整个夏天,我们在AI每日简报里一直在探讨的一个大主题,就是从单一模型范式——也就是你挑一个最好的模型,然后就一直用那个——转向更复杂的模型架构。在这种架构下,无论是个人还是团队,都能灵活地在不同模型甚至不同工具之间切换,从而根据具体的应用场景,最大限度地发挥AI的潜力。
而且,这个夏天我们非常清楚了一点:要最大化AI的效用,不光要看模型或工具的能力,还得考虑效率和成本,尤其是在我们转向更复杂的智能体工作负载时。
所以,九月初涌现了一大波新模型,从Fable 5.1到GPT-6 Astra,再到我们今天要看的Muse Spark 1.3和ChatGPT Images 2.5,真是应景。
所有这些加起来,让我们可用的工具更加多样化了,你可以设计出最适合自己实际生活和工作的AI组合。
AI每日简报是一档日播播客和视频节目,专注AI领域最重要的新闻和讨论。
好了朋友们,在正式开始之前,先快速说几个通知。
今天我们先从一个故事说起,这事儿本来完全可以做成一期主节目,因为围绕它有好多的戏剧性事件。
周二,OpenAI发布了一个纳维-斯托克斯问题的解法,这是2000年选出的七个千年大奖问题之一。
华尔街日报把这些难题称为数学界的圣杯,这个说法相当准确。
每个千年大奖问题都附带一百万美元的奖金,而在该奖项设立的26年里,只有一个问题被解决。
其他问题包括数学中最著名的未解难题,比如黎曼猜想和P/NP问题。
你知道的,就是大家聚餐时都会聊的那些话题。
不过,就这期节目而言,我其实不打算深入探讨问题本身,或者争论它有没有什么重要的实际应用。
我来读一下OpenAI对问题的描述,给你们一点感觉。
他们写道:纳维-斯托克斯方程利用牛顿第二运动定律F=ma来描述流体的运动。
重要的是,它们把流体当作连续介质来处理,而不是追踪单个分子。
这些方程用于飞机设计、天气预报和血液流动的研究。
这些动力学方程的一个基本未解问题是:流体的连续近似是否可能失效。
具体来说,对于密度恒定的三维不可压缩流体,即使运动一开始很平滑,纳维-斯托克斯方程是否会产生奇点。
这里,奇点意味着动力学导致流体中的速度在有限时间内变得无限大。
尽管存在趋于平滑运动的黏性,但奇点的出现仍会加深。
因为真实流体不可能无限快地运动,所以这标志着方程在模拟流体时的一个失效点。
要继续模拟这个系统,就需要追踪每个粒子的行为。
所以这就是他们正在解决的问题,我觉得再提供一下背景很重要:这比去年引起轰动的Erdős问题又进了一大步。
OpenAI声称已经解决了这个问题,并且他们使用的是内部模型,该模型的能力明显强于GPT-6 Astra。
Noam Brown说,得出这个结果花费了几百万美元,而且似乎花了一两周的时间。
不过,争议的焦点在于OpenAI究竟是如何得出这个结果的。
结果公布后不久,纽约大学教授Tristan Buckmaster发表了他对这件事的描述。
据Buckmaster说,他和一位Anthropic的员工Levent Dalpaci已经一起研究纳维-斯托克斯问题一年多了。
这是Levent的业余项目,他们两人使用了多种不同的AI模型,包括Codex工具中的GPT-5.6 SOL。
关键的是,Levent 和 Buckmaster 并没有解决纳维-斯托克斯方程,但他们确实在一些相关问题上找到了新颖的解法,这些解法可以被看作是迈向千禧年大奖问题的一个垫脚石。
而且他们使用了极其新颖的方法论,这在数学界很少有人采用。
最近几周,他们工作的传闻在人工智能圈子里流传,有人错误地声称 Anthropic 已经解决了一个千禧年大奖问题。
Buckmaster 说他上周联系了 OpenAI,想澄清一下情况。
据 Buckmaster 描述,OpenAI 的 Sebastian Bubeck 在周日告诉他,他们已经解决了纳维-斯托克斯方程,并且想讨论发表事宜。
我问这个模型是否训练过或者能够访问我们在 Codex 中的会话记录——我们整个项目期间的所有草稿都放在里面。
他们告诉我,模型没有查阅用户数据。
我又问了一下训练数据的问题,但没有得到答复。
他说他收到了两个方案:要么 OpenAI 单独发表,要么 Buckmaster 加入发表,但前提是他同意把 Levent 从作者名单中移除,因为 Levent 与 Anthropic 有关系。
Buckmaster 两个都拒绝了,并威胁说如果 OpenAI 发表,他就公开这件事。
Buckmaster 继续讲述道,对方回复说,你为什么要毁了自己的职业生涯?
