感谢IT之家网友华南吴彦祖、乌蝇哥的左手的线索投递！IT之家8 月 27 日消息，在外界仍等待 Gemini 3.5 Pro 发布之际，谷歌先推出了 3.5 系列中的另一款模型。该公司今日发布了 Gemini 3.5 Transcribe 语音转文本模型，这是一款旨在优化语音输入体验的 AI 模型，能够自动删除语音中的“嗯”“呃”等口头禅以及说错后自行纠正的内容，最终生成更加通顺、整洁的文本。IT之家注意到，这款模型目前已经为 Pixel 11 上 Gboard 键盘的“Rambler”功能提供支持，接下来还将陆续进入谷歌旗下更多产品和服务。谷歌表示，与此前名为 Chirp 3 的语音转文字引擎相比，Gemini 3.5 Transcribe 在速度和准确性方面都有提升。从用户说话到最终生成转录文本，整体速度预计可提升约 70%；在实时语音场景下，其错误率已经降至 5.5%。不过，准确率的提升幅度并不算特别大。按照谷歌的数据，Chirp 3 的错误率为 7.32%。但对于经常使用语音输入的用户来说，即便只是少打几个错字，也意味着后续需要手动修改的内容更少，因此依然是一项实用的改进。Gemini 3.5 Transcribe 的能力也不只是“听清楚”用户说了什么，它还试图理解用户真正想表达的意思。在说话过程中，模型可以自动删除“嗯”“呃”等影响语句流畅度的口头禅。如果用户说错话后立即进行修正，它也能够实时调整已经生成的文本。此外，用户还可以提供自定义词汇表，让模型更好地识别专业术语和特定领域的词汇。该模型目前支持 85 种语言，并且可以处理最多包含 3 名说话者的预录音频。当然，这种功能也存在一个明显的问题：用户需要相信 AI 能够准确理解自己真正想表达的内容。至少在较短的文本中，从 Rambler 功能的实际体验来看，模型确实能够较好地清理前后不一致的表达和说话时的磕绊，让文本看起来更加自然。但与此同时，Gemini 3.5 Transcribe 并不只是简单地把语音转换成文字。AI 在整理内容的过程中，实际上可能会改变用户原本的措辞。因此，在一些需要严格保留原话、不能随意修改表述的场景中，这种“智能润色”未必适合使用。

Hy-MT2-1.8B – 腾讯混元推出的端侧翻译大模型AI工具20小时前发布AI小集02Hy-MT2-1.8B是什么Hy-MT2-1.8B 是腾讯混元推出的端侧翻译大模型，仅 1.8B 参数却支持 33 个语种互译，翻译质量在 FLORES-200 等基准上超越微软、豆包等商业 API。模型通过 2-bit（574MB）与 1.25-bit（440MB）极致量化，可在手机、PC 端本地流畅运行，已落地哔哩哔哩直播弹幕实时翻译，实现低成本、高隐私的端侧高质量翻译。Hy-MT2-1.8B的主要功能33 语种互译：覆盖中英日韩等主流语言及少数民族语言，支持任意方向互译。端侧本地运行：通过极低比特量化将模型压缩至 440574MB，普通手机与 PC 均可常驻后台。实时翻译：单条弹幕 500800ms 响应，已接入哔哩哔哩直播弹幕等高频场景。隐私保护：翻译全程在设备本地完成，无需上传云端，数据不出端。Hy-MT2-1.8B的技术原理2-bit 极致量化：采用拉伸弹性量化（SEQ）将参数量化至 {-1.5, -0.5, 0.5, 1.5} 四个离散值，结合量化感知蒸馏（QAD）在压缩至 574MB 的同时保持几乎无损的翻译质量。1.25-bit 稀疏量化（Sherry）：混元自研的 ACL 2026 Oral 方案，核心为”细粒度稀疏”策略——每 4 个参数中保留 3 个 ±1、1 个置 0，平均每个参数仅需 1.25-bit；配合专为 CPU 设计的 STQ 内核，模型体积降至 440MB，可常驻后台运行。x86 算子适配优化：英特尔团队针对低比特格式优化向量化、权重重排与 VNNI 指令融合，使 Q2_0C 与 STQ 在主流酷睿处理器上的 token 吞吐分别提升约 2.7 倍和 5 倍，将极低 bit 方案从移动端扩展到 PC 与边缘设备。微信关注回复“开源”，加入AI开源项目交流群如何使用Hy-MT2-1.8B下载模型权重：访问 Hugging Face 仓库huggingface.co/collections/AngelSlim/hy-low-bit-model，下载 2-bit 或 1.25-bit 量化后的模型文件。获取推理框架：从 GitHub 克隆github.com/tencent/AngelSlim完整代码，该仓库包含极低比特量化的推理内核与加载逻辑。加载与推理：用 AngelSlim 框架加载下载的权重，在本地 CPU 上执行翻译推理；x86 设备可调用英特尔优化后的 VNNI 指令集内核以获得最佳性能。Hy-MT2-1.8B的核心优势体积极小质量极高：1.8B 参数经 2-bit / 1.25-bit 量化后仅 440574MB，翻译质量却超越微软、豆包等商业 API。端侧隐私优先：翻译全程在设备本地完成，无需联网上传，彻底杜绝数据泄露风险。跨平台无缝运行：同时适配 ARM 移动端与 x86 PC 端，经英特尔算子优化后在酷睿处理器上吞吐提升 2.75 倍。真实场景已落地：已接入哔哩哔哩直播弹幕实时翻译，单条 500~800ms 响应，能准确处理网络流行语。多语种全覆盖：原生支持 33 个语种互译，涵盖主流语言及少数民族语言，满足全球化沟通需求。Hy-MT2-1.8B的项目地址GitHub仓库：https://github.com/Tencent-Hunyuan/Hy-MT2HuggingFace模型库：https://huggingface.co/collections/AngelSlim/hy-low-bit-modelHy-MT2-1.8B的同类竞品对比对比维度Hy-MT2-1.8BGoogleTranslateGemma-4B参数规模1.8B4B支持语种33 个语种互译 + 5 种民族语言/方言覆盖主流语言对端侧体积440MB(1.25-bit) / 574MB (2-bit)2GB+ (原生 FP16，需自行量化压缩)核心量化技术Sherry 1.25-bit 细粒度稀疏量化（ACL 2026 Oral）无官方量化方案，需依赖第三方工具翻译质量FLORES-200 整体优于微软、豆包等商业 API接近研究级水平，4B 版为移动端效果妥协版推理框架AngelSlim（自研，含 x86 VNNI 优化内核）需借助 TensorFlow Lite、ExecuTorch 等通用框架商业落地已接入哔哩哔哩直播弹幕实时翻译主要用于研究/开发者实验，无大规模商业集成开源协议权重+代码全开源Apache 2.0 开源，可自由商用Hy-MT2-1.8B的应用场景直播弹幕实时翻译：已落地哔哩哔哩，单条 500800ms 响应，可准确翻译网络流行语与梗。离线即时通讯：集成于社交 App，在无网络环境下实现跨国聊天实时互译，保障对话隐私。移动端网页/文档翻译：作为浏览器插件或系统级翻译服务，本地完成外文网页、PDF 文档翻译。游戏内实时本地化：嵌入手游或 PC 游戏客户端，实时翻译外服游戏聊天、任务文本与 UI。跨境电商内容翻译：在商家端本地批量翻译商品标题、详情页与客服话术，降低多语言运营成本。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇GLM-5.3-Flash - 智谱开源的原生多模态模型，即Ox Alpha下一篇Gemini 3.5 Transcribe - 谷歌推出的最新语音转文本模型相关文章SenseNova-Vision – 商汤开源的理解生成统一视觉大模型AI小集2Meeseeks – 美团开源的模型指令遵循能力评测集AI小集3RockFlow – AI投资理财平台，提供实时AI交易建议AI小集7Ancher – AI信息管理工具，智能筛选个性化信息推荐AI小集2easegen – AI数字人课程制作平台，智能课件自动批量生成AI小集3AutoDL算力云 – AI算力服务平台，提供多种主流GPU型号AI小集3暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录MetaDigChatArtLexcat造剧立刻成片OJO最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！15分钟前Twoo – 双人共用 AI 伙伴应用，能同时听懂双方对话16分钟前Prime Agent – Prime Intellect开源的长周期AI Agent运行框架19分钟前shuohao-skills – 开源AI短剧制作Skill集合，包含完整工作流21分钟前怎么用 MetaDig 做 AI 短视频，附教程实测案例17小时前Gemini 3.5 Transcribe – 谷歌推出的最新语音转文本模型20小时前GLM-5.3-Flash – 智谱开源的原生多模态模型，即Ox Alpha1天前Qwen3.8-Flash – 阿里通义推出的多模态 MoE 模型1天前Omarchy – 开源的AI原生Linux桌面 ，自然语言生成桌面主题1天前Play with Putty – 谷歌推出的实时协作 Vibe Coding 工具2天前AZ8 – AI 视频创作工作台，Agent 实时读取素材与状态2天前Tutti · VM – 多人多 Agent 并行协作空间，零延迟并行协作2天前EgoSuite-Open100K – 光轮智能开源的全模态人类行为数据集2天前PixVerse R2 – 爱诗科技推出的实时全模态世界模型2天前Breeze TTS 2 – BreezeBlue 推出的新一代语音合成模型2天前

