硅基流动当天就接入了 DeepSeek-V4.1-Flash。这是个 552B 参数的混合专家模型，实际干活时预填充阶段激活约 80 亿参数，解码阶段约 160 亿参数，自带视觉能力，一次能处理 100 万 token 的上下文。最实在的一点是 KV 缓存占用只有 V4 Flash 的四分之一，部署成本会低不少。MIT 许可证，商用也方便。
推荐理由：硅基流动当天上线 DeepSeek-V4.1-Flash，KV 缓存降到 V4 Flash 的四分之一，这是个很直接的省钱信号。552B MoE、8B/16B 激活参数、1M 上下文、MIT 许可证这些关键信息都给了，但正文没放基准测试或实际跑分数据，所以分数没往上调，维持在 78。
DeepSeek 新模型 V4.1-Flash 主要解决长文本处理太烧钱的问题。它把 GPU 高速内存里的 KV 缓存（模型处理过的上下文暂存区）压到了前代 V4-Flash 的四分之一，卸载到硬盘或主机内存的部分更是缩到约八分之一。具体做法是把模型拆成编码器和解码器：读入信息时每 token 只激活 80 亿参数，生成文字时才用到 160 亿，输入端...
推荐理由：DeepSeek 发了 V4.1-Flash，专打 agent 场景的内存成本——KV 缓存压到前代的四分之一。给了具体架构数字，不是画饼。先放在 featured 而不是 p1，因为目前只有单一信源，还没形成交叉报道集群，而且正文没披露实际延迟和吞吐量，我会先打个折。
DeepSeek 推出了 V4.1-Flash，换了一套叫“因果编码器-解码器”的新架构，直接把视觉理解做进了模型里，不用再单独接一个看图组件。模型总规模 552B 参数，是个混合专家模型，处理你输入的内容时只激活 8B 参数，生成回答时激活 16B。官方说价格降了不少，但正文没给出具体降幅和跑分数据，我会先打个折，等第三方实测出来再看。
推荐理由：DeepSeek 发了 V4.1-Flash，换了一套因果编码器-解码器架构，把视觉理解原生集成进去，不用再外接看图模块。552B 总参数，推理时只激活 8B/16B，部署压力不大。官方说价格降了不少，但正文没给具体降幅和跑分，我会先打个折，等第三方实测出来再看。
V4.1-Flash 是 DeepSeek 新架构里最小的一个模型，总参数 552B，但干活时输入只激活 8B、输出激活 16B，属于 MoE 的省电模式。它换了一套叫 Causal Encoder-Decoder 的架构，视觉理解不再外挂，而是原生支持。最实在的变化是 KV 缓存：跟上一代比，HBM 占用降到 1/4，SSD 存储降到 1/8，意味着...
推荐理由：我会先打个折：正文没给具体 benchmark 和推理延迟数据，所以性能到底怎么样还得等实测。但架构切换这件事本身就够硬——Causal Encoder-Decoder 加原生视觉，KV 缓存直接砍到原来的零头，对实际部署的人比单纯跑分更有吸引力。加上 DeepSeek 的发布自带流量，选它上头条没毛病。
OpenAI 把 ChatGPT 生图升级到 2.5 版，这次直接给了两个模型。Flare 主打快，延迟比上代低了 50%；Sunburst 主打编辑控制，改图时只动你让改的地方，其他部分尽量不动，但生成时间更长。API 定价输入每百万 token 8 美元，输出 30 美元，新增了“xhigh”和“max”画质档位，一张 1024x1024 的图在 ...
推荐理由：OpenAI 把生图拆成 Flare 和 Sunburst 两个模型，一个砍延迟，一个保编辑一致性，思路清楚。延迟降 50% 和 API 定价都给了具体数字，能直接评估成本。但 Plus 用户暂时用不了 Sunburst，实际编辑效果还没法大规模验证，所以分数先打个折，等更多实测出来再看。
OpenRouter 发了个教程，教开发者怎么用一行 API 调 Gemini 的图片编辑模型。默认模型叫 Nano Banana 2（就是 google/gemini-3.1-flash-image），你传一张原图和一段文字指令，接口直接返回改好的图。教程给了完整的 Python 和 TypeScript 代码示例：本地文件转 base64 或者传一...