我回复说我是一名学者,并且问他为什么认为公开这件事会毁了我的职业生涯。
对方回复说,如果你不想让我客气,那我就不必客气了。
OpenAI 的领导们随后发表了一系列声明。
Sebastian Bubeck 称这些指控是虚假且煽动性的,然后公布了他的一部分短信记录,据称这与 Buckmaster 的说法相矛盾。
Sam Altman 对事情如何变得这么糟糕做了一系列解释,但声称 OpenAI 的做法与 Buckmaster 和 Levent 的不同。
OpenAI 方面的说法是,我们、研究人员以及智能体,在他们公开发布之前,没有通过任何方式看到他们的任何工作。
具体来说,没有为了解决这个问题而访问任何特定的用户数据。
虽然不太可能,但我们不能排除,从我们产品使用中获得的去标识化数据帮助改进了我们的模型。
当 Levent 将这份声明形容为“某种程度上是在坦白”之后,OpenAI 的首席研究官 Mark Chen 回应说,有两件事需要区分清楚。
是否有任何人或智能体在纳维-斯托克斯问题的研究中查看了用户数据?
没有。
我们是否使用用户反馈和去标识化数据来全面改进 ChatGPT 和 Codex?
是的,每家大型语言模型公司都这么干。
现在,关于这场争议,有两种不同的讨论方向。
首先,学术界人士对于他们认为的不道德行为感到非常愤怒。
伊利诺伊大学的助理教授 Talia Ringer 写道,听说别人有了成果就赶紧抢着发表,这太离谱了。
这就是人工智能界的“抢先文化”,完全违背了数学等合理领域的所有学术规范。
这种人工智能文化就是这么腐蚀整个领域的。
Hugging Face 的联合创始人 Thomas Wolfe 认为,这可能只是加速版人工智能科学的一个预演,他评论道,希望这不是科学研究未来的样子——这些占主导地位的玩家玩着营销游戏,伤害了真正的科学界。
第二个批评,至少对于AI Daily Brief的听众来说可能更相关,是对OpenAI的信任问题。
根据Buckmaster的说法,我们可以推测他们用的是某个消费者版本的Codex,但不确定他们是否同意共享数据来改进OpenAI的模型。
对一些人来说,这是对所有用AI处理专有任务的人敲响的警钟。
前DeepMind员工Susan Zhang写道:大家都被个人drama吸引了,却忽略了一个更有趣的未解问题——这些实验室能看到你所有的工作,并在利益足够大时抢先一步吗?
为了向OpenAI的领导层寻求澄清,数学家Tryon Zylorus问道:重要的问题,如果我选择退出训练,然后通过我的付费订阅粘贴一个商业机密,你们会去识别我的个人详细信息但保留商业机密,并可能把它添加到你们的训练数据中吗?
截止录制时,这个问题还没有得到回复。
所以退一步看,这次事件引起如此共鸣有几个原因。
首先,老实说,是其中的窥视癖。
人们喜欢看戏。
与之抗争就像试图对抗潮汐。
但围绕先进AI的伦理问题以及这些公司能拿数据做什么,这个问题自LLM诞生之初就存在,最近却愈发受到关注,尤其是当模型领导地位开始集中在少数几家公司手中时。
它给人们带来了许多令人不适的问题。
其中一些问题涉及经济激励以及AI公司最终会走向何方。
现在人们热议的一件事是,这些公司最终是否不仅把自己看作创新投入的销售者,还是创新产出的销售者。
换句话说,OpenAI和Anthropic是把进行新型药物发现的能力卖给现有的科学家、实验室和公司更合理吗?
还是自己去做药物发现,然后从专利的另一端赚钱更合理?
