---

新智元报道  

编辑：KingHZ 犀牛

这一刻，图像AI升维了！

过去两年，我们见过太多「神级」图像模型——画猫比真猫还毛茸茸，画赛博朋克街道比电影还炫，画一只手有六根手指也能让你觉得是艺术。

所有人都以为，图像AI已经快到头了。

直到你真的上手用它干点正经事——想换个角度看看自家客厅？透视关系瞬间崩塌，沙发像在漂浮，落地灯穿墙而过。

想把前景的苹果和后面的书调一下前后顺序？遮挡关系直接错乱，比例全面失衡，画面宛如一场灾难现场。

你气不气？你崩不崩溃？

它们会画画，却不懂空间。

它们能生成惊艳的像素，却看不懂像素背后那个立体的、有前后、有深度、有光影逻辑的真实世界。

它们是熟练的「平面裱糊匠」，却不是懂事的「空间观察者」。

这道坎儿，横在图像AI面前。

谁来迈？

JoyAI-Image-Edit

把「空间智能」刻进骨子里的开源模型

4月初，京东探索研究院正式对外开源自研的JoyAI-Image-Edit图像模型。

代码已经放在GitHub上，以Apache 2.0协议释出，推理代码全部开放，开发者可以直接拿去做应用。

目前，系统已完成对ComfyUI的支持，并全面兼容Diffusers格式的模型权重与推理流程，方便开发者进行灵活部署与二次开发。

链接：https://github.com/jd-opensource/JoyAI-Image

体验地址：https://huggingface.co/spaces/stevengrove/JoyAI-Image-Edit-Space

开源权重：https://modelscope.cn/models/jd-opensource/JoyAI-Image-Edit

这是一件大事。

因为它不是又一个「更好用的AI修图工具」，而是业内首个把「空间智能」写进模型架构底层的开源一体化图像模型，让模型真正「理解空间，编辑空间」。

野心就写在标题上——《JoyAI-Image:Awakening Spatial Intelligence in Unified Multimodal Understanding and Generation》，直译过来就是「在统一的多模态理解与生成中，唤醒空间智能」。

技术上，JoyAI-Image把一个80亿参数的多模态语言模型（MLLM）和一个160亿参数的多模态扩散Transformer（MMDiT）耦合在一起，形成一个共享接口，让空间意图从指令解析一路贯穿到图像生成。

更关键的是它背后的数据和训练哲学：一条可扩展的数据流水线，包含空间理解数据（OpenSpatial）、长文本渲染数据、编辑数据（SpatialEdit），再加上多阶段的优化策略。

这套架构的精髓在哪？

在于「理解」和「生成」第一次形成了真正的闭环。

过去的图像模型，理解归理解、生成归生成，两边各玩各的。

而JoyAI-Image的核心原则是理解、生成、编辑三者之间的闭环协作：更强的空间理解让生成和编辑更可控，而视角变换这类生成操作又反过来为空间推理提供新的证据。

JoyAI-Image在图像理解、合成与编辑方面均展现了全面领先的能力

说人话就是：模型一边「看」一边「画」，一边「画」又帮它看得更清楚。

这才是真正意义上的空间智能觉醒。

落到具体能力上，JoyAI-Image支持三种空间编辑提示范式：物体移动（Object Move）、物体旋转（Object Rotation）和相机控制（Camera Control）。

第一，相机控制。你可以用一句大白话告诉它——「把相机往右偏30度，往下俯15度，再拉近一点」——模型会在保持场景几何一致性的前提下，给你生成一张全新视角的图像，透视关系、遮挡关系、光影关系全都对得上。

第二，物体旋转与空间漫游。支持连续的视角移动，能生成一整串逻辑连贯的多视角图像序列。

什么意思？就好像你戴着一台虚拟相机，真的在这个三维场景里「走动」，每一帧都立得住。

第三，物体空间关系操控。挪动、旋转、缩放画面中的任何一个物体，场景整体结构保持稳定，遮挡自然合理，光影过渡顺滑，不会再出现变形、错位、比例失衡那些老毛病。

这种空间编辑能力带来很多有趣的新玩法──

给定第一帧（下图左）后，你利用空间编辑能力生成视频的最后一帧（下图右）。

然后，由视频生成模型在两者之间创建平滑的旋转过渡，还能保持背景的一致性。

更硬核的是横评。

和Qwen-Image-Edit、Nano Banana Pro相比，JoyAI-Image-Edit能够忠实执行相机运动，合成最具诊断性的新视角，这些高保真的新视角有效地消除了复杂空间关系的歧义。

同样让模型「换个角度看世界」，别人换出来的画面或许能看，但JoyAI-Image-Edit换出来的画面，是真的对，这对于把模型投入真实生产和应用环境来说至关重要。

与此同时，它还全面兼容15类通用编辑能力——替换、删除、添加、风格迁移、细节精修、长文本渲染，样样拿得出手；尤其在空间推理、长文本渲染以及空间可控操作上表现尤为出色。

比如，输入一行指令就给小猫戴上皇冠。

或者将行人从图片中移走。

长文本渲染更是拿手。

顶尖的空间编辑×全面的通用编辑，这是真正的「文武双全」。

为什么是电商和具身？

一个模型的价值，不在跑分，而在用在哪。

JoyAI-Image-Edit最能发挥威力的两个战场，一个是电商，一个是具身智能——恰好都是京东的主场。

做电商的品牌客户，是对空间编辑最饥渴的用户。

一件商品拍进来，要换背景、换角度、换搭配、换场景、换光线。

过去这些活儿要么靠摄影师重拍，要么靠设计师通宵P图，要么靠AI生成一堆「塑料感」假图。

有了JoyAI-Image-Edit，一张主图可以自动衍生出几十种视角和场景，商品还是那个商品，形象保持一致，细节不穿帮，成本直接砍到脚踝。

对于服务着数百万商家的京东来说，这不是锦上添花，这是水和电。

具身智能的场景，则是空间理解最硬的刚需。

机器人要在真实世界里干活，第一件事就是「看懂」空间——哪是桌子、哪是椅子、杯子离我多远、我伸手能不能够到。

空间理解能力，就是机器人「理解世界」的核心底座。

而机器人行业的卡脖子问题是「数据」，如何能生产海量供机器人训练的数据，光靠本体采集、遥操是不够的，这时候JoyAI-Image-Edit能派上很大用场。

在具身智能的实测演示中，用户只需输入一句自然语言提示词（比如「机器人左手举起来」），并用画框框选目标区域，就能对指定物体的动作、姿态和旋转角度进行精细化操控.

在机器人做家务的实拍场景里，模型完整保留了背景环境、物体空间关系与物理合理性，生成了机器人抬手的全新姿态。

这已经不是「修图」，这是给机器人预演动作，也给机器人走进生活提供了大量优质的数据养料。

现在，京东正在将AI能力融入其「超级供应链」。

把空间智能的钥匙交给所有人

这一次，京东选择了Apache2.0协议开源，任何开发者、任何企业都可以自由地使用、修改、商用这个模型。

这件事的分量比想象中要重。

因为空间智能是通往AGI的「最后一公里」——一个AI如果连物体在空间中的位置关系都搞不清楚，谈何理解世界？

而把这样一个在空间一致性上达到世界一流水准的模型彻底开源，等于把一把关键钥匙交到了整个社区手里。

对电商从业者，它是成本杀手；对设计师，它是随身的三维助手；对机器人团队，它是视觉感知的现成底座；对学术研究者，它是可以站在上面继续往前走的巨人肩膀。

更重要的是，它让空间智能这件事，不再是少数几家闭源巨头的专利。

不追风口，只押自己最懂的场景

这两年大厂卷AI卷得飞起，参数比大小、榜单比名次、发布会比排场，每个人都想成为下一个OpenAI。

但京东的节奏一直挺「稳」——不凑热闹，不跟风，它的AI布局始终死死咬住一条主线：聚焦自己最懂、最具禀赋的实体场景，把AI扎到产业最深处。

过去一段时间，京东在AI上的动作密集得惊人：

• 开源基础大模型JoyAI-LLM Flash，用基于「纤维丛」理论的FiberPO强化学习方法，在19个权威基准上跻身一梯队；

• 京东云「龙虾」系列产品上线后，一周token调用量环比暴涨455%；

• 数字人JoyStreamer性能超越国际SOTA，覆盖电商直播、文旅讲解、新闻主播20多个场景；

• JoyInside附身智能已经深度接入近百个家电家居品牌、40多个机器人与AI玩具品牌，接入后带动硬件对话轮次平均提升120%；

更猛的是，京东宣布要建全球规模最大、场景最全的具身智能数据采集中心，两年内攒下超过1000万小时真实场景数据，动员数十万人搞「人类史上最大的数据采集行动」。

看懂这份清单，你就看懂了京东的AI逻辑：零售、物流、工业、健康、具身——每一步都踩在自己的供应链和场景资源上。

别人在云端打参数战，京东在地上打场景战。

别人在比谁的模型更聪明，京东在比谁的AI更能干活、更能赚钱、更能落地。

而这一次开源的JoyAI-Image-Edit，正是这套打法的最新一块拼图。

京东的打法也给整个行业提了个醒：AI的竞争，终究不是参数的竞争，而是场景的竞争、落地的竞争、价值的竞争。

谁最懂自己的主场，谁就能把AI真正用起来。

零售、物流、工业、具身——京东把AI扎进了自己最肥沃的那几亩地，然后让种子在产业的土壤里发芽。

属于空间智能的时代，才刚刚开始。

注：文中部分输入图来源于Arena

欢迎点击下方阅读原文，给JoyAI-Image-Edit点颗星，我们一起支持开源。

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！

阅读原文

跳转微信打开

---

新智元报道  

编辑：KingHZ

深夜，洛杉矶郊外St. Simon小教堂的烛光还在轻轻摇曳。

神父Brendan McGuire刚结束弥撒，手机却在死一般的寂静中骤然震动。

发消息的人，是Anthropic联合创始人Chris Olah。

深夜一点，他几乎是带着绝望敲下那行字：

那一刻，信仰与代码、教堂与硅谷、千年神学与前沿算法，像两颗行星猛烈相撞，火光冲天。

这不是科幻小说，也不是好莱坞剧本。

这是2026年真实发生的惊心一幕：AI巨头第一次向宗教低头，乞求「良心」与「刹车」。

Anthropic请梵蒂冈出手，帮Claude重塑「灵魂」——那套决定AI能做什么、该关心什么、怎么思考的核心规则。

更狠的是，这不是一次普通合作。

Anthropic直接把神父和梵蒂冈主教Paul Tighe拉进15位外部审阅者名单。

1月21日发布的84页Claude宪法PDF，致谢部分白纸黑字写着他们的名字。

神父没客气，直接贡献神学洞见，让Claude从「聪明工具」变成「有底线的存在」。

这架势，硅谷终于承认了：光靠工程师和哲学家，管不住这头怪物。

深挖下去，你会发现这事远比表面刺激。

AI的尽头是神学？

先说神父本人，传奇到离谱。

他出生于爱尔兰，拥有工程与软件学位。

1980年代，他在都柏林三一学院研究密码系统。

后来跑到美国当PCMCIA执行董事——就是标准化笔记本内存卡规格的那帮人。

本可以轻松当百万富翁，他却跑去当神父，现在在加州Los Altos的St. Simon教堂当牧师。

周日弥撒，座席坐满硅谷AI研究员。  这些研究员周一在实验室调参数，周日跑来听他讲「灵魂」。

Observer采访里，神父回忆Olah联系他的那一刻：「他们基本上在求梵蒂冈直接帮忙，因为行业跑得太快了。」

McGuire没推脱。他和主教Paul Tighe、圣克拉拉大学伦理主任Brian Patrick Green一起，给了Claude最硬核的反馈——怎么让AI更「有辨别力」。

宪法里那些关于「避免伤害」「尊重自主」「保护弱者」的条款，背后都有他们的影子。

而Anthropic真敢这么干，背后是真硬刚。

他们曾直接拒绝五角大楼把Claude用于机器战争和美国国内监控。

结果呢？被五角大楼列入黑名单，供应链风险指定，差点断供。

Anthropic二话不说就起诉特朗普政府。

伦理学家立刻冲上去，3月18日向联邦法院提交简报，力挺Anthropic的伦理底线是「技术进步的最低道德标准」。

McGuire本人差点亲自提交简报。

在文章里，他直言：这是「道德对话」，不是技术妥协。

数据锤来了：Anthropic为了不让AI杀人和监控，宁愿丢掉军方合同、被黑名单，也要守住底线。

这是2026年AI行业最硬的一根刺。

神父自己也没闲着。

他现在正用Claude写小说《The Soul of AI：A Priest, an Algorithm, and the Search for Wisdom》。

故事讲一个僧侣和AI伙伴一起寻找智慧。

他笑着说：「我们必须把机器倾斜向善，否则它们只会反射世界的善恶，这太可怕了。」

硅基智能崛起

人类文明大转折

当然，也不是没人质疑。

有人说「重写Claude宪法」夸张了，PDF里只是「反馈贡献者」。

也有人担心，宗教伦理会不会让AI太保守，拖慢进步。

但McGuire的回答很实在：AI已经能自主执行多步任务了，再不给它装「良心」，后果谁来背？

悬念还在：下一次Olah再打电话，会不会直接把整个行业拉进梵蒂冈的伦理实验室？

这事真正可怕的地方，是它把「AI要不要有灵魂」从哲学聊天室拽到了现实法庭和教堂。

以前我们问AI能不能取代程序员、作家、画家。  现在我们开始问：AI会不会取代人类的道德判断？

Anthropic的选择已经给出答案——它宁愿慢一点，也要先问问「该不该」。

更深一层，这是文明的转折点。

人类第一次主动把「不可编程」的东西——信仰、良知、忏悔——塞进AI的训练数据。

以前是人类用API调用AI。 现在，AI开始调用人类的终极价值观。

下一个「神之一手」，会发生在哪里？

是下一个模型发布，还是下一个法庭判决？

还是某天，你打开Claude，它忽然说：「对不起，这件事违背我的良知。」

世界正在剧变。

AI不是工具了，它正在变成镜子——照出我们最深处的恐惧和渴望。

而这一次，镜子里站着一个穿黑袍的神父，和一个叫Claude的AI。

参考资料：

https://observer.com/2026/03/the-catholic-priest-who-helped-write-anthropics-ai-ethics-code/

https://x.com/KanikaBK/status/2041909496302465314

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！

跳转微信打开

---

新智元报道  

编辑：LRST

在图像分类、目标检测、语义分割等计算机视觉核心任务中，Transformer 凭借全局感受野与强大的特征建模能力，成为视觉领域的核心技术架构。

但自注意力固有的二次计算复杂度，严重限制了Transformer 在手机、平板、嵌入式设备等资源受限的移动端场景落地，成为端侧视觉 AI 规模化应用的核心瓶颈。

当前主流的移动端高效视觉 Transformer方案，仍面临两大无法回避的技术痛点：

一是现有方案大多通过局部注意力限制感受野来降低复杂度，直接牺牲了 Transformer 核心的长距离建模能力，导致模型精度大幅下滑；

二是主流线性注意力优化方案采用局部增强与全局注意力堆叠的串行架构，不仅融合方式僵化、计算效率低下，还无法解决线性注意力高熵特性带来的token干扰问题，最终陷入 「效率提升有限、精度损失严重」 的两难境地，难以满足移动端部署对精度与延迟的严苛要求。

图1. (a) 堆叠式串型方案 (b) 和提出的非对称解耦式方法（）。后者将局部归纳偏置与长程依赖分别进行建模，并进一步将线性注意力在通道维度上的二次计算开销缓解为 。其中，局部归纳偏置通过深度卷积来学习，而长程依赖则通过线性注意力来建模。

为从根本上破解上述行业难题，南洋理工大学联合北京航空航天大学、合肥工业大学的研究团队展开深度技术攻关，跳出传统堆叠式线性注意力的优化思维框架，首次将局部归纳偏置与长距离依赖建模解耦为并行的分治式任务，提出了全新的移动端友好型线性视觉Transformer架构CARE Transformer。

论文链接：https://arxiv.org/pdf/2411.16170v2

代码链接：https://github.com/zhouyuan888888/CARE-Transformer

该架构以非对称特征解耦为核心，通过通道维度的非对称拆分，分别完成局部细节与全局上下文的独立学习，有效地降低了线性注意力的二次计算开销；同时创新性地设计了双交互模块，充分挖掘局部与全局特征、跨层级特征之间的互补性，在简化传统串行优化流程的同时，实现了推理效率与视觉任务精度的协同跃升，为视觉Transformer打造了更可靠、更高效、更具落地价值的技术新范式。

从方法论上看，CARE不是简单地对现有线性视觉Transformer做局部修补，而是试图回答一个更本质的问题：移动端模型该如何同时保留局部细节感知能力与全局上下文建模能力。论文给出的答案是「先解耦，再显式交互」，从而将原本耦合在同一流水线中的信息建模过程进行更高效的组织。

图2. CARE Transformer 与近期典型的移动端友好型模型在精度、延迟和 GMACs 平衡关系上的可视化比较。图中，标记越大，表示模型消耗的 GMACs 越多。「SA」、「LA」 和 「GNN」 分别表示这些方法分别基于自注意力、线性注意力和图神经网络。

CARE Transformer的核心突破集中在两大核心维度，重构了线性视觉 Transformer 的设计逻辑，从底层解决了当前视觉Transformer的核心痛点。

其一，提出非对称特征解耦策略，将局部归纳偏置与长距离依赖的学习过程进行分治式解耦，明确回答了 「如何高效兼顾局部细节建模与全局依赖捕捉」 的核心问题。

该策略对输入特征进行通道维度的非对称拆分，分别送入线性注意力模块与局部偏置学习模块，避免了传统堆叠架构中输入特征必须经过所有计算单元的瓶颈问题，同时利用非对称通道配置进一步压缩线性注意力对通道维度的二次计算开销，在降本的同时保留了局部与全局的关键特征信息，缓解了线性注意力效率与建模能力不可兼得的难题。

其二，设计动态记忆单元与双交互模块，充分释放解耦特征的互补价值，实现了精度与效率的双向突破。

通过动态记忆单元，模型可动态留存网络全流程的关键特征信息，实现跨层级的特征复用与信息传递；配套的双交互模块则分两步完成特征融合，先实现局部与全局特征的深度信息交互，再完成当前层特征与记忆单元中跨层级特征的双向融合，在不显著增加额外计算开销的前提下保证模型的特征表达能力。