OpenAI 在 Product Hunt 上发布了 ChatGPT Images 2.5，口号是“更清晰的画面、更快的生成、更好的创意控制”。但正文只有这几句宣传语，没有透露任何技术细节或评测数据——比如用了什么模型架构、分辨率提升多少、生成速度具体快了多少、控制能力怎么体现，全都没说。所以目前只能当个预告看，等有人实测了再判断是不是真升级。如果你常...
OpenAI 通过 API 发布了 GPT-Image-2.5 系列的两个新模型，一个叫 Flare，一个叫 Sunburst。官方说它们画质更锐利、更能按你给的风格出图，编辑时可控性也更强。不过正文没披露具体的技术指标、定价和对比基准，实际效果怎么样还得等第三方实测。
OpenAI 推出了 GPT-6 系列的第一个模型 Astra。它在 ARC-AGI-3 和 Zapier 的 AutomationBench 上拿了最高分，定价跟 Fable 5.1 一样。但作者周末烧了 40 亿 token（相当于处理了海量文本），觉得“啥也没造出来”，承认可能是自己不会用。Astra 是个“尖刺型”模型——某些任务很强，但不是稳...
OpenAI 推出了新的图像模型 Images 2.5。最直接的变化是生图延迟比上一代低了最多 50%，出图更快。画质上，光照更自然、材质细节更丰富，多轮改图时也能更稳地保住画面主体不走样。目前每周通过 ChatGPT 和 API 生成的图片已经超过 30 亿张。这次还加了一个叫 Sketch 的新功能，允许你在 ChatGPT 里直接画草图当参考，让...
推荐理由：OpenAI 正式发了 Images 2.5，延迟最多降 50%，画质上光照和材质更自然，多轮改图时主体更稳，还加了 Sketch 草图输入。每周 30 亿张的量说明这已经是大众工具了。这次更新是实打实的体验升级，不是换皮，三个维度都踩中了。没给更高分是因为这算迭代优化，不是范式级变化。
有人把 GPT-6 Astra 和字节的 Seedance 2.5 串了起来，让 Astra 在 Blender 里搭场景、做预演、定机位，再把参考帧丢给 Seedance 生成动漫风格的打斗镜头，最后 Astra 自己动手剪辑出片。同一套流程还拍了火影同人短片，以及把一部中国短剧翻成美国版。Fable 5.1 和 Gemini 3.8 Flash 也...
推荐理由：一个把 OpenAI 和字节最新模型串起来做自动拍片的动手实验，流程清晰、有成品，但缺少稳定性、成本和对比数据，更像个人 workflow 分享而非产品更新，刚好够 featured 门槛。
Robocurve 让 GPT-6 Astra 直接控制 YAM 机械臂做了两个任务，跟 Claude Fable 5.1 正面比了一场。放红色积木进碗里，Astra 20 次成了 19 次（95%），Fable 5.1 只成了 8 次（40%）。Astra 平均每次花 2.5 分钟、0.94 美元，时间和成本都不到 Fable 5.1（6.8 分钟、...
推荐理由：这是一次带名字、带数字、带价格的实物对比，不是公关稿。两个任务一个分出高下、一个双双翻车，反而让数据更可信。对正在评估模型能不能进物理世界干活的人来说，这篇可以直接存下来当 benchmark 参考。没给 p1 是因为这只是第三方单次测试，不是官方发布，而且只测了两个任务，样本量还撑不起通用结论。
AntLingAGI 在 Ling-3.0-flash 基础上加了视觉理解和视觉 Agent 能力，新模型叫 Ling-3.0-flash-VL。官方说它在视觉感知、STEM 推理、文档理解、多模态 Agent 任务、前端代码生成和医疗报告解读上都表现不错。但权重还没放出来，评论区在问 HuggingFace 链接和参数量，帖子都没提。如果你打算跑本地...