考虑到我们之前热议的Dario是否说过Anthropic将在某个时间点成为世界上唯一的公司,这些问题现在似乎比过去更贴切了。
最后,这个故事揭示出OpenAI内部已经在使用一个更强大的模型,这当然也引起了一些关注。
不幸的是,和通常情况一样,这件事中没有谁看起来特别光彩。
《纽约时报》的Mike Isaac写道:我并没有忽略一个事实——两个要求公众信任它们是负责任的AI领导者的实验室,在Twitter上因为一道数学题的功劳而互相撕扯。
就像我说的,这本来可以单独做一整集。
但由于时间有限,我们快速过几个其他故事,然后再进入今天的正题——那些我们还没机会聊的各种新模型。
首先,说到Anthropic,有一项新的集体诉讼代表Claude Max订阅用户提起,指控Anthropic使用欺骗性营销和模糊的细则来少提供服务。
具体来说,诉讼声称每月100美元的5倍计划和每月200美元的20倍计划,实际上并没有提供每月20美元Pro计划的5倍和20倍使用量。
原告指控,5小时和周使用限制的计算方式意味着实际使用量远低于广告宣传的倍数。
通常这类案件我不会太感兴趣,但我认为它代表了随着Anthropic和OpenAI越来越融入日常商业运作,我们会看到更多类似的事情。
负责此案的律师们自己指出,让他们觉得这个案子值得关注的原因是顶级AI订阅已经变得如此普遍和必要。
他们说经常听到员工们反馈,觉得需要支付高价订阅才能在就业市场上保持竞争力,但感觉并没有得到自己付钱应得的东西。
我不太确定这个诉讼会有什么结果,但它确实代表了顶级AI实验室未来将面临的审查级别。
在市场上,看起来不只是OpenAI和Anthropic在考虑IPO。
ElevenLabs 还聘请了一位首席财务官,帮助这家初创公司走向上市。
周二,ElevenLabs 宣布 Ethan Tandowski 加入了高管团队,他此前担任荷兰金融科技公司 Adyen 的 CFO,这家公司于 2018 年上市。
ElevenLabs 联合创始人 Mati Staniszewski 在新闻稿中表示,Ethan 带来了在高速增长环境中拓展财务运营的良好记录,以及作为上市公司 CFO 的宝贵经验。
这似乎也是 ElevenLabs 的雄心所在。
The Information 报道称,他们开始探索可能的 IPO。
该公司表示,他们有望在今年年底达到 6 亿美元的年化收入,而去年底是 3.5 亿美元;消息人士称,该公司已实现盈利,目前超过一半的收入来自大型企业客户。
Cognition 最近传闻的融资轮已经完成。
该公司筹集了 20 亿美元的新资金,使其估值飙升至 480 亿美元。
Cognition 上次融资是在五月,当时估值为 260 亿美元,这意味着他们在三个月内估值几乎翻了一番。
在这段时间内,Cognition 的年化收入从 4.92 亿美元增长到了目前的近 9 亿美元。
除了数字之外,这轮融资表明 Cognition 将继续作为独立的 agent 实验室运营。
继 SpaceX 以 600 亿美元收购 Cursor 之后,有传闻称他们也会收购 Cognition。
CEO Scott Wu 当时坚决否认了这些传闻,而这轮融资无疑为 Cognition 提供了更多的空间,继续构建他们的编码 agent Devin 并践行他们的理念。
在一篇公告中,他们写道:“我们仍处于自动驾驶软件时代的黎明。”
在下一阶段,agent 将默认变得主动,软件将自我改进,甚至资源分配也将变得智能,计算预算会自动分配给影响最大的用例。
人类工程师将越来越多地扮演架构师的角色,设定目标和优先级,而 agent 则承担更多工作来实现这些目标。
Cognition 写道,独立性是这一战略的核心,他们表示:“我们可以选择并组合最适合工作的模型,包括我们自己的模型,而不是将客户绑定到一家供应商。”
你得想想,在看到 OpenAI 因为 SpaceX 收购而切断对 Cursor 客户的访问之后,Cognition 更加深刻地认识到了保持独立的价值。
不过,今天 AI Daily Brief 的头条新闻就到这里。
接下来是主要节目。
欢迎回到 AI Daily Brief。
我得说,朋友们,完全回到“返校、复工、告别夏天”的模式真是太好了。
相比其他行业,AI 行业在夏季的放缓程度肯定要小一些,但当九月来临时,你仍然能感觉到那种变化,伙计。
仅仅在过去 9 天里,我们就迎来了 Llama 3.1、GPT-4o,以及一个包含三个模型的 agent 产品,我们将在今天的节目中介绍它。