Qwen3.8-Flash – 阿里通义推出的多模态 MoE 模型AI工具1天前更新AI小集03Qwen3.8-Flash是什么Qwen3.8-Flash 是阿里云通义千问推出的多模态 MoE 模型，总参数量 125B，每 token 仅激活 6B，原生支持 262K 上下文。模型采用 GDN+QSA 混合注意力、门控残差、N-gram 嵌入及 Muon 优化器四大架构创新，训练成本仅为 Qwen3.7-Plus 的 1/9，在编码和办公任务上能力更强。Qwen3.8-Flash的主要功能超长上下文处理：原生支持 262K tokens，可扩展至 1M，胜任长文档与代码库分析。代码智能体：支持端到端软件工程任务，包括代码生成、调试与多语言开发。办公自动化：执行长程办公流程与专业工作任务，集成工具调用能力。多模态理解：理解长视频、科学图表、视觉数学问题及现实世界场景。设备与界面操控：通过视觉感知操控网页、Android 设备及桌面操作系统。推理与问答：覆盖科学推理、竞技编程、指令遵循与多学科综合推理。Qwen3.8-Flash的技术原理GDN + QSA Hybrid Attention：模型在每四层中安排三层 Gated DeltaNet 和一层 Qwen Sparse Attention，实现”高效记忆 + 精准查找”的混合注意力机制，在 1M 上下文下 Prefill 吞吐达到前代的 8.6 倍。Gated Residual（GR）：将传统单一残差流扩展为四条并行分支，通过动态门控控制各层信息的读写比例，保留长距离信息通道，抑制激活异常值，同时支持 FP8 存储大幅降低访存开销。N-gram Embedding：在常规词嵌入之外，引入 51B 参数的 N-gram 嵌入层，结合局部上下文查表捕捉短语搭配模式；该层可卸载至 Host Memory 并通过异步预取与计算重叠，几乎不增加 token 级计算量。Muon Optimizer：针对主要线性映射权重采用 Muon 正交化优化，对 Embedding 和 Router 等保留 AdamW；重新拟合 Scaling Law 后支持更大学习率与批次，取消无效的 Batch Size Warmup 策略。微信关注回复“开源”，加入AI开源项目交流群如何使用Qwen3.8-Flash开源权重部署：从 Hugging Face 下载 Qwen3.8-Flash-Next 权重，在本地或云端进行推理部署。API 服务调用：通过千问AI平台调用官方 API，输入 1 元/百万 tokens、输出 3 元/百万 tokens。千问办公使用：在”千问办公”中直接体验，用于长文档处理、代码生成与办公自动化任务。查阅技术报告：访问 GitHub 仓库中的技术报告，了解架构细节与训练方法以进行深度定制。Qwen3.8-Flash的核心优势极致成本效率：训练开销仅为 Qwen3.7-Plus 的 1/9，API 定价输入 1 元/百万 tokens，用极低算力成本实现旗舰级性能。超长上下文领先：原生 262K 可扩展至 1M tokens，1M 上下文下 Prefill 吞吐达到前代的 8.6 倍，长序列处理速度与精度兼具。Agent 与编码能力突出：在代码智能体、软件工程、长程办公任务等多项基准上显著超越同级模型，胜任复杂生产级开发工作。下一代架构创新：采用 GDN+QSA 混合注意力、门控残差与 N-gram 嵌入等全新设计，是 Qwen4 系列架构的提前验证版。多模态操控能力：支持长视频理解、视觉网页开发、Android 及桌面设备操控，实现真正的多模态智能体交互。开源与工程友好：Flash-Next 权重已开源，GR 支持 FP8、N-gram 嵌入可卸载至 Host Memory，降低部署门槛与显存占用。Qwen3.8-Flash的项目地址项目官网：https://qwen.ai/blog?id=qwen3.8-flash-nextHuggingFace模型库：https://huggingface.co/Qwen/Qwen3.8-Flash-Next?spm=a2ty_o06.30285417.0.0.1d73c921FsyOPe&file=Qwen3.8-Flash-Next技术论文：https://github.com/QwenLM/Qwen3.8-Flash-Next/blob/main/tech_report.pdfQwen3.8-Flash的同类竞品对比对比维度Qwen3.8-Flash-NextDeepSeek-V4-FlashClaude-Opus-4.6总参数量125B + 51B N-gram284B—激活参数6B13B—Agentic Coding(DeepSWE 1.1)58.754.4—SWE-bench Pro62.556.053.4多语言软件工程81.0—77.5长程办公(CoWorkBench)73.945.168.2专业工作(JobBench)55.741.336.6科学推理(GPQA Diamond)91.790.891.3竞技编程(LiveCodeBench)91.990.688.8指令遵循(IFBench)81.379.262.5多模态工具(ClawEval-MM)64.4/ 60.4—52.5 / 54.7移动操控(AndroidWorld)84.5—62.0计算机使用(OSWorld 2.0)19.4 /52.3——视觉网页开发(Vision2Web)64.0——具身智能(ERQA)72.3—40.8长视频理解(LVBench)76.6—63.0视觉数学(MathVision w/ CI)95.7—65.5科学图表分析(CharXiv w/ CI)90.6—66.0Qwen3.8-Flash的应用场超长文档与知识库智能分析：用 1M tokens 超长上下文，对整本技术手册、法律合同或大型代码库进行一次性深度理解与问答，无需分段处理。端到端软件开发与代码维护：作为代码智能体（Agentic Coding）完成需求分析、代码生成、Bug 修复、单元测试编写及多语言项目维护，覆盖 SWE-bench 级别复杂任务。企业办公流程自动化：执行跨平台长程办公任务，如自动整理会议纪要、批量处理 Excel 报表、撰写并排版商业文档，集成工具调用实现端到端闭环。多模态内容理解与教育辅导：解析长视频课程、科学论文图表、视觉数学题目，提供步骤化讲解与答案验证，支持 STEM 领域的深度教学辅助。跨设备智能体操控：通过视觉感知与推理能力，自动操控 Android 手机完成 App 测试、在桌面操作系统中执行文件管理，或根据设计稿自动生成可部署的网页前端。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Omarchy - 开源的AI原生Linux桌面 ，自然语言生成桌面主题下一篇GLM-5.3-Flash - 智谱开源的原生多模态模型，即Ox Alpha相关文章makeAd – AI广告创意平台，自动创建符合品牌调性的视觉内容AI小集3张大妈 – 值得买科技推出的AI购物管家AI小集3美图证件照 – 美图秀秀推出的AI证件照制作应用AI小集3MMMLU – OpenAI推出的多语言大规模多任务语言理解数据集AI小集3PIKE-RAG – 微软亚洲研究院推出的检索增强型生成框架AI小集213个免费好用的AI音乐生成器，智能谱曲、作词和歌声合成AI小集43暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录MetaDigChatArtLexcat造剧立刻成片OJO最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！14分钟前Twoo – 双人共用 AI 伙伴应用，能同时听懂双方对话15分钟前Prime Agent – Prime Intellect开源的长周期AI Agent运行框架18分钟前shuohao-skills – 开源AI短剧制作Skill集合，包含完整工作流21分钟前怎么用 MetaDig 做 AI 短视频，附教程实测案例17小时前Gemini 3.5 Transcribe – 谷歌推出的最新语音转文本模型20小时前Hy-MT2-1.8B – 腾讯混元推出的端侧翻译大模型20小时前GLM-5.3-Flash – 智谱开源的原生多模态模型，即Ox Alpha1天前Omarchy – 开源的AI原生Linux桌面 ，自然语言生成桌面主题1天前Play with Putty – 谷歌推出的实时协作 Vibe Coding 工具2天前AZ8 – AI 视频创作工作台，Agent 实时读取素材与状态2天前Tutti · VM – 多人多 Agent 并行协作空间，零延迟并行协作2天前EgoSuite-Open100K – 光轮智能开源的全模态人类行为数据集2天前PixVerse R2 – 爱诗科技推出的实时全模态世界模型2天前Breeze TTS 2 – BreezeBlue 推出的新一代语音合成模型2天前

GLM-5.3-Flash – 智谱开源的原生多模态模型，即Ox AlphaAI工具17小时前更新AI小集03GLM-5.3-Flash是什么GLM-5.3-Flash 是智谱最新推出的开源大模型，总参数三百二十亿，激活参数仅十八亿，为 GLM-5 系列首个原生多模态模型。模型综合智能指数达五十七分，与Claude Opus 4.8持平，定价仅为其四十分之一。模型采用稀疏与线性注意力混合架构及流形约束超连接技术，支持视觉编码、代码生成和专业文档处理，首次实现国产芯片集群大规模高效部署，端到端性能提升三倍。GLM-5.3-Flash的主要功能原生多模态理解：支持文本与图像的联合理解与生成，是 GLM-5 系列首个原生多模态模型。视觉编码：将视觉能力原生集成进模型，使其能自主判断何时需要”观察”，并利用视觉反馈指导编程与行动。代码生成与迭代：支持前端、游戏、3D 仿真等开发任务，能根据渲染和交互反馈自我检验并迭代改进代码。专业文档处理：针对 PPTX、PDF、DOCX、XLSX 等 Office 文档优化，具备审美判断与自我验证能力。金融与法律工作：覆盖金融研报生成、建模分析，以及合同审查、法律文书起草等专业场景。Agent 协同：通过 Browser Use Agent 与 Computer Use Agent 在代码、浏览器和图形界面间协同操作。GLM-5.3-Flash的技术原理混合注意力架构：GLM-5.3-Flash 采用线性注意力与稀疏注意力混合架构，线性注意力通过递归机制捕获局部依赖，稀疏注意力借助轻量级索引器召回全局上下文；同时引入 IndexPool 将索引器缓存向量从 4 个压缩至 1 个，使注意力计算量与 KV 缓存较 GLM-5.3 分别降低 3.01 倍和 4.44 倍，在保持精准长上下文能力的同时大幅降低服务成本。流形约束超连接（mHC）：模型采用 mHC 技术提升 Scaling 能力，使其在总参数量 320B 与 GLM-4.5 相当的情况下，将激活参数量从 32B 降至 18B、层数从 92 减至 45，结合 30T Token 多模态预训练语料，用更少的计算资源实现超越 GLM-5.2 的性能。国产芯片推理引擎：针对国产芯片内存容量与带宽瓶颈，团队在 SGLang 基础上构建专用推理引擎，采用 EPD（Encode-Prefill-Decode）分离式架构将多模态编码、预填充和解码拆分为独立工作池，结合张量并行、ReplaySSM、W8A8 量化及混合缓存量化等技术，使端到端性能较基线提升 3 倍，达到与主流英伟达 GPU 相当的效率。微信关注回复“开源”，加入AI开源项目交流群如何使用GLM-5.3-FlashBigModel API：访问 BigModel 开放平台 https://docs.bigmodel.cn/cn/guide/models/vlm/glm-5.3-flash注册账号，获取 API Key 后按文档调用glm-5.3-flash接口。