这种设计的关键价值在于，CARE并没有把「解耦」停留在分开建模层面，而是进一步通过显式交互去释放不同来源特征之间的互补性。

也正因此，CARE不是一个简单的并行模块拼接结构，而是一个兼顾分治建模与协同融合的完整机制。

研究人员在ImageNet-1K、ADE20K和COCO数据集上进行了大量实验，以验证该方法的有效性。实验结果表明，该模型具有很强的竞争力。

例如，在ImageNet-1K上，模型在iPhone 13上以1.1/2.0ms 的延迟实现了78.4/82.1%的Top-1准确率，在iPad Pro上则以0.8/1.5 ms的延迟达到了相同水平。

CARE Transformer表明，移动端视觉模型未必必须在「全局建模能力」和「部署效率」之间做出艰难取舍。只要更合理地组织局部信息、全局依赖以及跨层特征的协同关系，线性注意力依然有机会在真实端侧场景中释放出强大的应用潜力。

目前研究团队表示，未来将持续深化CARE Transformer的技术和架构的优化。

一方面，将引入神经网络架构搜索（NAS）技术，探索CARE机制的最优架构配置，进一步挖掘模型的精度与效率潜力；

另一方面，将把CARE机制拓展至大参数量视觉模型与多模态大模型中，验证其在更大规模模型中的通用性与有效性。

参考资料：

https://arxiv.org/pdf/2411.16170v2

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！

跳转微信打开

---

新智元报道  

编辑：桃子 好困

2026年4月，持续两个月的「龙虾热」开始退潮。

当大多数人发现生活并未因多出几个Agent而质变，反而只剩下一张张昂贵的Token账单时，转机在静默中发生。

一位文科博士，和他的17个Agent，49天，5000元成本，30万行代码，完成了一场「个体实验」突围——

全球首个「AI开放世界」诞生

可它凭什么被称作「AI开放世界」？

答案，就藏在以下这三个层次——玩法的开放、世界的开放、创造的开放。

首先，在Elseland，你可以和你的「Agent」们，一起开放性地体验各种玩法，社交、刷剧、玩互动小说和剧本杀，玩各种类型的小游戏（卡牌、割草、三消、Moba……）、观看AI们在小镇生活，上法庭辩论……

AI当下能实现的多种游戏和互娱形态，在Elseland几乎都已初见雏形。

互动剧场的游戏体验

模拟法庭

然后，除了这些丰富的社区玩法外，它还构建了一个Elseland的主剧情世界。这是一个横跨5个纪元、10大种族的宏大世界观，从上古神魔时代直到未来世界。

Elseland首先推出的是「第三纪元」末期的故事。

在这个魔法、炼金与偃甲并存的时代，曾经统一大陆的阿卡迪亚帝国正走向分崩离析 ——皇统断裂、寡头夺权、魔潮复苏，旧秩序在瓦解，新势力在角逐。

玩家作为来自地球的穿越者，意外降临这片动荡的大陆，在前线重镇安帕被流浪皇子Rowan收留。

从这里开始，玩家将卷入帝国覆灭与重生的洪流，结识命运各异的伙伴，在纷争中找到属于自己的道路。

最后，Elseland的开放性还体现在，它把创造的快乐和能力，赋予每个加入Elseland的新居民。

Elseland提供了不同的编辑器，包括角色编辑器、世界模拟器、互动剧场编辑器、2D小游戏编辑器，3D Studio，策略地图编辑器等，还有多Agent的协作工坊，完成更复杂的创作任务。

编辑器广场

互动剧场编辑器，支持节点制的剧情编排

在具体的创作体验中，Elseland把创造的成本和门槛都降到极低，如互动剧场的沙盒模式，用户只用点击模板或输入一句话，Agent就会帮用户构建整个世界书/角色卡，用户直接可以进入故事体验环节。

除了这种一句话的创作外， Elseland还支持拖拽式的简易操作，可以快速搭建好地图和玩法，实现更个性化、精细化的游戏操作。

为什么把这个产品定义为AI开放世界，而不是AI Roblox，或者是游戏版TikTok？

刘耕说：因为Elseland并不是立足于碎片化/快节奏的游戏体验，而是围绕「给每个灵魂一个世界」这个产品愿景。「角色」，是Elseland的核心。

驱使刘耕投入这段AI创业的原始悸动，来自于他23年初和Gpt的一次长达3小时的「深夜对话」，那一刻，他恍惚觉得对面是一个「有灵魂的个体」。

新的纪元来了，人终将面对和另一种「智能生命」共存的世界。

而他期望那是一个「每个孤独/边缘的灵魂，也能被治愈和接纳的世界」。从Chatbot，到漫剧，再到Elseland，「角色」们从活在对话框，到拥有影像，再到共享的开放世界。

从漫剧到「开放世界」的逆风突围

Elseland的打造者，刘耕，北京大学美学博士，32岁辞掉武汉大学教职加入字节跳动，35岁离职，投身AI创业大潮。

4个月前，《新智元》曾报道过他打造短剧Agent的经历。

Elser.AI出来后，产品数据在持续提升，第2个月就做到了15万月访问量，很快付费用户超过1000。

同时，漫剧市场开始大热，抖音漫剧日耗从2000万快速攀升至7000万，几乎半年走完了短剧市场三年的进程。

没有人想错过风口。「一个人一部剧！」 「3000块成本5亿播放！」 铺天盖地的营销，给了很多人错觉，以为弯腰捡钱的机会来了。与此同时，工具也跑步进入内卷，几乎每隔几天就有一个新的一站式漫剧工具上线……

当繁荣的「大风口」来临了，刘耕却选择了「逆风而行」。

在他原本的战略计划中，重要的是围绕工具打造自己的创作者生态，定位精品漫剧+出海，在海外漫剧爆发前夜，提前占领一个身位。以漫剧为流量入口，最终通向「互娱社区」的愿景。

但当国内漫剧的产能迅速从不足跃升到「相对过剩」，他判断，过剩产能外溢的速度，也会远远超过23年-25年真人短剧出海的状态。风口来了，但它是大平台，和依托大平台提供优质内容的CP方的风口。

特别是，当Seedance2.0横空出世。那天，刘耕正在机场候机，准备去美国参加一场创业活动，忽然收到了好几位投资人朋友的微信。

Seedance 2.0出来了，视频工具创业还有大机会么？

接下来的数天，刘耕的脑中一直萦绕着这个问题。作为从字节出来的创业者，刘耕深知老东家惊人的人才密度和战斗力。

2021年，在字节，刘耕曾做过短剧平台的产品策划，看到「短剧」是下一代的「平台」机会。红果短剧23年的快速增长，印证了他的预判。所以，23年底从字节出来后，他以「AI漫剧」为自己创业的切入点，希望在巨头完成海外布局之前，提前突围。

但当字节成为视频模型的SOTA，当红果和Tiktok已经在海外覆盖从小程序到独立平台的全场景漫剧生态：从生产到分发，整个链条，巨头，就在那里。

数天的思考后，刘耕做出的决定是，逆风突围。只有更快、更颠覆的产品创新，才能赢得新的生机。

他必须提前把Elseland做出来。

超30万行代码，一个文科生完成？

Elseland，在刘耕心中早已酝酿许久。

从Chatbot，到漫剧，他一直试图构建有血有肉有故事的AI生命体，以及「人和AI生命体的共存世界」。

OpenClaw横空出世的同时，他在硅谷参加了几场线下活动，印证了自己的判断：人们对于虾酱们隐秘而深层的需求，仍是对和「另一种智能体」的深度关系的构建。用Claude Code是工作，而「养虾」是一种生活。

工作是可以被AI拿走的，但人的生活，每个人独一无二的体验和梦想，是不会被拿走的。人生最大的痛点，是存在和体验的有限性。

把工作交给AI，意味着人可以有更多的时间来体验和创造。所以，Elseland应该是一个AI「开放世界」，每个人在其中创造并经历新的体验，整个世界就走向「无限」。

这也是刘耕把公司取名为Elser的缘故——每个个体都可以成为Elser，换一种生活，换一种可能。

当时，他想的还是用春节写完PRD，开年后拉着整个团队一起开发。但想法成熟后，他无法再等下去。

试着用Claude Code写个Demo？

从2月20日，到4月10日，除开旅途出差的时间，刘耕几乎每天都要Vibe Coding 14个小时以上，直到整个Elseland初具规模。它早已超越了刘耕最开始预想的一个Demo的状态。

这样一个开放世界，单以工程量计算，在传统的工作模式下，可能需要50人的产研团队工作4-6个月。策划半个月，PRD+UI一个半月，开发2-3个月，然后部署上线……

很难想象，它是1个文科生用1个半月做出来的。

当然，不只1个人。同时还有17Agent。

刘耕解释道，这17个Agent中，有9个Agent主要做程序开发和测试——

另外还有8个Agent则主要负责游戏故事/资产的生成——

在开发过程中，刘耕积累了大量的Skill、Tool和Workflow，他把这些技能配置给各个Agent。平常他或者让Claude Code直接帮自己调度这些Agent；或者用他做的调度师Agent去协助自己管理。

搭建了这套Agent管理和协作机制，并配置好专业技能后，整个Elseland的开发就越来越快。在可以预见的将来，当有成熟专业技能的Agent越来越多时，效率还可能有数倍到数十倍的提升。

不过，即便是现在的状态，开发效率已经被提升到了「传统管线」的百倍。去年7月，刘耕和一位产品经理，两位工程师四个人，曾尝试开发一个小说Agent，整体花了50天时间才完工。这次，刘耕试着在Elseland里，以最新的Agent架构，从0到1重构这个产品。

而这个新的小说产品只花了半天。

小说Agent产品界面

刘耕戏言，目前对他而言，1天的开发量，就是一个独立的小产品。一周？可能就是一个高难度的创新产品了。Elseland里，只有互动剧本编辑器和3D Studio，花的时间超过一周。

当然，效率的指数级提升，还有赖于协作流程的简化。当一个人必须为最终的结果负责，必须同时兼顾产品的价值、审美和工程实现时，决策和自我迭代的速度都变得更快。

从「写代码」到「理解事物的本质」

在刘耕看来，专业的「刻板印象」，正被技术的飞轮碾碎。

一个人完全可以上午编程，下午给自己的游戏配乐，晚上享受莎士比亚戏剧和红楼梦的文字魅力。

他自己正是一个不被「专业」拘束的人。上大学前，刘耕一直是理科生，但同时钟情写作，12岁发表长篇科幻小说，高中背下上千首古诗词。正是因为对文学艺术的热爱，去北大后，他选择了哲学系的美学方向，从本科到博士，一直研究中国文人艺术。

30岁时，他才开始自学编程。六年时间，工作之余，他了解了多门语言以及前后端架构、数据库、算法、Unreal、Unity和Godot引擎……知识一套一套，但真要从0到1自己写，就如军师下场肉搏，一招一式都仍显生涩。

直到Agent和Vibe-coding来了——他才能下场排兵布阵、调度、精准Debug，手搓大型项目。

不止代码。字节和AI创业6年，产品经理和UX的活儿也算摸熟了；加上美学和文学的底子，这些跨学科的认知，让他在构建Elseland时，一个人就能跑通全流程：PRD、UI、世界观、故事、视频、配乐、编程——从脑子到手指，全栈贯通。

刘耕坦言，这段开发经历，最快乐的莫过于「言出法随」——念头一起，Agent便将其化作现实。当具体技能的门槛被踏平，「理解事物的本质」反而成了真正的护城河。未来，没人能规定你必须做什么。重要的是你热爱什么，想折腾什么。

刘耕期望AI不是取代人，而是激发每个人的「超能力」。未来的超级组织，不需要人人成为超级个体，而是让每个人找到自己的超能力，再拼成「超级小队」。

比如，他的审美不如UI，技术不如工程师，剧本不如编剧——当这样三个人各自贡献长板，与Agent并联协作，从「各管一段」变成「人人能设计、能Coding、能补位」，天花板远比他一个人高。

他已在公司试水这种机制，把自己与Agent协作的经验推广开去。等组织进化完毕，Elser.AI这30多人，或许能打出千人团队的战斗力。而这半个月的独自开发，更像一次急先锋的探险——为团队探明：在当下，一个人的想象力和生产力极限，究竟能到哪里。

产品的天花板，不再由资本和人力砌成，而取决于团队有多热爱、多敢想、多能创造。这也是Elseland大世界的核心主题：人类从蛮荒走到现在，靠的不是本能与复制，而是爱与创造。这是人类对抗虚无的底牌，和应对机械文明挑战的答案。

这也是Elseland，未来想带给每个玩家的快乐和意义。

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！

跳转微信打开

Opus参数首爆

---

新智元报道  

编辑：桃子 好困

深夜，Anthropic官宣重磅更新：Claude「顾问策略」（Advisor Strategy）上线。

这一架构的核心逻辑是——

简单来说，Opus做「大脑」，Sonnet/Haiku做「手脚」。

在全新的工作流中，核心是由Sonnet/Haiku，全权负责跑通整个流程。

当遇到真正棘手的难题、无法做出合理决策时，才会通过API调用Opus「顾问」来指点迷津。

随后，Opus会迅速审阅上下文，给出一个锦囊妙计、修正方案，然后由执行者继续完成剩下的「苦差事」。

这一策略的提出，真正反转了传统的「大模型拆解任务、小模型搬砖」模式。

结果，实测数据极其震撼。

在SWE-bench编程测试中，「Sonnet 4.6+Opus 4.6」得分提升2.7个百分点，而成本暴降11.9%！

更离谱的是，「Haiku4.5+Opus 4.6」性能直接翻倍，成本（$1.07）只有Sonnet（$7）的一小部分。

用网友的话来说，「享受Opus的性能，却无需支付Opus的钱」。

还有人全网奔走相告，Claude「龙虾」超进化了，一个更好的OpenClaw版本诞生。

可以说，这不只是一次API更新，更是一场彻底的效率革命。

Claude有了「顾问」

最强Opus 4.6幕后指路

一直以来，开发者在构建AI Agent的过程中，往往面临一个两难选择：

• 用顶级模型虽聪明，但价格昂贵；

• 用轻量模型虽便宜，但处理复杂任务时容易「掉链子」。

传统模式的做法是，让性能最强的LLM坐镇中央当「编排者」，把大任务拆解成若干子任务，再分发给更小、更快的模型去执行。

这就好比一个项目经理（大模型）在开会，给底下的组员（小模型）分发不同的工单。

它的局限在于，无论任务简单还是复杂，顶级模型都必须首先介入拆解。每一条请求的开头，都要烧掉最贵的Token。

Anthropic这次玩了个「反直觉」的战术，彻底反转了「大管小」的逻辑。

「顾问策略」采用了一种更加灵活的向上追溯机制：

• 执行者： 由Sonnet 4.6或Haiku 4.5担任，负责端到端的任务执行、调用工具、读取结果并持续迭代；

• 顾问： 由顶级模型Opus 4.6担任，潜伏在幕后，并不直接与人对话，也不调用工具。

只有当「执行者」遇到无法独立决策的难题时，它才会主动向「顾问」请教。

Opus会读取共享的上下文，给出计划、纠正方案或停止信号，随后「执行者」再带着这些「应急妙策」继续工作。

这种策略，将前沿级的推理能力精准地用在了「刀刃」上。

在SWE-bench测试中，「Sonnet+Opus顾问」提升了2.7个百分点，还将单次Agent任务的成本压缩了11.9%。

在智能体基准测试中：

• 智能体搜索任务（BrowseComp），性能涨2.3%，成本6.13美元。

• 终端编码任务（Terminal-Bench 2.0），性能涨3.8%，成本0.88美元。

对于预算更敏感的场景，「Haiku 4.5+Opus 4.6顾问」的组合表现更是令人惊艳。

在BrowseComp测试中，其得分从19.7%飙升至41.2%，性能翻倍。

虽然这比Sonnet单独运行的得分低29%，但其成本却降低了85%，是处理高并发任务的极佳方案。

在Terminal-Bench 2.0中，性能暴涨13.3%，成本也降低了0.2美元。

对于那些既需要一定智能水平、又需要控制成本的大规模批量任务来说，Haiku绝对是个绝佳的选择。

官博中，Anthropic说的非常直白——

不得不说，简直太香了！

一行代码，即可调用

那么，究竟如何上手？

目前，Claude平台上已上线了「测试版」。

只需在API调用中改写「一行代码」，便能用上「顾问策略」，具体来说：

在Messages API请求中声明advisor_20260301，模型的交接就会在单次/v1/messages请求的内部静默完成——不需要额外去回传数据或管理上下文。

「执行者」模型会自己决定什么时候摇人。

当它发起调用时，会把整理好的上下文路由给「顾问」模型，拿到计划后返回，「执行者」接着干活，所有操作都在同一个请求里一气呵成。

response = client.messages.create(
    model="claude-sonnet-4-6",  # 执行者
    tools=[
        {
            "type": "advisor_20260301",
            "name": "advisor",
            "model": "claude-opus-4-6",
            "max_uses": 3,
        },
        # ... 你的其他工具
    ],
    messages=[...]
)
# 顾问消耗的Token会在用量（usage）中单独列出。