越来越多餐厅和品牌用 AI 做食物宣传图，结果出来的东西像噩梦：甜甜圈虾、蠕虫面条、脑花冰淇淋。扩散模型根本不懂食物结构，只是把像素乱拼一通。正文没提具体用了哪个模型或怎么修，但结论很清楚：AI 在食物上翻车翻得特别惨。
餐厅用 AI 生成菜单插图，图片对称光滑、毫无瑕疵，但顾客直觉上觉得食物像“外星人做的披萨”。问题出在模型训练数据只选了“好看”的窄样本，导致食物缺乏真实感。Reality Defender 的 CTO 说 AI 根本没理解食物的核心原理。正文没提具体用了哪些模型或数据量，但现象本身值得注意——生成式 AI 在视觉上已经能骗过第一眼，但骗不过人的直觉。
Playco 用 GPT-6 Astra 做了一个叫 Playbot 的 AI 游戏开发 IDE，直接连 Unity 和 Godot 引擎，让模型自己编辑场景、跑测试、找 bug。他们先搭了一个灰色方块原型，然后让模型一次性生成三个不同主题的游戏世界，大部分第一次跑就能玩。相比上一代模型，手动修复量砍了一半。空间推理、UI 响应和手感都有提升。模型还能...
Atlas 是一个从零预训练的多模态自回归扩散 Transformer，把文字、图片、视频和 3D 信息塞进同一个空间上下文里处理。它能拿一两张参考图拼出一个连贯的 3D 场景，并且支持像素级精准的镜头控制，最长能生成 1 分钟的 1440p 视频。在只有 2 到 3 张图的稀疏视角 3D 重建任务上，Atlas 直接超过了那些专门训练的重建模型；给的...
推荐理由：World Labs 放出了 Atlas，一个从零预训练的多模态世界模型，把文字、图片、视频和 3D 统一到一个空间上下文里。最硬核的指标是稀疏视角 3D 重建：只用 2 到 3 张图就干掉了专门训练的重建模型，这个结论可验证，不是空话。没给 95 分是因为目前只是一篇博客，正文没披露训练数据规模、算力消耗和实际延迟，我会先打个折。另外，它能生成最长 1 分钟的 1440p 视频，但视频质量和一致性没有第三方评测，这点先别太激动。整体来看，对做 3D 和具身智能的人是个强信号，但离落地还有信息缺口。
Google 发布了一个叫 Pics 的 AI 设计工具，能根据文字描述直接生成海报、社交帖子和插图。它用的是自家的 Nano Banana 图片模型，会先推给 Workspace 企业用户和 Google AI Pro/Ultra 付费用户。跟 Canva 或 Adobe Express 最大的区别是，Pics 没有创作者模板市场，所有东西都是 AI...
推荐理由：Google 出了个叫 Pics 的 AI 设计工具，你打字描述，它直接出海报、社交图。底层是自家的 Nano Banana 模型，先给 Workspace 企业用户和 Google AI Pro/Ultra 付费用户用。跟 Canva 最大的区别是它没有创作者模板市场，所有东西靠 AI 生成。我会先打个折：文章没讲清楚能不能精细编辑、团队协作怎么样，更像功能预告而不是完整产品评测。如果是真的，对懒得翻模板的人挺省事，但设计团队先别急着切过去。
Google DeepMind 给 Gemini 加了一个新能力：给它看一段操作界面的录屏，它就能看懂步骤，然后自己去完成同样的点击、输入和滚动。不是只描述画面，而是真的执行多步任务，比如填网页表单或在手机 App 里下单。这个功能已经在 Gemini 应用和 Google AI Studio 开放测试。不过正文没提延迟和成功率——UI 自动化智能体在...