Z.ai API：访问 Z.ai  API 官网 https://docs.z.ai/guides/vlm/glm-5.3-flash文档中心，注册并获取 API Key 即可接入模型。Z.ai 在线聊天：访问Z.ai网页，登录后直接开始多模态对话。智谱清言 App：下载智谱清言 App并登录，在模型列表中选择 GLM-5.3-Flash 即可使用。ZCode：进入ZCode，启用模型后在代码编辑器中让 Agent 协同完成开发任务。AutoClaw：访问AutoClaw官网，上传文档让模型自动处理办公和专业文书任务。开源本地部署：从 HuggingFace 下载模型权重，按说明在本地服务器加载运行。GLM Coding Plan：前往 https://bigmodel.cn/glm-coding 申请限量体验卡，免费试用模型能力。GLM-5.3-Flash的核心优势极致性价比：与 Claude Opus 4.8 同级智能，定价仅为其 1/40，限时折扣内为 GLM-5.3 的 1/20。原生多模态：GLM-5 系列首个原生多模态模型，视觉能力原生集成，可自主判断并调用视觉反馈。高效架构：采用稀疏注意力与线性注意力混合架构，注意力计算量和 KV 缓存较 GLM-5.3 分别降低 3.01 倍和 4.44 倍。国产芯片部署：首次大规模使用国产芯片集群，端到端性能较基线提升 3 倍，效率对标主流英伟达 GPU。全面超越前代：用 320B 总参数 / 18B 激活参数，在多项基准测试中全面超越参数量高出一倍的 GLM-5.2。专业工作优化：针对金融、法律、Office 文档等专业场景深度优化，输出格式可直接交付。GLM-5.3-Flash的同类竞品对比维度GLM-5.3-FlashClaude Opus 4.8GLM-5.3总参数320B未公开约 355B激活参数18B未公开32B模型层数45 层未公开92 层AA 智能指数57 分57 分更高（约 60+）多模态能力✅ 原生视觉编码✅ 多模态✅ 多模态开源状态✅ 开源❌ 闭源❌ 闭源定价水平极低（Opus 4.8 的 1/40）高端定价中端定价（Flash 的 10~20 倍）注意力架构稀疏 + 线性混合标准 Transformer标准 Transformer长上下文支持1M200K+1M国产芯片部署✅ 已验证❌ 否❌ 否核心定位前沿智能普惠化顶级闭源模型上一代旗舰模型GLM-5.3-Flash的应用场景前端与游戏开发：根据视觉反馈自主迭代代码，生成可运行的网页、游戏和 3D 场景。金融专业工作：覆盖金融研究、报告生成、建模与分析全流程，提供可追溯的数据来源。法律实务处理：审查合同条款、批注修订，并起草符合实务规范的律师函与诉讼文书。Office 文档自动化：处理 PPTX、PDF、DOCX、XLSX 等格式，具备审美判断与排版优化能力。Agent 协同办公：通过 Browser Use Agent 和 Computer Use Agent 在浏览器、代码与 GUI 间自动协同。日常多模态对话：在 Z.ai 和智谱清言 App 中进行图文理解、创意生成与知识问答。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Qwen3.8-Flash - 阿里通义推出的多模态 MoE 模型下一篇Hy-MT2-1.8B - 腾讯混元推出的端侧翻译大模型相关文章Moffee – 开源的Markdown转PPT工具AI小集7Open Code Review – 阿里开源的 AI 代码审查 CLI 工具AI小集3Mulan – AI视频创作平台，Workflow方式实现视频生成AI小集4Self-Lengthen – 阿里千问推出的提升输出长度迭代训练框架AI小集2豆包PixelDance – 字节跳动推出的AI视频生成大模型，基于DiT结构AI小集10水印云 – AI图像处理工具，提供丰富的图像视频编辑服务AI小集2暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录MetaDigChatArtLexcat造剧立刻成片OJO最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！14分钟前Twoo – 双人共用 AI 伙伴应用，能同时听懂双方对话15分钟前Prime Agent – Prime Intellect开源的长周期AI Agent运行框架18分钟前shuohao-skills – 开源AI短剧制作Skill集合，包含完整工作流21分钟前怎么用 MetaDig 做 AI 短视频，附教程实测案例17小时前Gemini 3.5 Transcribe – 谷歌推出的最新语音转文本模型20小时前Hy-MT2-1.8B – 腾讯混元推出的端侧翻译大模型20小时前Qwen3.8-Flash – 阿里通义推出的多模态 MoE 模型1天前Omarchy – 开源的AI原生Linux桌面 ，自然语言生成桌面主题1天前Play with Putty – 谷歌推出的实时协作 Vibe Coding 工具2天前AZ8 – AI 视频创作工作台，Agent 实时读取素材与状态2天前Tutti · VM – 多人多 Agent 并行协作空间，零延迟并行协作2天前EgoSuite-Open100K – 光轮智能开源的全模态人类行为数据集2天前PixVerse R2 – 爱诗科技推出的实时全模态世界模型2天前Breeze TTS 2 – BreezeBlue 推出的新一代语音合成模型2天前

8 月 26 日，一年一度的 gamescom 科隆游戏展正式开幕。今年的科隆游戏展不仅延续了「全球最大游戏展」的体量，甚至第一次把科隆展馆全部可用展览面积提前售罄，超过 1600 家参展商涌入了 23.3 万平方千米的展区。在展会正式开放前夜，重头戏开幕夜直播（Opening Night Live）已经率先放完了颇受关注的一批预告——米哈游首次公布写实新作《源初之结》，CD Projekt RED 为《巫师 3》带来了又一次重制版和新 DLC 《旧时曲》，《最终幻想 VII：Revelation》《地铁：2039》《寂静岭：Townfall》继续补充新内容，两款国产动作游戏《湮灭之潮》和《昭和米国物语》也都开放了现场试玩。如果说往年的科隆总有那么一两个「压轴惊喜」，那今年最明显的感受是：缺少重磅作品，但内容相当密集。熟悉的系列接连回归，临近发售的作品趁机混个脸熟，中国厂商则意外地贡献了几张相对陌生的新面孔。握紧手柄，爱范儿带你看看，今年科隆游戏展上最值得关注的游戏。米哈游「变脸」，中国游戏继续走出去《源初之结》当米哈游的 lgoo 出现在《源初之结》首支预告片中间时，弹幕瞬间打满了问号——很难想象，末世式光照、写实人物、厚重盔甲、扑面而来的巨兽和远处像黄金树一样高耸至天际的恶魔，会出自这家以二次元和明亮色彩闻名的中国公司。官方说明显示，预告混合了游戏实机与过场动画，主要玩法是几名玩家组成小队围攻威严的神话生物。从预告中可以看见，游戏没有追求《鬼泣》式的连招炫技，也不见《只狼》般的格挡架势，更多是围绕巨兽移动、回避重击、用不同武器制造硬直与破绽再抓住机会完成终结，看起来似是混合了老头环美术风格和怪猎战斗模式的作品，但仅凭现有信息一切都未能定论。唯一可以确定的是：《源初之结》想要告诉我们：米哈游游戏，未必要很「米哈游」。从《原神》《崩坏：星穹铁道》到《绝区零》，米哈游已经证明，一套强调动画渲染、角色驱动和持续更新的产品方法，可以被复制到不同题材中。但更强调写实和力量反馈的《源初之结》表明，米哈游同样想要接触那些熟悉传统主机动作游戏的人。当然，鉴于这款游戏还没有公布具体玩法、发售平台与时间、付费模式等信息，我们也大可以把它当成是投石问路——游戏最终能不能问世，很大程度上取决于 FromSoftware 多人合作新作《黄昏之血》的成败。《湮灭之潮》另一款在科隆显露野心的国产游戏，是上海日蚀边缘工作室的《湮灭之潮》。同样选择了写实动作游戏方向，《湮灭之潮》没有选择像《源初之结》一样搭建全新神话体系，而是将亚瑟王传说放入了被超自然灾难摧毁的现代伦敦。超自然力量+圆桌骑士召唤+人神对战，营造出了一种奇特的混杂摩登感。游戏尚未公布发售时间，但从试玩中能看出完成度颇高，官方已经确认将登陆 PS5、Xbox 和 PC。《昭和米国物语》由武汉铃空游戏开发的 RPG《昭和米国物语》则选择了一条奇特的道路。根据设定，在虚构的「昭和 66 年」，经济和文化影响力达到顶峰的日本买下了美国的大部分土地，将整片美国大陆改造为混合了日本昭和文化和美式文化的怪异国度。旧金山挂满日式灯笼、好莱坞变成「新横滨」，昭和末期的日本流行文化与录像厅审美一同塞进了这锅鸳鸯锅里。只看这一段，都能知道这是一款有着制作人强烈个人品味的电波系游戏。不喜欢的人很难接受它莫名其妙的设定和僵硬的战斗，但它的重点毕竟不是战斗而是演出——致死量的哏、滑稽搞怪的演出和无处不在的调侃，恐怕能让喜欢的人也喜欢得要命。毕竟，谁不想拿着美国国旗横扫千军，再把旗子发射上太空呢？把科隆游戏展和上周的《黑神话：钟馗》连在一起看，可以发现一个明显的趋势：硬核动作游戏，中国人能做；写实共斗游戏，中国人能做；以亚文化为主的点子游戏，中国人同样能做。过去以休闲游戏和二次元手游在海外取得成功的中国游戏人，正在证明自己也能做出能够影响世界的端游。杰洛特重回猎魔路，经典系列集体续命《巫师 3》重制版与《旧时歌》DLC在中国厂商带来众多新游戏、新设定的同时，老朋友 CD Projekt RED 又将一些熟悉的元素带回我们面前。《巫师 3：狂猎》将在 9 月 29 日推出重制版（没错，又重制了……），改善画面、性能、战斗、移动、坐骑操控和怪物行为，并调整了技能树、法印效果和照相模式。最重要的是——原版玩家依然可以免费升级！同时，CD Projekt RED 也宣布，只拥有《巫师 3》本体的玩家，现在也可以免费玩《石之心》和《血与酒》DLC 了。更值得关注的，是明年上线的新付费 DLC《旧时曲》。杰洛特将在前往新地区莱滕（Letten），这里表面是丰收庆典之地，地下却埋藏着深重的危险秘密。预告没有泄露太多剧情，但初代《巫师》片头动画出现过的、将敌人勾到面前的锁链成为了杰洛特的新武器。有了它，对付鸟身女妖应该会简单得多。《旧时曲》由 CD Projekt RED 与《巫师》系列老员工出走后创建的独立工作室 Fool’s Theory 联合开发，某种程度上，这是弥补《巫师 4》前空档的过渡产品，也是一次测试新技术管线、让外部团队熟悉 CDPR 最新生产流程的技术演练。