浪奔浪流，浪里个浪

本周各类AI重大发布继续上演。从备受瞩目的Grok 4模型详细披露，到Meta在AI领域的战略性重组与人才收购，再到各类新型AI工具与应用、前沿技术概念的涌现，以及随之而来的监管和安全挑战。长江后浪推前浪，一浪更比一浪强。浪里个浪。

一、AI模型：性能突破与开源浪潮

AI模型正以前所未有的速度迭代，并在性能上不断刷新纪录，同时开源模型也扮演着越来越重要的角色。

Grok 4：博士级能力与多代理协作 Grok 4是当前AI领域的热点，其官网显示表现非常出色。

• 卓越性能：据称，Grok 4在所有学术学科中达到了博士级别能力，SAT成绩完美达到100%，推理能力超越人类水平。在“人类最后一场考试”等众多测试中表现优异，推理能力远超竞争对手。在AI分析智能指数（AI Index）上，Grok得分为73，高于其他所有模型。
• 训练与规格：其训练计算量是Grok 2的100倍，分为预训练和后训练强化学习两个阶段。模型大小据传为2.4万亿参数，与此前最大的Claude Opus相当。上下文窗口容量可能为128k和256k（通过API使用时为256k）。
• 版本与功能：Grok有多个版本，包括单一代理版本和多代理版本Grok 4 Heavy，后者允许多个并行代理共享洞察并协作。Grok 4经过训练，能够进行高级工具使用，实时访问Twitter (X)。目前可通过Grok网站、iOS和Android应用、以及集成在X（原Twitter）中访问。
• 未来展望：目前Grok在多模态功能上较弱，即使在图像理解方面也“相当糟糕”，但计划在未来几个月内添加。预计8月将提供专门的编码模型，9月将推出多模态功能，10月将推出视频功能。“Foundation model v7”正在训练中，该模型将改进视频功能，并应用于真实世界测试、商业游戏开发、生物医学研究等领域。
• 定价：Grok 4的价格与Claude Opus相似，输入令牌为每令牌3美元，模型响应为每令牌15美元。订阅费用为每月30美元，Super Grok Heavy版为每月300美元，提供多代理并行执行。

开源模型与商业化进展 开源AI模型持续迭代，不断提升性能，尤其是在大参数量和特定任务方面。

• 百度 Ernie 4.5：百度发布了Ernie 4.5系列模型，采用Apache 2.0许可证，可用于商业用途 。其中最大的模型拥有4240亿总参数，活跃参数高达470亿 。官方评估显示，Ernie 4.5在多数典型基准测试中超越了DeepSeek V3等其他开源大型语言模型 。
• 腾讯 Hunyuan A13B：腾讯推出了Hunyuan A13B模型，这是一款MoE（混合专家）模型，拥有800亿总参数，但仅有130亿活跃参数 。它支持“快速思考”和“慢速思考”两种模式，在数学和问答等基准测试中展现出卓越的代理（Agentic）性能 。
• Deep SWE Engineer (Together AI)：一款完全开源的编码代理，使用强化学习在Qwen 32B基础模型上训练，在开源权重模型中处于领先地位。
• Deepseek R1 T2 Chimera (TNG)：一家德国公司开发的开源模型，基于MIT许可证，通过合并Deepseek R1等模型，实现了200%更快的速度，并改进了输出紧凑性和基准性能。
• 智谱 AI (Zhipu AI) 和清华大学 GLM 4.1V：一款90亿参数的多模态推理模型，在图像和文本推理方面表现出色，甚至超越了Qwen 2.5V L72B等更大的模型 。
• 苹果 DiffCoder：苹果与香港大学合作发布了一款70亿参数的扩散式LLM，用于代码生成，与传统的自回归LLM不同，它能够一次性预测所有tokens 。
• Hugging Face Small LM3 (Small LM3)：一个小型（30亿参数）的开源模型，具有多语言、长上下文支持，表现良好，支持六种语言。

