人已套现46.6亿

这次递交的是初版招股书,每股发行价那栏还空着,但员工和创始人手里的账已经能算清了。

招股书算了笔模拟账。

如果按6月30日当天完成上市来算,A社当季就要一次性补记29亿美元的股权激励费用,接下来大约2.1年里再分摊237亿美元,再加上其他尚未归属的期权激励31亿美元。

加在一起,员工激励池子大约有297亿美元,总共5300个员工一起分,人均至少560万美元。。

再看创始人拿多少。

招股书披露了CEO Dario Amodei和总裁Daniela Amodei兄妹俩近两年的两笔授予。

2025年6月12日,两人分别拿到99.25万份期权和171.7万股限制性股票,期权行权价每股2.38美元。

按最后一轮融资的589.01美元一股算(1拆10拆股后折合每股58.90美元),单这一笔,每人就值约1.57亿美元。

还没完。

今年2月20日,董事会又给兄妹俩各发了一笔,每人143.15万份期权(行权价17.66美元)外加237.4万股限制性股票。

这笔新的每人又值约2.11亿美元。

两笔加一块,光是2025和2026这两年新发的期权和股票,兄妹俩每人就入账约3.68亿美元。

这还没算他们2021年创立公司时的原始老股。

今年4月,A社搞过一次内部老股转让,包括兄妹俩和CFO在内的内部股东已经提前套现了46.6亿美元。

◈三、达里奥将控制50.1%的投票权

此外,上市后,Dario Amodei 将通过持有的特殊股份控制50.1%的股东投票权。

钱可以让投资人赚,但公司必须达里奥说了算。

上市完成前,Anthropic会向Dario、Daniela等七位联合创始人组建的Founder LLC发行唯一1股F类特殊普通股。

这一股不分红,但直接锁定全公司股东大会50.1%的投票权。

公司设立的长期利益信托(LTBT)拿着唯一1股T类股票,直接掌握董事会过半数席位的任免权。

反过来再看掏真金白银的科技巨头。

亚马逊、谷歌、AMD们重金买下的股份,拿到的统统是N类普通股,没有任何投票权。

◈四、超过90%的代码由Claude提交,人均年创收达到660万美元

招股书披露,截至2026年9月,Anthropic内部代码库中,超过90%的代码提交由Claude生成。

与此同时,每位工程师日均代码贡献量,是2024年的45倍以上。

这套玩法直接把人效拉爆了。

从2025年9月到2026年9月,公司员工人数从不到两千人涨到5300人,增幅约170%;同期滚动十二个月的总营收暴涨了约1200%。

人均营收从2025年9月的140万美元,涨到2026年9月的超过660万美元。

来源:Anthropic S-1,据原文整理。

招股书里反复出现一个词,closing the loop。

Claude参与跑实验、生成训练数据、做自动评测、做安全检查、写代码和审代码。

上一代模型帮着造下一代。

它自己的说法是,这可能是前沿AI里最重要的结构性优势之一。

来源:Anthropic S-1,模型改进与投资循环示意图

◈五、二季度已经实现营业盈利,经营现金流转正

这两天到处在传「Anthropic半年巨亏807亿美元」。

数字没错,但上半年807.48亿美元净亏损里,有723.88亿美元来自可转债和SAFE的公允价值变动,另有84.3亿美元来自票据相关的金融工具估值变动。

因为公司估值翻了一倍多,早期投资人手里的可转债暴涨,按规矩得记成公司的账面亏损,等于这700多亿美元给自己人了。

如果算上半年经营活动现金流,公司已经净流入39亿美元了。

把半年的账拆成单季度看,今年二季度其实已经盈利了。

  • 2026年一季度,营收47.31亿美元,营业亏损16.67亿美元;

  • 2026年二季度,营收115.55亿美元,转成营业利润9.74亿美元,营业利润率8%。

把股权激励这类非现金支出加回去,二季度调整后营业利润22.35亿美元,利润率19%。

来源:Anthropic S-1,调整后营业利润率披露

三个月营收翻一倍多是怎么做到的?招股书给出的答案居然是降价。

2025年11月发布Opus 4.5时,价格和单任务成本下降。结果紧接着的2026年一季度,公司营收环比增速直接从上一季度的48%跳到了132%。

今年9月发Opus 5.5和Fable 5.1时,单任务成本再砍25%到45%。单次干活变便宜之后,总账

单反而滚到了原来的9倍(净收入留存率约900%)。

◈六、超8300亿美元的算力长单

截至2026年6月30日,Anthropic持有的现金、现金等价物及短期投资合计1316.51亿美元(今年上半年刚通过G轮和H轮融进1104亿美元)。

但这1317亿美元现金,放在它的算力账单面前依然不够看。

按招股书第F-35、F-58和F-65页披露的口径,它的未来算力与基础设施总承诺已经超过8300亿美元:

  • 截至6月30日已签署的固定或保底采购承诺:2656亿美元(期限1到20年);

  • 截至6月30日已签约但尚未起算的数据中心与算力租约:3214亿美元;

  • 6月30日之后新签及修订的长期算力合同:2450亿美元(外加210亿美元短期不可撤销合同)。

来源:Anthropic S-1,第24页、F-35、F-58及F-65页;据原文整理。

招股书第170到171页公布了A社的债主们:

  • 博通,租金总额1252亿美元,五年内不可撤销;

  • SpaceX.AI,至2029年,保底消费1205亿美元;

  • 谷歌,至2033年保底消费至少1145亿美元;

  • 亚马逊,至2036年十年保底消费至少1100亿美元;

  • 微软,至2033年保底消费至少449亿美元;

  • Nscale与Lambda,两家算力云合计再签859亿美元;

  • AMD,今年7月刚签下MI450机柜采购框架,初始批次预计超200亿美元。

其中,A社跟谷歌、亚马逊、微软签的合同还都是霸王条款:

不管实际用了多少算力,必须用交够钱,且不可撤单。

招股书刚一交表,名单上的这群「算力债主」直接在美股起飞了。

纳指盘中涨超1%,博通、AMD,英伟达股价拉涨近3%。

毕竟在华尔街眼里,Anthropic 自己的股票还没正式挂牌,但它签出去的这8300亿美元「不可撤单」,已经是写进美股硬件巨头未来十年的铁庄稼了。

跳转微信打开

  •  
❌