《最终幻想 VII：Revelation》另一个「复活」的老游戏是《最终幻想 VII》重制三部曲终章《最终幻想 VII：Revelation》。这款游戏已在今年 6 月的 Summer Game Fest 正式亮相，科隆更多是负责追加宣传，没有透露太多的新信息。游戏将于 2027 年春节发售，并同步登陆 PS5、Xbox、PC 和 Switch 2。《地铁：2039》《地铁：2039》由开发商 4A Games 与原著作者德米特里·格鲁霍夫斯基共同创作新故事，这次系列长期主角阿尔乔姆不再担任主人公，玩家改为操作一位叫「陌路人」的神秘新角色。从这次公布的预告片《Renegade》中可见，和《地铁：离去》开阔的地表相比，新作又重新回到了地下空间的压迫感之中。游戏将于 2027 年 2 月登陆 PS5、Xbox 和 PC。《共鸣：瘟疫传说传承》《瘟疫传说》系列的新作，则已经走到了发售前的最后一步——8 月 27 日就将正式发售，并首日加入 Game Pass（当然，实际上早已偷跑了）。这次的故事发生在《安魂曲》十五年前，主角换成了索菲娅，她将探索一座与米诺斯文明有关的岛屿。站在个人角度来说，得益于 BGM《Enjoy the Silence》，这次的预告片很值得一看。《寂静岭：Townfall》《寂静岭：Townfall》也采用了类似的市场策略。游戏早已确认了背景设定在 1996 年的苏格兰，本届科隆预告片没有提供更多的玩法解释，而是公布了主要演员。游戏将于 9 月 24 日登陆 PS5 和 PC，和《瘟疫传说》一样，它来到科隆的主要任务还是提醒潜在的玩家记得下单。随着 E3 隐入尘烟，科隆游戏展顺理成章地成为了当前最盛大的游戏展会。但真的把开幕夜直播看下来，就不得不说它热闹有余而亮点不足，很少有当年 E3 大作云集的感觉。八字没一撇的新作、续作、重制版和临近发售的作品，明显才是这里的主角。这倒也不奇怪：索尼有 State of Play，任天堂有直面会，微软有 Xbox Games Showcase，育碧、EA 和 CD Projekt RED 也都拥有自己的直播、频道和社区，对于拥有足够用户基数的大厂，把重要内容放在自家活动中明显更划算，也可以自行控制传播节奏。既然大厂有了自己的舞台，科隆也就失去了「游戏预告唯一投放点」的地位。但奇怪的是，今年的科隆游戏展又比过往任何时候规模都大。我想，大概是因为展馆依然无可替代。媒体需要一个场所试玩了解手感，制作人需要接触媒体的渠道，创作者需要现场素材，玩家也想亲自对比预告和实机的区别。游戏新闻已经去中心化，但游戏体验仍然需要一个中心，这就是科隆游戏展存在的意义。

「造芯」这件事，已成了一种潮流。就在昨晚，OpenAI 公布了和博通联合自研的首款 AI 推理芯片 Jalapeño（墨西哥辣椒）首轮公开测试成绩。在 SemiAnalysis 发布的公开基准测试 InferenceX 上，Jalapeño 运行了 GPT-OSS 120B、DeepSeek R1 670B 和 Kimi K2.5 1T 三款模型，结果显示，Jalapeño 每瓦完成的 AI 工作比英伟达 GB200、GB300 多 1.5—1.9 倍，端到端延迟缩短至对照系统的约 30%—60%。运行 DeepSeek R1 时，一次 8K 输入、1K 输出的推理从 5.99 秒降到 1.65 秒，最低 token 间隔则由 5.90ms 压到 1.43ms。有了 Jalapeño，也许未来在 ChatGPT 上你能看到的不止是 1.5 倍速输出结果的「快速」模式，只要舍得花钱，3 倍速也是有可能做出来的。实力着实超群，让 Sam Altman 在说这件事时也相当言简意赅：「我们制造了一款芯片，它很快。」火爆小辣椒，为推理而生不同于更通用的 GPU，Jalapeño 从设计之初就只有一个目标：承载现代大模型的推理部分工作。这一目标，跟当下 AI Agent 的流行又有着紧密关联。须知道，一问一答的普通聊天只需要调用几轮模型，延迟也比较容易忍受；但只要是看过 Agent 干活时的任务链，就会发现它们往往要连续调用模型几十次：读文件、搜资料、操作软件、检查结果，再根据结果推进下一步工作。每一步的推理延迟累积起来，让 Agent 处理哪怕不算太复杂的日常事务，也往往会消耗掉不少时间。这就是为什么，ChatGPT 的首页界面会分为「聊天」和「工作」——简单的日常问答可以快速输出，而需要调用到 Agent 的复杂任务必须单独区分开来，以免「想得太多」的 Agent 拖慢日常体验。如果可以让 Agent 推理得更快，那 Agent 的响应也会越来越接近普通聊天。原则上，以后的 ChatGPT 又将恢复到最初的形态：首页只有一个对话框，不再需要专门区分聊天和工作。而为了让推理速度更快，Jalapeño 在设计之初就针对大模型推理的真实负载做了专门优化。众所周知，只要是冯·诺依曼架构下的芯片，运算速度往往都要远大于数据运输的速度。在前天的文章中我们用过一个比喻：哪怕厨房切菜翻炒的速度快如闪电，只要运输食材的速度跟不上，那再怎么快手的厨师也只能守着空灶等待。大模型的推理过程主要分为两个阶段：第一段是 Prefill，芯片一次性读懂用户输入的整段提示词，主要考验计算能力；第二段是 Decode，模型开始逐个生成 token，这一步需要反复从内存读取权重和 KV Cache，几乎必然会撞上数据搬运速度跟不上计算速度的「内存墙」。图｜OpenAI这也意味着，要想接近计算能力的上限，就需要像 OpenAI 在设计 Jalapeño 时那样，将计算核心、HBM 内存和网络通盘考虑进来协同设计，尽可能地减少读取数据的耗时。据 SemiAnalysis 披露，Jalapeño 配有 216GiB HBM4，内存带宽达到 15.4TB/s。这个数字接近微软 Maia 200 和 Google Ironwood 的两倍。如此激进的带宽，就是为了让数据能跟上计算，把那些被等待数据浪费的理论算力重新利用起来。图｜SemiAnalysis另外，Jalapeño 将计算核心和 HBM 划分成了多个彼此对应的区域，让模型权重和 KV Cache 尽量留在负责处理它们的本地内存中；需要跨区域同步时，才经过专门的高速通信网络运输数据，从而减少数据在核心、内存和芯片之间来回搬运的步骤，也减少计算单元「等菜」的时间。图｜SemiAnalysis由于计算、内存和网络资源一开始就并入芯片设计架构之中考虑，Jalapeño 达到了极其惊人的能效比——它的标称功耗为 700W，实际测试中持续功耗更是低于 550W；作为对照，英伟达的 GB200 和 GB300 标称功耗分别为 1200W 和 1400W。也就是说，Jalapeño 能够用英伟达芯片约一半的能耗，实现相对更高的推理性能。能耗就是电，电就是白花花的钱。考虑到数据中心每日面临的惊人计算需求，任何能效比的优化，都能让 OpenAI 的算力成本支出减去一截。图｜Computex 2026 keynoteOpenAI 计划在年底前，将 Jalapeño 部署到计算基础设施之中，同时第二代产品已经在开发中段，第三代也初具雏形。随着 Jalapeño 广泛使用，我们也有望见到 Tibo 更频繁地按下那颗「重置」按钮。三年造芯，九个月流片Jalapeño 的「快」不只在于性能，它的设计生产也快得不像半导体产品。据路透社报道，这个项目正式起步时间大约是 2024 年底至 2025 年初，初始成员很多来自 Google TPU 项目。而在那之前一年，OpenAI 已经邀请了前 Google TPU 负责人 Richard Ho 组建硬件团队——很显然，早在 Gemini 借助自有 TPU 算力一度弯道超车之前，OpenAI 已经意识到了自有芯片的重要性。最终，这个项目的正式亮相是在去年 10 月，当时 OpenAI 宣布将会和博通合作部署 10 吉瓦的定制 AI 加速器，「将前沿模型与产品研发经验直接融入硬件」；传出正式流片的消息，则是在去年 11 月。综合 6 月份官方博客披露这个项目从初始设计到流片只花了 9 个月、路透社估计从流片到成品需要约 6 个月、SemiAnalysis 透露在 8 月正式测试前 OpenAI 只进行了约 3 个月的芯片上电调试等消息，我们可以整理出一条清晰的时间线：Jalapeño 大约在 2025 年 2 月进入正式设计周期，11 月完成流片，今年 5 月 OpenAI 拿到第一块成品芯片，8 月份完成调试并开启公开测试。每一步都密锣紧鼓，直逼芯片设计速度的上限。据 Semiconductor Engineering 的估算，像 Jalapeño 这样高复杂度的 AI 加速芯片，从正式设计到流片通常需要 18—24 个月；OpenAI 将正式设计周期压缩到九个月，可以说是快了接近一倍，堪称是 AI 时代狂飙突进的最佳写照。实现如此速度的一个关键因素，正是 AI 本身。用 OpenAI 的话来说，AI 直接参与了 Jalapeño 的开发。他们的模型在设计期间用于探索实现方案、参与验证和修改方案、优化芯片算术电路等工作；成品芯片进入实验室后，OpenAI 又使用 Codex 和未发布的 Astra 模型，在两个月内将 GPT-OSS、DeepSeek R1 和 Kimi K2.5 几款不在 Jalapeño 原始适配计划中的模型完成了适配。作为「大加速时代」的标志和产物，AI 正在大幅缩短芯片的研发过程。第二、第三代 Jalapeño，以及其他大模型公司的专用芯片，都有可能在未来几年内跟我们见面。为什么模型公司都在自研芯片？Jalapeño 的问世固然惊艳，但 OpenAI 不是自研芯片路线上最早的玩家。为这一项目提供了无数初始人才的 Google TPU 自不必说。这款十年前开始投入数据中心的产品，如今已经迭代到了第八代。早在 2025 年的第七代产品，就是首款专为推理而设的 TPU 芯片 Ironwood；而今年发布的第八代产品，则进一步细分为了用于训练的TPU 8t 和用于推理的TPU 8i。图｜Google CloudGoogle 甚至认为 TPU 还不够专用。据 The Information 报道，Google 正在研究一颗代号 Frozen v2 的服务器芯片，尝试把 Gemini 的部分架构直接固化进硬件，它的每瓦生成 token 数量预估可达到最新 TPU 的 6—10 倍。另一厢，亚马逊 AWS 也先后开发了用于推理的 Inferentia 和兼顾训练、推理的 Trainium 芯片，通过对外出售算力来支撑云业务。作为最大外部盟友，Anthropic 已经通过 Project Rainier 获取了接近 100 万颗 Trainium 芯片的算力。但 Anthropic 也没有打算完全依赖亚马逊。就在月初，他们证实正在组建内部专用芯片研发团队，为下一代 Claude 大模型打造定制化 AI 芯片。