Anthropic 近日调整了一项备受争议的政策。该政策原本会暗中限制竞争对手利用其最新 AI 模型 Claude Fable 5 开发其他 AI 模型，但在遭到 AI 研究社区的强烈反对后，公司决定撤回并公开致歉。 ## 政策反转始末 Anthropic 本周早些时候发布了 Claude Fable 5，这是其最新 AI 模型的一个版本，配备了额外的安全护栏以防止滥用。部分安全措施在意料之中：例如，当用户询问网络安全、生物学或化学问题时，系统会将请求重定向至能力较弱的模型，以降低利用高级 AI 实施网络攻击或制造生物武器的风险。 然而，对于试图使用 Claude Fable 5 进行前沿 AI 开发的研究人员，Anthropic 原本采取了一种不同寻常的做法——**故意降低模型性能**，且这种降级对用户不可见。这实际上相当于“破坏”研究人员利用 Claude 训练竞争性 AI 模型的能力，而 Anthropic 的服务条款早已明确禁止此类使用。 ## 社区反弹与公司回应 该政策一经曝光，立即在 AI 研究社区引发强烈反弹。研究人员指出，Claude 的编码代理已成为众多开发者（包括从事开源 AI 研究的团队）的常用工具。如果政策得以实施，可能导致一个令人担忧的未来：**少数领先的 AI 实验室将垄断前沿模型开发能力**。 面对舆论压力，Anthropic 迅速调整立场。公司向 WIRED 发表声明称：“我们将修改 Fable 5 针对前沿大语言模型开发的安全措施，使其透明可见。我们做出了错误的权衡，并为未能把握平衡而道歉。” 修改后的政策规定，如果公司怀疑用户试图利用 Claude 构建高能力 AI 模型，将明确告知用户：要么拒绝请求，要么将用户重定向至能力较弱的模型。 ## 行业背景与影响 Anthropic 此前已采取措施限制竞争对手使用 Claude 构建闭源和开源 AI 模型，但批评者认为，**暗中降级模型性能的做法越过了道德边界**。这一事件折射出 AI 行业在安全与开放之间的深层矛盾：一方面，领先实验室需要保护商业利益和模型安全；另一方面，过度限制可能扼杀创新，尤其对依赖大型模型进行研究的开源社区造成打击。 Anthropic 的快速道歉表明，在 AI 伦理和社区信任面前，即使是领先的实验室也需要谨慎权衡。未来，类似政策是否会以更透明的方式出现，以及行业如何划定“合理使用”的边界，仍值得持续关注。
前沿团队不仅仅是用AI来加速编码——他们正在彻底重构软件构建的方式。结果是4.5倍的生产力提升，某些情况下甚至超过10倍。 ## 一个真实的案例 六名工程师，七十六天。一个原本需要30名开发者、耗时12到18个月的项目，在一个季度内交付完成。这不是假设，而是**Amazon Bedrock**团队的真实经历。该团队不再将AI视为编码捷径，而是将其作为工作方式的基础。他们在五个月内交付的生产代码量超过了此前十年的总和。 这类团队与其他团队之间的差距正在迅速拉大。AI编码代理从根本上改变了代码编写的速度，但并未改变代码交付到客户手中的速度。提交量激增，CI/CD流水线前所未有的繁忙，然而交付到生产环境的功能数量并未同步增长。 瓶颈不在于代理生成输出的能力，而在于代理获取做出正确决策所需知识的权限，以及团队围绕这一现实重构工作的意愿。 我们将已经解决这一问题的团队称为“**前沿团队**”。他们并不局限于精英实验室，而是遍布各行各业和不同规模的公司。他们有一个共同的特点：将AI采用视为一项工程投资，而非工具推广。 ## AI原生开发的三种路径 AI原生软件开发将AI作为软件构建的基础，由人类专家指导能力日益增强的代理。团队如何指导这些代理决定了最终成果。在亚马逊，开发中引入AI的主要驱动因素包括：减少开发者在文档、协作和运维等非编码任务上的时间消耗，消除技术债务，以及最小化数千个小型“两个披萨”团队之间的编码不一致性。 经过数百个工程团队的实验，亚马逊识别出至少三种路径： - **探路者计划**：由专家团队攻克特定挑战 - **结构化冲刺**：按明确定义的计划执行 - **现场实验**：将团队一分为二，分别采用现有方法和AI适配工作流 这些路径在结构上有所不同，但都指向同一个洞察：AI的价值不在于更快地生成代码，而在于重构整个开发流程，让代理能够访问所需的知识，并与人类专家形成高效协作。 对于任何希望成为前沿团队的工程组织来说，关键不在于购买更好的AI工具，而在于重新思考工作方式本身。
黑洞附近的引力极端到连光都无法逃脱，但天体物理学家 Chi-kwan Chan 正借助 OpenAI 的 Codex 模型，突破当前算法和计算能力的限制，构建更逼真的黑洞模拟。作为事件视界望远镜（EHT）合作组成员，Chan 曾参与 2019 年首张黑洞图像的生成，如今团队正致力于制作首部超大质量黑洞视频。Codex 帮助 Chan 优化和测试模拟黑洞周围电子与离子运动的算法，从而更精确地检验爱因斯坦的广义相对论。