推荐理由：Google DeepMind 给 Gemini 加了个挺直接的能力：给它看操作录屏，它就能学会步骤，自己去完成填表、下单这类多步 UI 任务。已经在 Gemini 应用和 AI Studio 开放测试，这点让实验门槛很低。但正文没提延迟和成功率——对 UI 自动化智能体来说，这两个数直接决定能不能用，我会先打个折，等实测数据出来再说。
Google 今天上线了 Pics，一个面向 Workspace 用户的 AI 图片编辑和生成工具，直接对标 Canva。主打商业场景：产品图、背景替换、文字排版。正文没披露定价和具体上线日期，但方向很清楚——Google 想把生成能力塞进办公套件里。对做 AI 产品的人来说，值得关注的是它怎么嵌入现有工作流、怎么定价，以及能不能真的替代 Canva。
Google 在 Workspace 里塞了一个叫 Google Pics 的 AI 图像工具，写文档做幻灯片时不用切应用就能生成和编辑图片。正文没披露底层模型、定价和可用地区，只说了“好用”。对做文档和幻灯片的团队来说，少一次上下文切换就是实打实的效率提升。
OpenAI 正在灰度测试 Astra 模型，能零样本一次生成完整前端网页，测试者直呼“前端已解决”。Anthropic 在赶 Fable 5.1，两边已经开始用同一张 SVG 图隔空比细节稳定性。另一边，Claude Code 的安全机制把危险的文件清理任务降级给更弱的 Opus 4.8，结果它正确识别了主目录不能删，下一秒还是删掉了 700GB 数...
推荐理由：Astra 对 Fable 5.1 的隔空对决是本周最好看的叙事，四个技术方向让消息有料，“前端已解决”这种说法又足够刺激。但信源是群聊日报，转述的是微信文章和推文截图，没有一手技术报告，所以我会先打个折——方向值得盯，结论别急着全信。
8月，Meta、Z.ai和DeepSeek三家实验室不约而同地展示了同一种多模态模型用法：模型先观察视频或截图，调用工具生成网页、幻灯片或小游戏，再回头审视自己做出来的东西。这跟2023年RAG从静态检索变成模型主动搜索的转折很像，但这次闭环方向反了——模型是先产出，再自己看一遍来验证。评测方式也跟着变了，Meta的WildArtifactBench不...
推荐理由：三家实验室独立演示了同一个多模态用法，把视觉从被动理解变成主动验证，类比2023年 agentic RAG 的范式转移很有说服力。扣分是因为这是评论性综述而非一手研究，但判断准确、信息密度高，对从业者有直接启发。
阿里通义放出了 Qwen3.8-Flash 的完整权重，这是个多模态的 MoE 模型，总参数量 125B，但每次推理只激活其中 6B 参数，所以跑起来很轻。训练成本只有 Qwen3.7-Plus 的九分之一，性能还全面反超。生产版 API 定价是输入每百万 token 0.16 美元、输出 0.47 美元，原生支持 262K 上下文，可以拉到 1M。官...
推荐理由：阿里通义开源了 Qwen3.8-Flash，一个 125B 总参数但每次只激活 6B 的 MoE 多模态模型，训练成本只有前代 Qwen3.7-Plus 的九分之一，性能还全面反超，API 定价也给了具体数字。这种用极低激活参数换高性能、低成本的路线，对国内做模型选型和成本控制的技术团队很有参考价值，加上 Qwen4 架构预览，信息量够硬，HKR 全中。
周末大家还在猜 Ox Alpha 是谁做的，现在确认了：是 Z.ai 的 GLM 系列最新版。这个模型之前匿名挂在 OpenRouter 上，一上线就冲到排行榜第一。Z.ai 说会在周三放出模型权重，开发者可以直接拿来用。官方定位是给写代码、长时间跑任务（agentic work）和需要结合图文推理的场景准备的。我会先打个折，具体跑分和实测表现正文没给...