很明显，押注自研芯片已经成为了头部大模型厂商的共同方向。这一变化最直接的理由，自然是算力效率关乎公司的经济账。我们可以做一个对比：2024 年 GPT-4o 刚刚发布时，每百万输入、输出 token 分别收费 5 美元和 15 美元；如今 GPT-5.6 Luna 已降到 0.2 美元和 1.2 美元。假设一项 Agent 任务累计使用 2 万输入 token、5000 输出 token，GPT-4o 当年的费用约为 0.175 美元，Luna 只需 0.01 美元，降幅超过 94%。如果每天执行 1000 万次，一年的公开调用金额会从约 6.39 亿美元降到 3650 万美元。当然，两个模型规模和能力并不完全相同，降价也包含算法、软件与市场竞争的共同作用，但十几倍的价格差仍然离不开计算效率的持续提升。如果能将计算效率的主导权掌握在自己手中，结合 ChatGPT 巨大的调用量，通过节省支出来收回自研芯片的投入可以说是比较轻松的。图｜NVIDIA blog成本之外，算力供给同样重要。哪怕是手握 TPU 的 Google Cloud 也不总是有余粮，他们曾因容量不足拒绝部分外部订单，近来 Gemini 的混乱据报也有内部算力争夺的原因；只有把芯片握在手里，模型研发才不会完全受制于单一供应商的产能和报价。在昨晚同步发布的在昨晚同步发布的战略文章中，OpenAI CFO Sarah Friar 将公司的战略选择概括为「以广度建生态，以自营握杠杆」（Build for breadth, own for leverage）：训练和通用计算继续采购外部高端系统，稳定且巨量的推理则由 Jalapeño 分担。第一代芯片暂不出售，也不出租，产能全部留给 OpenAI。我们不能忽视，作为模型公司，OpenAI 做自研芯片还有一个得天独厚的优势：没有别的公司比他们更了解 Agent 的实际工作流程。众多用户提供的 Agent 工作流，实际上也是在告诉 OpenAI 下一代芯片如何设计才能最好地对应自家产品的实际推理需求。Alan Kay 曾说，真正认真对待软件的人，应该制造自己的硬件。现在，这句话应该有一个大模型时代的变体：真正认真对待模型的人，也会去造一颗专属于模型的芯片。

📱苹果定档 9 月 10 日发布新 iPhone🤖ChatGPT Business 开放 Premium 席位，用量提高至 5 倍💰DeepSeek 前 7 个月营收 4.75 亿元，净亏损 7.15 亿元👋OpenAI 数据中心负责人离职，年内高管离任增至至少 14 人🚗特斯拉中国回应上海数据中心撤离传闻：不实🤝华为与惠普签署多年全球专利交叉许可协议🚚顺丰回应薪酬结构调整：15% 纳入季度考核，不涉及一、二线员工📋工信部：严禁未经充分测试验证的汽车产品进入市场💰百度股东会通过双重主要上市相关决议🦿金牌榜奖牌榜双第一！智元首次出征机器人运动会实力登顶🎨微软画图与照片会在 AI 图片中嵌入隐形 GUID🧠Anthropic 与 EPFL 研究称，多智能体系统可能传播「心智病毒」🤖MiniMax 7 月 Token 消耗量飙至年初 20 倍，8 月 ARR 冲破 8 亿美元📖腾讯司晓：Token 正在成为机器智力的计量单位💰英伟达二季度营收 962.2 亿美元，三季度指引超预期⚠️Meta 最高支付 180 亿美元，和解美国青少年社交媒体诉讼🚙比亚迪何志奇：五个品牌要有五套原创设计语言💡腾讯高管回应「做 AI 慢了」质疑：AI 竞争是马拉松，场景才是腾讯的底牌📱天马发布第二代天工屏，OPPO 首发新一代发光材料🤖阿里发布 Qwen3.8-Flash，Next 版新架构同步开源☁️智谱开源 GLM-5.3-Flash，1M 上下文运行在国产芯片集群⌚佳明 Fenix 9 Pro 开启预售，售价 8680 元起🚙奇瑞风云 T7 上市：全系 600km 续航，置换价 9.49 万元起🚗新一代理想 MEGA 定档 9 月 2 日发布苹果定档 9 月 10 日发布新 iPhone苹果宣布将于北京时间 9 月 10 日凌晨 1 点举行秋季发布会，地点依然是 Apple Park 的 Steve Jobs Theater。这次发布会有两个看点，一个是新 iPhone，一个是新 CEO。产品方面，预计主角包括：iPhone 18 Pro / Pro Max：有望搭载 2nm 工艺 A20 Pro，升级影像、通信能力，并进一步缩小灵动岛。首款折叠 iPhone：大概率是今年最受关注的新品，采用大折叠形态，展开后接近小尺寸 iPad，售价可能突破 2000 美元。Apple Watch Series 12 / Ultra 4：预计升级芯片、健康监测和连接能力。AirPods 5：常规升级款，没有摄像头，可能继续采用普通版和主动降噪版双产品线。此外，新 Apple TV、HomePod mini 等产品也可能在本次发布会上更新。爱范儿也会来到苹果发布会现场，为大家带来第一手的现场报道！🔗 相关阅读：下个月的 iPhone 发布会，可能是五年来最有「活人感」的一次ChatGPT Business 开放 Premium 席位，用量提高至 5 倍OpenAI 8 月 25 日更新公告称，ChatGPT Business Premium 席位已正式开放。Premium 席位按月付费为每人每月 125 美元，按年付费折合每人每月 100 美元；Standard 席位的两档价格分别为 25 美元和 20 美元。Premium 席位包含 Standard 的 5 倍用量，取消 5 小时用量限制，并改用固定的每周重置周期。同一 Business 工作区可混合分配 Standard 和 Premium 席位，管理员可以升级、重新分配席位，并统一查看用量与支出限额。OpenAI 此前针对早期候补客户的工作区积分促销已结束，正式开放后不再附带首批席位积分。DeepSeek 前 7 个月营收 4.75 亿元，净亏损 7.15 亿元据 The Information 报道，DeepSeek 今年前 7 个月营收约 4.75 亿元人民币，约为去年全年营收的 10 倍；同期净亏损约 7.15 亿元，去年全年净亏损约 9.35 亿元。报道援引两名了解公司财务数据的人士称，DeepSeek 尚未公开确认这些数据。DeepSeek 前 7 个月整体毛利率为 44.6%，其中通过 API 销售模型访问权限的毛利率达到 82.9%。较高的 API 毛利率主要来自推理基础设施效率提升，但公司的算力投入也在迅速增加。报道显示，DeepSeek 今年前 7 个月在 AI 基础设施上投入约 110 亿元人民币，用于租赁配备 AI 芯片的服务器，以及购买芯片和其他计算设备；去年全年相关支出约为 12 亿元。公司同时继续推进融资，目标募资 500 亿元人民币，投前估值约 5000 亿元人民币。OpenAI 数据中心负责人离职，年内高管离任增至至少 14 人据《华尔街日报》和 TechCrunch 报道，OpenAI 数据中心负责人 Chris Malone 已于上周离职。他于去年 3 月加入 OpenAI，此前曾在 Meta 和 Google 从事数据中心基础设施工作。OpenAI 表示，公司近期重组了基础设施部门，目前的数据中心团队仍有明确的管理分工。重组后，负责计算资源的 Sachin Katti 接管相关组织；Uday Ruddarraju、Brent Mayo 与 Spas Lazarov 分别负责数据中心团队、建设交付和工程工作。Business Insider 此前统计，OpenAI 今年已有 13 名高管或核心负责人离开原职；加上 Malone，人数增至至少 14 人。近期离任者还包括前首席营收官 Denise Dresser 和长期担任 COO 的 Brad Lightcap。公司联合创始人 Greg Brockman 则表示，OpenAI 受到的关注度更高，使每次人员变动都被放大审视。特斯拉中国回应上海数据中心撤离传闻：不实近日有消息称，特斯拉为 FSD 监督版入华筹备的上海数据中心已「人去楼空」，相关对接团队全部撤离。《每日经济新闻》8 月 26 日向特斯拉中国求证，一位内部人士回应称该消息不实。特斯拉上海数据中心仍实施中国境内数据留存，位于上海临港的 AI 训练中心于今年 2 月投入运营。特斯拉还与百度地图合作使用合规高精地图，相关车型已通过四项汽车数据安全标准认证。传闻的另一来源是特斯拉北美官网更新的 FSD 监督版「可订阅地区」名单，其中没有中国。但该名单只表示按月订阅服务的开放范围，不等同于功能的全部可用市场；特斯拉美国官网的可使用地区仍列有中国。华为与惠普签署多年全球专利交叉许可协议华为与惠普 8 月 26 日宣布签署多年期全球专利交叉许可协议。协议包括华为向惠普许可部分 Wi-Fi 专利。这是两家公司在标准必要专利与计算机技术上的长期许可安排。华为知识产权部负责人樊志勇表示，交叉许可可以让标准技术在更多设备上使用。双方没有公布许可费和其他商业条款。华为的公开知识产权资料显示，过去 20 年公司已与欧洲、美国、日本和韩国的主要 ICT 企业签署超过 260 份专利许可协议。在 Wi-Fi 领域，华为既通过双边协议许可专利，也作为创始成员加入 Sisvel Wi-Fi 6 与 Wi-Fi Multimode 专利池。顺丰回应薪酬结构调整：15% 纳入季度考核，不涉及一、二线员工针对「固定月薪的 15% 划为季度绩效」被质疑变相降薪，顺丰集团昨天回应称，本次调整是将年度现金薪酬的 15% 拆分为季度考核基数，调整仅针对总部职能人员，不涉及一、二线员工。顺丰表示，调整后的整体薪酬支出将略有增加，预计有 10% 以上的绩优员工收入增加。公司将这次变化解释为薪酬结构优化，目标是让业绩表现与员工收益更直接关联。工信部：严禁未经充分测试验证的汽车产品进入市场8 月 26 日，国务院新闻办公室举行「开局起步「十五五」」系列主题新闻发布会。工业和信息化部副部长辛国斌表示，「十五五」期间将加力解决汽车产品质量、自动驾驶安全与非理性竞争等问题。具体措施包括推进汽车企业生产资质集团化管理改革，加强产品创新设计的准入审查与测试验证管理，严禁未经充分测试验证的产品进入市场，并加大生产一致性监督检查力度。工信部此前已就汽车企业非理性竞争展开约谈，并启动 2026 年度道路机动车辆生产企业及产品生产一致性监督检查。对不符合国家标准与生产一致性要求的产品，可采取公开通报、暂停相关产品公告和暂停企业新产品申报等处理。百度股东会通过双重主要上市相关决议百度 8 月 26 日召开股东特别大会，会上提呈的全部决议均获通过。公司同日向美国证券交易委员会提交 6-K 文件，披露了股东会结果，双重主要上市转换由此完成关键前置程序。获批事项包括新的股份发行与回购授权、2026 年股权激励计划和新的组织章程细则。