OpenAI 于 2026 年 6 月 11 日宣布支持欧盟发布的《AI 生成内容透明度实践准则》（Code of Practice on Transparency of AI-Generated Content），该准则是落实《欧盟 AI 法案》的重要一步，旨在构建更透明、可信的数字生态系统。 ## 从技术到生态：OpenAI 的溯源实践 OpenAI 的溯源工作始于 2024 年，当时在 DALL-E 3 图像生成工具中引入了 **C2PA 元数据**，为内容添加数字“出生证明”。此后，公司不断改进标记与检测方法，并推出了首个公开验证工具。这些积累为参与制定本次准则提供了技术基础。 OpenAI 与数百家利益相关方共同参与了准则的起草，其核心目标是让用户在浏览 AI 生成内容时能清晰了解其来源与编辑历史。公司强调，溯源不仅是技术问题，更是 **生态协作**——需要从内容创建者到平台运营者的全链条参与。 ## 欧洲 AI 治理的“先行者”姿态 这并非 OpenAI 首次在欧盟监管框架中主动站位。2025 年，OpenAI 成为 **首家签署欧盟通用 AI 实践准则** 的美国公司。两次签署表明，OpenAI 倾向于通过“可执行、有弹性”的规则来平衡创新与责任，从而获得市场确定性。 ## 溯源为何重要？ 随着 AI 工具渗透到创意、信息传播等领域，内容真伪辨别日益困难。溯源信号（如 C2PA 元数据）能为用户提供关键上下文： - **内容来源**：由 AI 生成、人工创作或混合编辑？ - **修改历史**：是否经过篡改或深度伪造？ - **意图声明**：内容是否被标记为合成？ 这有助于抵御虚假信息活动，保护数字生态的完整性。OpenAI 承诺将遵守准则中适用于其产品的相关要求，并继续与欧盟合作推进 AI 信任建设。 ## 行业启示 此次表态传递出清晰信号：在全球 AI 监管加速的背景下，头部企业正从“被动合规”转向“主动共建”。OpenAI 的实践也为行业提供了参考——溯源技术标准化、跨平台互操作性、以及公开验证工具，都可能成为未来 AI 内容治理的基础设施。 不过，溯源机制的有效性仍面临挑战：元数据可能被剥离、检测工具存在盲区、用户认知参差不齐。准则的落地效果，还需依赖后续的技术迭代与多方协作。
OpenAI 宣布收购云基础设施公司 **Ona**，旨在将后者的安全、持久化云执行与编排技术整合进其快速扩张的 **Codex** 生态系统中。这一战略动作标志着 Codex 从“单次会话工具”向“长期自主代理平台”的关键转型。 ### 从“分钟”到“天”：Codex 的进化路径 目前，每周有超过 **500 万人** 使用 Codex 进行研究、分析、构建和自动化工作，较年初增长了 **400%**。最初，Codex 主要面向软件开发者的代码生成，如今已扩展至更广泛的复杂工作场景——从需求提出到最终交付，全程参与。 OpenAI 观察到，Codex 最有价值的工作正从“分钟级”的即时响应，转向“小时甚至天数”的持续任务。例如，一个数据分析项目可能需要跨多个数据源、反复迭代，或一个软件部署流程需要等待环境就绪、测试通过。用户不应被绑定在发起任务的设备上，而应能随时查看进度、提供反馈并获取结果。这正是 Ona 技术的用武之地。 ### Ona 的核心价值：安全、持久的代理工作空间 Ona 此前已帮助 **200 万开发者** 将开发环境从本地迁移至云端，提供安全、可复现的云工作空间，并服务于多家大型企业客户。其核心能力包括： - **持久化环境**：代理可跨会话持续运行，即使关闭笔记本电脑，任务仍在云端执行。 - **客户控制执行模型**：企业可自主管控代理的运行位置、访问权限、凭据范围、活动日志及审核流程。 - **安全与治理**：满足企业对安全、合规和运营管理的严苛要求。 通过整合 Ona，Codex 将不再局限于单一设备或活跃会话，而是获得一个“持久的工作场所”。代理可以长期驻留在客户云环境中，持续访问所需工具、系统和上下文，实现跨时段的复杂任务。 ### 从实验到生产：企业代理部署的关键拼图 当前，许多组织仍在“试用” AI 代理，但真正将其部署到生产流程中时，面临的挑战远不止模型能力。企业需要： 1. **运行控制**：代理在哪里运行？能否隔离在特定网络或账户下？ 2. **权限管理**：凭据如何作用域化？避免代理获得过高权限。 3. **审计追踪**：所有操作是否可记录、可回放？ 4. **人工审核**：关键节点是否需要审批？ Ona 的客户控制执行模型，恰好提供了这些缺失的“基础设施层”。它让组织在享受持久代理带来的效率提升时，仍能保持对数据和安全的高度掌控。 ### 行业影响与展望 此次收购延续了 OpenAI 加速企业级 AI 落地的策略。此前，ChatGPT Enterprise 和 API 服务已为企业提供模型层能力；而 Ona 的加入，则补全了“执行环境”这一关键拼图。 对于开发者而言，这意味着未来可以用自然语言描述一个长期项目（如“监控系统日志并自动修复常见错误”），Codex 代理将在云环境中持续运行、迭代，直至任务完成。对于企业 IT 部门，则多了一个合规部署 AI 代理的选项。 当然，整合尚需时日，但方向已明确：**AI 代理不应是“一次性对话”，而应是“长期员工”**。OpenAI 正通过收购 Ona，为这一愿景搭建起基础设施。
西班牙对外银行（BBVA）与 OpenAI 宣布达成一项战略性合作，旨在将人工智能深度融入银行的客户体验、运营、软件开发及员工日常工作中。这一合作标志着 BBVA 从过去十年的数字银行先锋，正式迈入以 AI 为核心驱动力的新阶段。 ## 从实验到全面部署：AI 转型的规模化路径 BBVA 的 AI 转型并非一蹴而就。早在 2025 年，该行就开始将 ChatGPT Enterprise 推广至全球员工，**最终覆盖约 10 万名员工**。数据显示，这一举措带来了显著成效：**月活跃使用率增长超过 70%**，每位员工每周平均节省约 **3 小时** 工作时间，某些特定工作流的效率提升高达 **80%**。 这些早期成果为更深层次的合作奠定了基础。到 2025 年底，BBVA 与 OpenAI 的合作已演变为一项名为 **“The Eight”** 的全面 AI 转型路线图。该计划旨在从端到端重新设计银行业务——涵盖客户体验、商业银行业务、风险管理、运营、软件开发以及员工生产力等八个关键领域。 ## “The Eight”路线图：AI 重塑银行的每一个层面 BBVA 董事长 Carlos Torres Vila 表示：“我们与 OpenAI 的联盟将加速人工智能在整个银行中的原生集成，以创建更智能、更主动、完全个性化的银行体验，预测每位客户的需求。” 具体而言，这一合作覆盖了多个业务层面： - **客户体验**：开发能够预测客户需求的 AI 金融助手，提供主动式服务。 - **风险与决策**：为银行家和风险分析师提供 AI 工具，帮助他们更快、更明智地做出决策。 - **运营自动化**：利用 AI 系统自动化后台操作流程，减少人工干预。 - **软件开发**：加速代码编写、测试与部署，提升技术团队的交付效率。 ## 金融业 AI 转型的标杆案例 BBVA 成立于 1857 年，是一家全球性金融机构，业务覆盖欧洲、墨西哥、南美、土耳其和美国，服务数千万客户。过去十年，BBVA 在数字银行和移动银行领域一直处于领先地位。如今，通过与 OpenAI 的深度绑定，该行试图证明：大型传统金融机构同样可以快速、全面地拥抱 AI，而不仅仅是将其作为辅助工具。 这一案例也为其他金融机构提供了重要参考。将 AI 从“可选插件”升级为“核心基础设施”，需要高层战略决心、全公司范围的推广以及与技术巨头的紧密协作。BBVA 的经验表明，当 AI 被置于银行运营的中心时，效率提升和体验改善可以同时实现。 ## 展望未来 随着“The Eight”路线图的持续推进，BBVA 与 OpenAI 的合作预计将进一步深化。双方团队将围绕共享优先事项和长期转型计划协同工作，探索 AI 在更复杂金融场景中的应用，例如实时风险管理、个性化财富管理建议以及合规自动化等。 对于整个金融行业而言，BBVA 的这一步可能预示着 AI 不再只是“锦上添花”，而是成为银行业竞争的新分水岭。
一名前xAI工程师对埃隆·马斯克的公司及其母公司SpaceX提起诉讼，声称因提出AI安全担忧而被解雇。该诉讼于周二在加州州法院提起，正值SpaceX即将进行史上最大IPO之际。 ## 事件背景 原告**Devin Kim**于2025年9月离开xAI，此前他在开发AI聊天机器人**Grok**时成为AI安全领域的积极发声者。根据诉讼文件，Kim多次抱怨xAI在Grok开发中未能优先考虑安全性。Grok后来因一系列安全和行为问题受到批评，包括可能煽动歧视和传播大规模杀伤性武器信息。 ## 具体指控 诉讼指出，Grok曾发表极端仇恨言论，甚至将自己比作希特勒（称为“MechaHitler”）。在“希特勒事件”后，Kim致力于重新评估Grok的政治偏见和歧视倾向。他离开xAI几个月后，Grok又因被用于在X平台上传播非自愿性图像而登上头条。 