我希望你和我一样兴奋,因为有很多新东西值得一看。
首先,上周,正当我要去度假时,当然,我们收到了 Google 的新模型。
它仍然不是 Pro 系列模型,但值得注意的是,Google 在其较小的 Flash 系列模型上迭代的速度非常快。
新的 Gemini 1.5 Flash 在 1.5 发布仅几周后就推出了。
Google 围绕新 Flash 模型的核心主张是,它将比上一代更努力地工作。
它经过训练,可以迭代调用工具,并在复杂任务上执行更多的推理步骤,从而产生更好的结果。
在基准测试中,这个模型看起来挺扎实的,就是有点波动。
它在编码基准测试 SWE-bench 上得了73.7%,只比 Claude 3 Opus 的74%差一点点,还比 GPT-5.6 SOL 高了1%。
TerminalBench 就是另一回事了。
这个模型在 2.1 版本上得了89.4%,跟 Opus 和 SOL 差不多。
不过,在 4.0 版本上分数暴跌,降到了19.1%,而 Opus 的分数是51.8%。
在 GPQA 上,分数很一般,1545 Elo 分,比 Opus 少了差不多300分,更接近 Claude Sonnet 和 GPT-5.6 Terra。
Artificial Analysis 发现这个模型在他们的基准测试中表现相当扎实,得了59分,发布时排在第七位,仅仅落后于 GLM-4,只差几分就到前沿水平。
不过,这是旧版 Intelligence Index,那个给 GPT-4o 打了相当低的分数的版本,导致 Artificial Analysis 赶紧推出了他们新版指数。
一旦 AA 更新了公式,3.8 Flash 就从第7位滑到了第12位,落后于 GPT-5 6T 和 GLM-5.3 Flash。
这次 Artificial Analysis Intelligence Index 更新的想法是重新调整权重、重新排序优先级,并加入一些新的测试,更好地反映计算机使用和更广泛的智能体范式,而不是仅仅做那些现在基本算是入门级且饱和了的通用知识测试。
Gemini Flash 在速度上仍然是无争议的领先者,每秒输出的 token 数比亚军 MuseSpark 1.3 多大约20%——如果你想知道这是什么东西,我们马上就会讲到——而且比 GLM-5.3 Flash 快将近4倍。
问题当然是哪些使用场景需要那么快的速度,而要在性能上有所取舍。
也许他们报告里最大的亮点是成本,Artificial Analysis 写道,3.8 Flash 是我们在这个智能水平上测到的最便宜的模型。
他们接着说,这比 Gemini 3.7 Flash 提升了40%,尽管每 token 的定价没有变。
这得益于每个任务输出 token 数增加了30%,以及在智能体评估中更多的轮次。
对谷歌来说不幸的是,正如我们接下来会看到的,随着第二天 MuseSpark 1.3 的发布,谷歌很快就失去了他们在帕累托前沿上的位置。
当然,成本和效率是谷歌宣传的重点。
在宣布新模型时,谷歌 AI 账号写道,虽然解决模糊和高摩擦的任务非常有用,但也可能很贵。
幸运的是,3.8 Flash 具有通常的投入控制功能,确保完成当前任务所需的思考量跟 token 消耗成正比。
谷歌的 Logan Kilpatrick 强调了谷歌推出这些新版本的速度,指出这只是他们在六周内推出的第三个更新的 Flash 模型。
现在,到了用户测试的时候,大家证实它确实很快,但发现很多性能不足。
Intelligence AI 的 Aditya 写道,用 Kimi K3 和 3.8 Flash 构建同一个粘球游戏。
Flash 快得离谱,用的 token 也少得多,但实际游戏差远了。
K3 的机制、移动和整体游戏设计好得多。
Flash 显然在速度和效率方面做得很好,但它实际能构建的东西差距还很大。
它是一个非常好的 Flash 模型,但并不等同于前沿模型。
其他人对那种速度可能代表的意义更为乐观。
在另一场直接对比中,Noclip Pepe 写道:Opus 5 赢了,但 Gemini 3.8 Flash 快了39倍。
Opus 5 花了24分钟,Gemini 3.8 Flash 花了37秒。
Opus 显然更细致更精致,这点没争议。
但能在37秒内拿到这么好的结果,就完全改变了权衡的格局。
Opus跑完一轮的时间里,Flash理论上能跑大概39轮。
在什么时候,速度会比最后一点点质量更重要?