其他值得关注的模型

• Moonshot AI（中国） 的 Kim研究员：一款自主研究代理，在性能上超越了OpenAI、DeepMind Research和Gemini 2.5 Pro。
• Claude Neptune：尚未发布，据称具有先进的数学推理能力。
• Perplexity Max Plan：每月200美元，提供对前沿模型的无限访问，但提醒用户务必核实其提供的信息。
• Gemini Nano：目前已在Chrome浏览器中可用，需要用户手动激活。
• Gemini 2.5：可与Mem0（一个开源的记忆层项目）结合，为其聊天机器人添加长期记忆。

二、企业战略重塑与人才争夺

AI巨头之间的竞争日益激烈，尤其体现在组织架构调整、人才争夺和战略投资上。

Meta的AI战略重塑 Meta正在AI领域进行大规模投入，通过收购和重组来强化其AI实力。

• 组织架构调整：Meta重组了其AI组织。FAIR (Facebook AI Research) 仍然存在，这是一个小型且负盛名的实验室，专注于基础AI研究，由Yann LeCun领导。Meta创建了一个新的组织：MSL (Meta Super Intelligence Labs)，整合了所有主要的AI工作，包括生成式AI、Llama模型、大规模模型训练和应用AI开发。MSL由前Scale AI首席执行官Alexandra Wang和前GitHub首席执行官Nat Friedman共同领导。
• 重金挖角：Meta挖走了两名高级人才（前GitHub首席执行官Ned Friedman和前Y Combinator合伙人Daniel Gross），并收购了他们价值15亿美元的基金。Meta还成功挖角苹果AI模型负责人Poe，交易包括超过2亿美元的多年期薪酬。Meta已从OpenAI、DeepMind和Anthropic等公司招募了超过11位顶尖专家，其中有8名来自OpenAI。这些人才的薪酬高达数千万乃至数亿美元。

AI公司间的人才竞争 OpenAI也在积极从特斯拉、xAI和Meta等公司挖角顶尖人才，AI公司之间的人才争夺日益激烈。OpenAI首席执行官Sam Altman甚至在一份内部备忘录中对此表示不满，称“有人闯入了我们的家”。

Anthropic的人才流失与经济研究 Anthropic失去了两名关键领导人物：Boris Churnney（Claude Code的开发负责人）和Kat Woo（Claude Code的产品经理），两人均加入了AnySphere（Cursor的母公司）。尽管Anthropic年收入已达40亿美元，估值高达600亿美元，但其在研发和人才方面的投入也导致了巨额亏损。Anthropic还启动了“经济未来计划”，旨在研究AI对劳动力市场和全球经济的影响 。此前，Anthropic CEO Dario Amodei曾预测AI可能在未来1-5年内淘汰一半的入门级白领工作，导致失业率高达20% 。

三、AI工具与应用创新

AI工具和应用层出不穷，覆盖了编码、浏览、医疗、数据提取、教育等多个领域。

• 编码与开发工具：

• Anthropic Claude Code：上个月发布，可在终端、VS Code和PyCharm中使用，获得大量好评。
• Deep SWE Engineer (Together AI)：一款完全开源的编码代理。

• Perplexity Comet：AI驱动的浏览器，首先向每月200美元的Max订阅用户开放。
• Hollow One (H Company) 的Surfer H网络浏览代理：开源行动模型驱动，在Web Voyager基准测试中排名第一，能够自动化多步骤浏览器工作流程，表现优于OpenAI Operator、Gemini Flash等。
• Retriever AI (浏览器扩展)：一个Chrome扩展，可以通过提示与LinkedIn交互，绕过限制，用于线索生成、研究、数据提取、发送邮件和消息，甚至安排重复性任务，大部分功能免费。