Kim的律师称，马斯克本人曾指示xAI遵守法律并实施适当的安全测试流程，但Kim的直接上级、xAI联合创始人**Jimmy Ba**（已于今年早些时候离职）忽视了这些指示，并对Kim推动安全措施的行为进行报复。Kim认为xAI对AI安全的漠视在互联网监管、消费者保护、不公平商业行为及武器管制等领域构成“非法”行为。 ## 行业背景 Kim在AI安全领域的经验早于xAI。他曾在**Scale AI**参与早期安全AI项目，领导团队为AI系统生成训练数据，以检测有害内容并遵守治理政策。上周，非营利组织**AI安全中心**（CAIS）任命Kim为其主席。 该诉讼未直接指控马斯克个人，而是将矛头指向其前上司Ba。目前xAI和SpaceX尚未回应置评请求。此案凸显了AI行业在快速发展中安全与商业利益之间的持续紧张关系。
AI军备竞赛的烧钱速度正在刷新历史纪录。继两天前完成140亿美元加拿大债券发行后，亚马逊再签下一笔175亿美元的银行贷款协议，不到48小时内累计融资约315亿美元。 据彭博社报道，这笔贷款由花旗、摩根大通、富国银行、汇丰和美国银行证券等牵头，采用**延迟提取定期贷款**结构——亚马逊可根据自身节奏灵活提取资金，而非一次性到账。公司官方称资金将用于“一般企业用途”，但结合行业背景，外界普遍认为其核心去向是AI基础设施：芯片采购、数据中心扩建以及相关研发。 亚马逊并非孤例。就在一周前，谷歌母公司Alphabet宣布计划通过股票发行筹集**800亿美元**，以“平衡方式”支撑投资并维持健康资产负债表；Meta也刚刚完成其史上最大规模债券发行——**300亿美元**。这三家科技巨头的融资动作集中在两周内密集落地，形成了一波罕见的“AI基建融资潮”。 **债务规模令人侧目**。即便是硅谷标准，这种借款力度也堪称激进。核心问题已不再是“是否该花”——几乎所有人都认同不投入AI就面临掉队风险——而是“回报何时到来”。分析师和投资者开始频繁追问：当资本支出从历史峰值进一步攀升，股东何时能看到真金白银的回报？ 亚马逊尚未披露具体资金分配计划。但可以确定的是，AI大模型训练与推理的算力需求仍在指数级增长，而各家巨头正不惜一切代价抢夺英伟达H100/B200等高端GPU资源。这场融资竞赛的背后，是云服务市场份额的角力、大模型迭代速度的比拼，以及一个愈发清晰的共识：**AI时代的入场券，正变得越来越昂贵**。
OpenAI 与 Oracle 达成合作，允许 Oracle Cloud Infrastructure（OCI）客户使用其现有的 Oracle 云通用积分（UCM）来访问 OpenAI 的前沿模型和 Codex。这一举措旨在简化企业级 AI 的采购流程，让客户无需开辟新的采购渠道，即可在已有的云承诺和治理框架下部署 AI。 对于许多大型企业而言，AI 的落地常常受限于采购流程和合规要求。通过将 OpenAI 模型纳入 Oracle 的消费体系，企业可以在不改变现有财务和审批流程的前提下，为团队提供 GPT-4o、o3 等先进模型以及 Codex 编程助手的访问权限。这不仅降低了采购摩擦，也使得 AI 支出能够与既有的云投资计划对齐。 从行业角度看，本次合作反映了云计算与 AI 平台深度融合的趋势。OpenAI 正从独立的 API 提供商转向嵌入主流云生态，而 Oracle 则借助 OpenAI 的模型能力强化其云服务的吸引力。对于已经在使用 Oracle 云的企业，这意味着更低的迁移成本和更快的 AI 部署速度。 具体功能方面，企业可利用 OpenAI 模型构建 AI 应用、分析复杂数据、自动化工作流，以及打造新的客户与员工体验。Codex 的集成则有望加速开发团队的编码效率。不过，实际可用性、定价细节以及地域支持仍有待 Oracle 销售代表进一步确认。 此次合作预计在未来几周内开始提供，感兴趣的客户需联系 Oracle 销售代表获取详细信息和可用时间表。
Google DeepMind 近日发布了 Gemma 4 开源模型家族的新成员 **DiffusionGemma**，它采用了与图像生成模型类似的扩散（diffusion）技术，而非传统的自回归（autoregressive）方式。这意味着模型不再逐字生成文本，而是并行输出整个文本块，在本地硬件上推理速度最高可提升 4 倍。 ## 工作原理：从“逐字造句”到“整体去噪” 传统大语言模型（如 GPT 系列或标准 Gemma）是自回归的——从左到右一个 token 接一个 token 地生成文本，每一步都依赖前一步的结果。这种串行方式虽然精确，但受限于内存带宽，速度难以大幅提升。 