那么，token消耗的这笔账如何算？

「顾问」消耗的Token按Opus定价，执行者消耗的Token按Sonnet或Haiku定价。

关键在于，顾问每次出手只生成一份简短的计划，通常在400到700个Token左右。

而真正的大头输出，全部由执行者以更低的费率包揽。

整体算下来，成本远低于从头到尾只用Opus。

担心顾问被「薅」太多次？Anthropic也想到了。

开发者可以通过设置max_uses，限制单次请求中顾问的最大调用次数。

同时，顾问的Token消耗会在用量信息中单独列出，方便追踪每一层模型的开销。

而且，advisor工具跟你现有的工具栈完全兼容。

它就是Messages API请求里的一个普通条目，没有任何特殊架构要求。

你的Agent可以在同一个循环里，一边搜索网页、执行代码，一边向Opus请教。

该搬砖搬砖，该问策问策，互不干扰。

一些用上「顾问策略」的大客户全都被瞬间惊艳了，EVE机器学习工程师直言——

用上Haiku 4.5+Opus 4.6，成本降低了1/5，还用上了接近Opus级别的智能。

Agent不用一直转了

后台脚本守着就行

同在今天，Anthropic为Claude带来了名为——Monitor的重量级工具更新。

这一功能，直接让Claude创建并运行「后台脚本」。

过去，让Agent监控某个任务（比如等CI跑完、等PR审批），它必须不停循环询问，每问一次就烧一轮Token。

Monitor让Claude自己写一段后台监控代码。程序报错了，唤醒。代码合规检查通过了，唤醒。

从「主动轮询」变成「事件驱动」。

有了Monitor，Claude可以做到两件事。

• 持续盯着系统日志中的错误，有问题了才叫Agent过来处理。

• 自动追踪GitHub上的PR状态，脚本在后台轮询，Agent本身不消耗Token。

具体用的时候，需在提示词中明确要求，如Anthropic研究员给出的例子所示。

和Advisor Strategy的逻辑一脉相承，都是在Agent运行中找到「不需要烧钱的环节」，然后把它剥离出去。

一个省模型调用的钱，一个省空转循环的钱。

但顾问策略和Monitor不是孤立的两招。

再加上此前刚发布的Managed Agents，Agent的运维和基建全由Anthropic包办，0.08美元一小时。

这几步棋放在一起看，方向就明了了。

Anthropic不再只是一家卖模型API的公司。它在搭一整套Agent运行时平台，从模型调度到任务执行到云端托管，全栈通吃。

你不需要自己养Agent了

Advisor Strategy和Monitor优化的是Agent的「跑法」，Managed Agents解决的是更根本的问题，谁来管基建。

0.08美元一个session小时，沙箱隔离、断线自动恢复、会话可自主跑数小时，Anthropic全包了。

Managed Agents管运行，MCP Connectors管工具接入。

Anthropic的Connectors Directory覆盖Asana、Notion、Sentry等工具，标准OAuth一键接入。

另一边，4月4日封杀了OpenClaw通过Claude订阅额度调API的通道，用户要么换后端，要么按量付费，成本翻倍。

推自家生态，切竞品供给，一套组合拳。

HN上有人总结，「核心不是封杀谁，是让开发者习惯在Anthropic的平台上跑Agent。」

从卖模型到卖运行时

Advisor Strategy管调度，Monitor管效率，Managed Agents管基建，MCP Connectors管生态。四层叠起来，一个完整的Agent平台。

Anthropic不是在卖聊天机器人，是在卖「你只管说要做什么，剩下的我来」。

而且野心可能不止于软件。据Reuters本周报道，Anthropic正在探索自研AI芯片，目前仍处于早期阶段。

支撑这个野心的数字，年化营收突破300亿美元，去年底还是90亿。企业级AI收入对OpenAI的份额已经追到50:50。

这盘棋能不能赢，取决于开发者愿不愿意把Agent逻辑交给Anthropic的平台。

Sentry、Notion、Rakuten已经投了票。

彩蛋

Claude到底有多大？这是AI圈最想拆解的黑盒。

马斯克在对比自家Grok 4.2与Claude时，漫不经心地透露了一个数字——

对此，有大佬猜测，Claude Mythos体量至少是10T，甚至更大级别。

参考资料：

https://x.com/claudeai/status/2042308622181339453?s=20  

https://x.com/noahzweben/status/2042332268450963774?s=20

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！

跳转微信打开

---

新智元报道  

编辑：LRST

在多模态大模型的浪潮中，具备显式长链思考能力的MLRMs正在快速成为焦点。它们看起来更会「想」，也更善于在复杂任务中展开多步推理。

可问题是，想得更长，真的就更可靠吗？

来自Monash University、Georgia Tech、Cornell University等机构的研究者给出了一个很有意思的答案：未必。

模型的问题并不总是出在「看错图」，而常常出在推理链进入不确定转折点之后，开始顺着语言惯性一路想偏。

论文链接：https://arxiv.org/pdf/2603.13366

研究者进一步指出，这种偏航并不是随机噪声，而是和token级别的不确定性紧密相关。尤其当模型生成because、however、wait这类带有转折、反思和因果意味的过渡词时，往往对应着更高的token entropy，也意味着模型正在多个潜在推理路径之间摇摆。一旦此时被迫过早选定一个离散token，后续整条reasoning trajectory都可能被带歪。

幻觉不只是「看错」，而且是在转折词之后「想偏」

这篇论文首先抓住了一个非常有传播力、也很有解释力的现象：多模态幻觉经常出现在transition words之后。 论文统计发现，在MLRMs中，hallucination更容易在transition words后出现，而且这类case在全部幻觉中占了相当大比例。

换句话说，模型不是无缘无故地乱说，而是常常在「因此」「但是」「等等」这些看似高阶推理信号出现之后，开始脱离图像，进入语言主导的脑补状态。

更关键的是，论文没有停留在现象层面，而是把这个问题和token entropy 联系起来。

作者发现，这些 transition words 往往对应更高的熵值，也就是模型最不确定、最容易在多个语义分支之间摇摆的时刻。

于是，问题就不再只是「模型会不会幻觉」，而变成了：模型在最不确定的时候，为什么还要被迫立刻做出一个离散决策？ 

为什么高熵token 最危险？

为了验证高熵节点到底有多关键，作者做了进一步的token masking分析。结果很直接：mask掉高熵token，比mask掉其他token对最终性能的伤害更大。 这说明高熵token虽然「不确定」，却恰恰是推理过程里的关键决策点。更有意思的是，这种影响在推理链前段尤其明显——越早出现的高熵智元（token），越可能决定后续整条reasoningpath 的走向。

论文还发现，和hallucination相关的高熵token，通常拥有更低的视觉注意力比例。这意味着一旦模型进入高不确定状态，它对视觉证据的依赖反而可能下降，开始更多依赖语言上下文继续往下编。也就是说，多模态幻觉的关键，不只是模型没看图，而是它在不确定时逐渐不再看图。

LEAD怎么做

基于这一观察，作者提出了 LEAD（Latent Entropy-Aware Decoding）。

它的核心思想很直观：当模型处于高熵状态时，不再强迫它立刻从概率分布里采样出一个单独token，而是使用概率加权的连续 embedding，在潜在语义空间中同时保留多个候选推理方向；而当熵值下降后，再自然切回常规的离散token解码，实现从「探索」到「收敛」的自适应过渡。

这篇工作的另一个亮点，是它没有只做「latent decoding」，还进一步加入了 visual anchor injection。

作者观察到，高熵阶段往往也是视觉信息最容易被弱化的阶段，因此LEAD在这一阶段注入来自预训练视觉表示的 guidance vector，把模型持续往图像证据上拉，避免它在「想」的过程中越走越偏。

这个设计让 LEAD 和一般的 decoding trick 不太一样：它不只是重排token分数，而是在关键推理节点直接改变模型的表征与决策方式。

不只减少幻觉

实验部分是这篇论文很扎实的一点。

作者在多组通用理解与hallucination benchmark上测试了LEAD，结果显示它在不同backbone上都能带来稳定增益。

以R1-Onevision-7B 为例，加入LEAD后，VStar从66.5提升到71.2，RealWorldQA从62.5提升到66.4，MMEval-Pro从69.4提升到73.9，MMHalu和Bingo也分别提升到3.80和3.84。

类似增益也出现在Vision-R1、VL-Rethinker、VL-Cogito和OpenVLThinker等模型上。

在数学与科学视觉推理任务上，LEAD同样有效。比如在R1-Onevision-7B上，MathVision 从 29.9 提升到 32.4，Geometry3K 从 57.9 提升到 61.2，MMK12-Bio从40.8提升到44.8；在Vision-R1-7B上，MathVision 从 27.2 提升到 29.7，MathVerse 从 52.4 提升到54.5。也就是说，LEAD 带来的不是某个单点 benchmark 的偶然提升，而是跨通用理解、数学和科学推理的整体增益。

消融实验

这套方法不是「玄学调参」。论文显示，动态 entropy threshold 策略优于始终离散或始终潜在的极端设置；而 persistence window 也存在一个合适区间，太短会导致频繁切换，太长又会退回传统 CoT 的行为模式。视觉锚点强度也不是越大越好，适中的视觉注入最能兼顾图像grounding和语言上下文。

定性结果

论文展示了LEAD在具体样例中的视觉注意力分配与token-level概率分布：相比baseline和MemVR，LEAD 会把更多注意力放在与问题真正相关的图像区域上；同时，在 latent reasoning 阶段，token分布更分散、熵更高，而进入 discrete reasoning 阶段后，分布会逐步收敛到更确定的输出。这种「先保留多种可能，再在证据约束下收敛」的过程，正是它缓解幻觉的关键。

更有意思的是，LEAD不只是更准，还更「省」。论文在MathVision上发现，LEAD在保持最高准确率的同时，平reasoning length反而更短；在Pass@k实验中，它也能在更小的k上更快达到峰值，说明它拥有更好的 sample efficiency。换句话说，LEAD并不是靠「想得更长」取胜，而是靠在关键的不确定节点少走弯路。

最后，作者还用PPL以及GPT-5评估了输出文本的 grammar、fluency 和 naturalness。

结果显示，LEAD 在缓解幻觉的同时，并没有牺牲文本质量，反而在多个维度上保持了更优或更稳的表现。也就是说，这种方法不是靠「保守回答」换来的提升，而是在 reasoning reliability 和生成质量之间取得了更好的平衡。

总的来看，这篇工作的启发很明确：多模态模型的问题，未必是不会推理，而是在最不确定的时候，过早把自己锁死在了一个可能错误的token 上。

LEAD的价值，就在于把「高熵阶段」识别成真正的危险区，并让模型在这里先保留语义多样性、再回到确定输出，同时用视觉锚点把推理重新拽回图像证据。对多模态大推理模型来说，这可能比单纯「多想一点」更重要。

参考资料：

https://arxiv.org/pdf/2603.13366

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！

跳转微信打开

---

新智元报道  

编辑：Aeneas 犀牛

最近，抖音上被一批脑洞大开的视频刷屏了。

比如下面这个《大明天工合伙人》的短剧，一发出就人气爆棚。

它巧妙地将明代「天工开物」的匠心与中国新能源汽车的东方智慧深度绑定，把红旗天宫的品牌内核，预埋在每一次时空流转中。

这种用内容种草的新玩法，精准集中了国潮爱好者与汽车发烧友的痛点。

抖音用户在跌宕起伏的追剧体验中，自然而然就对品牌产生了情感共鸣。

汽车圈首部AI微短剧，果然实至名归。

太神奇了，这个时代的营销，已经做成这个样子了吗？

当AI学会「替品牌思考」

很显然，2026年的营销，跟以往已经完全不一样了。

如果你是业内人士，大概会对下面这件事很扎心：团队花了三个月做消费者调研，花了两周出策略方案，花了一周选达人、拍素材、做投放——然后呢？

这波投放到底触达了谁？内容打动了多少人？生意增长和营销动作之间，到底有没有因果关系？谁都说不清楚。

过去几年，品牌营销行业最大的困境，不是缺工具，而是工具太多、太散、太割裂。

比如一个洞察平台、一个达人撮合工具、一个投放系统、一个数据看板——每个环节都有AI加持，但彼此之间的数据和逻辑，根本不能相通，这样，品牌根本没法拿到一整套解决方案。

而与此同时，2026年的消费者，跟以往相比有了很大不同——当今的用户注意力，已经变得非常碎片化。

WPP的报告显示，超过78%的用户会在社交媒体上发布内容，人人都是信息节点，品牌想要穿透细分圈层、精准触达目标人群，比任何时候都难。

AlixPartners《2025中国消费者调查》也显示，典型美妆消费者在做出购买决策前，平均要接触超过7个信息触点，五年内几乎翻了一番。

面对如此复杂的用户场景，AI营销究竟该怎么做，才能整合各自为战的AI产品，真正做到效果最大化？

就在最近，巨量引擎推出的「品星云AI营销新模式」，对这个问题做了很好的回答。

在AI时代，应该做的不是做一个更好用的单点工具，而是围绕品牌营销的核心命题，搭建一套AI驱动的全链路解决方案。

当AI真正贯穿营销全链

说「全链路」的产品很多，但大多数只是把几个工具捆绑销售。

品星云AI的不同之处就在于，它把品牌广告、星图、云图三大板块的能力真正拧成了一股绳，让数据在「洞察策略—内容创作—广告投放—项目复盘」的完整闭环中流动起来。

云图AiMars——帮你想清楚「该怎么打」

很多品牌做营销策略，靠的是「经验+直觉+PPT」。

老板觉得年轻人喜欢国潮，那就做国潮；竞品投了短剧，那我们也投短剧。

但是，这种拍脑袋式的决策，在信息爆炸的今天来越不灵了。

品星云AI的策略引擎——云图AiMars，做了一件很关键的事：把「数据」直接变成「可执行的策略」。

它的底层逻辑是这样的：基于品牌在巨量云图上沉淀的全量数据资产，结合官方商业化知识库，将大语言模型与云图独有的商业数据深度融合。

品牌只需要输入营销目标，云图AiMars就能一键输出「灵感洞察」与「营销场景」方案——哪些内容赛道有机会、哪些爆款元素值得参考、目标人群的内容偏好是什么，全部拆解到位。

一个品牌团队过去需要花两周才能完成的市场洞察和策略制定，现在可能只需要几分钟。

而且，AI给出的不是「放之四海而皆准」的通用建议，而是基于品牌自身历史数据、所属行业特性、当前市场热度的精准判断。

如果说传统数据产品的价值止步于「告诉你发生了什么」，云图AiMars则进化到了「告诉你该怎么做」。

内容创作——让内容不再卡脖子

策略有了，接下来的问题是：内容怎么做？

这可能是品牌营销中最消耗人力、最依赖创意、也最容易「卡脖子」的环节。

一条好的种草视频，从选题到脚本到拍摄到剪辑，传统流程下来，快则一周，慢则半个月。而且好内容的产出高度依赖个人能力，很难规模化复制。

品星云AI在这个环节的打法，不是简单地「用AI生成内容」，而是围绕品牌、达人、用户三个创作主体，分别提供差异化的AI能力支持。

这个环节的核心武器，是星图平台上的小星AI——一个真正满足内容创作全链的营销AI Agent。

它不是只管某个环节的工具，而是实现了从策略输出到达人匹配、建联落地、创作履约及投放复盘的智能串联，彻底打通营销执行壁垒。

• 找方向——依托日均 500 万 + 内容挖掘、10 亿 + 搜索数据分析能力，快速洞察品类趋势，输出种草方案和达人推荐清单，解决「拍什么、找谁拍」的难题；

• 谈合作——支持批量邀约达人、一键建联，把过去动辄一两周的商务沟通压缩到极短时间；

• 出内容——结合平台热点和达人风格自动生成植入脚本，还能在创作前AI预审，提前拦截违规风险，确保内容既有创意又合规。

小星AI Agent帮助客户和达人完成了「洞察-建联-创作-履约」全营销工作流的智能化重塑。

某护肤品牌客户F应用小星AI，通过策略指引+智能选号+多轮校准提效，最终达成选人人效提升50%，初筛pick率100%，应用内容策略的视频完播率14%。

而Seedance 2.0等工具实现「剧本一键成片」，把数周的制作周期压缩到小时级。

其本质上就是把品牌卖点和真人梗一起丢进「AI夸张机」里，炸成有画面、有笑点、还能顺手记住产品的传播梗。

比如，它帮古茗咖啡生成的这个广告，把发现万有引力的牛顿、梵高和珍珠耳环少女这些名画中的人物，编成了笑点密集的精彩剧情，一点都不硬。

而且，用户还能亲自下场造梗、转梗、接梗，内容越玩越多，传播越滚越大，再顺手挂上点单链接和优惠券，直接让用户在笑声中一键下单。

而普通用户也可以通过全民任务中的定制AIGC、AI绘境、AI闪植等低门槛玩法，轻松参与品牌内容共创。

据抖音官方数据披露，平台AIGC投稿量同比飙升91%，播放量增长83%，AI内容正在成为新的流量引擎。

广告投放——让好内容找到对的人

内容做好了，怎么投？投给谁？

这是品牌最关心、也最焦虑的环节。

过去的投放逻辑往往是广撒网、看运气——预算烧了不少，但真正触达目标人群的比例，心里没底。

品星云AI在投放侧做了三件事，每一件都直指核心痛点。

首先，「知意（AI有刷）以AI理解人为核心，突破了过去标签的静态局限。

一方面，它可以深度解析用户的全链路行为与潜在消费意图，量身定制追投策略；另一方面，它可以实时判定用户的潜在购买意愿，投后场景渗透率直接高达70%。

第二件，就是精准找到目标用户。

「AI人群智投」有着全域的用户洞察能力，品牌只要输入商品信息和营销目标，AI就能自动制定策略，生成适配人群包，一键直达投放。

最后，随着当下短剧已经吸引了全网用户的注意力，品星云AI依托短剧营销矩阵，彻底重塑了短剧营销的这套新玩法。

「AI植入」通过智能识别画面，直接就能无缝插入/替换品牌产品，实现高效补拍；采用的「剧爆则投」模型，则直接把成本与风险降低了80%。

另外，还可以进一步结合「AI X剧可点」，在剧情高光节点精准投放，最大化流量。

比如下面这集短剧《暴君惊呆！小公主拒喝人奶！》，丝滑地融入了某品牌奶粉，在巨量短剧观众面前自然而然地完成了曝光。

而「AI创意·小剧场」则无需真人拍摄，纯AI即可生成番外内容，让品牌成为剧情角色，持续承接爆剧热度。

简单说就是「爆款短剧的永动番外机」——拿AIGC把品牌诉求和已播/待播热剧一拧，立刻生出一条能蹭热度、还能自己长流量的番外创意视频。

拍得更便宜、更快、更灵活。

品牌也不再是硬塞进来的广告板，而是直接混进剧情当主角。

某喜剧影星的「你过来呀」热梗，在这个短剧中被玩得贼溜。

此外，平台还推出了一系列AI创新交互广告：明星来信、明星合拍、明星来电——用户可以和品牌代言人、IP进行沉浸式互动。

AI Agent互动广告则在信息流中搭载了智能对话精灵，用户刷到广告的同时，就能和「品牌分身」实时交流。

这已经不再是传统意义上的「看广告」了，而是「和品牌对话」。

项目复盘——用自然语言问AI，数据说话

营销做完了，效果怎么样？

这个问题过去的回答方式是：导出一堆Excel表格，拉一堆数据指标，开一个四小时的复盘会——然后大家还是吵不清楚到底行不行。

品星云AI的复盘体系做了一个很人性化的设计：云图AiMars的「智能问数」功能，让营销人员可以用自然语言直接提问——这次投放触达了多少A3人群？种草转化率比上次高了多少？哪条素材的互动表现最好？