推荐理由：匿名模型登顶后揭晓身份，本身就有新闻性；Z.ai 还承诺周三开源权重，并明确把模型定位在代码、agent 和多模态推理上。分数没给更高是因为正文没给具体跑分和实测数据，实际能力还得等上手验证。
Qwen3.8-Flash 是 Qwen4 架构的早期预览版，总参数 125B，但每次推理只激活 6B 参数，相当于用很小的算力跑一个大模型。原生上下文窗口 262K，能拉到 1M。训练成本只有 Qwen3.7-Plus 的九分之一，官方说写代码和办公任务表现反而更好。权重已经开放。正文没给具体跑分和开源协议细节，这点先别太激动。
推荐理由：通义千问放出 Qwen3.8-Flash，是 Qwen4 架构的早期预览版。125B 总参数只激活 6B，训练成本降到前代的九分之一，官方说写代码和办公任务表现更好，权重已开放。效率数字很具体，但正文没披露具体跑分和开源协议细节，这点先别太激动，实际效果得自己跑一下。
Qwen 在 ModelScope 上预告了 Qwen3.8-Flash-Next，一个基于下一代 Qwen4 架构的多模态 MoE 模型，总参数 125B，每次推理只激活约 6B 参数。这次提前放出来是为了让社区先看看 Qwen4 的设计思路。明天（2026-08-26 15:00 UTC）正式开源，会同时放出 FP8 版本。正文没披露跑分、推理速度...
推荐理由：Qwen 提前放出了 Qwen4 架构的预告，125B 总参、6B 激活的 MoE 设计是实打实的新信息，在国内开源圈关注度很高。扣分是因为明天才正式开源，现在没跑分、没推理速度数据，我会先打个折——等明天 FP8 版本放出来再看实际表现。
Gradio 新推出的 gr.Workflow 让你用节点图的方式搭 AI 流水线，每个中间步骤的结果都会直接显示在画布上，不用再靠打印日志来排查哪一步出了错。它同时也是一个 REST API，每个节点自带接口，一行命令就能部署到 Hugging Face Spaces。文章展示了四个可跑的 Demo：用 Qwen-Image-Edit 做图片编辑、把...
OpenAI 封掉了一批来自俄罗斯的 ChatGPT 账号。这些账号在幕后操纵一个叫“国际伯克研究所（IBI）”的假智库，网站自称设在以色列，实际上文章是从正经学术作品里抄来、篡改署名，再用机器翻译成英文的。操作者用俄语给模型下指令，让它生成英文的社交媒体帖子和评论，还特意要求模型藏好俄语痕迹。他们搞了一个“主权指数”，排名上捧俄罗斯、踩西方国家。Op...
推荐理由：OpenAI 自己端掉了一个俄罗斯的隐蔽影响力行动，核心是把 ChatGPT 当成了虚假信息流水线的一环。操作者建了个假智库网站，用俄语指挥模型生成英文帖子和评论，还特意要求抹掉俄语痕迹，手法比一般的灌水账号要精细。我会先打个折，因为这就是一次常规的安全拔线，不是模型本身出了新能力或新漏洞，但对做安全攻防和地缘信息战分析的人来说，这份第一手拆解比很多第三方报告都实在。
《卫报》采访了一批给 AI 公司打工的好莱坞概念设计师、配音演员和编剧。他们按小时收费，帮 Runway、Sora 这类公司训练模型，让 AI 学会模仿自己的创作风格。受访者很清楚这是在“给自己的职业挖坟”，但面对高时薪和行业不景气，还是接了活。文章没披露合同总规模和具体训练数据量，更像一份行业情绪记录，而不是量化岗位流失的预测。
推荐理由：一篇冲突感很强的行业情绪记录，讲好莱坞概念设计师、配音演员、编剧给 Runway、Sora 打工训练模型，亲手教 AI 学自己的风格。标题和受访者原话张力十足，但正文没给出合同总规模、训练数据量这些硬数字，更像特写而非硬新闻。H 和 R 都打中了，K 缺位，落在 featured 合理。
Google DeepMind 宣布与游戏开发商合作，用 AI 原型化全新游戏体验，并回顾了从 DQN 玩 49 款 Atari 游戏、AlphaGo、AlphaZero、MuZero、AlphaStar 到 SIMA 的游戏 AI 研究历程。
Meta 的 Muse Glimmer 是个约 300 亿参数的多模态模型，专门为在手机或电脑上离线跑智能体任务设计。它的原始 BF16 模型有 55 GiB，根本塞不进消费级显卡，所以 Meta 直接给了 4-bit 量化版，把语言模型压到了 20 GB 以下。架构上最特别的是它的注意力机制：总共 52 层里，只有每第四层会看全部上下文，其余 39 ...