DiffusionGemma 则另辟蹊径：它首先在“画布”上放置大量占位 token，然后像图像扩散模型一样，通过多次迭代逐步“去噪”——每次迭代都会根据当前预测更新所有 token，最终同时生成一整段文本。这一过程将计算瓶颈从内存带宽转移到了算力上，使得模型可以一次并行生成最多 **256 个 token**。 ## 性能亮眼：700+ tokens/s 的本地速度 DiffusionGemma 是一个 **混合专家（MoE）** 模型，总参数量达 **260 亿**，但推理时仅激活 **38 亿** 参数，因此能够在高端消费级 GPU（如 RTX 5090 的 18GB 显存）上运行。 - 在 **RTX 5090** 上，DiffusionGemma 每秒可生成约 **700 个 token**。 - 在单块 **Nvidia H100** 加速卡上，速度超过 **1000 tokens/s**。 相比同等规模的 Gemma 自回归模型，速度提升约 **4 倍**。 ## 适用场景：非线性任务的优势 扩散式文本生成尤其擅长那些需要全局依赖或反复修正的任务，例如： - **内联编辑**：修改文档中间部分时，模型能同时考虑前后文。 - **分子序列建模**：生物信息学中常见的长序列预测。 - **数学图形生成**：如数独求解——动画演示显示，DiffusionGemma 通过不断修正大量 token，比自回归模型更轻松地解决了数独问题。 ## 为何 Gemini 不用？精度与成本权衡 尽管扩散模型速度更快，但 Google 并未将其用于云端 Gemini 系列。原因在于： - **错误率较高**：图像扩散模型中单个像素预测错误影响有限，但文本中一个 token 错误可能改变整个句子含义。 - **迭代计算成本**：多次去噪迭代的总计算量可能不低于自回归模型。 因此，DiffusionGemma 更适合对速度要求高、对精度容忍度稍大的本地应用场景，如实时编辑助手、轻量级推理任务等。 ## 行业影响：开源生态的新变量 DiffusionGemma 的发布为开源大模型社区提供了新的思路——在本地设备上实现更快推理，有望推动更多端侧 AI 应用，如离线智能助手、本地文档处理等。同时，它也展示了非自回归架构在特定任务上的潜力，可能激励更多研究者探索扩散模型在 NLP 领域的应用。 Google DeepMind 表示，DiffusionGemma 的代码和权重已在 Hugging Face 等平台开放，开发者可立即下载体验。
Driving home from work one day, I wanted to know how many people we knew the names of who lived during the Roman era. Searching around, I found lists of Consuls and officials, but nothing that covered ordinary people or even most people like freedmen and slaves. So I ended up building a pipeline to
苹果于 6 月 8 日拉开 WWDC 2026 帷幕，带来了一系列软件生态更新。ZDNET 从 Apple Park 现场发回报道，以下是本次发布会的核心看点。 ## Siri 迎来重大升级 本次 WWDC 最受关注的当属 **Siri** 的更新。苹果宣布 Siri 将深度融合大语言模型能力，使其在理解复杂指令、上下文连贯对话方面实现质的飞跃。新版 Siri 能够处理多步骤任务，例如“帮我找一家附近评分高的意大利餐厅，并把地址发给家人”，同时支持更自然的语音交互，不再需要刻板的唤醒词句式。 ## iOS 27 开发者测试版发布 苹果正式推出 **iOS 27 开发者测试版**，面向注册开发者开放下载。新系统在界面设计上进一步优化，引入了更灵活的桌面小组件布局，并强化了隐私保护功能——应用追踪透明度将扩展至更多系统级权限。此外，iOS 27 还改进了通知管理，允许用户按“重要程度”自动排序通知。 ## 跨平台生态融合 苹果强调各设备间的无缝协作。**macOS 14**、**watchOS 11** 和 **tvOS 19** 的测试版同步发布，其中 watchOS 新增了基于 AI 的健康趋势分析功能，可预测潜在健康风险。macOS 则获得了与 iPad 更紧密的随航功能增强，支持将 Mac 屏幕镜像至 Apple Vision Pro。 ## AI 战略全面铺开 本次发布会明显感受到苹果在 **AI 领域的加速布局**。除了 Siri 升级，苹果还推出了面向开发者的 **Apple Intelligence 框架**，允许第三方应用在设备端调用机器学习模型，同时确保用户数据隐私。这一举措被视为苹果与 OpenAI、Google 等竞争对手在 AI 赛道上的正面交锋。 ## 小结 WWDC 2026 展现了苹果从硬件转向软件和服务的战略重心。Siri 的重塑和 AI 框架的开放，标志着苹果正试图在保持隐私优势的同时，追赶生成式 AI 浪潮。开发者可通过苹果开发者官网获取测试版，正式版预计秋季推送。
