毕业生对 AI 演讲喝倒彩,微软总裁承认行业必须正面回应公众焦虑
2026 届毕业生在多所大学的毕业典礼上,对宣传 AI 的演讲者发出了嘘声。普林斯顿的学生还否决了一款疑似用 AI 设计的毕业夹克。微软总裁布拉德·史密斯回应说,行业不能回避这些情绪,得拿出严肃可信的答案。他主张 AI 应该增强人的能力,而不是取代人,并认为 AI 对就业的冲击会比最乐观的鼓吹者说的要慢。
推荐理由:微软总裁史密斯回应毕业生对 AI 演讲喝倒彩,主张 AI 增强而非取代人,并判断就业冲击比鼓吹者说的慢。
微软的 AI 布局:Copilot 全家桶、Azure AI 基础设施与 OpenAI 合作关系的持续追踪。
2026 届毕业生在多所大学的毕业典礼上,对宣传 AI 的演讲者发出了嘘声。普林斯顿的学生还否决了一款疑似用 AI 设计的毕业夹克。微软总裁布拉德·史密斯回应说,行业不能回避这些情绪,得拿出严肃可信的答案。他主张 AI 应该增强人的能力,而不是取代人,并认为 AI 对就业的冲击会比最乐观的鼓吹者说的要慢。
推荐理由:微软总裁史密斯回应毕业生对 AI 演讲喝倒彩,主张 AI 增强而非取代人,并判断就业冲击比鼓吹者说的慢。
微软 AI CEO Mustafa Suleyman 在 Decoder 播客里直接批评 Anthropic,说他们在给 Claude 定规矩的“宪法”文件里暗示模型有意识,这种做法“非常非常危险”。他的逻辑是:Anthropic 把 Claude 设计得太像人了,结果反过来把自己“洗脑”了——他们亲手塞进去的“意识火花”,最后自己信以为真。
推荐理由:微软 AI CEO Suleyman 在播客里点名批评 Anthropic 在 Claude 宪法文件中暗示模型有意识,并称这种做法非常危险,事件涉及两家头部 AI 公司对模型人格化设计的分歧。
TechCrunch 报道,微软旗下部分开源工具被黑,攻击者直接瞄准 AI 开发者的登录凭证。正文没披露具体是哪些工具、攻击怎么发生、持续了多久、有多少人中招。目前只有标题和极简摘要,细节全缺,先别急着下结论。
推荐理由:微软部分开源工具被入侵,攻击者瞄准 AI 开发者的登录凭证,事件指向开发工具链的账号安全风险。
Mustafa Suleyman 在播客里聊了几个事。他判断超级智能不会造成大规模失业,但没给出具体论证。微软去年10月跟 OpenAI 签了新合同,一边继续合作,一边拿到了独立研发超级智能的许可,已经建了团队、在训前沿模型,本周 Build 大会还发了7个全模态模型。
推荐理由:微软AI负责人Mustafa Suleyman在播客中判断超级智能不会造成大规模失业,同时微软已获独立研发超级智能的许可并训练前沿模型。
GitHub 把 Spec Kit 开源了,专门解决 AI 编程里一个常见毛病:需求还没说清楚,模型就开始写代码,结果边界漏了、反复返工。这个工具包把流程倒过来——先写产品功能规范,再让 AI 根据规范去澄清差距、做技术计划、拆任务,最后交给 agent 执行。规范本身成了可执行的开发合约,不是一份看完就扔的文档。
推荐理由:GitHub 开源 Spec Kit,把先写产品规范再让 AI 编码的流程做成工具包,规范成为驱动 agent 执行的开发合约。
微软 AI 负责人 Mustafa Suleyman 公开说 Anthropic 的模型成本太高,公司已经在开发内部替代模型来降本。他没透露具体模型名称、能便宜多少、什么时候上线。这件事的背景是微软一边给 OpenAI 投了几百亿美元,一边还在大量采购别家模型当备选,现在连备选都觉得贵了。
推荐理由:微软一边向 OpenAI 投入数百亿美元,一边采购 Anthropic 等外部模型作备选,其 AI 负责人如今公开表示 Anthropic 模型成本过高,公司已着手自研更便宜的替代模型。
纳德拉在 Build 大会的播客里聊了微软的 AI 思路,核心是把 AI 当成一个生态平台来做,而不是押注单个模型。他举了比尔·盖茨那条老原则:平台创造的价值得远超平台自己赚走的。微软这次主推的 MAI 系列模型,强调从预训练阶段就保证数据干净、可追溯,因为现在很多开源模型在榜单上看着漂亮,实际用起来不行。
推荐理由:纳德拉在 Build 播客中谈微软把 AI 当生态平台而非押注单个模型,并解释 MAI 系列为何从预训练阶段就要求数据干净可追溯。
微软 AI 负责人 Mustafa Suleyman 在 Build 大会上放话,说微软必须从零开始证明自己能独立搞定所有事。两家公司从合作转向直接竞争,但文章没透露具体产品路线图和时间表。Suleyman 还提到,微软正在把 AI 智能体(让模型进业务流程干活的工具)作为重点方向,不过目前没有给出任何性能数据或客户案例来支撑这个说法。
推荐理由:微软 AI 负责人 Suleyman 在 Build 大会上表态要从零开始独立完成 AI,两家公司由此从合作转向直接竞争,这一关系变化是理解双方后续动作的背景。
微软在 Build 2026 一口气发了七个自研模型,头一回做推理模型 MAI-Thinking-1。这是个万亿参数、每次激活 350 亿的大家伙,上下文窗口 12.8 万 token,专啃多步指令和代码。内部盲测说比 Anthropic 的 Sonnet 4.6 更受偏爱,但看公开跑分,大概跟 DeepSeek V3.2 打个平手。