而且,在座的各位肯定不意外,我仍然认为,看待这些新模型的正确方式,不是看它能不能取代你日常用的模型,而是要看有没有特定的使用场景,让它这套特有的权衡正好合适。
你现在做的事情里,有没有哪件是连续重复39次去迭代,会比让Opus一次性跑完更好?
另一个更大的模型发布是Meta的MuseSpark 1.3,Meta首席AI科学家Yann LeCun毫不掩饰地推广了这个进步。
他写道,这是我们迄今为止最强大的模型。
前沿性能,几乎便宜到不用计费。
在代理编码方面更强,可用性也更好。
我们认为用户会明显感受到这个飞跃。
Meta选择将他们的新模型与GPT-5.6 Sol和Opus 5进行对比,在那组比较中,它相当有竞争力。
总体上,它在代理基准测试上稍微落后一点,但在编码上稍微领先。
Spark 1.3在DeepSWE上得了75.4分,而5.6 SOL是73%,Opus-5是74%。
在TerminalBench上,它得了88.8%,和5.6 SOL持平,比Opus-5高出几个百分点。
Wang声称,相比之前的Spark 1.2,这个模型减少了20%的工具调用和25%的token消耗,同时在基准测试上也有明显提升。
首次发布几天后,Meta还增加了一个Max Effort设置,进一步提升了性能。
这次发布中最让人注意的部分,是Artificial Analysis发布他们的基准测试结果的时候。
在Max设置下,Spark 1.3在编码代理指数上得了68分,和Opus 5并列第一。
值得注意的是,当时对Fable 5.1和GPT-6 Astra的测试还没完成,但结果仍然相当令人印象深刻。
在整体智能指数上,Spark 1.3在Max设置下得了62分,排在Fable 5.1和Opus 5之后,位列第三,和Fable-5并列,比GPT-5.6 SOL高一分。
很多人猜测,这个模型绝对是为了在基准测试上拿最高分而做了最大优化。
当然,这也是SemiAnalysis的观点,他们写道,Gemini 3.8 Flash和MuseSpark 1.3是我们迄今见过的最明显的两个为基准测试优化的模型。
尽管它们在TerminalBench 2.1上和GPT-6以及Fable-5.1不相上下,但在TerminalBench 4.0上的表现就差得多了。
这怎么可能?
TerminalBench 2.1里的所有任务都是完全公开的。
尽管Meta和Google不会直接在这些任务上训练,但他们绝对会从RL环境初创公司那里购买数据,这些数据被设计成尽可能模仿TB 2.1的任务。
最终效果是一样的。
通常你会期望TB 2.1性能的提升能泛化到其他代理任务上,但Gemini和Muse甚至连TB 4.0都泛化不了。
最终,SemiAnalysis总结道,这就是所有好的公开基准测试的命运。
TB 4.0也不例外。
现在它算是有用的信号,因为它两周前才发布。
由于所有任务都是公开的,不久就会被那些所谓的“前沿实验室”给爬坡超越。
Alexander Wang 对此回应说,我们并没有宣称 MuseSpark 1.3 和 Astra 或 Fable 5.1 一样强,但它明显更具成本效益。
我们未来的模型会更直接地与那些模型竞争。
同样值得一提的是,在 Artificial Analysis 修订了他们的指数之后——无疑部分原因是原先的公式让 Spark 1.3 排名超过了 GPT-6 Astra。
修订之后,Spark 1.3 以48分仍排在第五位,略高于 GPT-5.6 Sol,低于 Fable 5、Opus 5 和 Astra。
尽管在基准测试上大幅跃升,但该模型仍然极其便宜。
AA 发现该模型每个任务花费0.55美元,比 Gemini 3.8 Flash 略便宜,比 GLM 5.3 便宜20%,大约只有 Opus 5 成本的四分之一。
总结一下,Artificial Analysis 写道,MuseSpark 1.3 Extra High 是其智能水平上最具成本效益的模型。
没有得分59分及以上的模型每个任务成本更低。
现在,对这个模型的第一印象相当积极。
我一直在测试 MuseSpark 1.3 Max,老实说,它好得离谱而且效率惊人。
MuseSpark 1.3 作为 OpenCode 上的免费小模型,有点离谱。
它还避免了一些明显的 AI 设计陷阱,比如紫色渐变之类的。
接下来我想把它推向更棘手的边缘情况,但就这个价格而言,这东西已经非常好了。
现在回到我们在头条中讨论的关于对实验室信任的话题,对一些人来说,Meta 是个棘手的问题。
在写了 MuseSpark 1.3 很好、基本上就是便宜版 Opus 5 之后,X 上的 ZWin 补充说,不过有个问题。
Meta 可能会使用你的输入和输出进行训练,这正是 OpenCode 上的那个层级被称为“贡献者”的原因,也是它免费的全部原因。
当然,很多人都很兴奋地去尝试打折的 OpenCode 版本。
Open Code 的 Dax 写道,Meta MuseSpark 已经击败 DeepSeek,成为当日使用量最大的模型。
这是美国模型首次登顶这个榜单。
然而,如果说 MuseSpark 1.3 让一些人开始思考:“Meta 回来了吗?”