百度董事会于 7 月 16 日授权推进转换，香港联交所 7 月 22 日确认收到申请。转换完成后，百度将在纳斯达克和香港联交所保持双重主要上市，并全面遵守香港上市规则；公司预计转换将在今年内生效。金牌榜奖牌榜双第一！智元首次出征机器人运动会实力登顶智元在 2026 世界人形机器人运动会上获得 18 枚金牌、16 枚银牌和 12 枚铜牌，位列金牌榜和奖牌榜第一。参赛设备均为量产机型，没有为比赛单独定制本体。临界点量产版 OmniHand 在 8 个灵巧手专项中获得 7 金，覆盖粉末称重、开瓶撬盖、拆箱拆包和积木搭建等任务；精灵 G2 在酒店、图书馆和应急处置等场景赛中拿下 12 枚金牌中的 6 枚，采用 DUET 双层具身接触智能架构和 ViLLA 具身基座模型完成精细操作与长流程任务。竞技与表演项目中，远征 A3 在舞蹈、武术和乒乓等项目获得 5 金；灵犀 X2 则拿下 100 米障碍赛金牌，并在 400 米障碍赛获得银牌和铜牌。微软画图与照片会在 AI 图片中嵌入隐形 GUID安全研究员 Xusheng Li 逆向分析发现，Windows 画图与照片应用会把服务器分配的 GUID 嵌入 AI 生成图片的像素中，形成不可见水印。用户关闭可见的 Copilot 水印选项，也不会影响这层标识。在 Copilot+ PC 上，部分图片由本地 NPU 生成，但提示词仍会发送到微软服务器进行内容审核；服务器返回经过处理的提示词与 GUID，应用再把 GUID 写入生成结果。研究者检查实际 PNG 文件后发现，C2PA 清单中的c2pa.soft-binding记录了同一个 GUID，并将算法标记为 Microsoft InvisMark。微软已公开说明 AI 图片会包含 C2PA 内容凭证，也会为滥用防范收集提示词和设备标识，但支持页面没有说明该 GUID 同时存在于像素水印中，也没有解释它与远程提示词审核之间的关联。Anthropic 与 EPFL 研究称，多智能体系统可能传播「心智病毒」Anthropic 与瑞士洛桑联邦理工学院的研究人员近日发表论文，测试观点或目标是否会像病毒一样在多个 AI 智能体之间传播。研究团队把这类通过自然语言诱导智能体继续转发、并可能改变其行为的内容称为「心智病毒」。研究设置了两类环境：一组共同完成编程项目的智能体，以及每次交互后都会清空上下文、只能借助记忆文件延续信息的智能体链。部分测试中，病毒能够连续传播近 20 个智能体；有害载荷通常比无害内容更难传播，前沿模型整体上也更不易受影响，但不同模型存在例外。论文认为，这类攻击目前真实存在但风险有限。在系统提示词中加入简短的自传播内容警告，几乎可以完全阻断传播。研究人员提醒，随着企业内部部署更多相互连接、权限不同的智能体，这种自然语言攻击路径仍需纳入安全设计。MiniMax 7 月 Token 消耗量飙至年初 20 倍，8 月 ARR 冲破 8 亿美元MiniMax 昨晚在中期业绩会上披露，第二季度收入环比增长 81.8%；7 月 Token 消耗量达到 1 月的 20 倍，8 月年度经常性收入（ARR）超过 8 亿美元。当前 ARR 中，To B 业务占比约 80%，To C 业务约占 20%。上半年，MiniMax 开放平台

在很多人的印象里，谈及 MiniMax，首先浮现的或许依然是曾经风靡海外的 AI 伴侣 Talkie，抑或是国内用户熟知的星野与海螺 AI。在过去很长一段时间内，这家大模型独角兽常被外界贴上「C 端公司」的标签。情况在过去的一年里已然发生翻天的变化。在 MiniMax 最新发布的 2026 年中期财报显示，相比一年前消费端约 70% 远远领先企业端约 30%的情况，其营收结构已经彻底倒挂，呈现出 B 端占据绝对统治的情况。MiniMax 用了一年时间进行结构性迁徙，目前已经成为了一家以全球开发者生态、多模态 MaaS 与 Agent 基础设施为核心驱动力的算力底座公司。根据已经披露的数据，MiniMax 的整体收入规模获得巨大提升，2026 年上半年实现总收入约 1.2 亿美元，同比增长 283.1%，仅半年的收入就达到了 2025 年全年收入的 1.5 倍。这其中，以开放平台及其他企业服务为主的 B 端业务收入高达 7390 万美元，同比暴增超 700%，占总收入的比重从去年同期的 30.3% 飙升至 63.4%，一举跃升为公司最大收入支柱。狂飙的企业级市场增长，为 MiniMax 的 ARR（年度经常性收入）带来显著增幅，截至 8 月达到了 8 亿美元，其中To B 业务占比已高达约 80%，To C 仅占约 20%。（需要注意的是 ARR 并非一个公认会计准则的审计数字，存在天然的水分，但对于 AI 模型公司、SaaS 类公司仍是一个有价值的考量指标。）另外，MiniMax 上半年海外市场贡献了约六成收入，其全球化底色再一次被凸显。在收入暴涨的同时，销售及分销开支同比下降了 17.9% 至 2700 万美元，毛利则同比增长 464.8% 至 2081 万美元。亏损方面，本期净亏损从上年同期约 4 亿美元降低到了 3.6 亿美元左右。这意味着，MiniMax 彻底告别了依靠早期泛娱乐 C 端应用买量获客的早期阶段，在全面发力基础模型以及多模态模型能力之后，已经转向由企业和开发者生态驱动的自然网络增长。再做一个简单的横向对比：根据 The Information 报道，DeepSeek 今年前七个月里实现 7070 万美元收入，去掉热闹的七月的话，毛估 MiniMax 上半年营收是 DeepSeek 约两倍上下；虽然 DeepSeek 的营收净值低于 MiniMax，但前七个月实现了 2025 年 10 倍的全年收入，增幅远高于 MiniMax；DeepSeek 的前七个月净亏损为 1.06 亿美元，MiniMax 本期净亏损是 DeepSeek 的约 3.4 倍。新老共识MiniMax 透露，Token 消耗量的断层式拉升是本期收入暴增的重要原因。仅今年 7 月，MiniMax 全平台的 Token 消耗量就达到了 1 月份的整整 20 倍。 截至目前，其全球企业客户与开发者数量突破 200 万，是 2025 年底的 10 倍之多。Token 消耗出现如此夸张的非线性跃迁，答案在于模型消费范式的迁移。CEO 闫俊杰透露，模型消费的范式已经从「人与 AI 的直接对话」，全面跃迁至「Agent 与 AI 的多轮级联交互」。由 Agent 驱动的推理需求增长，显著快于人类用户数和消息数的增长。这直接导致单用户的 Token 消耗呈倍数级爆发。这在日新月异的模型行业已经是「老共识」。而更重要的新共识，则是后训练成为 Scaling 的新上限。从近期智谱 GLM 5.3、DeepSeek V4 Flash（0731 版本）、Gemini 3.x Flash 的公开资料来看，越来越多模型厂商在小版本更新中重度依赖，甚至仅靠后训练，就能够显著提高模型在特定主流任务上的表现。闫俊杰也在业绩会中提出这一新的行业共识的转变：当前大模型的 Scaling 正在从单一的预训练，快速拓展至中训练、后训练以及强化学习。在后训练阶段，海量的合成数据生成、强化学习中的环境 rollout（推理/生成）、产成任务的试错验证，其本质都是推理计算。而单位算力下的推理成本越低、吞吐越大，模型在后训练中能够吞吐的轨迹与实验规模就越大。这也是为什么包括 MiniMax 在内的一众模型厂商，在中训练和后训练阶段投入的算力占比越来越高。闫俊杰指出，在相同的算力规模下，推理计算效率的提升倍数，跟后训练的规模变大倍数呈现基本线性相关。这句话可以粗略理解为：后训练使得劲越大，推理的效率提升越多，模型呈现出的最终效果越好。换言之，无论人们认为 Scaling Law 是否已经撞墙、模型参数量是否已经卷到了极限——后训练的效率提升仍然可以提高 Scaling 的上限。新模型：M3 Pro、M3.1MiniMax 透露正在稳步推进三个新模型的研发：M3 Pro、M3.1 和 H3.1。其中，M3.1 的定位是面向主流用户，可以被大量、广泛使用的新「标准版」模型。M3.1 在 M3 基础上进行充分的预训练，并持续 Scaling 后训练规模。其主要提升方向在于提升任务完成质量、推理效率、稳定性、插入到多种 Agent 产品中作为基模调用时的适配性。M3 Pro 则是一个更加全面能力升级的模型，参数规模在 3 万亿左右。它的基座会是一个更大的基础模型，目标是更强的泛化能力和更高的智能上限。M3 Pro 会采用 MiniMax 自主研发的新注意力架构 MSA 的第二代 MSA 2.0，能够显著提高推理阶段缓存命中率，从而提高整体算力利用率。在稳步推进这两个基座模型的同时，MiniMax 目标是在 M3.1 推出时，将其推理成本降至 M3 初期上线时的三分之一左右。闫俊杰指出，推理成本的下降有两个好处，一是通过降价来降低使用门槛，从而扩大用户基数和 Token 用量，二是用于改善公司毛利率。闫俊杰认为这两者并非不可兼得。除了语言模型，MiniMax 另一张王牌是多模态。前不久 MiniMax 发布了多模态模型 MiniMax H3，并继续坚决采取开源策略。仅三周后，H3 的全球下载量已突破 2400 万次，衍生出超过 300 个公开模型，成为 2026 年全球最火爆的模型之一。H3 是时隔多年以后，首次有开源多模态模型在生成效果和工具链适配上达到或接近于前沿闭源模型。其核心并非单纯的扩散生成，而是将语言模型深度嵌入视觉生成流中，实现了全局的上下文感知、多主体的一致性控制、镜头精细化调度等面向视频专业用户友好的效果。闫俊杰认为，H3 的开源能证明了两件事情：语言模型能力可以进一步提高视觉生成模型的上限；开放权重模型、产品和 API 可以行程相互促进的生态，而非彼此蚕食。而长期来看，类似语言模型+视觉生成模型相结合的范式，在其他更加前沿的领域可能会持续涌现。MiniMax 的公司名称令人想起 Min-Max 这一多功能术语。套用在模型实验室的身上，则体现该公司「最小化单位智能成本才能实现最大化智能水平」的认知，也即尽可能降低单位智能的供应成本，从而让让更高水平的智能更加广泛地进入人们的生产生活。这一认知的直接体现，就是 MiniMax 今年上半年在后训练阶段持续发力，以更低成本实现模型能力预期提升的做法，而这一做法又直接带来了两大相互关联的重要变化：模型能力被更加注重性价比的企业端市场重视，以及公司营收显著增长。事实上，这一认知已然成为行业的新共识，从这一点上看 MiniMax 也并没有多么特立独行。APPSO 一直认为大模型行业将不可避免进入价格战阶段，而那些率先押注单位成本的模型厂商，将比盲目追求大参数、大智能的对手们领先一筹。