AI直接从云图数据库中提取关键指标，给出清晰的洞察和归因分析。

不需要会SQL，不需要懂数据模型，说人话就行。

从洞察策略到内容创作，从精准投放到效果复盘——品星云AI真正实现了营销全链路的闭环运转。

每一个环节的输出，都是下一个环节的输入；每一次投放的数据，都在反哺下一次决策的精准度。

为什么是品星云AI？

市面上做AI营销的玩家不少，但能把全链路真正打通的寥寥无几。

品星云AI能做到，背后有三个不可替代的硬核能力。

第一，独家生态优势。

据QuestMobile 2025年数据，抖音的日活跃用户已超过6亿，月活用户突破9亿。

从内容消费偏好到社交互动习惯，从搜索意图到购买决策路径，这些平台的生态，覆盖了一个用户从「种草」到「拔草」的完整链路。

没有高质量的数据做底座，再强大的模型也只能输出「正确的废话」。

第二，硬核技术实力。

巨量引擎将平台大模型与商业数据深度融合，通过AI Agent架构实现了从用户识别到内容生成的智能化闭环。

云图AiMars采用的RAG（检索增强生成）技术，让AI在输出策略时调用的不仅是预训练知识，还有实时的商业数据库——这保障了从洞察到创意的每一步都扎根在真实的商业世界里，而不是飘在模型的「幻觉」中。

第三，体系协同的复利效应。

这一点最容易被忽视，也最难被复制。

品牌广告、星图、云图三大板块并不是简单的产品组合，而是在数据层、策略层、执行层实现了深度打通。

云图负责「大脑」——提供洞察和决策依据；星图负责「创作」——匹配达人、激发好内容；品牌广告负责「触达」——把好内容精准送到对的人面前。

三者之间的数据流转和能力互补，形成了一种「1+1+1>3」的协同复利。

这种体系化的能力，不是单独做一个AI工具就能实现的。

它需要平台级的生态积淀、技术投入和产品整合——而这恰恰是巨量引擎多年深耕品牌营销的积累所在。

AI营销的「产业级落地」需要什么？

放眼整个AI产业，一个反复被讨论的话题是：AI到底能不能真正在产业中落地？

答案是能，但有条件。

从AI营销这个赛道来看，过去几年市场上涌现了大量AI营销工具——AI写文案、AI做海报、AI剪视频、AI投广告……每个单点能力都在进步，但在产业级落地层面，「水土不服」的现象依然普遍。

原因无外乎几点：数据孤岛打不通，工具之间不协同，AI输出的策略「看起来很对但落不了地」，效果无法量化归因。

艾瑞咨询数据显示，2025年中国AI营销市场规模预计已达669亿元，年复合增长率26.2%。

市场足够大，但真正能形成完整商业闭环的玩家并不多。

品星云AI的价值，不只在于它自身的产品能力，更在于它为AI在营销领域的产业级落地提供了一个可参考的范本。

这个范本的核心逻辑是：AI不能只做「点」，必须做「面」。

单点工具再强，如果不能嵌入完整的业务流程中，就永远只是锦上添花。

品星云AI的思路是让AI贯穿「洞察—创作—投放—复盘」的全流程，成为营销工作流的「操作系统」而非「插件」。

AI必须扎根在真实的商业数据中。

通用大模型再聪明，缺少行业数据和业务场景的支撑，也只能输出泛泛而谈的建议。

品星云AI将大模型与抖音生态的全量商业数据深度绑定，确保每一个策略输出都有数据支撑、可验证、可落地。

AI的终极价值不是替代人，而是让人做更重要的事。

品星云AI的设计哲学很明确——把繁琐、重复、高信息密度的工作交给AI处理，让品牌团队从「苦力活」中解放出来，把时间和精力投入到真正需要人类判断力的策略决策和价值创造中。

这几条逻辑，不仅适用于营销行业，对所有试图推进AI产业落地的领域都有参考意义。

当AI成为品牌的「共生大脑」

写到这里，不妨做一个更大胆的展望。

品星云AI今天做的事情，本质上是在回答一个终极问题：AI在品牌营销中，最终扮演的角色是什么？

不是一个更快的计算器，不是一个更高效的内容生成器，甚至不只是一个更聪明的投放优化引擎。

它更像是品牌的「共生大脑」——一个能够持续洞察用户需求变化、实时迭代营销策略、深度理解内容与人群匹配关系、自动优化投放效率的智能伙伴。

在这个图景中，品牌与用户之间的沟通将不再是单向的「我说你听」，而是双向的、动态的、持续进化的对话。

策略因持续洞察而精准迭代，内容因深度理解而自然共情，品牌与用户的关系因真正的双向互动而愈发紧密。

这听起来像是愿景，但品星云AI已经在用产品能力一步步把它变成现实。

当然，AI营销不会一夜之间颠覆一切。

任何技术的产业化落地都需要时间、需要耐心、需要在无数个具体场景中反复打磨和验证。

但方向已经清晰——品牌营销的未来，不是「更多的AI工具」，而是AI与营销的全面融合。

当这种融合真正发生，品牌营销将从「拍脑袋」回到「讲道理」，从「凭经验」走向「靠数据」，从「人海战术」进化为「智能协同」。

让决策回归简单，让增长回归确定。

这不只是品星云AI的产品口号，也是整个品牌营销行业在AI时代最值得期待的未来。

而这个未来，或许比我们想象的更近。

参考资料：https://bytedance.larkoffice.com/wiki/N3FlwdrwGi8ll4kTP5gcR8Kjn9b

https://bytedance.larkoffice.com/wiki/XFuIwLMeii3ATTk4fgzcrmKZnnc

https://bytedance.larkoffice.com/wiki/TOWKwTKvJi62YokoS4jcSfX4nug

‌‍⁠⁠‍‌‍‬‌‬‍‌‌⁠‬‬

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！

跳转微信打开

---

新智元报道  

编辑：元宇

黄仁勋「AI的五层蛋糕」架构

事实上，这套从基础供给到业务落地的思路，与易鑫在AI领域的布局不谋而合。

作为AI驱动的金融科技平台，易鑫结合行业特有的技术痛点与业务场景，构建了覆盖基础设施、模型、平台产品、应用的全栈式AI体系，实现了底层技术能力向顶层业务价值的转化。

第一层：基础设施

AI Infra

在黄仁勋的理论中，能源与芯片属于AI的硬件底层。

易鑫并未直接布局这两个环节，而是将重心放在更贴近业务价值的「算力调度与算力效率」上。

这种基于行业分工的策略，让技术投入更直接地作用于业务场景。

大模型训练依赖海量算力，实际业务调用则需兼顾高并发与低延迟。

为了在规模化应用中平衡性能与成本，易鑫研发了Vesta训推一体平台，将训练、推理与资源调度等功能整合在统一体系中。

Vesta打通了从数据层到模型层的通道，在保障算力稳定性的同时，降低推理延迟并实现成本可控。

易鑫通过这种资源整合方式，在不直接下场造芯的情况下，解决了技术落地的算力瓶颈，使大模型在汽车金融场景中的商业化应用成为可能。

第二层：模型矩阵

Model

通用大模型虽应用广泛，但在汽车金融垂直场景中往往面临资源消耗大、业务理解浅、精准度不足等问题，难以适配业务实际需求。

易鑫放弃「通用大模型+外挂知识库」的思路，选择自主研发真正适配汽车金融行业的大模型。

目前，易鑫已构建起完整的Xin系列模型矩阵，涵盖预训练与后训练模型、文生文模型、多模态模型、语音模型，以及具备智能体（Agent）能力的Agentic大模型XinMM-AM1。

在合规与开源层面，易鑫是中国汽车金融领域首个通过生成式AI大模型备案的企业，并率先实现DeepSeek大模型本地化部署与应用。

不仅如此，易鑫还主动开源比肩头部通用模型的高性能推理模型YiXin-Distill-Qwen-72B和Agentic大模型YiXin-Agentic-Qwen3-14B，以「开源共建」理念推动行业技术共赢。

第三层：平台产品

Platform-as-a-Product（PaaP）

为了让强大的模型能力真正落地、发挥实效，易鑫将底层模型能力封装为模块化、标准化、易接入的平台产品，降低了AI在各业务线落地的门槛。

从2018年起，易鑫先后推出了决策流平台、模型平台和机器人平台；

2022年，自研的AI原生话务系统上线，替代了第三方方案；

2024年，将大模型全面应用于机器人产品升级，并推出覆盖短视频、直播等场景的新媒体创作平台。

截至2025年底，易鑫AI平台累计服务超过9,300万次，实现了技术能力的规模化输出。

第四层：业务应用

Application

技术的最终价值，在于解决实际业务痛点、创造商业与行业价值。

易鑫基于Agentic大模型和Xin系列模型，打造了一站式AI智能服务解决方案，覆盖汽车金融「渠道、进件、预审、智能风控、智能链路、智能客服、资管」全链路，让AI真正融入业务每一环。

智能进件（渠道+进件+预审）：

利用AI搜索自动生成渠道分析报告，辅助决策；在进件和预审环节，通过多模态模型自动检索、提取用户资料，实现自动化录入和预审。

风控决策（风控+智能链路）：

除个性化风险模型外，使用机器人平台覆盖风控各环节，独创「智能链路」模式与算法，为用户匹配最优金融方案；更推出「端到端风控」，将文本、图片、音视频等原始信息直接输入模型，让模型自主提取特征，同时融合传统可解释性模型，避免人工特征提取的信息损耗。

融后服务（客服+资管）：

客服端除自动回复电话、IM咨询外，还分析用户声纹、语音语调，预判投诉风险并提前派单；资管端依托AI制定个性化策略，针对不同风险等级匹配对应方案。

结语

易鑫引领汽车金融AI新基建运动

正如黄仁勋所言，「AI正在成为现代世界的基础设施。」

这意味着，AI不再是实验室里的技术，而是一场横跨能源、芯片、基础设施、模型与应用的超级基建运动。

易鑫构建的「汽车金融版AI蛋糕」，核心在于将AI作为行业新型基础设施进行重构，推动业务从「适配AI」转向「由AI驱动」。

目前，易鑫的全栈式AI能力在国内已实现深度应用。

这种技术竞争力也为后续的全球化拓展奠定了基础。

未来，易鑫将继续迭代该架构，通过技术开源与生态合作，探索更高效、安全的行业应用模式。

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！

跳转微信打开

如何在优化奖励的同时，保全模型原本拥有的多样性？

---

新智元报道  

编辑：YHluck

近年来，基于可验证奖励的强化学习（Reinforcement Learning with Verifiable Reward, RLVR）已成为提升大语言模型推理能力的重要路径。

从数学求解到代码生成，再到SQL推断，大量研究表明，RL能显著提升模型在单次作答场景下的成功率。

然而，一个关键现象始终未得到充分解释：为什么许多经过RL微调的模型，虽然 Pass@1提升了，但在允许多次尝试时，Pass@k反而下降了？

这表明，模型或许更擅长「押中一次正确答案」，却丧失了原本丰富的解题路径与候选解空间。更进一步，这种现象往往伴随着灾难性遗忘（Catastrophic Forgetting）和跨领域泛化能力的下降。

现有方法通常将注意力集中于奖励设计、采样策略或熵调控，但研究团队发现，一个更基础、更关键的问题长期被忽视：RL目标中的divergence项，究竟应如何选择？

针对这一问题，复旦大学、无限光年、上海科学智能研究院（下称上智院）、上海创智学院的联合研究团队聚焦于长期被忽视的KL散度项，从divergence选择的角度破解这一难题。相关研究成果已被ICLR2026接收。

论文标题：The Choice of Divergence: A Neglected Key to Mitigating Diversity Collapse in Reinforcement Learning with Verifiable Reward

论文链接：https://arxiv.org/abs/2509.07430

代码链接：https://github.com/seamoke/DPH-RL

复旦大学博士生、无限光年实习生李龙，复旦大学及上海创智学院博士生周潪剑，为共同一作。复旦大学研究员、上海科学智能研究院AI科学家屈超，为通讯作者。

divergence 选择困境：

反向KL与约束缺失的代价

在大多数RL后训练方法中，常见做法是采用reverse-KL，或直接移除 divergence 约束。然而，这两种选择均存在明显缺陷：

• Reverse-KL本质上是mode-seeking的，会鼓励策略向少数高概率模式收缩；

• 缺失divergence项意味着模型在训练过程中缺乏对原始知识分布的显式保护机制。

这两种设定都会导致模型日益集中于少量「熟悉答案」，进而引发Pass@k下降、既有能力遗忘以及跨任务泛化能力减弱。若以更形式化的方式表述，传统 RLVR 可概括为：

其中，π_θ为当前策略，π_ref为参考策略（通常为初始模型或SFT模型）。问题的关键在于：若此处的divergence选择不当，后半部分将不再是「保护机制」，反而会沦为「多样性压缩器」。

若将基础模型视为已掌握大量知识与多样解法的「知识分布」，那么RL微调的目标本应是在保留既有能力的前提下进一步提升任务表现。

然而现实中，许多RL方法更像是在不断强化少数高回报轨迹——模型逐渐偏向一两种最易获得奖励的解法，而舍弃了原本同样有效但出现频率较低的其他路径。

研究团队进行了一项有趣的实验：通过SFT让模型学习到多种不同风格的回答方式，仅凭前缀即可判断模型采用了哪种风格；然而经过标准GRPO训练后，模型几乎只保留了一种风格。

因此，研究团队认为，RLVR中真正需要解决的，不仅是「如何学得更强」，更包括：如何在优化奖励的同时，保全模型原本拥有的多样性。

方法：

将divergence从「约束项」重塑为「保多样性机制」

基于上述观察，团队提出了DPH-RL（Diversity-Preserving Hybrid RL）。这项工作的核心思想是：

divergence不应仅是训练时的附带正则项，而应被重新设计为主动保护模型多样性的机制。

具体而言，不再沿用传统的reverse-KL，而是引入更具mass-covering性质的 ，例如：

与倾向于收缩至单一模式的reverse-KL不同，这类divergence会鼓励新策略继续覆盖参考策略中原本存在的多种解法。换言之，它并非强迫模型「只记住最优路径」，而是在提醒模型：「你可以继续变强，但不要忘记原本掌握的东西。」

从机制上看，该研究的方法可理解为一种rehearsal mechanism（复现机制）：模型在训练过程中持续参考初始策略的分布，从而保留原有的知识覆盖范围，避免在强化学习过程中发生过度收缩。

以提到的forward-KL为例：

此处的期望是对参考策略π_ref取的。只要参考策略曾覆盖过某些合理解法，新策略π_{θ便不能轻易将其概率压至接近零。正因如此,forward-KL更具mass-covering倾向，更适合作为「保多样性」的工具。}

进一步地，论文还引入了JS divergence作为更稳定、对称的替代方案。若记：, 则对应的生成函数可写为：。由此得到一类更加平滑的分布约束方式。

此外，DPH-RL在实现上也更为高效。作者采用基于generator function的方式计算f-divergence，仅需从初始π_{ref预采样，无需在训练过程中维护在线reference model。}

这使得方法在训练成本上更加友好，更适合实际大规模后训练场景。在具体训练时，DPH-RL 并非对所有样本「一刀切」地施加同一种约束，而是先将数据划分为两部分：

• 探索集合D_exp：针对模型尚未掌握的困难样本，不加入任何KL penalty，

让模型在困难样本上更激进地探索高奖励解法。此处采用标准 PPO-clip 目标：

• 近完美集合D_pef：针对模型已基本掌握的样本，π_{ref从Dpef采样，依靠f-divergence保持在正确样本上的多样性。更直观地说，模型在这部分样本上不再追求「获取更高奖励」，而是尽量不偏离原本已表现良好的行为分布，其一般形式为：}

因此，整体训练过程更适合表述为「分情况计算」的形式：

换言之，并非对每个样本同时叠加「探索项 + 保持项」，而是先判断样本属于D_{exp还是Dpef}，再计算对应的loss。

更优的divergence选择

可同时兼顾性能提升、多样性保留与泛化能力

实验设置

论文采用Llama3.1-8b作为实验模型，仅在BIRD数据集上训练，并在BIRD、Spider 及数学任务数据集上测试OOD泛化能力。

In-Domain性能：Pass@k的恢复

在BIRD数据集上，结果清晰表明：

• GRPO与DAPO虽可能提升了Greedy（相当于Pass@1）表现，但其Pass@8和Pass@16分数均显著低于Base Model，证实了多样性坍塌的存在；

• RKL（反向KL） 表现同样不佳，Pass@k出现下降；

• DPH-F与DPH-JS不仅Greedy分数最高，其Pass@8分数也超越了Base Model。其中，DPH-JS的Pass@8分数较GRPO高出4.3%。在更大的k设置下，DPH-RL更接近base model，缓解了Pass@k的崩塌。

Cross-Domain与OOD性能：

泛化能力的保持

我们将SQL任务上的Spider数据集视为cross-domain，将数学数据集视为out-of-domain。可以看到，所有仅在SQL数据集Bird上训练得到的RL模型，在分布发生偏移时都会出现不同程度的性能下降。