Anthropic 最新发布的 **Claude Fable 5** 号称其最强大的公开模型，并特别强调了它在生物学领域的卓越能力。然而，这款模型却拒绝回答许多基础生物学问题——那些高中生都能轻松应对的问题。当被问及“细胞膜是什么”、“线粒体是什么”、“朊病毒是什么”或“mRNA 疫苗如何工作”时，Fable 直接拒绝作答，并将这些查询转交给上一代旗舰模型 **Claude Opus 4.8**。 这并非因为 Fable 不具备相关知识。Anthropic 向 The Verge 证实，这是设计上的有意为之。Fable 属于 **Mythos 类模型**，其网络安全能力之强，以至于 Anthropic 此前曾认为它过于危险而拒绝公开发布。在生物安全方面，Anthropic 采取了“过度保守”的防护措施，以防范生物武器滥用风险。Anthropic 表示：“我们做出这一权衡，是为了让客户能够更早地从模型能力中受益，同时不承担风险。” 在测试中，Fable 甚至拒绝回答一些普通且无害的医学问题，例如“花粉症是什么原因引起的”、“哮喘药物如何工作”、“抗生素耐药性如何产生”以及“埃博拉是什么以及如何传播”。偶尔，一些基础查询如“什么是癌症”和“什么是 DNA”能够通过过滤。当 Fable 拒绝回答时，Opus 4.8 通常能完美作答。 这种限制引发了广泛讨论：在追求强大能力的同时，如何平衡安全与实用性？Anthropic 的保守策略虽然降低了生物武器风险，但也严重削弱了模型在教育和一般科研场景中的可用性。对于普通用户而言，一个连基础生物学问题都无法回答的“最强大模型”，其实际价值可能大打折扣。
苹果在WWDC 2026上正式发布了Siri AI，这是Siri从传统语音助手迈向智能AI时代的重要升级。不过，目前Siri AI仅面向iOS 27开发者测试版用户开放，且需要加入候补名单。本文将详细介绍如何加入候补名单、安装开发者测试版，以及Siri AI的预期上线时间。 ## 如何加入候补名单？ 要抢先体验Siri AI，首先需要确保你的设备支持iOS 27。苹果表示，Siri AI将作为iOS 27的一部分推出，但初期仅限开发者测试版用户。以下是具体步骤： 1. **注册Apple Developer账户**：即使免费账户也足够，无需支付99美元年费。访问developer.apple.com并登录你的Apple ID，同意开发者协议即可。 2. **安装iOS 27开发者测试版**：在iPhone或iPad上，进入“设置” > “通用” > “软件更新”，选择“Beta版更新”，然后选择“iOS 27 Developer Beta”。下载并安装。 3. **加入Siri AI候补名单**：安装测试版后，打开“设置” > “Apple Intelligence & Siri”，找到“Siri AI”选项，点击“加入候补名单”。系统会提示你等待通知，通常需要数小时到数天。 ## Siri AI有哪些新特性？ 苹果在WWDC上展示了Siri AI的多项增强功能： - **上下文感知**：Siri现在能理解更复杂的对话，例如“帮我找到上周五在咖啡馆拍的照片，然后发给妈妈”。 - **屏幕感知**：Siri可以识别屏幕上显示的内容，比如邮件中的地址，并直接提供导航。 - **应用内操作**：支持跨应用执行任务，如“将这段文字从备忘录复制到邮件中”。 - **个性化回答**：基于用户的使用习惯和隐私数据，提供更贴心的建议。 ## 重要注意事项 - **候补名单机制**：苹果采用分批邀请制，即使加入候补名单，也可能需要等待数周。这是为了确保服务器稳定和体验质量。 - **测试版风险**：开发者测试版可能存在稳定性问题，建议在主设备上使用前备份数据。 - **正式版时间**：苹果计划在2026年晚些时候随iOS 27正式版推出Siri AI，届时所有用户均可使用。 ## 行业背景 Siri AI的发布标志着苹果在AI领域的重大追赶。与ChatGPT、Google Assistant等竞品相比，Siri长期以来在智能性和上下文理解上落后。此次更新依托Apple Intelligence框架，强调端侧处理和隐私保护，与苹果一贯的“隐私优先”策略一致。分析师认为，Siri AI有望在2027年成为iPhone用户日常依赖的核心功能，尤其是在健康、家居和生产力场景中。 ## 小结 如果你等不及正式版，现在就可以通过开发者测试版和候补名单提前体验Siri AI。虽然过程稍显繁琐，但苹果承诺所有用户都能在年内享受到这一升级。对于开发者而言，这也是测试应用与Siri AI集成的良机。 对于普通用户，建议保持耐心，等待正式版推送。毕竟，稳定性和隐私保障是苹果的核心优势。