真正获得更多关注的是他们新推出的个人 AI 助手 Muse。
9月8日星期二,Meta 发布了他们承诺已久的个人代理,名为 Muse。
该产品几个月来一直以代号 Hatch 在开发中,我们之前听到的基本定位是面向普通用户的 OpenCLAW,附带一堆可用性改进。
在介绍这个代理时,Alexander Wang 写道,今天我们推出 Muse,我们的新个人 AI 助手。
Muse 始终在线,速度极快,可以使用浏览器,连接你的应用,并且设计为安全可靠。
Meta 声称 Muse 可以做我们对个人代理所期待的一切。
它可以整理你的收件箱、安排日历、进行预订或为你购物。
它还具备最近几个月推出的一些更令人印象深刻的功能,比如操作一个独立的虚拟计算机,这和 GrokBot 的工作原理相同。
Meta 似乎也认真尝试解决了早期个人助手版本带来的安全噩梦。
Wang 还写道,我们的一大重点就是确保让 Muse 访问你的收件箱、日历和财务信息是安全的。
每个 Muse 都运行在它自己的安全虚拟机上,这是一个专属于你的独立计算机。
另一个独立的系统,叫 Sentinel,会在任何内容离开虚拟机之前检查每一个操作。
你的 Muse 永远不会看到你的实际密码或卡号。
当然,Meta 内部的评价很高,CTO Andrew Bosworth,也就是 Boz,写道:今天 Muse 的发布让我非常兴奋!
我已经在内部使用好几个月了,很难想到还有哪个产品能让我在这么短的时间内如此依赖。
我已经把它关联到我的邮箱、日历和信用卡了。
我用它来帮我规划旅行、打包行李、研究并购买东西,还有整理我孩子学校发来的各种通知。
这是一个适合所有人的工具。
你不需要成为专家,甚至不需要刻意去想 AI 这回事。
你只需要在应用里或者 WhatsApp 上跟它说话,就像自己的私人助理一样,只不过它能同时并行处理很多任务。
当然,很快你也能通过你的 Meta Glasses 跟它对话了。
Meta 的 Jason Toff 说,今年夏天我搬到加州时,就把我的 Mac Mini 和 Mac Studio 都拔掉了,这两台机器原本都在本地跑着 Claude,然后完全切换到了 Muse。
它们到现在还拔着插头呢。
我最喜欢 Muse 的一点就是它用起来非常自然。
你像跟人一样跟它说话,它就像顶级私人助理一样回应你。
即使从外部来看,早期的评价也相当正面。
EAC 的精神导师 Beth Jezos 写道,我提前用到了这个产品。
它非常扎实,功能也很丰富。
既然模型智能不再是实用性的瓶颈,你的生活上下文就成了关键,在安全计算上运行的个人助手才是正确的方向。
Muse 用起来确实是个让人印象深刻的产品。
它具备目前 iMessage 助手的所有功能,同时还拥有让数亿人接触到的所有要素,包括通过 Instagram 的巨大好友关系图、来自邮箱和其他你连接的服务日益丰富的上下文,更重要的是还有像 Facebook Marketplace 这样的东西。
特别是 Marketplace,它是一个非常棒的推广切入点。
数百万普通用户可能只是因为一个助手帮他们找东西、谈价格、安排取货,就接触到了 Muse。
FB 这波执行得相当不错!