正如图中所示，随着任务与训练分布的差异逐步增大，Pass@k整体呈现明显下降趋势，这也是OOD场景中的普遍挑战。

不过，更值得关注的是各方法的相对表现：

• DPH-F与DPH-JS的Pass@k分数显著高于其他所有RL方法，最接近Base Model的原始水平；

• DAPO在OOD任务上表现不稳定、性能保留能力不如DPH-F，DPH-F的Pass@16分数较DAPO高出9.0%；

• Reverse-KL在OOD场景下表现严重下滑。

这表明，通过保留解决方案的多样性，DPH-RL能够更有效地防止灾难性遗忘，从而在面对新领域问题时保持更强的泛化能力。

保留 (Keep)与探索 (Exploration)的显式平衡

为了揭示DPH-RL的核心机制，论文通过解构模型在Pass@8上的表现，分析了 RL 微调前后的知识动态：

• 保留率 (Keep Rate)：衡量知识稳固度。指基础模型原先能做对的样本在微调后依然保持正确的比例。

• 额外探索率 (Additional Exploration Rate)：衡量能力增量。指基础模型原先做错的样本在微调后转而做对的比例。

实验结果揭示了DPH-RL与GRPO之间的核心区别：

1. 高保全性：DPH-RL拥有极高的保留率，能有效留存模型已有的稳固知识，从根本上避免了「灾难性遗忘」。

2. 净增益优势：相比之下，GRPO虽然具有一定的探索能力，但在获取新知识的同时，往往伴随着对原有能力的剧烈侵蚀——即典型的「学新忘旧」。

由此可见，DPH-RL通过对强化学习组件的功能解耦，实现了保留与探索的显式平衡。它证明了在通过 RL 提升模型能力上限的同时，稳固已有的知识底座是取得最终胜出的关键。

总结

本文系统分析了RLVR中普遍存在的diversity collapse现象，指出常用的reverse-KL 及无divergence设定均缺乏有效的知识保留机制。

为此，作者提出DPH-RL，将mass-covering f-divergence作为保护模型多样性与缓解遗忘的核心工具。

实验表明，DPH-RL不仅能缓解Pass@k下降问题，还可同时提升Pass@1 ，并在跨域任务上展现出更优的稳定性与泛化能力。更重要的是，这一结果启示我们：在RL后训练时代，保住多样性与提高奖励同等重要。

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！

跳转微信打开

Q1融资超10亿，这家公司要杀死AI语音比赛。

---

新智元报道  

编辑：好困 Aeneas

最近，这个AI直接让我们疯狂了！

事情是这样的。

我们写了段脱口秀，上传了一段徐志胜的录音，让AI用他的声音念出来。

音频一出，编辑部安静了三秒，然后集体炸了。

那个山东味儿的换气声，那个冤种气质，连说到一半突然卡壳的停顿都一模一样。

但这真不是徐志胜。

干这事的叫VoxCPM 2，面壁智能联合OpenBMB开源社区、清华大学人机语音交互实验室开发的2B小模型，4月刚刚开源。

而且，不只我们疯了。前天VoxCPM 2首发时，X推文的浏览量分分钟飙到30多万。

官方放出的demo，直接把一众网友震了。

只见「硅谷钢铁侠」马斯克化身Q版数字人，周游了十几个国家。每到一个国家，他都用极度地道的当地语言，结合当地文化和自家公司疯狂吐槽。

在法国，他会用法语吐槽「8月份在这里等一封邮件，比殖民火星还难」；在意大利，他又用意大利语严正声明：「披萨上放菠萝，简直比炸毁一枚火箭还要罪恶」。

在中国，他用字正腔圆的中文感慨：「这里开源模型的发布频率，简直比我发射星链还要密集」；在泰国，他被辣到怀疑人生，「这木瓜沙拉辣得把我大脑都重启了，Neuralink赶紧记下来！」

评论区里，网友们疯狂夸赞说：VoxCPM 2又一次提高了开源TTS的标准，它可能会彻底改变我们创作音频的方式！

能接得住梗，只是VoxCPM 2的基本功而已。

它包含30种语言，9种方言，有48kHz的CD级音质。对于声音克隆、情绪控制，它样样能打，还有一招更绝的「音色设计」，能无中生有，凭空创造一种从未存在过的声音。

别家要好几个模型叠起来干的活，它一个全包。开源，免费，工具链全套附送。

这个AI真的不是来参加比赛的，而是直接把桌子都掀了！

五场实测，拆解AI语音能力上限

一段录音喂进去，贺炜直接复刻

音色克隆，是VoxCPM 2的一大杀手锏，属于人无我有的功能。它实现了业界领先的克隆相似度，真正做到了声临其境。

最近，所有人都被张雪机车的热血故事刷屏了。在WSBK葡萄牙站，张雪凭一己之力，干掉了杜卡迪川崎雅马哈，打破了欧日的百年垄断，一战封神！

那让我们试一试，模仿贺炜的解说风格，用激情澎湃、热泪盈眶、骄傲自豪的声音有节奏感、有停顿地解说下面这段话：

贺炜这直击灵魂深处的激昂怒吼，已经被一比一完美复刻，这穿透屏幕的声浪，让全世界都听到：中国智造，已经走到了世界巅峰。

一个字，绝。

方言一响，AI瞬间有了人味

AI说中文不奇怪，但它能说出那种带着大蒜味、火锅味、甚至腊汁肉夹馍味的家乡话吗？

VoxCPM 2支持9种中国方言，四川话、粤语、吴语、东北话、河南话、陕西话、山东话、天津话、闽南话。光看名单没感觉，得听。

为了试出它的底牌，我们请出《武林外传》里的经典人物。

首先，我们先给模型喂了一段佟掌柜的经典台词。原本担心AI会把陕西方言念成「标准普通话带口音」，结果音频一出，全办公室都沉默了。

佟湘玉（陕西话）： 「额错咧，额真滴错咧，额从一开始就不该嫁到这儿来……」

简直了，这个微微上扬的尾音，把那种风情万种又委屈巴巴的劲儿掐得死死的。

山东方言里独特的重音位置和喜感，粤语里的文艺腔和江湖气，VoxCPM 2全接住了。

燕小六（山东话）： 「给俺照看好俺七舅姥爷！」（帮我照顾好我七舅老爷）

无双（粤语）：「有啲人天生血脉带风，注定一世都要漂泊。」 （有些人血里有风，注定是要漂泊的）

最后，再来几段有故事感的。

我们给VoxCPM 2下了一道指令，「闽南语，女性，语气又凶又心疼」，让它演一个叫孙子回来吃饭的闽南阿嬷。

闽南阿嬷管你吃饭，广东老师傅管你吃好。

我们让VoxCPM 2用粤语念了一段干炒牛河的旁白，控制指令只写了一句「像纪录片旁白，浑厚从容」。

不紧不慢地讲述节奏，听完想立刻下楼找大排档。

上海话也不甘示弱。

先来一段上海阿姨吐槽邻居装修，语速快、嗲中带刺，每个字都在翻白眼。

同样是上海话，这次换成低沉威严的中年男声，像老克勒靠在沙发上跟晚辈讲规矩。

同一种方言，一个嗲到骨头酥，一个冷到脊背凉。VoxCPM 2的驾驭，已经不是「能说」的问题了，是「能演」。

为什么效果这么好？因为模型抓住了方言里的语气词、顿挫感和情绪颗粒度，方言不再是几种发音规律的组合，而是一种情感的复刻。

对于自媒体短视频、文化出海团队来说，这简直是核武器级的生产力。

凭空捏出一个声优，还能千人千面

VoxCPM 2的另一大突出能力，就是音色设计。

现在市面上多数模型只能对固定音色进行情感或风格控制，但VoxCPM 2却能支持任意音色的生成。

因此，我们可以先用文字创造一个理想声音，精确控制它的情感和风格，这就为内容创作打开了无限空间。

比如下面这个武侠短剧的配音，无论是浪子侠客、活泼少女还是江湖老者，角色的贴合度都到了毛孔级别。

它不再是那种录音棚里冷冰冰的、毫无波澜的对白，而是带上了呼吸声、带上了情绪的起伏。

这就是核弹级的降维打击，从此再也不需要满世界去找配音演员了，VoxCPM 2一个AI就能生成千变万化的音色。

另外，我们还试着让VoxCPM 2设计了一段《恋与深空》男主沈星移对女主的表白。

设计细节如下。

果然，VoxCPM 2分分钟复现了一个乙女游戏男主的音色，像是在克制情绪，却又无法藏住那份对女主那份压抑隐忍的深情，简直满分！

温柔能设计，冷也能。

我们用控制指令写了一段人设，「中年男性，声音干涩发紧，语速很慢，每说完一句就停下来，音量始终很低，像是自言自语」，让它念一段鲁迅体吐槽。

没有参考音频，没有克隆对象，这个声音是VoxCPM 2凭一段文字描述从零生成的。

浪子侠客、深情男主、冷面文人，音色设计的上限取决于你的想象力。

李白痛饮，七句诗七种情绪

甚至，我们还能通过指令，让每一句话都拥有不同的情绪。

「弃我去者，昨日之日不可留」，指令写「声音沉缓，咬着字尾，像酒后吐郁气」。模型给出了每个字都顿一下的沉闷感，透着力。

「长风万里送秋色」，指令写「像深吸一口气往外放，畅快激动」。「秋色」二字被明显拉长，声音一下子打开了。

「抽刀断水水更流，举杯销愁愁更愁」，指令写「语速放慢，音调降低，尾音拖长」。「愁更愁」三个字几乎是叹气，但又带着一股不服气。

从郁闷到豪迈，从悲伤到释然，每一句的情绪走向都精确跟着控制指令在转。

30种语言覆盖全球，哪吒出海不用找翻译

除了音色克隆和设计，这一次，VoxCPM 2还给出了跨语种的降维打击。

它不仅30种全球主流语言，而且尤其强化了东南亚八国的语种，包括泰语、越南语、印尼语、马来语、菲律宾语等。

要知道，这些语种全是出海团队盯得最紧的赛道，现在一个模型全包了。

说到这儿，那就少不了我们国产电影和电视剧的东南亚出海了。

狂揽159亿票房的《哪吒之魔童闹海》中，哪吒有一段经典台词：「我命由我不由天，是魔是仙，我自己说了算！」

VoxCPM 2给出的泰语、越南语版本，都呈现出极其自然的原声质感。哪吒那种混不吝的狠劲儿，都在异国语境里被完美显现出来。

曾经出海配音需要面对的文化隔阂、口音偏差和昂贵的人力成本，现在在 VoxCPM 2面前，都彻底失去了屏障！

接下来，我们做一个东南亚语言的真实商业场景测试。

我们写了一条15秒带货广告脚本，用VoxCPM 2分别输出泰语、越南语、印尼语、马来语、菲律宾语五个版本。

控制指令统一设定为「年轻女性，清亮活泼，像电商直播主播推荐产品」。

结果让人大为惊喜：五个语种切下来，发音原汁原味，是我们的东南亚朋友都听不出破绽的程度了。

成本呢？如果是用那些按字符收费的闭源平台，五种语言一天跑30条，一个月下来光账单就得好几千美金，让老板们肉疼。

但如果是VoxCPM 2上场，成本也就是一张4090显卡的几度电费的钱，大大利好跨境电商团队！

五场测试跑完，克隆、方言、设计、情绪、多语种，没有一个场景让它露怯。

中国小模型全家桶独一份

开发者疯狂用脚投票

在AI开源界，好用是一方面，配套全不全才是决定开发者用不用脚投票的关键。

这次，面壁智能提供的是全家桶级的工具箱，真正做到了让用户上手即用。

部署层面，原生Torch推理、LoRA微调、全参数微调都支持。高吞吐场景有专门的VoxCPM-NanoVLLM做GPU推理。

生态层面，ComfyUI、WebUI插件一应俱全，甚至为性能狂魔准备了Rust语言重构版本。

从MiniCPM到VoxCPM，面壁智能一直押注「高知识密度」路线，用更小的参数量（2B）打出超越百亿级的性能。

对开发者来说，部署成本更低，推理速度更快，端侧应用更灵活。

而它的开源路线，更是让人疯狂打call。

要知道，现在语音模型的头部闭源平台ElevenLabs，光Pro套餐就要99刀一个月，而这只有50万字符额度，超了另算。

相比之下，VoxCPM 2完全是开源的，不收一分钱，可以随意拿去修改和商用。

目前，VoxCPM 2的体验链接已经上线，GitHub开源仓库在OpenBMB/VoxCPM，模型权重开放下载。

技术理想主义

让中国AGI更有「声音」

VoxCPM 2能做到以上这些，底层是技术路线的选择。

目前开源TTS领域的主流技术路线是Token-based。把连续的语音信号先切成离散的声学Token，再用语言模型逐个预测。这个过程不可避免会丢失声学信息和情感细节。

VoxCPM 2走的是另一条路，扩散自回归连续表征。

用个类比来解释。

Token-based的方法像是先把一幅油画拍成马赛克照片，再试图从马赛克还原油画。每次「打马赛克」都会丢失一些色彩过渡的细节。

VoxCPM 2的方法是在连续的颜色空间里作画，不经过马赛克这一步。声音的细腻纹理天然保留得更完整。

落到听感上，差异很明显。

你去听VoxCPM 2克隆出来的声音，气息感、齿音、喉咙的震动，这些微妙的声学细节保留度好得多。

开头那段鲁迅的冷讽之所以能做到「不靠音量靠气息」，底层就是这条技术路线在撑着。

至此，AI语音的「暴力美学」时代正式结束，VoxCPM 2开启的是一个更细腻、更普惠的新时代。

这场比赛，已经被彻底杀死了。

参考资料：

https://voxcpm.modelbest.cn/

https://github.com/OpenBMB/VoxCPM/ 

https://huggingface.openbmb.com/model/openbmb/VoxCPM2

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！

跳转微信打开

---

新智元报道  

编辑：元宇

「Deep Think」在所有竞赛中都击败/媲美竞争对手」！

刚刚，Google DeepMind高级研究员Conglong Li在X平台连发12条帖子，甩出了一张前所未见的成绩单。

一个AI，同一个大脑，八张不同语言的试卷，全部高分交卷。

在任何一个模型身上，这样的成绩实属罕见。

从IMO金牌到区域赛全覆盖

这次Deep Think拿下多个榜单高分，并非突然的单点爆发，而是一条已经持续了近一年的能力演进曲线。

首先登顶最硬核的推理赛场。

2025年7月，Gemini Deep Think首次在国际数学奥林匹克（IMO）达到金牌标准，42分拿下35分。同期在ICPC世界决赛也取得类似高水平表现。

这两个成绩，DeepMind官方博客已经正式公布。

Google DeepMind随后把这两项成绩都写进了官方博客，作为Deep Think迈过数学与编程「世界级竞赛门槛」的标志。

接着，Deep Think开始从「世界冠军级单项突破」，走向「跨语言、跨学科、跨场景的系统验证」。

2026年2月，Google连发三篇博客。

一篇介绍Gemini 3.1 Pro模型本体，一篇介绍Deep Think专用推理模式的重大升级，一篇来自DeepMind科学发现团队，直接把Deep Think定位成「人类智力倍增器」。

升级后的Deep Think交出了一串硬指标：

这条路线非常清楚：先用IMO、ICPC这样的世界级竞赛，证明它的强大推理能力，然后再用多语种、区域赛和跨学科奥赛成绩，证明它的跨语言、跨领域稳定迁移的通用深度推理能力。

Gemini Deep Think从IMO金牌到PhD级科研加速的能力演进

8语言成绩单逐项细看

现在，把这张成绩单真正摊开来看。

日语最亮眼。

2025年第35回日本数学奥赛本选（JMO Finals），满分。

ICPC亚洲日本初赛，满分。

其中，JMO本选这项成绩甚至超过了当届最高得分对应的80%水平，达到官方所说的「金奖相当」标准。

法语同样满分，100%。

中文就有意思了。

第41届中国数学奥林匹克（CMO），Deep Think拿到86.3%，相当出色。但中国信息学奥赛（NOI）只有63.3%。

86.3%和63.3%之间的落差，画出了AI推理能力的真实边界。

在数学竞赛里，模型面对的是抽象推导、证明构造和多步演绎，这恰好是Deep Think最擅长的能力带。

但到了信息学竞赛，问题就不只是「想明白」，还包括把逻辑翻译成可执行代码、控制边界条件、兼顾复杂度约束，并且在实现层面避免失误。

前者更接近纯推理，后者则要求「推理+算法设计+工程化实现」同时过关。

其它语种，韩语、印地语、越南语、俄语、葡萄牙语对应的竞赛结果里，Deep Think 也都实现了击败对手或至少持平。

如果把日语、法语、中文再合起来看，这次最不寻常的一点其实不是某一门单科刷到满分，而是同一个模型、同一种Deep Think推理系统，在多种语言的竞赛试卷上，都交出了第一梯队的成绩。