• AI极大地加速了长寿研究和药物开发。
• 在医疗诊断中有多种应用。
• Microsoft MAI DXO：一款新的AI工具，在诊断复杂医疗案例方面超越了医生，但尚未向公众开放。
• Google Med-PaLM 2 7B：已更新并开源，可分析从胸部X光片到皮肤状况的各种信息，具有最先进的准确性。

• 百度推出了AI视频生成器。
• 腾讯Hanyuan 3D21：生成3D图像（计算机表示），完全开源，具有基于物理的渲染和逼真的材质。
• Gemini CLI：在终端中工作，可分析图像内容并使用相关关键字重命名文件，以优化搜索引擎。

• Runway：一家专注于AI视频编辑和生成的公司，计划发布一款新的互动式AI游戏体验，其在好莱坞的应用而闻名。Runway的策略是专注于AI工具链而非模型本身。
• Character AI：支持实时视频生成。

• Google为教育领域引入了30余款新的AI工具，其中包括专为教育定制的Gemini应用版本。Gemini AI套件现已免费提供给所有Google Workspace for Education账户，支持生成教案、个性化内容创建、以及让教师创建自定义AI专家（称为“Gems”）等功能。

• 会议中AI笔记机器人数量超越人类参与者的情况日益普遍。
• Google发布了一款名为Doppel的新应用，利用AI帮助用户可视化不同服装在自己身上的效果。

• Google推出了最新的文本到图像模型Imagen 4及其超分辨率版本Imagen 4 Ultra。新模型主要关注提示遵循、空间布局、文本保留等更精细的细节。

• Orchids：一个无需代码即可使用AI创建精美应用和网站的平台。

四、核心技术与概念

AI领域的技术和概念不断演进，为模型的性能提升和应用拓展提供基础。

• 能量基Transformer (EBTs)：一种能够进行可泛化推理的系统，可以在进行每一个预测时进行思考，通常比现有模型具有更好的泛化能力。
• AI幻觉：AI模型产生幻觉的原因是LLM并不理解事物本身，它只知道在给定上下文中单词（或更准确地说是令牌）出现的概率。模型只是根据概率选择下一个最可能的令牌，不具备知识。
• 提示工程与上下文工程：除了提示工程（Prompt Engineering），上下文工程 (Context Engineering)是一个更复杂的领域。它旨在在正确的时间以正确的格式提供正确的信息，以提高模型响应的质量。推荐采用“4D方法”来创建有效的提示：解构 (Deconstruct)、诊断 (Diagnose)、开发 (Develop) 和交付 (Deliver)。
• 路由模型：Katanimo Labs开发了一款价值15亿美元的路由模型，实现了93%的准确率。该模型能够智能地将用户查询映射到最合适的LLM，从而有效降低总体成本。其特点是体积小、速度快、准确率高。

五、硬件与基础设施

AI模型的快速发展对计算硬件和能源基础设施带来了巨大需求，促使行业在芯片制造和数据中心能源管理方面进行创新。

• OpenAI的芯片战略：OpenAI否认了使用Google TPUs的计划，并已与英伟达GPUs进行了大量投资 。他们正在开发自己的芯片以与TPU竞争，并计划在今年完成其芯片设计的“tape out”（流片）里程碑 。
• 数据中心能源管理：Emerald AI是一家由英伟达等投资的新兴公司，专注于将数据中心更深地连接到能源网格 。他们提供软件，允许数据中心根据当地电力使用情况动态调整AI工作负载，以减少对电网的压力 。
• 半导体供应链挑战：有报道称，在TSMC亚利桑那州工厂生产的芯片被运回台湾进行封装 。这凸显了台湾在全球芯片供应链中的核心地位 。