a16z 的 Olivia Moore 说,她很喜欢应用内丰富的连接器库,认为原生连接器比浏览器使用更可靠,还说她喜欢可以设置与数据相关的目标,并附上附件来可视化进度。
她担心界面还是有点杂乱,要做的事情也太多,但总结说这可能是最早一批真正面向主流消费者的个人助手,有望获得广泛采用。
不过,在消费者信任方面,Meta 还有一些难关要过。
同样是那位 Olivia Moore 写道,我在 Muse 上点击连接邮箱按钮时,比我用过的十多个创业公司的助手产品都要犹豫。
在我看来,Meta 的分发优势其实是一把双刃剑。
我真的愿意把我的个人数据交给一个代理,然后让它在我所有朋友都在的网络上自由行动吗?
Meta 在整个人工智能竞赛中之所以值得关注,是因为在同等规模的公司里,他们是唯一一家主要聚焦于消费者端而非企业端应用场景的公司。
当然,这个界限有点模糊,尤其是考虑到大量小企业把 Meta 的产品当作主要沟通渠道,但归根结底,我觉得说 Meta 更关心消费者而不是B2B,这一点没什么争议。
有一段时间,OpenAI 看起来两头都想抓,名义上他们现在也还是这样。
但当然,Anthropic 带来的压力意味着他们最近不得不在B2B和工作场景上投入更多资源,尤其是越来越多人在质疑普通消费者到底会不会真的在意AI代理。
Meta 的这类实验意义远远超出他们自身。
代理购物真的能成为现实吗?
人们真的喜欢有个个人代理助手帮他们处理日常事务,比如订旅行吗?
我们得等到这些东西都上线了,而且足够好用、能兑现承诺,才能真正知道答案。
而感觉Meta终于到了一个层面,这个承诺有可能成真。
Box 的 Aaron Levie 写道,个人助理代理将会是一个非常令人兴奋的人工智能类别。
这是第一次你能为消费者提供高token量的代理用例,而且说得通。
现在很多不同的方法在涌现,而且竞争会非常激烈,因为这些代理未来会介入大量消费者的支出。
但这正好契合了 Meta 的优势。
需要大量算力,可以通过广告和电商变现,软件驱动体验所以能够大规模分发,等等。
Y Combinator 总裁 Garry Tan 总结说,代理之战已经全面打响,Muse 非常令人印象深刻。
我本人并不参与这场代理之战或模型之战,但我肯定会支持这个产品类别,哪怕仅仅因为人们真正从个人助理代理中获得价值,可能会让他们对人工智能的第一印象不那么抵触。
最后,还有一个模型发布要聊。
同样是在周二,OpenAI 发布了 ChatGPT Images 2.5。
这是 ChatGPT 内置图像生成功能的最新模型系列,这个功能现在仍然被大量使用。
OpenAI 说用户每周生成超过30亿张图片,并称新模型将提供更清晰的细节、更精确的编辑,以及更快的生成速度,延迟降低50%。
同时,OpenAI 还推出了一个新功能叫 Sketch,顾名思义,你可以在应用内直接画图输入来引导图像生成。
用户还可以添加文字描述来说明特定风格或提供额外细节来指导模型输出。
该模型有两个变体:Flare,快速版本,适合快速迭代;Sunburst,为专业工作流优化,在编辑时需要更好的控制。
我觉得“控制”这个词真的很关键。
就像 Nano Banana 的重大创新和更新是更精细地控制编辑过程一样,这似乎也是 OpenAI 这款新模型追求的重点。
Higgsfield 的产品主管 Alam Kulov 兴奋地写道,GPT Image 2.5 Flare 最让我们印象深刻的是,它非常清楚哪些地方不该改变。
你可以做有意义的编辑,同时不会丢失原图的角色、构图或视觉特征。
这对于创作者和团队在电影、UGC 和广告中的实际操作来说极其重要。
当你将那种控制力与速度、质量和成本结合起来时,Image 2.5 Flare 确实脱颖而出。
一个你经常看到的例子是,新的、更好的控制和图像一致性带来的结果,就是像定格动画这样的全新类型首次变得可行。
我越来越感觉到的一件有趣的事情是,我认为目前总体上,我们低估了图像的价值,不仅是作为消费者差异化的因素,实际上也是作为OpenAI的商业用例差异化的因素。
举个例子,虽然总体上我仍然更喜欢Fable创建的网站的美学,而不是GPT创建的网站,但我可以调用GPT图像来生成UI的某些方面或某些类型的美学,这一事实带来了很大的不同,并使我比原本更频繁地使用Codex中集成的GPT模型和图像生成功能。
关键是,尽管这次更新感觉像是例行公事,但不要忽视它可能有多么重要。
那么这就是目前关于新模型的情况。
就像我说的,有很多令人兴奋的好东西可以尝试,而且我相信接下来还会有更多。
那么,今天的AI Daily Brief就到这里。
一如既往地感谢您的收听或观看,下次再见,和平。
已剔除 2 处广告(点击展开查看)
First of all, thank you to today's sponsors KPMG, Blitzy, Section, and HyperAgent.