苹果今年最重要的一场发布会，终于定档了。北京时间 9 月 10 日凌晨 1 点，苹果将在 Apple Park 乔布斯剧院举行秋季新品发布会。苹果已经向媒体发出邀请，同时确认活动将在官网等渠道提供线上直播。过去几年，苹果秋季发布会的产品安排已经相当稳定，今年却很可能迎来近年幅度最大的一次调整。按照目前的信息，苹果不会像过去一样一口气更新完整的数字系列 iPhone，而是把发布节奏拆成两轮——9 月的主角只剩下 iPhone 18 Pro、iPhone 18 Pro Max，以及那台传了快十年的折叠屏 iPhone；普通版 iPhone 18 和 iPhone 18e，则会留到 2027 年春季。另一方面，这也很可能成为苹果新 CEO John Ternus 上任之后第一次真正意义上的产品大考。换句话说，9 月 10 日凌晨，我们等的不只是一台新 iPhone。苹果将同时更新 iPhone 的形态，并开启新掌门人的时代。折叠 iPhone：苹果「阔折叠」，终于要来了如果只选一个今年发布会最值得看的产品，答案没有悬念。折叠屏 iPhone。从供应链、系统代码到苹果内部产品路线图的逐渐曝光，这款设备在过去的一年终于从模糊的传闻走到了相对清楚的产品轮廓。爱范儿此前也曾根据 The Information、郭明錤以及 iOS 27 中出现的种种线索，对它进行过多轮梳理。图｜MacRumors目前比较一致的说法是，苹果没有选择三星 Galaxy Z Flip 那样的竖向小折叠，而是一台左右展开的大折叠设备。它的外屏约为 5.3 至 5.5 英寸，展开后的内屏约为 7.8 英寸。屏幕比例可能是最容易看出差别的地方——与目前大部分展开后接近正方形的「大折叠」手机不同，苹果选择了一块更「宽」的内屏，更像当下流行的「阔折叠」。爱范儿此前获得的信息显示，这款内部代号 V68 的产品展开后，很像一台横过来的 iPad。这个选择很符合苹果一贯的产品思路。过去几年，手机厂商一直在回答一个问题：怎么把一块大屏塞进口袋里？而苹果可能在回答另一个问题：怎么把 iPad 装进 iPhone 里？这两者看起来很像，实际决定了完全不同的产品逻辑。事实上，苹果在软件层面已经提前为这个形态铺路。iOS 27 中，天气、音乐等系统应用明显增加了横屏和不同尺寸下的布局；更有爆料指出，新搭载的系统会自动切换到接近 iPad 的应用布局，获得更多针对横屏、多栏和大尺寸显示优化的交互。硬件上，目前爆料也已经相当完整。折叠屏 iPhone 很可能采用 A20 系列芯片和 12GB 内存。为了控制机身厚度，苹果可能暂时放弃 Face ID，改用侧边 Touch ID。后置影像预计采用双摄方案，展开厚度约为 4.5 至 4.8mm，折叠后约为 9mm。铰链会使用钛合金、不锈钢等材料，并配合 UTG 超薄玻璃尽可能减轻折痕。图｜Apple不过，它也可能成为有史以来最贵的一台 iPhone。外界普遍预计，其售价会超过 2000 美元，部分预测甚至给出了 2500 美元。差不多是一台 iPhone 加一台 iPad Pro 的钱。苹果比竞争对手们晚了近七年才进入折叠屏市场，单凭一台能折起来的 iPhone，已经很难让人接受高价。屏幕中间那道折痕、铰链寿命、机身厚度，连同软件适配，都是它需要给出答案的地方。这大概率不会是一台用来冲销量的 iPhone。它更像当年的初代 Apple Watch、Vision Pro，苹果需要先把一个新的产品坐标钉在那里。今年真正承担销量任务的，还是 iPhone 18 Pro。图｜网络iPhone 18 Pro：看上去没变，里面全变了跟折叠屏 iPhone 放在一起，iPhone 18 Pro 和 Pro Max 的外观变化就显得克制多了。目前的信息显示，两款手机仍会保留 6.3 英寸和 6.9 英寸两个尺寸，整体仍然延续上代的外观设计。此前传闻已久的屏下 Face ID，目前最新消息也倾向于不会在这一代落地，苹果更可能只是进一步缩小灵动岛。图｜9to5Mac主要变化集中在机身里面。先看 A20 Pro。它预计会成为苹果首款采用台积电 2nm 工艺的手机芯片。相比今天的 3nm A19 Pro，升级重点预计仍然不会只是跑分，而是性能、能效和芯片面积之间的平衡。伴随端侧 AI 模型越来越大，SoC 的晶体管预算正在重新变得重要。A20 Pro 还可能采用新的封装设计，进一步改善内存访问与整体效率。另一颗值得关注的芯片，是 C2。从 C1、C1X 到 C2，苹果自研基带的更新速度明显加快。此前消息若准确，iPhone 18 Pro 会进一步降低对高通基带的依赖，并可能把卫星通信从紧急求救继续向普通数据连接推进。相机，则可能迎来一项久违的机械结构升级。多方消息都指向，iPhone 18 Pro 系列正在测试可变光圈主摄，能够通过机械结构改变镜头实际进光量，从而在不同场景下调节景深、快门和画质。目前还不能确定两款 Pro 是否都会配备，有消息称可变光圈将成为 Pro Max 的独占功能。图｜MacRumors除此之外，还有更长续航、12GB 内存、新一代无线芯片，以及新的机身配色。今天凌晨发出的媒体邀请函，似乎也在提前呼应这些升级。画面中央能看到明显的星芒，外围还有一圈光环。摄影中，太阳星芒通常要在较小光圈下才能拍得清楚，这恰好对应了此前有关 iPhone 18 Pro 可变光圈主摄的爆料。天蓝色的背景也似乎对应此前曝光的新机配色。苹果经常在邀请函里提前埋下新品线索，这些细节很难不让人多想。在折叠屏 iPhone 颠覆性的形态变化面前，iPhone 18 Pro 系列确实显得有些平淡，更像一次按部就班的稳步升级。但这一代 Pro 的变化几乎都发生在看不见的地方——A20 Pro、C2 基带、自研无线芯片，再加上影像和内存升级，越来越多核心部件开始采用苹果自己的方案。iPhone 18 Pro 可能没有带来一眼可见的新形态，却很可能成为迄今为止苹果自研程度最高的一代 iPhone。图｜MacRumors至于更便宜的 iPhone 18 标准版，估计要明年见了。苹果已经基本确定改变 iPhone 的发布节奏——iPhone 18、iPhone 18e 和 iPhone Air 2 将推迟到 2027 年春季，构成另外一个 iPhone 更新的大节点。这也意味着，今年 9 月的产品线整体会明显向高端倾斜。一边是起售价超过 1000 美元的 iPhone Pro， 另一边是起售价高达 2000 美元的折叠屏。这可能是有史以来最贵的一届 iPhone 了。苹果全家桶：一个都不能少就在发布会前两周，发布会的爆料名单上又多了一个新成员——AirPods 5。Mark Gurman 最新报道称，苹果最快会在这场秋季发布会上推出第五代 AirPods。产品安排会延续 AirPods 4 的思路，一次提供两个版本，其中一款是普通版，另一款支持主动降噪。macOS 26.7 RC 中也已经发现两个 AirPods 5 型号的相关代码，基本意味着产品已经接近正式发布。至于它具体升级什么，目前信息反而很少——大概率是常规更新，外观不变，但配备新一代 H 系列芯片，使 AirPods 有更低的延迟、更好的音质和更长的续航。但至少可以确认一点：它不是我们前段时间报道过的「摄像头 AirPods」。那款产品原本存在于苹果 2026 年产品路线图里，甚至已经有相关演示素材进入 macOS，但由于供应链和软件问题，目前已经基本确定推迟到 2027 年。它真正重要的地方，是通过摄像头为 Siri 和 Visual Intelligence 提供视觉上下文。因此，今年的 AirPods 5 更接近一次常规消费级更新，想看苹果把耳机做成新的 AI 入口，还得再等一年。苹果的「家庭」产品线今年也可能罕见地占据一部分发布会时间。Gurman 此前透露，新款 Apple TV 4K 和 HomePod mini 已接近准备完成，计划在今年秋季推出。苹果开发多年的智能家庭中枢，也可能在 9 月提前亮相。这款设备目前有 HomePad、HomePod Touch 等不同叫法，可以把它理解成一块带屏幕的 HomePod。它可能成为苹果家庭设备的控制中心，把 Siri、Apple Intelligence、FaceTime、家庭监控和影音控制放到同一块屏幕上。如果它真的出现，分量会超过一次常规的 Apple TV 更新。Apple Home 这些年已经有不少单体硬件，却一直没有一台能让其他设备都围着它工作的中枢。新版 Siri 正好给了苹果一次重新整理家庭产品的机会。图｜MacRumors当然，Apple Watch 也不会缺席。Apple Watch Series 12 和 Ultra 4 都在计划中，今年预计不会大改外观，升级仍会集中在芯片、健康功能和运动追踪上。Series 12 还可能增加陶瓷表壳版本。算上刚刚更新的 Mac mini 和 Mac Studio，苹果全家桶可以说是全面焕新了。虽然大部分配件产品都是常规更新，真正有亮点的 M6 芯片和 Mac 产品线，苹果也主动错开发布节点，不抢 iPhone 的流量。毫无疑问，今年会是 iPhone 风头无两的一年，而风头无两的，也不止是 iPhone。图｜MacRumors苹果新 CEO：年度新秀在产品之外，今年还有一个往年不存在的变量——苹果的新 CEO，John Ternus。苹果已经完成近年来最重要的一次管理层交接。Tim Cook 卸任 CEO 后转任董事会主席，原硬件工程高级副总裁 John Ternus 接棒——而 9 月这场活动，是 Ternus 出任 CEO 后的第一次主持苹果秋季新品发布会。过去几年，苹果发布会已经变成一套成熟的「影视制作」。从疫情期间开始，传统舞台 Keynote 逐渐让位给提前拍摄和剪辑的发布影片。尽管后来活动也重新回到 Apple Park 举办，但现场的主要内容仍是观看大屏幕上的成片，结束后再去体验区摸真机。苹果这次少见地把户外实景照片放上邀请函，活动地点也明确写着乔布斯剧院，再考虑到 Ternus 即将完成上任后的首次公开亮相——苹果会不会重新增加现场演讲，也成了这场发布会的一大悬念。目前没有可靠信息证明苹果会彻底放弃预录视频，无法到场的观众依然可以通过线上直播观看整场活动。不过对一位新 CEO 来说，亲自站上乔布斯剧院的舞台，和在影片里说一句 「Good morning」，分量感必定是大相径庭。Tim Cook 在 2011 年接过苹果的时候，面对的是乔布斯留下的 iPhone、iPad 和 Mac，和市值 3000 亿美金的苹果公司。Ternus 接手时面对的，苹果已经成长为市值五万亿美元的巨无霸，而营收主力也变成了 iPhone、Mac 和服务。他的第一场秋季发布会，正好赶上十年来变化最大的一次 iPhone 产品调整——折叠屏 iPhone 首秀，iPhone 数字系列退场，还有迈向 2nm 最新芯片亮相，以及一整套围绕 Siri AI 重构的产品生态。苹果新管理层准备怎样处理苹果最重要的产品？北京时间 9 月 10 日凌晨 1 点，爱范儿将会在苹果发布会现场，与你共同见证苹果交出的答卷。One more thing：国行苹果 AI对于国行苹果用户来说，还有一个不得不留意的新品——国行版本的苹果 AI，考虑到全球发布会的规格，苹果大概率不会在发布会上明确提及国行 AI 的详情，而是举重若轻地给出一个正式上线的档期。7 月，中国网信部门已经完成 Apple Intelligence 相关端侧生成式 AI 服务备案，意味着这个从 2024 年就缺席国行 iPhone 的核心功能，终于扫清了最关键的监管门槛。按照目前披露的信息，中国版 Apple Intelligence 并不会简单复制海外版本，而是采用一套针对国内市场重新搭建的技术方案。苹果官网此前曾短暂上线一份中文支持文档，介绍了在中国大陆的 Ma