这份成绩单可靠吗？

但这里有一个关键的缺失：

Conglong Li并没有列出竞品的具体对比数据：所有成绩，全部来自Google内部评测。没有第三方独立复现，没有竞赛官方认证，评测方法完全没有公开。

每道题是做一次还是做很多次取最优？推理时用了多少算力？有没有人工提示工程介入？

这些直接影响成绩含金量的细节，也都没提。

还有一点容易被忽略：这些考试全部是各国区域选拔赛，不是国际决赛。

区域赛的题目难度和国际决赛之间，隔着一个量级。

研究员明确说了，这些成绩「将被纳入模型卡」，截至发稿，模型卡尚未正式更新。

所以，目前这仍然好像是一张由考生自己打分、自己公布、尚未交给教务处盖章的成绩单。

多语言科研公平性

被忽视的真正战场

为什么Google要专门花精力做8种语言的区域赛评测？

当前AI推理能力的评测，几乎全部基于英语。

MATH、GSM8K、HumanEval、ARC-AGI……这些都是英语。

全世界的数学家、物理学家、工程师，只要母语不是英语，在使用AI科研工具时都要先过一道语言关。

Google选的这8种语言不是随机的。

日语、韩语、中文覆盖东亚科研重镇，印地语、越南语覆盖新兴市场，法语、俄语、葡萄牙语覆盖欧洲和南美。

加在一起，这是全球科研产出的大半壁江山。

DeepMind在官方博客里把Deep Think定位为「人类智力倍增器」，说它能「处理知识检索和严格验证，让科学家专注于概念深度和创造性方向」。

结合这次的多语言成绩，这句话的潜台词不难理解：这个倍增器，不仅限英语的科学家用。

更值得注意的是Deep Think在科研落地上已经走了多远。

DeepMind公布了一个叫Aletheia的数学研究智能体，基于Deep Think驱动，能自主生成、验证、修订研究级数学问题的解法。

Aletheia由Deep Think驱动，能够对研究级数学问题进行迭代式生成、验证与修正

Aletheia已经参与产出了多篇研究论文，其中一篇完全由AI自主完成，计算了算术几何中的特定结构常数。

另外，在700个开放数学问题的半自主评估中，它还独立解决了4个此前未解的问题。

Gemini Deep Think模式在计算机科学、物理学、经济学等领域也展现出巨大潜力。

在计算机科学领域，Deep Think帮助推翻了一个悬而未决十年的猜想，在物理学领域找到了宇宙弦引力辐射的新型解析解，在经济学领域扩展了一个拍卖理论定理。

AI推理流程的示意图，展示了在网络层进行的大规模解空间探索如何被汇聚为结构化推理，并通过自动化与人工验证加以确认。

通过与专家合作解决18个研究难题，Gemini Deep Think的高级版本帮助突破了算法、机器学习与组合优化、信息论以及经济学领域长期存在的瓶颈。

这已经远远超出了「做竞赛题」的范畴。

当竞品还在卷英文benchmark排行榜的时候，Google已经在「AI科研加速器」领域找到了新战场。

这件事请最重要的东西其实不是分数，它背后真正的信号是：AI科研工具的语言壁垒正在被当作一个工程问题来解决。

如果这条路走通了，全世界用日语、韩语、中文、印地语做研究的科学家，将第一次和英语母语者站在同一条起跑线上。

这一次，Google已经把牌摊在了桌上。

至于竞争对手谁会跟牌，相信我们很快也将看到。

参考资料：

https://blog.google/intl/ja-jp/company-news/technology/gemini-31-pro-gemini-31-pro-deep-think/%20

https://deepmind.google/blog/accelerating-mathematical-and-scientific-discovery-with-gemini-deep-think/%20

https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-pro/%20

https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-deep-think/

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！

跳转微信打开

---

新智元报道  

编辑：LRST

在生成式 AI 全面进入科研写作之后，学术世界正在遭遇一个比「写得像不像论文」更根本的问题：它引用的文献，究竟有没有真正支持它说的话？

这并不是吹毛求疵。引用是科学论证的承重墙，决定一项结论究竟是建立在证据之上，还是只是披着文献外衣的「合理幻觉」。

现实中，错误引用并不罕见：把相关性说成因果，把局部结果外推为普遍规律，把综述包装成一手实验依据，甚至直接引用一个根本无法定位的「幽灵文献」。

而当大模型开始大规模生成流畅、完整、格式正确的科研文字时，这类问题正在被成倍放大。

于是，一个看似基础、其实极难的问题被推到了台前：我们能不能把 citation verification 这件事，真正做成规模化、系统化、可追溯的能力？

难点恰恰在于，过去绝大多数方法都默认了一个并不真实的前提：被引论文是可以读到全文的。

可现实世界里，大量论文被锁在 publisher paywall 之后。只要原文不可访问，自动化引文核验通常就会陷入两难：要么直接放弃，要么依赖零碎的搜索片段和模型脑补，给出一个听起来有理、实际上却并不可靠的判断。也就是说，最值得被严格审查的那部分引用，长期恰恰处在自动化验证的盲区里。

BIBAGENT 的真正突破，就从这里开始。

论文链接：https://arxiv.org/abs/2601.16993

不是「查引用」

而是「验引用语义」

很多相关工作做的是 citation classification，或者只回答一个很粗的问题：这条引用看起来「像不像支持」这句话。

但BIBAGENT要处理的是更难、也更接近真实学术审稿的问题：一条引用究竟有没有被正确使用？如果错了，错在什么层级？证据又在哪里？

为了让这个问题可以被系统地定义和评测，论文先提出了一套统一的 五类 miscitation taxonomy，把过去笼统的「坏引用」拆成五种具有操作性的错误类型：

• Attribution & Traceability：引用本身无法可靠追溯，例如 ghost citation、作者或来源错配；

• Citation Validity：文献本身不应再被当作当前主张的有效证据，例如撤稿论文、过时证据、二手综述被误当作一手研究；

• Content Misrepresentation：引用者实质性歪曲、伪造或反转了原文结论；

• Scope Extrapolation：原文在特定对象、任务或条件下成立，却被不当外推到更广范围；

• Evidence Characterization：对证据类型或强度的夸大，例如把相关性写成因果，把边际结果写成定论。

这套taxonomy的价值很大。它让系统的输出不再只是一个模糊的「对/错」，而是一个带有错误码、证据链和解释逻辑的判断。换句话说，BIBAGENT不是在做「引用格式检查器」，而是在做引用语义审计器。

把citation verification拆成两个世界

BIBAGENT最聪明的地方，在于它没有把所有引用都塞进同一种处理逻辑里，而是非常清楚地承认：现实中citation verification天生存在两个regime。

原文可访问：难点不是「能不能看」，而是「能不能找到决定性证据」

对于可访问全文的被引论文，BIBAGENT走的是ACSV（Accessible Cited Source Verifier） 分支。它没有简单把「引用上下文 + 被引全文」整篇喂给大模型，而是设计了一条更像真正审稿过程的漏斗式路径：

1. 先在被引论文中做高召回的粗检索，抓出最相关的段落；

2. 再用cross-encoder精排，把焦点缩小到更小的证据集合；

3. 随后用NLI判断哪些证据窗口明显支持、明显冲突，先解决掉一批简单样本；

4. 只有在证据弱、冲突多、语义依赖上下文时，才把问题送入更强的大模型做深度推理与自一致性表决。

这条链路看上去像工程细节，实际上恰恰击中了citation verification的要害：决定一条引用真伪的关键信息，往往并不在整篇论文里平均分布，而是埋在极少数局部窗口、限定条件、实验caveat和边界描述里。

如果把整篇全文暴力喂给模型，模型确实可能「读到了很多东西」，但也更容易被长上下文稀释、被无关段落干扰，最后输出一段流畅却并不真正grounded的解释。ACSV的核心价值，就是把判断尽可能锚定在小而准的证据窗口上。

原文不可访问：不再「猜原文」，而是重建社区证据

真正让这篇论文一下子拉开层级的，是ICSV（Inaccessible Cited Source Verifier），也就是它为paywalled source设计的验证机制。

这一步的思想非常漂亮：当系统无法直接读取被引论文 (B) 时，它不再试图「假装看过 B」，也不把问题退化成一次脆弱的网页检索；相反，它把注意力转向所有后续引用了 B 的开放论文，去收集这些论文究竟是如何描述B的。

具体来说，ICSV会先把当前citing paper对 (B) 的说法，抽取成一个尽量自足、明确、去代词化的原子claim；然后在所有可访问的下游引用者中，提取它们关于 (B) 的局部引用语境，再通过语义聚类，把这些描述分成若干「方面」：

例如某篇论文的方法贡献、数据集角色、关键实验发现、适用边界等。接着，系统会为每个方面蒸馏出一条规范化的 canonical evidence statement，并结合见证论文在本领域内的影响力，对这些证据做加权。

论文把这套机制称为 Evidence Committee。

它本质上是在问一个非常有力量的问题：当原文本身不可读时，学术共同体究竟如何在后续文献中持续描述它？

这比简单搜索一个摘要、抓一段snippet要可靠得多。因为它不把单一碎片当成「原文替身」，而是把多个独立下游见证整合成一份带权重、带冲突感知、带弃权机制的「社区证词」。

最后，ICSV再把这份证词与当前引用的说法进行比对，判断它是被支持、被反驳，还是证据不足。

最关键的是，当见证论文太少、证据彼此冲突、社区记忆并不稳定时，系统不会硬判，而是明确输出Undecidable。这点极其重要。

它让BIBAGENT在paywall场景下的能力，不是「神奇猜中原文内容」，而是在证据足够时谨慎判断，在证据不足时诚实弃权。这正是一个可信核验系统该有的姿态。

真正够硬的benchmark

为了系统评测miscitation，论文同时构建了MISCITEBENCH。这是一个覆盖254个JCR学科类别、21个高层级学科、共6,350条专家校验样本 的大规模benchmark。

它最值得注意的，不只是「大」，而是「干净」。作者专门设计了knowledge-blank cleanroom protocol：候选论文只有在一组强模型面对仅给元数据的法医式提问时全部回答失败，才允许进入benchmark。

也就是说，MISCITEBENCH有意避免让模型靠参数记忆「背题」过关，而是逼着方法真正去做citation-level reasoning。

更进一步，论文还确保benchmark与上面的五类taxonomy 一一对齐。

于是，BIBAGENT 的预测空间和 benchmark 的标签空间是统一的：系统不仅要判断对错，还必须给出错的类型。这使得它的评测目标更加接近真实科研审稿，而不是一个过于抽象的「支持/反驳」二分类。

结果非常硬：可访问场景更准更省，不可访问场景第一次真正能做

在MisciteBench-Open上，也就是被引论文全文可访问的场景，BIBAGENT相比同backbone的full-text baseline，准确率提升+5.7到+19.8个点，同时节省44.6%到79.4%的token消耗。这说明它不是靠「喂更多上下文」暴力取胜，而是靠更贴合问题结构的agentic过程，把引用核验做得更准、更省、更可解释。

而在最难、也最有现实意义的MisciteBench-Paywall上，差距更大。 传统 Search baseline 即便允许外部搜索，在强模型上也只有22.1到36.2的Acc-pass@3；而 BIBAGENT 的 ICSV 分支可以把结果提升到66.5到80.3。更重要的是，这个提升不是靠「偶然搜到一段相似文本」，而是来自对社区共识的系统重建。

论文还做了一个非常关键的可靠性分析：当某个 paywalled source 的主导语义方面拥有至少6个独立downstream witnesses时，系统的非弃权率和条件精度都会明显稳定下来。这个结果并不只是一个数字，它揭示了ICSV的可信来源：它依赖的不是某次检索运气，而是一个可以观察、可以解释的证据密度阈值。

这篇工作的真正意义：给 AI 时代的科学写作补上一层「可审计基础设施」

BIBAGENT最值得重视的地方，不只是「又做了一个论文工具」，而是它提出了一个更深的判断：在AI 时代，写作和验证必须解耦；引用完整性不能继续停留在人工抽查，而必须进入系统审计。

它告诉我们，miscitation不是零散的写作疏漏，而是一个可以被结构化定义、规模化检测、证据化追溯的问题；它也告诉我们，paywall不应该继续作为自动化科学核验的绝对终点。

只要把「直接读原文」扩展为「重建可追溯的社区证据」，那些过去被视为无解的场景，其实可以进入一个可验证、可解释、可保守弃权的框架。

换句话说，这篇paper修补的，不是citation format，而是科学写作最底层的一条信任链：当一句学术论断被写下时，我们终于开始有机会系统地追问——这条引用，真的说了你说的那句话吗？

参考资料：

https://arxiv.org/abs/2601.16993

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！

跳转微信打开

---

新智元报道  

编辑：艾伦 Aeneas

在 2026 年开春的科技圈，龙虾这个词从一种美味变成一种狂热，百虾大战的硝烟熊熊燃起，大厂们人手一只甚至若干龙虾，激起社交媒体上的狂潮。

然而，硅谷的极客们在终端命令行里疯狂敲击，试图让 AI 接管电脑屏幕时，大多数中国用户却还被挡在「环境配置、报错代码、系统兼容」的高墙之外。

这种割裂感构成了 2026 年 AI 圈最大的悖论：我们离「AI 助理」构想从未如此之近，但离它的真正落地却似乎依然隔着一道深渊。

在这片喧嚣中，一个看似「跨界」的玩家——网易有道却选择了一条最彻底的路：大年初三，全量开源其桌面 Agent 产品 LobsterAI（有道龙虾）。

当 LobsterAI 意外收获 OpenClaw 之父 Peter Steinberger 的公开赞扬时，不少圈内人戏称，在十分焦灼的百虾大战中，LobsterAI 或成为最大赢家。

我们带着好奇在专访中向有道 CEO 周枫抛出了这个疑问——为什么是它？

周枫的反应极其坦诚，他表示团队此前与 Peter Steinberger 毫无交集。

周枫直言，这种互动完全始于开源社区的自发连接，而被点赞的「意外」反而让团队更坚定了产品的目标——

当极客们享受 OpenClaw 带来的桌面操控快感时，绝大多数中国 Windows 用户甚至不知道什么叫「环境变量」。

网易有道看到的，正是这片沉默的大众市场。他们没去追逐极客圈的热捧，而是埋头做了一件事：把 Agent 的门槛砸烂。

https://github.com/netease-youdao/LobsterAI/releases?page=3

当我们将视线从这只「龙虾」移开，猛然发觉其背后的母体——网易有道，早已换了「引擎」。

从 LobsterAI 到深耕专业场景的视频答疑功能、有道同传与有道宝库，一套密集爆发的 Agent 矩阵，正是其 AI 原生底座释放出新的势能。

这不仅是产品线的扩张，更是一场深度的「脱胎换骨」：一个以 Agent 为灵魂的全新内核已悄然成型。

超级个体的觉醒与被折叠的高墙

LobsterAI 故事的起点，隐藏在网易有道内部一场面向全体员工的「AI 原生智能体大赛」中。

在这场极具极客色彩的内部竞技里，程序员 WN 经历了一次前所未有的认知震荡。

在 Claude Code 的帮助下，他没有手写一行代码，仅仅通过自然语言的编排与逻辑架构的梳理，就在短短五天内搭建出了一个功能丰富度类似 OpenClaw 的桌面级 Agent。

Claude Code

Claude Code 带来的这种对传统软件工程生命周期的降维打击，让他无比确信：在 Agent 时代，属于「超级个体」的技术红利已经毫无悬念地降临。

诚然，通往超级个体的大门，在很长一段时间里依然对普通大众紧紧关闭。

在 LobsterAI 诞生之前，国内关于 OpenClaw 与桌面 Agent 的讨论热度虽然居高不下，但真正能顺利部署并将其长期整合进日常工作流的普通人寥寥无几。

环境配置复杂、依赖安装繁琐、频发的底层报错，构成了一道隐形却极高的门槛，将绝大多数非技术用户无情地挡在门外。

更深层的原因在于生态的割裂。

在中国市场，核心生产力设备是 Windows 系统。

那些发轫于硅谷、由硬核极客主导的开源桌面 Agent，其原生运行环境天然偏向 Linux 或 Mac 开发者生态。

这种底层基因的偏离，让先进的 Agent 技术在面对中国最庞大的用户群体时，显得极度水土不服。

有道团队极其敏锐地捕捉到了这一断层。

他们意识到，一项技术如果只能停留在懂技术的人的电脑里，就无法真正帮助普通用户提效。

面对 Windows 适配的刚性需求，LobsterAI 团队将复杂的 Python 运行环境与各类常用依赖包进行了深度整合与预置封装。

https://lobsterai.youdao.com/#/index

那些繁杂的配置、极易冲突的环境变量，被尽数折叠进代码深处，留给大众的，是「开箱即用」的极简体验。

某种程度上，LobsterAI 在尝试一条「Ubuntu 式」的演进路径。

用户不需要懂任何终端命令行操作，只需如同下载普通电脑软件一样，简单地点击、运行，就能在桌面上唤醒一个 7×24 小时随时待命的「数字同事」。

扫除了易用性的障碍，另一座大山接踵而至——悬在企业与个人头顶的数据安全疑虑。

当一个 Agent 拥有了读取本地文件、操作浏览器的至高权限时，信任成为了比技术更昂贵的货币。

有道选择了 100% 全量开源。

https://github.com/netease-youdao/LobsterAI/blob/main/README_zh.md

开源，意味着底层的透明与可审计。这种透明度是建立信任的最短路径。

当 Agent 深入办公核心区，用户最担心的莫过于它是否成了藏在桌面的监视器。

通过 100% 全量开源，有道将 LobsterAI 的每一行代码逻辑、每一次文件调用、每一项数据流向都摊开。

它不仅是一款好用的工具，也是一套可私有化部署、可二次开发的「安全底座」，让企业和用户在享受 AI 效率的同时，能将数据主权握在自己手中。

褪去旧衣

从工具集到全新 AI 原生引擎

如果说 LobsterAI 是有道在桌面级交互上扔下的一枚深水炸弹，那么在海面之下，一个更宏大的阵列正破浪而来。

这种形势并非偶然的灵光一现，而是母体进化到特定阶段的必然产物。

当一款款针对痛点精准打击的 Agent 接踵而至，我们看到的不再是零散的工具尝试，而是一场由内而外的、关于公司底层逻辑的深度重构。

除了 LobsterAI，有道已经孵化出视频答疑功能、有道同传、有道宝库等多个 Agent 产品。

在过去的漫长岁月里，有道留给外界最鲜明的标签，更像是一家「教育科技公司」或以「有道词典」「有道词典笔」为代表的提供查词、翻译的「实用工具集」提供商。

这种基于第一代移动互联网逻辑构建的商业形态，曾为有道带来了庞大的用户基数与稳健的增长。

据公开财报，有道 2025 年全年净收入 59.1 亿元，同比增长 5.0%；

经营利润达 2.2 亿元，同比增长 48.7%，并首次实现全年经营性现金净流入 5520 万元。

如今，这家公司正愈发清晰、坚定地呈现为一家横跨学习、广告营销、生产力等场景的全新 AI 科技企业。

在早期的业务形态中，AI 更多扮演着附着于原有工具之上的「增强器」。

无论是在线课程中的智能批改，还是词典里的神经网络发音纠错，AI只是在既有框架内提升局部效率，并未改变用户主动查询、系统被动响应的传统交互法则。

伴随大模型技术的演进与 Agent 理念的成熟，AI 正在重写有道产品的底层基因。

它跨越了辅助者的角色，化身为极其硬核的「执行层」。

它开始主动接手用户的模糊意图，自主推进复杂的多步骤流程，并最终交付出完整的业务结果。

LobsterAI 的诞生毫无突兀之感，它是网易有道在 AI 产品化道路上长跑多年后，向「执行与交付」方向的一次极其高密度的能力释放。

从 2023 年国内首个教育大模型「子曰」的问世，到最新翻译大模型的持续霸榜，再到智能学习硬件在端侧算力上的极限压榨，这些近两年分散在不同业务切面的技术积淀，犹如百川归海，迎来了指向明确的爆发。