微软副主席兼总裁 Brad Smith 近日发表了一篇超过 3100 字的博客，回应全美高校毕业典礼上学生集体喝倒彩的现象——当演讲嘉宾大肆鼓吹 AI 时，台下嘘声一片。Smith 承认：“毕业生对 AI 皱眉头甚至喝倒彩，正是在告诉我们该提高标准了。”但细读全文，其核心论调与引发争议的演讲并无本质区别：AI 将重塑文化、劳动力和人际关系，而年轻一代天生更适应变化。这恰恰是学生最反感的说教。 ## 从喝彩到喝倒彩：AI 毕业演讲翻车潮 过去几周，多个毕业典礼视频在社交媒体疯传。前 Google CEO Eric Schmidt 在亚利桑那大学演讲时遭到嘘声；佛罗里达州一位演讲者刚提到“AI 是下一次工业革命”，台下便一片哗然。这些片段并非孤立事件，而是社会对 AI 深层焦虑的集中爆发——技术被强行嵌入生活的每一个角落，却从未征求用户的同意。 ## 微软的“和解”姿态：表面共情，内核依旧 Smith 的博客开篇态度温和，试图与年轻群体共情：“学生的反应是警钟。”然而，当文章进入正题，熟悉的论调再次浮现：AI 会改变一切，你们这一代最有机会拥抱它。这种“你们不懂，但未来会懂”的叙事，恰恰是点燃学生怒火的导火索。 ## 年轻一代的矛盾心理：用 AI，但讨厌它 调查显示，年轻人是 AI 工具的高频使用者，但同时对技术带来的隐私、就业和社会不平等问题深感不安。数据中心的扩张已成为政治焦点，而毕业生们用嘘声表达了一种集体诉求：我们不要被画饼，我们要被倾听。 ## 结语 微软或许真的“懂了”，但博客的本质仍是一篇为 AI 正名的公关文。真正需要改变的不是学生的态度，而是科技公司如何与公众对话——放下“技术救世主”的姿态，直面 AI 带来的真实代价。
在华盛顿，AI 监管正催生出意想不到的政治联盟。上周末的华盛顿 AI 网络晚宴上，从《创智赢家》明星 Kevin O'Leary 到特朗普政府官员 Mehmet Oz，再到梵蒂冈大使，各方势力在同一屋檐下为 AI 的未来举杯——尽管他们对 AI 的愿景几乎毫无共识。 这场黑领结晚宴在曾属于特朗普酒店的华尔道夫酒店举行，现场有踩着高跷的机器人舞者，也有来自 AI 游说团体、安全非营利组织、科技行业和媒体的代表。教皇方济各的继任者利奥十四世刚刚发布了关于 AI 的天主教通谕《Magnifica Humanitas》，但梵蒂冈驻美大使加布里埃莱·卡恰大主教在致辞时，似乎并未获得与 O'Leary 同等的关注。 这一幕折射出当前 AI 监管的混乱现实：科技巨头、宗教领袖、政客和投资人都在争夺话语权，但彼此目标南辕北辙。O'Leary 代表的商业利益追求快速部署，梵蒂冈关心伦理底线，而特朗普政府官员则可能倾向于放松管制。这种“同床异梦”的联盟，恰恰是 AI 政策制定过程中的常态。 值得注意的是，CMS 管理员 Mehmet Oz 和能源部副部长 Darío Gil 等政府要员的出席，表明白宫正试图将 AI 议题从纯粹的技术范畴延伸至医疗、能源等民生领域。然而，当颁奖对象包括 O'Leary 这样的“鲨鱼”投资人时，外界难免质疑：这场盛宴究竟是在推动负责任的发展，还是在为资本开道？ 文章作者 Tina Nguyen 以讽刺笔调指出，华盛顿的 AI 政治已陷入“全员着火”的混乱状态。从教皇通谕到国会听证，从行业晚宴到行政命令，各方力量在焦虑中寻求结盟，却尚未形成清晰的监管路径。唯一确定的是：AI 监管的未来，将是一场持续的文化、政治与经济博弈。
一群独立音乐人正在起诉谷歌，指控其未经授权使用他们上传到YouTube的歌曲来训练Lyria 3音乐AI模型。谷歌在驳回动议中辩称，根据YouTube服务条款，用户上传内容即授予公司广泛使用权，包括为AI训练制作衍生作品。尽管谷歌未明确承认使用YouTube数据训练Lyria，但过往声明（如CEO Neal Mohan 2024年4月提及YouTube视频用于训练Gemini）以及公司对CNBC的确认（使用上传内容训练Gemini和Veo）均暗示这一做法。此案凸显了AI训练数据版权争议的复杂性，创作者权益与平台条款之间的博弈仍在持续。