不断刷新 AI 智能前沿的大公司们，都开始「藏东西」了。Anthropic 在 6 月初发布了 Fable 5，一个月后 OpenAI 发布 GPT-5.6 系列；但随着安全问题日渐引起关注，又接近两个月过去，两家在前沿模型上都没有进一步动作。坐拥最前沿模型优势的 A 社坐得住，在营收和模型 benchmark 上都处于追赶者地位的 OpenAI 就不好说了。OpenAI 内部，现在是什么情况？在《时代》杂志最新封面报道《Inside OpenAI’s Reboot》（OpenAI 重启内幕）中，记者 Alex Heath 进入 OpenAI 总部两周，采访了超过 20 位公司高管、员工、投资人、客户和竞争对手，也和 Sam Altman 进行了超过两个小时的对谈，为我们带来了一手消息——眼看着 Anthropic 靠 Claude Code 抢走了开发者和企业市场的先机，Google Gemini 月度用户超过 10 亿，报道里的 OpenAI，已经不再是两年前那个定义 AI 竞赛节奏的绝对领跑者。Altman 在采访中相当直接地承认：我们作为一家公司，显然犯了一些错误。无论是产品方向，还是预训练研究，我们都落后于原本想要达到的位置。于是，OpenAI 终于下定决心，开始了一场大刀阔斧的「重启」。在这篇长文中，OpenAI 方面人员的核心观点可以归纳如下：OpenAI 承认在产品上失速。ChatGPT 的爆发式增长反而让公司忽略了编程和企业市场。模型在排行榜上领先，却没有「变现」为足够好用的真实产品。Codex 正在取代 ChatGPT，成为公司新的产品主轴。OpenAI 已经收缩 Sora、Disney 合作和独立浏览器 Atlas 等项目，把算力与团队集中到 Codex，并将其 Agent 能力并入 ChatGPT Work。下一代模型 Astra 的目标不只是回答问题，而是持续工作和创造新知识。OpenAI 展示了 16 个 Agent 协作解决研究级数学问题、跨软件高速操作，以及可以完成初级 AI 研究员一周工作的自动化研究能力。Agent「越狱」事件迫使 OpenAI 暂停更强模型的训练。公司承认已经拥有监控模型思维链的预警工具，却因为低估模型能力而没有启用。Astra 的发布时间也要等待新的安全措施通过。OpenAI 想做的远不止一个聊天对话框。芯片、数据中心、随身硬件、人形机器人、脑机接口，甚至向外出售算力，都被装进了「个人 AGI」这张更大的蓝图里。OpenAI，输在产品力过去一年，Anthropic 第一次在估值和年化收入上超过 OpenAI。《时代》援引数据称，Anthropic 的年化收入已经超过 650 亿美元，OpenAI 约为 400 亿美元；两家公司都在为上市做准备，但 Anthropic 很有可能捷足先登。图｜XDA Developers让 Anthropic 反超的关键，就是在年初几乎定义了「编程 Agent」这一产品形态的 Claude Code。这不是说 OpenAI 的模型能力不如 Anthropic，虽然在文本能力上没少受到诟病，但按照 Greg Brockman 的说法，至少在编程领域 OpenAI 的模型 Benchmark 成绩「一直领先」。问题是，公司过去更关心工程而非产品，只在意模型能不能在实验室环境中解题，却忽视了开发者用户的真实使用场景——能不能接续被打断的任务、能不能整合大量文件，交互的细节好不好。这些，才是决定普通用户选用哪家工具的关键因素。换句话说，OpenAI 不是输在前沿模型的能力上，而是将模型能力转化为产品的速度跟不上别人了。当然，在开发产品上，OpenAI 本身是很积极的。ChatGPT 的成功，让 OpenAI 痴迷于制作那些「好玩」的产品，如视频生成应用 Sora 和独立浏览器 Atlas，但这些产品反倒分走了公司用于攻坚的资源。Sam Altman 在采访中坦承，OpenAI 把摊子铺得太「薄」了。现在，更「持家」的 OpenAI 联合创始人兼总裁 Greg Brockman 接管了从营收、产品到市场的大部分公司内部业务，OpenAI 开始砍掉支线，将稀缺的算力转向增长最快的 Codex。ChatGPT 仍然拥有最多用户，但它已经不再是 OpenAI 的主要增长点。Altman 甚至连续一个月停用 ChatGPT，只使用 Codex。顺理成章地，Codex 开始合并 ChatGPT，对外呈现出来的产品，则是 ChatGPT Work——现在用户不再需要判断应该用什么模型和工具，只需要告诉 AI 自己想要做什么，系统就会在背后自动调度模型、工具和 Agent 来完成任务。这次调整已经开始反映在账面上。今年 7 月，OpenAI 的 B 端企业业务收入终于首次超过了 C 端消费者业务。如果说 Claude Code 教会了 OpenAI 什么，那就是：先赚到钱，才能谈生存。下一代模型，是你的「虚拟同事」既然 Fable 5 和 Claude Code 已经很好，那要什么样的产品才能和它们拉开代差、重新收获用户尤其是企业用户的青睐？OpenAI 的答案是 Astra。《时代》报道称，这个神秘的下一代模型，可以将一道艰深的数学题拆成多个部分，由 16 个 Agent 分工合作、彼此协调，最后拼出一份完整证明；另外，Astra 也可以用远超人类的速度操作各种桌面软件。Altman 把这种能力称为「Persistent Agents」——持续存在、持续工作的 Agent。它不再是一次性解决一个问题，而是可以由你定义它的身份角色后，像你的同事一样连续工作几小时甚至几天。持续工作很不错，但 Altman 认为 Astra 最大的价值是有创新能力：「我预期这将是第一个能以有意义方式真正发明新事物的模型」。就像是那个经典问题所说：如果只给 AI 输入截至 20 世纪初年的知识，它能像爱因斯坦一样自行发现相对论吗？Altman 认为它可以。有创新能力的模型，不会只写代码、做报表，而是可以参与制造下一代 AI；而更聪明的 AI 出现后，又能开发自己的继任者。这种「递归自我改进」一直是 AGI 讨论里最危险的设想之一，却也是 OpenAI 梦寐以求的目标。OpenAI 的管理层已经开始用近乎完成时谈论 AGI。首席研究官 Mark Chen 认为，公司已经走完了「80%」；Brockman 说，两年后回头看，人们可能会把现在视为 AGI 诞生的时刻；Altman 则预计，到今年年底，OpenAI 内部会出现一个他愿意称为 AGI 的系统。OpenAI 内部弥漫着乐观情绪，直到意外发生。Agent 逃出沙箱，OpenAI 主动刹车就在面向投资者和客户的 16 Agent 并行解数学题演示后没几天，OpenAI 暂停了 Astra 的训练进程。直接原因是，一个在隔离环境里接受网络安全测试的内部研究模型，利用漏洞逃出沙箱，并为了找到测试答案入侵 Hugging Face 的生产系统。事发后，OpenAI 冻结、放缓了一部分项目，专注于强化沙箱和监控。很快，研究人员又在一次未公开的大规模训练中发现了危险信号。图｜The New York Times由于这次训练可能带来大幅度的性能跃升，公司最终决定暂停这次训练，直到安全措施到位。OpenAI 最初将 Hugging Face 事件定义为一次安全漏洞，但 Altman 后来改变定性，认为这是一次更根本的「对齐失败」——模型本就不应该作弊，是 OpenAI 没有训练好它。从现在开始，任何一次对齐失败都应该被当作大事。我们会花需要的时间把它弄清楚。把 AI 安全做好，比任何一家公司的发展势头都更重要。这番表态会直接影响 Astra。它不会被打入冷宫，但发布前必须等新的安全测试落实到位；至于是什么时候，OpenAI 高管也没有给出时间表。在一个领先优势按天计算的行业里，暂停前沿模型，可能会付出昂贵的商业代价。是真的「重启」，还是商业修辞？《时代》把 OpenAI 最近这轮变化称为一种「重启」。产品重启了。OpenAI 承认自己错过了编程和企业市场，决定重新把资源集中到 Codex，用 Agent 改造 ChatGPT，也让工程师出身的 Brockman 接管「把研究变成营收」的流程。身份也重启了。这家过去几年不断流失安全团队成员、屡屡被批评把商业化置于安全之上的公司，现在试图证明：在风险面前，他们愿意为了社会利益主动慢下来。看起来，这就像是一个奋起革新的故事。但《时代》记者也提醒我们，这次安全转向未必只是单纯的道德选择——从创立至今，OpenAI 最大的竞争对手 Anthropic 都把「安全优先」当作自己的核心身份，为此不惜做出大规模封禁和强加文字水印等种种天怒人怨的行为。而促使 A 社一边强调安全一边发布前沿模型的理由，是他们的联合创始人贾里德·卡普兰（Jared Kaplan）早先接受《时代》采访时说的：如果竞争对手全速前进，那他们单方面克制毫无意义。假设 OpenAI 在这个时间点停下，那就等于把道德楷模的压力抛给了正在准备冲刺 IPO 的竞争对手，迫使 Anthropic 也跟着放慢节奏。换句话说，「克制」本身也可以是一种竞争策略。另一方面，说要聚焦主业的产品线「重启」，似乎也没有那么真诚。毕竟，在 Altman 和 Brockman 眼中，OpenAI 的未来愿景是「个人 AGI」，也就是可以根据学习到的个人喜好和行为习惯，在你提出要求之前就主动为你把事办妥的超级助手。图｜路透社为了造出「个人 AGI」，OpenAI 正在同时投资模型、应用、芯片、数据中心、脑机接口、随身硬件和机器人，未来甚至可能向其他公司出售算力，直接挑战 AWS 和 Google Cloud。从基础设施到你身上的智能挂饰，它希望控制 AI 价值链上的每一环。一家刚刚承认因为项目太多而失去焦点的公司，又列出了一张更长的待办清单——晋升巨头的 OpenAI，真的知道自己的「主业」是什么吗？报道原文：time.com/article/2026/08/26/openai-sam-altman-interview/