六、研究与技术进展

AI研究持续探索模型的扩展性、推理能力、性能预测及误差分析等核心议题。

• LLM推理效率优化：一项研究探讨了如何通过自适应分支树搜索来优化LLM的推理计算，该方法在各种基准测试中均优于其他模型 。
• AI科学研究复现能力：一项研究旨在评估AI代理复现科学结果的能力，结果显示Claude 3 Opus表现最佳，能复现约40%的速度提升 。
• AI任务长度预测：Meter AI发布了LLM任务完成时间线的最新评估结果。Claude 3 Opus现在能够以50%的成功率完成80分钟的任务 。
• 大型系统性能预测：一篇论文提出了一种基于文本到文本回归的模型来预测大型系统（如Google的Borg计算集群）的性能 。
• 数学推理与通用能力迁移：研究发现，强化学习能更温和地促进正向迁移，使得数学推理能力的提升能够更好地泛化到其他推理任务 。
• 大型语言模型的错误关联性：研究发现，在HELM排行榜上，模型在错误答案上的一致性高达60%，表明即使是不同架构和开发者训练的模型也可能犯类似的错误 。

七、行业动态与市场风向

AI行业正经历快速变革，资本投入巨大，市场格局和就业市场也随之波动。

• 大型模型训练成本：现在每月有两个或更多需要超过1000万美元训练成本的AI模型发布，显示了行业变革的速度。使用超过10^23浮点运算训练的AI模型数量从2017年的两个跳跃到2024年的100倍。
• 数据行业整合：数据行业正在整合，Databricks以10亿美元收购Neon，Salesforce以80亿美元收购Informatica。
• 企业巨头市值：英伟达 (Nvidia) 成为首家市值达到4万亿美元的公司。
• 就业市场：微软于7月2日裁员9000人。
• 数据抓取与隐私：Cloudflare已引入对AI数据抓取工具的默认阻止设置，这意味着网站所有者需明确授权机器人才能收集数据。

八、争议与新兴应用

AI发展带来便利的同时，也引发了新的争议和伦理挑战。

• Cursor定价丑闻：Cursor最近因为改变定价结构（从每月500次请求改为基于令牌的模型）而引发争议，导致价格大幅上涨，许多客户正在取消订阅。
• Clue/Truly助学工具：Roy Lee创办的Clue（最初名为Interview Coder）是一款AI工具，他曾因用其作弊而被哥伦比亚大学停学。Clue通过隐藏的浏览器窗口分析在线对话，提供实时笔记、上下文和建议问题。该公司的企业产品推出后，年化收入飙升至700万美元，并获得了Andreessen Horowitz 1500万美元的A轮融资。另一位哥伦比亚大学学生Patrick Shen则开发了名为“Truly”的产品，旨在帮助检测使用Clue的作弊者。

九、政策与安全

AI的快速发展也带来了生物安全、网络安全和监管方面的挑战，促使各国政府和研究机构思考应对策略。

• 生物安全风险预测：一项研究预测，在AI的帮助下，人为流行病（导致超过10万人死亡）的概率在2028年前从0.3%上升到1.5% 。
• 网络安全任务长度预测：一项分析发现，目前的AI模型能够以50%的成功率解决持续6分钟的任务，并且这种能力每5个月左右就会翻一番 。这意味着AI在网络安全（特别是攻击性网络攻击）方面的能力增长迅速 。
• 美国AI监管辩论：美国国会的一项综合预算法案中，一项曾旨在禁止各州对AI进行十年监管的条款被删除 。该禁令遭到参议院99票对1票的压倒性反对而被移除 。批评者认为，在联邦层面AI监管停滞不前的情况下，禁止州层面立法是不民主且危险的 。
• 丹麦的版权法：丹麦计划修改版权法，赋予个人对其身体特征、面部特征和声音的版权，旨在应对深度伪造（Deepfake）技术带来的挑战 。

AI的发展看不到任何减速的迹象，反而随着人才争夺战的白热化，砸钱的游戏已达到顶峰。我们期待更多创新和突破的出现，同时也越来越需要密切关注其带来的挑战和影响。说不定从今往后的新闻不再是持续的进展，而是持续的灾难。