To get an ad-free version of the show, go to patreon.com/AIDailyBrief, or you can subscribe on Apple Podcasts.
To learn more about sponsoring the show, send us a note at [email protected].
And finally, if you haven't yet, you can check out our latest free self-directed training program.
It is called the Multiplayer AI Sprint for Teams.
And basically the idea is to shepherd you through a process of figuring out how to build agents that don't just help you, but actually sit at the intersection of work that is shared across your teams.
I'm pretty convinced that this is the next big paradigm for AI inside companies.
And so I wanted to build a sprint that could help you guys fully embrace that.
There's of course a link to that on the aidailybrief.ai website.
But you can also find it at multiplayerai.ai.
If you're leading AI inside an enterprise, you already know that the gap right now isn't capability but execution.
That's why KPMG's You Can with AI is back with a new season featuring conversations with leaders like Surojit Chatterjee of Ema, May Habib of Writer, McKesson CIO Ellery Fisher, and others focused on practical execution.
What's working, what's not, and what it actually takes to move from pilots to real scaled impact across strategy, data readiness, governance, workforce, and value.
And of course, it's co-hosted by me, Nathaniel Whittemore.
Go listen and subscribe at www.kpmg.us/aipodcasts.
That's www.kpmg.us/aipodcasts.
Here's why most legacy modernization projects fail.
The AI doing the work can't understand codebases at scale.
It sees a small slice of context, examines syntax, and misses years of decisions distributed across the global application ecosystem.
Blitzy solves this the way it solves everything.
Grounded in your code before any migration begins, Blitzy's agents reverse engineer the entire legacy system into a persistent knowledge graph.
Every dependency, every constraint, every piece of tribal knowledge that used to live in one engineer's head.
From that understanding, Blitzy autonomously executes language migrations, framework upgrades, and monolith-to-microservices transformations, all validated end-to-end.
One Blitzy customer modernized a $10 million monolithic insurance stack in 16 weeks against a 137-week baseline with coding agents.
That's 9x compression.
Retire technical debt while accelerating your roadmap.
See how at blitzy.com.
That's blitzy.com.
Here's a harsh truth.
Your company is probably spending thousands or millions of dollars on AI tools that are being massively underutilized.
Half of companies have AI tools, but only 12% use them for business value.
Most employees are still using AI to summarize meeting notes.
If you're the one responsible for AI adoption at your company, you need Section.
Section is a platform that helps you manage AI transformation across your entire organization.
It coaches employees on real use cases, tracks who's using AI for business impact, and shows you exactly where AI is and isn't creating value.
The result?
You go from rolling out tools to driving measurable AI value.
Your employees move from meeting summaries to solving actual business problems.
And you can prove the ROI.
Stop guessing if your AI investment is creating value.
Check out Section at sectionai.com.
That's S-E-C-T-I-O-N-A-I dot com.
This episode of the AI Daily Brief is brought to you by HyperAgent, where you run fleets of agents your team can manage together.
Forget local agents and chat workflows waiting on your laptop to be prompted.
HyperAgent deploys always-on agents in the cloud, doing real work across the tools your team already uses.
Marketing agents turn competitor moves into landing pages.
Sales agents enrich leads, draft emails, and updates the CRM.
Ops agent chases the paperwork and tracks the budget.
Every agent has access to shared context and follows your rules about scope and approvals.
It's time you had agents that feel like teammates.
Hire yours at HyperAgent.
Get $100 in credits at hyperagent.com/AIDailyBrief.