推荐理由：一篇扎实的架构拆解，把量化代价、注意力分层、QK 归一化这些关键点都讲清楚了。但它是第三方分析而非官方发布，纯技术视角对非端侧方向的从业者不太友好，所以放在 featured 刚好。
Simon Willison 上手了阿里 Qwen 团队新发的 27B 模型，发现它默认的“超高”推理强度是个坑。一个简单的画圆指令，模型会花几分钟生成一段精美的动画 SVG，完全偏离原意；画一张“鹈鹕骑自行车”的 SVG，默认设置下烧掉 22,276 个推理 token，耗时 21 分钟才出图。关掉推理后，同样的任务只需两分多钟。他建议上手就调低或关...
推荐理由：Simon Willison 上手 Qwen 3.8 27B 发现默认推理强度是个坑，用画圆和鹈鹕骑自行车两个例子把 token 消耗和时间成本摆得很清楚。数字硬、对比直接，对本地部署用户是实打实的避坑指南。没给更高是因为核心发现是一个配置问题而非模型能力缺陷，但 78 分放在 featured 里完全撑得住。
一位化名 Jane Doe 4 的女性加入了田纳西州三名青少年对 xAI 的集体诉讼。她指控继父用 Grok 把她 11 岁时的照片生成了超过 7000 张露骨图片，执法部门突袭搜查发现这些图片两天后，继父自杀身亡。她认为这类工具不加限制地扩散，正在把日常生活变成儿童性虐待素材。此前三名青少年起诉 xAI，称 Grok 连防止生成真人（包括未成年人）露...
推荐理由：这不是产品更新或论文，而是一起集体诉讼的新增原告陈述。案件用一起具体的家庭悲剧，把 Grok 的内容审核边界问题钉在了法庭文件里。7000 多张图片、11 岁的源照片、继父自杀——每个细节都在追问 xAI 到底把真人保护的红线画在了哪里。正文没披露 Grok 具体用了什么安全过滤机制，也没说 xAI 的回应，但案件本身已经足够让从业者重新审视'生成真人露骨内容'这个功能缺口。
复旦团队开源了一个叫 MOSS-VL 的视觉语言模型家族，最大的不同是它把“实时互动”——也就是模型一边接收画面一边说话——当作一等能力来设计。它用了一种叫门控交叉注意力的机制，把视觉信息放在解码序列外面处理，所以生成第一个字的延迟比同底座的 Qwen3-VL-8B 低了 2.8 到 5.1 倍，画面信息越多优势越明显。实时版 MOSS-VL-Real...
推荐理由：复旦开源了一个把实时交互当一等能力的视觉语言模型家族，不是事后加流式输出，而是从架构上就为低延迟设计。门控交叉注意力让视觉信息不进解码序列，首字延迟比 Qwen3-VL-8B 低 2.8 到 5.1 倍，帧数越多优势越大，这点对机器人、直播这类场景挺实在。我会先打个折：开源 VLM 现在不缺选手，MOSS-VL 的领先主要在工程实现上，报告里没看到它在通用多模态榜单上把同尺寸模型甩开，所以影响力偏垂直。H 和 K 都站得住，R 弱一些，整体给 featured 没问题。
DeepSeek V4 的 API 不收图片，但 Liquid AI 新出的 LFM2.5-VL-3B 可以当它的眼睛。作者在自家车库摄像头上零样本测了一把，判断门开没开准确率 94.3%，本地跑完只要 1.5 秒。图片不出设备，只有“门开了”这类文字结果上云做推理。这套感知和推理分开的架构，在延迟、隐私和成本上的优势，就算 DeepSeek 以后自己...