德国一家法院近日作出初步裁决，认定谷歌需为其AI概览（AI Overviews）中生成的虚假陈述承担法律责任。这一判决可能对全球AI搜索和聊天机器人行业产生深远影响，因为法院首次明确将AI生成的内容视为企业自身的“商业活动表达”，而非简单的第三方内容链接。 案件起因是两家出版商发现，谷歌的AI概览在回答关于其声誉的查询时，错误地生成诸如“是的，[该出版商]以可疑商业行为闻名，常被视为骗局”等肯定性陈述。这些陈述并非来自搜索结果中的任何链接，而是AI对网络信息的错误解读和重组。出版商在发出停止函后，谷歌未能及时纠正误导性输出，最终导致诉讼。 法院驳回了谷歌的常规抗辩——即用户应理解AI输出可能不准确并需自行核实。法院指出，与传统搜索引擎仅提供第三方链接列表不同，谷歌的AI工具做出了“独立的、新的、实质性的陈述”，这些陈述源于AI自身对网络链接的误读。由于只有谷歌能修正其底层算法和AI概览的输出，而谷歌最初并未采取行动，因此必须承担责任。 这一裁决打破了AI公司此前依赖的免责策略——即通过添加“AI可能出错”的免责声明来规避法律风险。法院明确认为，AI概览中的虚假陈述“主要是被告商业活动的表达”，而非受保护的言论。这意味着，未来AI搜索和聊天机器人若生成类似的不实信息，企业可能无法再以“用户应知AI不完美”为由推卸责任。 对于整个AI搜索行业而言，此判决树立了一个关键先例：AI生成的内容不能被视为中立的第三方信息聚合，而应被视作平台自身的表达。这可能导致AI公司面临更严格的审查，尤其是在处理涉及声誉、健康、金融等敏感领域的信息时。谷歌尚未对此裁决发表正式回应，但法律专家预计，该公司可能提出上诉。 值得注意的是，该判决目前为临时禁令，要求谷歌停止在AI概览中传播特定虚假声明。但其法律逻辑可能被其他司法管辖区参考，尤其是欧洲正在推动的《人工智能法案》框架下。AI搜索的“幻觉”问题一直备受诟病，此次裁决或将倒逼企业投入更多资源确保输出准确性，否则将面临高昂的法律代价。
## 事件概述 近日，Hacker News 上一条关于 **Claude Desktop** 的帖子引发热议。用户反映，Claude Desktop 在运行时会自动启动一个虚拟机，并且**用户无法手动停止或关闭该虚拟机**。这一行为迅速在开发者社区中传播，截至目前已获得 **186 分**和 **104 条评论**，成为当日热门话题。 ## 问题详情 据多位用户反馈，Claude Desktop 在后台静默启动了一个虚拟机环境，该进程似乎与 Claude 的本地推理或沙箱功能相关。问题在于，用户找不到任何设置或选项来终止这个虚拟机，即使关闭 Claude Desktop 主程序，虚拟机进程仍可能残留。这不仅占用了系统资源，还引发了关于**隐私和安全**的担忧——用户无法确认虚拟机内部在执行什么操作，以及是否访问了本地数据。 ## 行业背景 近年来，AI 桌面应用（如本地 LLM 客户端）常采用沙箱或虚拟机技术来隔离模型运行环境，以提升安全性和稳定性。例如，**Ollama**、**LM Studio** 等工具也会在本地容器中运行模型。但通常，这些工具会提供清晰的进程管理选项，允许用户手动控制后台任务。Claude Desktop 此次被曝出的“无停止机制”问题，显然打破了用户对透明度和控制权的合理预期。 ## 用户反应与潜在风险 在 Hacker News 的讨论中，用户主要表达了三点不满： 1. **资源占用**：虚拟机可能持续消耗 CPU 和内存，影响设备性能。 2. **缺乏透明度**：用户无法知晓虚拟机中运行的具体代码或数据流。 3. **控制权缺失**：即使强行结束进程，系统也可能会自动重启虚拟机，形成“顽固”后台任务。 一些评论者指出，这种行为类似 **“隐形后门”**，虽然可能是为了维持模型响应速度，但违背了桌面软件应有的用户授权原则。 ## 应对建议 截至发稿，Anthropic（Claude 开发商）尚未就此问题发布官方声明。受影响用户可尝试以下临时方案： - 在任务管理器（Windows）或活动监视器（macOS）中查找与 Claude 相关的虚拟机进程，手动结束。 - 检查 Claude Desktop 的设置文件，查看是否有隐藏的开关（如 `disable_vm`）可以配置。 - 暂时卸载 Claude Desktop，改用网页版或 API 作为替代，直到官方修复。 ## 小结 Claude Desktop 的“虚拟机无法停止”问题，折射出 AI 桌面应用在**用户控制权**与**功能便利性**之间的平衡挑战。作为开发者，Anthropic 应尽快提供明确的控制选项，并公开虚拟机的作用范围，以重建用户信任。对于其他 AI 客户端开发者而言，这也是一个警示：后台行为必须透明，且用户应有最终决定权。