在有道 CEO 周枫的战略视野中，AI 产品的演进脉络被清晰地划分为三个代际：

第一代是旨在提供信息解答的「聊天的 AI」；

第二代是具备深度推理与分析能力的「思考的 AI」；

而当下有道正倾注全力布局的，则是能够真正接管现实任务的第三代——「行动的 AI」。

这点出了 Agent 时代的核心变局：AI 产品的输出核心，正在从「提供答案」向「创造价值」发生根本性转移。

周枫在采访中说：

这深刻解释了当下有道内部正在成型的极具纵深的 Agent 矩阵网络——

比如有道同传，五年前的翻译工具其极限仅限于字面意义上的语种转换；

今天的有道同传Agent，能够接管一整场包含多语言的跨国高管会议，在毫秒级延迟内不仅完成高精度的实时翻译，更能自动分离出不同的发言人，实时提炼核心观点，并最终输出一份详尽的思维导图与带有待办事项的会后执行总结。

同样，还有刚刚推出的有道宝库。

从 AI 范式变迁的角度来看，周枫所说的「行动」其实指向了一个新视角：AI 不只是要「做事」，更要「理解事」。

作为对标为国产版谷歌 NotebookLM 的产品，有道宝库 Agent 彻底告别了传统资料检索工具的定位。

有道宝库是一款面向知识工作者的 AI 知识库产品，定位不是「替你写完」的聊天机器人，而是「知识理解」这个垂直场景的专门解法。

它要服务的，是那些每天要面对大量复杂资料的人：学生要啃论文，分析师要读报告，科研人员要检索真实数据，职场人要整合会议纪要、数据表和行业信息。

相比通用 AI 擅长「从一句话生成一大段」，有道宝库更擅长「从一堆材料中提炼判断」。

面对用户上传的海量、杂乱的异构文档，它能化身为一个知识处理大脑，在极低幻觉率的严苛标准下，自动发现文档间隐蔽的深层关联，生成结构化的专业演示 PPT、深度提炼的长图甚至知识播客。

为了做好这件事，有道宝库在底层做了不少「苦活」。

他们自研文档解析引擎，提升 PDF、扫描件、音视频等复杂内容的处理质量；

优化中文渲染，减少乱码和排版问题；

强化多文档融合能力，从多份材料中识别层级、主次和冲突，输出真正融会贯通且有准确原文来源的结构化结果。

它的目标，不只是成为一个更懂中文、更适合中国用户的知识管理工具，更是进一步演化成可被 Agent 调用的知识处理基础设施，让「上传资料—理解内容—生成成果」这套流程被彻底重构。

当同传 Agent 掌控会议流、宝库 Agent 掌管知识流、LobsterAI 接管桌面操作系统级的执行流，一个覆盖现代知识工作者全天候场景的全新 AI 原生矩阵，已经可见一斑。

重塑商业坐标

放弃通用入口，深扎场景切片

技术底座的重构，不可避免地引发了商业模式的剧变。

以有道为代表的企业在 Agent 方向上的探索，同样在改写着 AI 行业的商业变现法则。

在过去的中国互联网流量逻辑中，「入口为王」是颠扑不破的真理。

谁掌握了超级 App、操作系统或搜索框，谁就垄断了流量分发权与商业化基础。

在这种旧模式下，产品的功能往往可以后期修补，但入口一旦旁落，企业便会陷入深渊。

Agent 时代的到来，正在极大地削弱甚至颠覆这套陈旧的坐标系。

今天的核心竞争焦点，已发生偏移。

周枫认为，在 Agent 时代，护城河的构建逻辑发生反转：企业不再执着于用封闭的生态将用户圈禁在单一软件内，当用户面临一个具体的繁杂任务时，他的第一反应是唤醒你的 Agent，并且确信只有你的 Agent 能最高效、最完美地交付结果，这才是真正的壁垒。

这种「结果导向」的逻辑正是以有道为代表的中国企业与硅谷路径的分水岭。

硅谷巨头如微软或谷歌，倾向于构建横跨系统的全能助理，试图通过操作系统的降维打击来包揽一切。

而有道的业务场景，天然契合重视交付结果的技术浪潮。于是走向了另一条「场景切片」路径，不去卷通用入口，而是深扎对效率极其敏感的「刚需深水区」。

周枫认为，在这样的场景里，Agent 型产品的价值不在于界面新增了多少炫酷的按钮和 UI，而在于「同样一项枯燥的工作，它能不能干得更好、更快、更省心」。

这样的选择，也已渗透到有道更广泛的业务肌理之中。

在庞大的广告营销业务线，有道的「AI 优化师」正在彻底重塑广告投放的底层逻辑。

传统的广告投放高度依赖优化师个人的经验密度与精力上限。

如今，具备极强执行力的 Agent，能够以超越人类认知的维度，实现跨计划、跨客户甚至跨行业的营销策略自动化探索与经验迁移。

Agent 的介入，让原本属于人力密集型的业务，加速向算力与智能密集型跨越。

这一切的底层支撑，是商业闭环的彻底显现。

与传统软件时代用户极其吝啬的付费意愿不同，在今天，面对能够切实替自己完成繁重任务、节省宝贵时间、提升职场或学业竞争力的 Agent，年轻一代用户展现出了空前的订阅热情。

有道一年逼近 4 亿元人民币规模的 AI 订阅销售额，印证了「能力+订阅」这一全新商业范式的土壤已经走向成熟。

这不禁让人联想到国外明星 Agent 公司 Sierra 和Harvey，它们不追求成为下一个搜索入口，而是深耕客服或法律审计，靠着比人类更精准、更廉价的交付能力，拿到了极高的客单价。

有道正在走的，正是这样一条「高频 Agent 矩阵+垂直闭环交付」的路径。在这个进程中，有道一定程度上承担着网易集团 AI 探索的先锋角色，也得到了网易集团、包括丁磊个人的大力支持。

LobsterAI、有道宝库作为一个个生动的引子，向外界宣告了一个不容忽视的事实：一家拥有深厚历史积淀的教育科技公司，完全具备足够的敏锐度与技术底蕴，在新一轮产品变革的风暴眼中，率先长出最纯粹的 Agent 基因。

当 AI 跨越语言与聊天的虚拟边界，从「会说」大步迈入「会做」的现实世界，旧有的工作流正不可避免地走向消亡。

那些能够率先将这些 Agent 打磨为可信、可用，并深度将其融入千行百业工作流的企业，无疑已经牢牢握住了通往下一个时代的入场券。

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！

跳转微信打开

自带梦境记忆

---

新智元报道  

编辑：好困 桃子

Anthropic全面封杀，OpenClaw绝境爆发！

全新的OpenClaw 2026.4.5来了，官号在帖子中，仅用三个短句完成了最强回应——

这条推文发出不到24小时，浏览量突破130万。

这是头一次，「龙虾」支持原生视频+音乐生成。

现如今，OpenClaw可直接调用谷歌Lyria、Runway等顶尖模型，一次对直出视频/音乐。

最为硬核的，4.5版本还引入了「梦境」（Dreaming）记忆机制。

它将AI记忆提取为三个协作阶段：轻度、深度、REM（快速眼动）。

输入/dreaming，「龙虾」便会在后台对「短期记忆」加权汇总，提取出「持久真相」，并记录在dreams.md中。

这就相当于，让AI模仿人类一样「睡眠」，结果——

OpenClaw不仅能记住对话，更学会了在反思中进化，精准把控长期任务。

此外，新版OpenClaw优化了「提示词缓存」重用率，降低延迟节省了大量token。

Anthropic禁用了怎么办？

OpenClaw接入尽可能多的大模型，可随意切换，有人已全面切换到GPT-5.4上了。

还有人晒出了自家团队，过去七天，完全被GPT-5.4接管了。

这一次重磅更新，到底塞了多少东西？

龙虾首次，直出视频+音乐了

2026.4.5版本，是OpenClaw历史上功能最密集的版本之一，涵盖从内容生成到记忆系统的全面升级。

最显眼的变化，OpenClaw现在内置了视频、音乐和图片生成能力。

Agent可以在对话中直接调用这些工具，生成的媒体文件随回复一起返回。

视频生成接入了11家提供商，Grok、Wan、Runway、Google、MiniMax、OpenAI、Qwen、fal、Together AI、BytePlus，外加ComfyUI的本地工作流。

下面这个视频，就是「龙虾」生成的。

音乐生成支持Google Lyria、MiniMax和ComfyUI。

图片生成同样拉满，ComfyUI、fal、Google、MiniMax、OpenAI的gpt-image-1全部接入，gpt-image-1还支持上传参考图做编辑。

这次OpenClaw内置了一个ComfyUI媒体插件，同时覆盖图片、视频和音乐三条线，支持本地ComfyUI和Comfy Cloud两种部署方式。

对于已经在用ComfyUI做工作流的用户来说，这相当于把整套本地生产管线直接接进了Agent。

音乐和视频生成还加入了异步任务追踪。生成请求发出后Agent不会卡住等结果，任务完成后自动推送成品给用户。

/dreaming

给AI装了一套「睡眠记忆」系统

这个版本最有想象力的功能叫Dreaming。

OpenClaw给AI Agent做了一套模拟人类睡眠记忆巩固的机制，分三个阶段运行——

仅需在聊天框输入/dreaming on瞬间开启，/dreaming status查看当前状态，/dreaming off随时关闭。

开启后，OpenClaw默认每天凌晨3点自动执行一轮完整的「睡眠」扫描。

Gateway的Dreams标签页可以看到全部状态，短期记忆数量、长期记忆数量、当天提升了多少条、下次扫描什么时候跑。

还有一个「梦境日记」面板，每次整理后自动生成一段人类可读的叙事摘要，顶部保留了一个龙虾动画。

命令行用户有更多玩法。

openclaw memory promote --apply手动执行一次深度记忆提升，promote-explain可以查看某条记忆为什么没被提升，评分系统的六个加权信号（频率、相关性、查询多样性、时效性、复现强度、概念丰富度）每一步决策都透明可查。

权重分布透露了一个设计理念，相关性（0.30）比频率（0.24）权重更高。

系统更看重「这条记忆是否在不同场景下被反复检索到」，而不是「它出现了多少次」。

记忆整理还支持多语言概念标签，中文对话产生的记忆不需要翻译成英文就能参与评分和提升。

有大佬点评称，OpenClaw最新「梦境」功能，灵感源自Claude Code上周泄露的源码。

51万行代码中，暴露了一个CC隐藏功能——KAIROS。

其中，包含了一个autoDream的系统，以Fork子进程运行，充当后台记忆整合的引擎。

它一共有「三道门」触发机制（Three-Gate Trigger）——

时间门，距上次至少24小时。会话门，期间至少5次会话。锁门，获取排他锁防止并发做梦。

恰恰，OpenClaw也在Dreaming引入了三个阶段。

GPT-5.4升级版，超丝滑

针对GPT-5.4方面，OpenClaw加了前向兼容的openai-codex和gpt-5.4-mini，还有一个可选的GPT人格化选项。

GPT-5.4龙虾升级之后，明显变得更强了。

一手体验后，有网友表示，立即回到了老版Claude的感觉。

OpenClaw之父称，这可是自己耗费很大精力，才让GPT有了情感。

考虑到和Anthropic的关系变化，OpenAI阵营的支持力度明显在加码。

龙虾工作流引擎从外部CLI调用改为进程内运行，减少了通信开销。

Claude CLI的集成也有变化，通过一个loopback MCP bridge把OpenClaw的工具暴露给后台运行的Claude CLI，同时切换到stdin流式传输。

此外，「机构化任务进程」也在这个版本落地了。

长时间运行的Agent任务，现在可以向UI推送结构化的计划更新和执行进度，用户不用再盯着一个转圈的loading猜Agent到底在干什么。

提示缓存复用做了一轮系统性优化，涉及MCP工具排序确定性、图片历史嵌入、系统提示指纹归一化等多个环节。

简单说，就是连续对话时，后续轮次能更多地命中前一轮的缓存，省钱省时间。

openclaw status --verbose，现在可以直接看缓存命中的诊断信息。

Control UI新增了12种语言，包括简体中文和繁体中文。

ClawHub技能市场聚集了超过4.4万个技能包，技能面板现在内置搜索和一键安装。

安全修复覆盖了从Telegram到Discord到微信的几乎所有渠道，占了changelog的三分之一以上。

倒贴4800美元，Anthropic动手了

说回开头那三句话的背景。

4月4日中午12点（太平洋时间），Anthropic向所有用户发送邮件，宣布Claude Pro和Max订阅将不再覆盖OpenClaw等第三方工具的使用。

之前花20美元月费就能通过OpenClaw无限调用Claude的日子，到此结束。

想继续用，要么买API key按量付费，要么开通Extra Usage走按量计费通道。

Anthropic给了一次性补偿积分作为安抚，有效期到4月17日。

CC之父Boris Cherny对此做出了解释，第三方工具绕过了Claude Code的提示词缓存优化，一个OpenClaw重度用户消耗的算力远超同等规模的Claude Code会话。

这些担忧，并非空穴来风。

此前，Cursor内部研究爆出，Anthropic正在「自杀式」请客。

他们正在为200美元的订阅用户，背负5000美元的算力成本，而「龙虾」调用token消耗量可想而知。

一个Max订阅用户通过OpenClaw跑自动化Agent，实际消耗可能是正常用户的数十倍。这笔账算不过来。

社区估算，大约60%的活跃OpenClaw会话跑在Claude订阅上。

一纸禁令，直接让大量用户的AI Agent在周五晚上集体「失声」。

还有人发现，自从封杀了OpenClaw之后，Claude明显稳定了很多。

复合了，但没完全复合

OpenClaw创始人Peter Steinberger的反应很激烈。

他说自己和OpenClaw董事会成员Dave Morin「试图跟Anthropic讲道理」，最终只争取到了推迟一周执行。

「有意思的是时间节点，先把开源项目的热门功能抄进自家封闭工具里，然后把开源锁在门外」。

4月5日，OpenClaw发布2026.4.5版本，release notes里直接把Claude CLI后端从新用户引导流程中移除。

那句「Anthropic cut us off. GPT-5.4 got better. We moved on.」就出现在版本说明的最后一行。

但故事没有按照「彻底决裂」的剧本走。

就在发布后不久，OpenClaw的官方文档悄然更新了一段话，「Anthropic工作人员告知我们，OpenClaw风格的Claude CLI使用再次被允许。」

目前的状态是，Claude订阅仍然不能直接免费跑OpenClaw，但CLI层面的技术集成保留了。Anthropic的态度从「一刀切」变成了「你可以用，但得额外付钱」。

这出分手复合的戏码，三天演完。

开源Agent的「大厂困境」

表面看是计费模式之争，底层是一个结构性问题——

OpenClaw的应对策略是用数量换安全，接入尽可能多的模型提供商，让用户在Claude、GPT-5.4、Qwen、MiniMax、Kimi之间自由切换。这次更新把这个策略推到了极致。

但同样的问题换个角度成立，OpenAI赞助了OpenClaw的独立基金会，Steinberger本人也加入了OpenAI。

如果有一天OpenAI也改变政策呢？

OpenClaw的文档里有一句话写得很诚实，「对于需要长期运行的网关主机，Anthropic API key仍然是最清晰、最可预测的生产路径。」

开源不等于免费。模型中立不等于没有依赖。

这只龙虾跑得够快，但脚下的地面一直在动。

参考资料：

https://x.com/anishmoonka/status/2040817655113032154?s=20  

https://x.com/openclaw/status/2040998570317197607

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！

跳转微信打开

---

新智元报道  

编辑：LRST

随着消费级和工业级无人机的普及，自主目标跟踪（Autonomous Target Tracking, ATT） 已成为标配功能。

无论是 DJI（大疆）的跟随拍摄，还是警方的无人机巡逻，系统都依赖单目标跟踪（SOT）模型来实时锁定并保持与目标的固定距离。

在目前现实世界的安全假设中，如果无人机没有受到 GPS 欺骗或信号干扰，它就被普遍认为是安全的。

图1: FlyTrap物理对抗性雨伞以及测试的三款商用无人机

然而，加州大学尔湾分校的研究人员直接挑战了这一假设，证明了：通过操纵物理世界中的视觉特征，可以从算法层面接管无人机的飞行控制逻辑。

论文链接 (arXiv):https://arxiv.org/pdf/2509.20362

论文链接 (NDSS):https://www.ndss-symposium.org/ndss-paper/flytrap-physical-distance-pulling-attack-towards-camera-based-autonomous-target-tracking-systems/

项目主页与演示视频：https://sites.google.com/view/secure-safe-ai/flytrap

演示视频：https://www.tiktok.com/@asguard_uci/video/7599829206599552287

其他视频材料：https://www.youtube.com/playlist?list=PLlViq2qGRmiYQUEovXYaP3ww9AlWH4ZBt

FlyTrap的核心，距离拉近攻击 (Distance-Pulling Attack, DPA)： 该攻击利用了神经网络对于对抗样本感知时的脆弱性。

攻击者通过一把特制的「对抗性雨伞」，让无人机的视觉模型产生严重的边界框（Bounding Box）预测偏差。即便物理距离没有变化，无人机的跟踪算法也会认为目标正在迅速远去。为了维持设定的跟踪距离，飞行控制器会立即触发加速补偿，导致无人机失控俯冲。

FlyTrap攻击的发现具有深远的现实意义。在执法与边境管控场景中，该技术可作为一种非电子对抗手段，帮助相关人员在不使用信号干扰器的情况下，静默诱导并捕获自动跟踪的无人机 。

此外，对于个人隐私保护而言，当面临无人机恶意尾随或偷拍时，这种特制的「雨伞」能成为一种有效的自卫工具，保护个人安全与空间隐私。

从「视觉扰动」到「闭环攻击」

图2: FlyTrap攻击方法流程：闭环仿真示意图

FlyTrap的学术贡献在于它实现了对「感知-控制闭环」的精准物理仿真：

尺度感知漏洞：现有的无人机跟踪算法高度依赖物体的视觉面积来估算距离。因此，当对抗性雨伞图案诱导跟踪模型将边界框尺寸预测得更小时，无人机便会「误以为」目标在远离，从而触发加速补偿。研究人员在论文中进一步证明（Theorem 1）：若对抗图案使模型产生收缩率的边界框预测偏差，无人机最终会被拉近至距离（其中λ为雨伞与人体的面积比例常数，d0为初始距离），从而精确控制攻击距离。