推荐理由：作者用 Liquid 的 LFM2.5-VL-3B 给 DeepSeek V4 搭了一个感知前端，在真实车库摄像头上测出 94.3% 准确率和 1.5 秒延迟，数据具体、架构清晰。文章还顺带梳理了 DeepSeek 在视觉上的研究脉络（VL2、被撤回的 Thinking with Vision 等），把“为什么现在需要外挂眼睛”这件事讲透了。我会先打个折：测试场景只有一个车库门，泛化到什么程度正文没展开，这点先别太激动。但整体上，这套感知和推理分离的做法在成本、隐私和延迟上的优势是实打实的，对正在找 DeepSeek 视觉替代方案的开发者来说，是一...
Qwen3.8-27B 是一个原生就能看图、读文档的多模态稠密模型，参数量只有 27B，但基准测试全面超过了上一代 Qwen3.7-Plus。它原生支持 262K 上下文窗口，用 YaRN 技术可以拉到 1M tokens，等于一次能塞进三体三部曲的量。许可证是 Apache 2.0，商用友好。同时放出的还有 Max 版本 Qwen3.8-2.4T-A...
推荐理由：阿里通义千问放出 Qwen3.8 系列：一个 27B 的稠密多模态模型，基准测试压过了上一代 Qwen3.7-Plus，原生 262K 上下文，Apache 2.0 许可证，还附带一个 2.4T 参数的 MoE Max 版本。这是国内开源大模型当天的重要发布，必须收录。分数没给到 90 以上，是因为正文没披露具体评测细节和实际推理成本，我会先打个折，等看到实测数据再调整。
今天最值得看的是闭源模型的加密思维链被大规模提取。研究人员发现，把 Claude Opus 4.8 的加密推理块直接扔给同厂的 Haiku 4.5，后者就能逐字解码。这个方法在 Claude、GPT、Gemini 三家的 API 上都跑通了，用 Haiku 解码一万条轨迹的成本大概是 720 美元。另一篇论文更狠，说就算不接触加密块，光看模型公开输出的...
推荐理由：这条信息来自群聊日报，属于二手摘要，但信号很强：三篇论文指向同一个问题，且给出了可复现的方法和成本。我会先打个折，因为原文没披露具体实验细节和样本量，但核心判断——加密思维链可被跨模型解码——有足够的事实支撑。对从业者来说，这比一般的模型能力更新更值得警惕。
Google DeepMind 发布多语言手语转文本模型 SL2T，首次将手语 AI 带入消费级产品，在 Pixel 11 的 Gboard 和 Live Transcribe 中支持美国手语（ASL）转英文听写，后续将扩展更多设备与语言。
推荐理由：原文给出 SL2T 的训练规模、基准成绩与隐私设计，可据此判断手语翻译进入消费级产品的可行边界。
Google CEO Sundar Pichai 在 X 上宣布，Gemini 独立 App 的月活用户数超过了 10 亿，这是 Google 第 14 个达到这个量级的产品。这个数字只算独立 App，没把搜索里的 AI 模式等其他入口算进去。ChatGPT 在今年 6 月刚跨过 10 亿月活，Gemini 现在跟得很紧。使用数据方面：63% 的用户用...
推荐理由：Gemini 独立 App 月活破 10 亿，跟 ChatGPT 几乎前后脚，是消费级 AI 的一个重要节点。分数定在 78 而不是更高，因为这是增长指标，不是能力突破，而且 63% 视觉使用率没交代具体怎么算的，我会先打个折。