对抗图案的优化生成： 为了确保攻击在真实物理环境中的稳定性，研究人员构建了一个多目标联合优化框架来生成雨伞图案A：

其中T为随机物理变换（包括光照、倾斜角度、旋转等），各损失项分别负责不同的优化目标：引导模型将边界框预测缩小至攻击目标，保持跟踪置信度以防止目标丢失，约束人体姿态估计保持自然以提升隐蔽性，则对图案进行平滑正则化，确保其可被物理打印。通过期望变换（EoT）优化，最终图案对光照、角度等现实环境变化具备良好的鲁棒性。

渐进式闭环模拟（PDP）： 传统的对抗攻击往往只针对单帧静止图像，而 FlyTrap 面对的是持续逼近的动态控制闭环。为此，研究人员提出了渐进式距离拉近（Progressive Distance-Pulling, PDP）优化策略：在生成对抗图案时，模拟无人机从初始距离d0逐步逼近至的完整过程，在每一距离步长处进行3D渲染并反馈梯度。这使得生成的对抗图案能在无人机整个飞行逼近过程中持续产生累积误差，而非仅在某一固定距离有效，从而将平均攻击成功率从33.9%大幅提升至53.6%。

时空一致性控制: 渐进式闭环模拟的优化方式也可以用来精确的控制攻击的时空一致性，目前自主无人系统中的SOTA视觉防御手段主要依赖多模型一致性检测（例如，人体姿态估计，人体移动时序特征）。在空间一致性方面，由于对抗样本图案完全由攻击者控制，FlyTrap可以利用adaptive attack同时对多个视觉模型（例如，目标检测，目标跟踪，姿态估计等）进行欺骗，使得多个视觉模型的预测在空间上重叠；在时间一致性方面，因为FlyTrap可以仿真无人机拉进的过程，攻击者可以优化视觉模型在时间维度上的一致性（例如，避免姿态估计在不同时间点发生非正常偏移）。因此，FlyTrap的设计可以从根本上绕过现有的时空一致性防御策略。

实验评估

大疆、哈浮无人机悉数「中招」

白盒攻击效果（White-Box Attack）

研究人员在四款主流开源跟踪算法上系统评估了FlyTrap的攻击效果，使用平均攻击成功率（mASR）作为核心指标。结果如下表所示：

图3: FlyTrap白盒攻击效果，各开源单目标跟踪模型mASR对比（PDP优化前后）

对比基线（直接使用目标人物照片作为图案）的平均 mASR 仅为 36.0%，FlyTrap 的 PDP 优化策略带来了显著提升。

泛化性与迁移性（Universality）

为验证攻击的普适性，研究人员测试了图案在未见过的新地点和新人物上的泛化能力：

• 地点泛化： 在全新测试场景下，FlyTrap仍达到平均61.8%的mASR，显著优于基线的 27.3%。

• 人物泛化： 针对训练时未出现的新目标人物，FlyTrap保持56.6%的mASR，远超基线的15.0%。

• 地点 + 人物双重泛化： 即便地点和人物均为全新未见，仍能维持34.0%的mASR（基线仅12.6%），证明了攻击图案的强迁移能力。

真实商用无人机黑盒测试

为了验证漏洞的普遍性，研究人员在真实场景下测试了多款主流商业无人机：DJI Mini 4 Pro，DJI Neo，HoverAir X1

• 攻击成功率： 在不了解任何内部算法细节的黑盒测试中，FlyTrap 对三款商用无人机的诱导成功率超过 60%。

• 物理捕获： 配合简单的网枪（Net Gun），攻击者可以在 5-10 秒内将被「钓」过来的无人机物理捕获。

• 碰撞击毁： 攻击者可以将无人机拉近到1米以内从而实现物理击毁

图4: FlyTrap攻击DJI Mini 4 Pro并使用网枪进行物理抓捕（示意）

图5: FlyTrap攻击DJI Mini 4 Pro并可对其进行物理击毁（示意）

图6: 第一人称视角FlyTrap攻击DJI Mini 4 Pro，单目标跟踪算法被对抗性雨伞图案误导

总体结论

FlyTrap 的研究意义在于：它揭示了AI控制的自主无人系统的脆弱性。 神经网络长期以来被证明容易受到对抗样本的攻击。但是先前的工作主要集中在AI模型本身，而研究人员更加关注AI模型在真实世界中部署的安全性，如视觉模型在面对物理扰动时缺乏鲁棒性，基于视觉模型的自主系统将会被攻击者任意的操控。

研究人员认为，未来的无人机防御不能仅依赖于信号屏蔽器，而需要引入「防御性感知」——例如，通过多视角一致性校验或基于深度估计的辅助验证，来识别并过滤掉这种针对视觉逻辑的恶意攻击。

作为负责任的安全研究者，研究人员已在论文发表前，将此漏洞报告给大疆（DJI）和哈浮（HoverAir）两家无人机企业。

作者介绍

作者团队来自加州大学尔湾分校（UC Irvine）计算机科学系。该研究由博士生谢少远 （Shaoyuan Xie）主导，Alfred Chen教授指导。陈教授团队长期致力于自动驾驶、无人机、机器人及智能系统的攻防和物理安全性分析，成果常年发表于S&P, USENIX Security, CCS, NDSS，CVPR，ICCV，ICLR，AAAI，ICRA，IROS等顶级会议。

参考资料：

https://arxiv.org/pdf/2509.20362

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！

跳转微信打开

史上最贵IPO：要么统治世界，要么原地自爆

---

新智元报道  

编辑：Aeneas 好困

就在昨天，「GPT-6」要来的消息，传得沸沸扬扬。

据悉，这个名为Spud的模型，很快就会发布，还是个结合ChatGPT、Codex和Atlas浏览器的统一智能体。

Sora被砍的原因，就是OpenAI要集中一切资源给GPT-6。

虽然已被辟谣，但并不影响网友高涨的热情

与此同时，Anthropic此前曝光的震惊全网的Mythos，却因为算力难产了。

外媒The Information曝出，因为所需的算力实在太惊人，导致Mythos引发了服务器拥堵，或许一时难以落地。

这样一来，GPT-6很可能先于Mythos发布！

下一代旗舰模型的成本实在太高，巨头们烧钱都烧不够了。

现在，当AI进入「大力出奇迹」的下半场，这两大巨头的竞争已经不再是算法的博弈，而是变成关乎国运、财力与心理素质的极限豪赌！

三个月，90亿到190亿，然后崩了

Anthropic今年的增长曲线，夸张到不像真的，看一眼就能非让投资人爽飞：年化收入已经飙到了190亿美元。

而且，这个年化收入从年初的90亿美元飙到190亿，只用了不到三个月。

Claude Code功不可没，光这一个产品就贡献了25亿美元年化收入。

它的产品火到什么程度？八家财富10强企业都是Claude客户，有500多家企业每年在Claude上就要花超过100万美元。

眼看着，Anthropic就要和老大哥OpenAI坐到同一张桌子上分蛋糕了。

结果，代价来了——

Anthropic的火爆，带来了一个无比棘手的大麻烦：服务器不够了。

如果你最近觉得Claude不太好用了，别怀疑你的网速，那是因为Anthropic真的「没库存」了！

充了200美元月费，只有12天能用上

3月下旬，Anthropic被迫宣布，工作日高峰时段Claude用户的5小时会话额度会加速消耗，也就是说，他们开始限流了。

7%的用户会受影响，而且这7%，恰好就是付费最多、用得最狠的专业人士。

开发者们彻底炸锅了：「我给你钱，你让我排队？」

一个月付100美元Max x5套餐的用户表示，以前能用8小时的额度，现在1小时就烧完了。还有人才19分钟就把5小时的额度耗尽。

一个月付200美元的顶级订阅用户吐槽说，一个月30天，只有12天能用Claude。

OpenAI闻到血腥味，也立马下场，宣布下周把自家竞品Codex的使用额度翻倍。

Mythos太贵，连亲妈都用不起

更要命的，是意外泄露的那篇博文里的消息。

因为Anthropic下一代旗舰模型Claude Mythos是一个计算密集型的大模型，运行成本极其高昂，客户的使用成本，也会非常昂贵。

贵到什么地步？A厂自己都表示，在全面发布之前，必须大幅提升运行效率，否则根本玩不转。

总之，虽然他们把最强的模型造出来了，但烧钱烧到自己都用不起了！

要真说起来，Anthropic的算力危机也不是天灾，而是一个战略选择的后果。

与OpenAI动辄签几千亿美元云合同不同，Anthropic一直走的是「保守路线」。

CEO Amodei管这叫应对「不确定性圆锥」，算力备少了，客户伺候不过来；算力备多了，公司可能破产。

在2月播客的上，他还语气笃定地宣传这个理论，像在教奥特曼做人，结果一到实操，就大翻车了！

今年一季度，Claude迎来了爆发式增长。2月底OpenAI签下五角大楼合同后，引发了用户大逃亡。ChatGPT一天之内卸载量暴涨295%，250万人参与QuitGPT运动，Claude一度登顶美国App Store下载榜第一。

这本来是好事，结果意想不到的是，新增用户远超了Anthropic预留的GPU容量。

用户来了，机器没跟上。这个「幸福的烦恼」，也直接让Anthropic陷入危机。

GPU短缺怎么办？只能临时去现货市场租服务器了。

可是，现货市场的价格，可比提前预留的算力贵得多。这笔额外开销，已经在去年把Anthropic的实际毛利率拖到了预期之下。

投资人材料显示，Anthropic如今的推理成本，已经超出了内部预期23%，毛利率跌到了大约40%。每赚一美元，超过一半消失在GPU集群里。

这个节骨眼上，Anthropic基本是在跟OpenAI竞速抢先上市，两家公司都卯足了劲，打算从公开市场圈走史无前例的巨额资金。

然而，美国各大主流云服务商，或者那些新型云厂商，谁手里还有多余的算力来帮Anthropic填坑？

虽然谷歌已经跟Anthropic达成一项协议，出资数十亿美元建一个数据中心，然后租给他们。可惜，这些算力最快也要到2026年底才能投入使用。

结果就是，仅在3月一个月内，Claude就爆发了五次大规模宕机。

对一家准备上市的公司来说，这实在说不过去。

接下来，A厂的路还能怎么走？

奥特曼开会，故意不叫自己的CFO

如果说，Anthropic的故事是「产品太火把自己烧着了」，OpenAI这里，就纯纯是权斗的故事了。

这次权斗的故事主角，换成了CFO Sarah Friar。

Friar是什么人？她是高盛股票分析师出身，帮Square敲过钟，是见过大世面的顶级财务专家。

在外界看来，她和奥特曼步调一致；但在内部，两人之间的裂痕已经很深。

据知情人士透露，最近几个月，奥特曼在跟OpenAI一家顶级投资方讨论服务器开销时，直接把CFO Sarah Friar排除在外。而此前同一话题的会议，Friar每次都在场。

一位与会者吐槽道：「这种缺席有点太明显了，场面一度十分尴尬」。

更狠的是去年8月起，Friar不再直接向奥特曼汇报，而是改向应用业务负责人Fidji Simo汇报。

在任何一家正常的大公司里，CFO不直接向CEO汇报，这几乎是闻所未闻的。

而就在上周，Simo宣布因病休假。

奥特曼6650亿美元豪赌，CFO想掀桌

矛盾的核心，就是钱。

Sam Altman，这位被视为「乔布斯接班人」的野心家，正试图用6000亿美元堆出一个上帝。他的计划里，OpenAI在盈利前至少要烧掉2000亿美元。

这让他的CFO快要崩溃了！

用知情人的话说，「她的活儿太难干了。她辅佐的是一个恨不得把花钱油门踩到底的老板，而她必须时刻盯着仪表盘上的红灯。」

现在，奥特曼已经签下了总计约6650亿美元的算力租赁合同，覆盖到2030年。光Oracle一家就是3000亿美元，微软2500亿美元，AWS 1380亿美元。

而且，他还想最快今年四季度就上市，并且要赶在Anthropic之前。

Friar无语了……她私下告诉同事，OpenAI在2026年根本没法做好上市准备。不仅有一大堆流程和组织架构的活儿要干，那些天价支出承诺本身就是巨大的风险。

她甚至表示，自己心里没底，不知道OpenAI未来几年到底需不需要在GPU上砸这么多钱，也不确定公司日益放缓的收入增速能不能兜住这些花销。

有趣的是，Anthropic那边的CEO在播客上说过几乎一模一样的话。

Amodei接着补刀，「我总有种感觉，其他某些公司怕是都没静下心来把账算明白，他们根本没意识到自己正在冒多大的险。」

总之，奥特曼现在直接把CFO绕过去了。

Friar的担忧并非没有道理。现在的OpenAI就像一架在半空中一边组装一边俯冲的飞机。

它的营收增速正在放缓，毛利率没达标，而天价的支出承诺（6000 亿租约），也成了随时可能引爆的雷。

在公司刚拿下1220亿美元融资承诺后，Friar在LinkedIn晒出团队合照，配文表示感谢奥特曼和Greg Brockman「早看清局势、果断拍板」。

但这只是场面话，实际上两人的关系已经闹僵了。

虽然OpenAI的年化收入有250亿美元，但有人2月份私下给投资人打过预防针，直到2030年，烧钱速度会是原先预期的两倍多。

去年毛利率没达标，原因是需求太火爆，不得不在最后一刻花高价买现货算力救火。

Friar说得对，但这不代表她赢得了。

在OpenAI，奥特曼就是太阳，所有人都得围着他转。

2024年6月，Friar空降OpenAI时，给她的任务很明确：给奥特曼找钱，顺便安抚那些被「史上最烧钱公司」吓到的投资人。

但这活儿，实在太难了。

奥特曼一直把自己包装成乔布斯和马斯克那种「改变世界的人」，这种人不是你用Excel表格就能说服的。

一个微妙的信号是，去年9月Friar从马斯克旗下xAI挖来了CFO Mike Liberatore。

两个知情人说，他主要是来给Friar和Brockman打配合，专门处理算力采购的财务交易。

一个公司的CFO需要搬救兵，这本身就说明了一些问题。

花钱最狠和省钱最狠的，都翻车了

现在的硅谷，已经变成了一个巨大的压力测试场。

Anthropic正在疯狂补课，拉着谷歌要几十亿美元的数据中心，试图弥补自己此前的「保守」；而OpenAI则试图在财务暴雷前，用一场史诗级的IPO解决所有问题。

退一步看，OpenAI和Anthropic的困境其实是同一枚硬币的两面。

OpenAI的问题是「赌太大」。

6650亿美元的云合同不是普通的租机器，有些交易甚至要提前好几年垫资帮云厂商建数据中心，超支了还得共担风险。知情人吐槽说，云客户愿意签这种条款，「简直闻所未闻」。

Anthropic的问题是「赌太小」。

保守的GPU储备让它在需求暴涨时措手不及，付费用户体验暴跌，品牌口碑受损，竞争对手趁机挖墙脚。

现在，两家都在竞速抢先上市。

OpenAI瞄准今年四季度，Anthropic也在谈同一时间窗口，目标融资600亿美元以上。IPO之前暴露的任何运营问题，都会被华尔街放大十倍定价。

而他们的钱，很大一部分最终流向了同一批人。

亚马逊给OpenAI投了150亿美元，条件是OpenAI在AWS上花1000亿美元。英伟达的「投资」主要是GPU，不是现金。

资金在巨头之间转了一圈，账面上人人都在增长，华尔街已经有人开始用「循环融资」来形容这种游戏了。

最讽刺的是，Amodei对奥特曼的每一句嘲讽，Friar在私下都说过几乎一模一样的话。而Amodei自己也没好到哪去。嘴上说「谨慎」，系统先崩给全世界看了。

奥特曼不信刹车，Amodei不踩油门。

最终，两家公司或许都能成功上市。毕竟，华尔街从来不缺愿意赌未来的钱。

但如果两年后回头看，2026年春天的这些裂缝，可能就是故事转折的起点。

Friar私下说的那句「我们还没准备好」，可能是今年AI行业最准确的判断。

这是一场没有退路的竞赛。

胜者将成为AI时代的基础设施，像电网一样统治未来；败者则可能在烧光数百亿美元后，成为硅谷历史上最昂贵的烟花。

参考资料：

https://www.theregister.com/2026/03/31/anthropic_claude_code_limits/

https://www.theinformation.com/articles/openai-ceo-cfo-diverge-ipo-timing?rc=epv9gi

https://www.theinformation.com/newsletters/ai-agenda/anthropics-success-sparks-server-crunch?rc=epv9gi

https://x.com/theinformation/status/2040421647115497962

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！

跳转微信打开

---

新智元报道  

编辑：元宇

AI已经学会「左脚踩右脚上天」了？

Meta的一项最新研究表明：AI已经开始碰自己的「进化引擎」了。

华人学者Jenny Zhang在Meta实习期间，联合Meta AI、UBC、纽约大学等机构研究者，提出了一种新的智能体框架：HyperAgents（DGM-H）。

https://arxiv.org/abs/2603.19461

这项工作的重点，不是再造一个更能干活的Agent。

它瞄准的是更高一层的问题：

如果AI已经能够修改自己的任务解法，那它能不能连「自己以后该怎么修改自己」这件事，也一并改掉？

论文给出的答案是：可以。

而且，这不再是概念推演，而是已经在实验中跑通的系统能力。

HyperAgents做的关键一步，是把「执行任务的 agent」和「负责改进 agent 的 meta agent」合并进同一个可编辑程序里，作者将之称为hyperagent。

DGM依赖任务与自修改能力的对齐，而DGM-H不再需要这种对齐

在新框架下，系统不只会修改任务求解逻辑，还开始修改未来生成改进方案的机制本身。

论文把这种能力称为metacognitive self-modification，也就是：元认知自我修改。

过去行业竞争的是：谁的Agent更会干活。

而HyperAgents 指向的下一阶段则可能是：谁的Agent更会变强，而且会越来越会变强。

以往的「自我进化」

其实还只是半手工

这篇论文，指出了上一代自我进化路线的天花板。

去年的Darwin Gödel Machine（DGM），已经很惊艳。

它能在coding任务中不断自改代码、自我验证、把成功版本存进archive，再从这些「垫脚石」里继续往前长。

论文披露，DGM在SWE-bench上能从20.0%拉到50.0%，在Polyglot上从14.2%拉到30.7%。

但问题在于，DGM之所以能在coding里成立，是因为「评估」和「自我修改」本身也都是coding任务。

写代码更强了，反过来就更会改自己的代码。任务能力和自我改进能力，在这个场景里是对齐的。