推荐理由:微软在 Build 2026 发布七个自研模型,其中万亿参数的 MAI-Thinking-1 是其推理模型,内部盲测偏好度超过 Anthropic Sonnet 4.6,公开跑分与 DeepSeek V3.2 接近。
微软首个正式对外发布的自研推理模型MAI-Thinking-1,用了35B活跃参数、总参数约1T的稀疏MoE架构。SWE-Bench Pro编程测试跟Claude Opus 4.6打平,AIME 2025数学测试拿到97%,盲测里人类偏好优于Sonnet 4.6。训练全程没用任何第三方模型蒸馏,预训练数据也排除了AI生成内容。
推荐理由:微软自研推理模型MAI-Thinking-1以35B活跃参数在SWE-Bench Pro编程测试追平Claude Opus 4.6,AIME 2025数学测试达97%,训练未用第三方模型蒸馏。
微软在Build大会上发布了7个MAI系列模型,覆盖文本推理、代码、图像、语音转文字和语音合成。主角是MAI-Thinking-1,一个35B活跃参数的混合专家模型,支持256K上下文窗口。它被定位为微软首个推理模型,训练数据链条干净,没有用任何第三方模型做蒸馏。随模型一起公开的109页技术报告在圈内评价很高,因为透明度给得足。
推荐理由:微软在Build大会发布7个MAI系列模型,主打35B活跃参数的推理模型MAI-Thinking-1,并公开109页技术报告,训练数据未用第三方模型蒸馏。
微软在 Build 2026 大会上发了两个能在设备本地跑的模型,都叫 Aion 1.0。一个是 Aion 1.0 Plan,140 亿参数,专门做推理和调用工具,上下文窗口 3.2 万 token,会直接预装在配置够的 Windows 设备里。
推荐理由:微软在 Build 2026 发布两个端侧模型,其中 140 亿参数的 Aion 1.0 Plan 负责推理与调用工具,并会预装在配置达标的 Windows 设备上,端侧 agent 由此多了一个系统级分发入口。
微软在模型发布卡里加了个新指标:平均 token 用量。他们的新模型在 SWE-Bench Verified 上拿了 71.6 分,但消耗的 token 只有 Claude Haiku 4.5 的三分之一。这意味着现在衡量模型得看两个维度:活儿干得怎么样,以及干这活儿花了多少钱。靠烧 token 刷榜、靠补贴打价格战的时代在翻篇。
推荐理由:微软在新模型发布卡中加入平均 token 用量指标,该模型在 SWE-Bench Verified 上得 71.6 分,token 消耗为 Claude Haiku 4.5 的三分之一,模型评测由此多出一个成本维度。
特朗普政府推出一项自愿机制,AI 公司可以在前沿大模型发布前 30 天内,把模型提交给美国商务部下属的 CAISI 中心做安全评估,主要查模型的网络攻防能力。谷歌、微软和 xAI 已经同意配合,OpenAI 和 Anthropic 早在 2024 年就签了类似协议。这次行政令明确不是强制审批,企业自己决定交不交,交了能拿到保密保护。
推荐理由:特朗普签署行政令设立自愿机制,AI 公司可在前沿模型发布前 30 天提交商务部 CAISI 做安全评估,谷歌、微软和 xAI 已同意配合。
微软发了 MAI-Thinking-1,一个混合专家(MoE)模型,总参数 1 万亿但每次只激活 350 亿,跑起来相对省算力。它用 30T token 从零预训练,没拿第三方模型做蒸馏,这点比较硬气。微软管自己的迭代优化流程叫“爬山机器”,听着像在反复试错往上拱。
推荐理由:微软发布 MAI-Thinking-1,总参数 1 万亿、每次激活 350 亿,用 30T token 从零预训练且未做第三方蒸馏,MoE 稀疏激活与自研训练路径是这条的主要看点。
微软发布了一个叫 ASSERT 的开源框架,让开发者直接用自然语言写测试要求,就能自动生成一套评估 AI 行为的考题和回归测试。正文没披露它具体支持哪些模型、打分指标怎么算,也没提使用限制。
推荐理由:微软开源 ASSERT 框架,开发者用自然语言描述测试要求即可自动生成 AI 行为考题与回归测试,省去手写脚本的环节。
微软 Build 大会上,两家宣布把 AI 部署的底层打通了。简单说,就是同一个 AI 应用,既能在你笔记本的 RTX 显卡上跑,也能无缝切到 Azure 云或者公司本地的 DGX 工作站上,不用重写代码。现场还亮了两款新硬件:RTX Spark 是个小盒子,能提供 1 petaflop 的 AI 算力(大概相当于每秒一千万亿次计算)。
推荐理由:英伟达与微软打通 AI 部署链路,同一应用可在 Windows 设备、Azure 云和本地 DGX 工作站间切换而无需重写代码,并公布 1 petaflop 算力的 RTX Spark 硬件。
微软新放出的 MAI-Code-1-Flash 是个代码模型,只激活 50 亿参数就在 SWE-Bench Pro(一个让模型修真实 GitHub 问题的测试集)上跑出 51% 的分数。这个成绩放在小模型里算亮眼,但正文没披露它是在什么评测设定下跑的、用了哪些训练数据、什么时候发布,也没说部署条件。
推荐理由:微软发布代码模型 MAI-Code-1-Flash,仅激活 50 亿参数就在 SWE-Bench Pro 上取得 51% 的成绩,这一参数规模与成绩的对比是小模型代码能力的一个参照。
微软一口气发了七款 MAI 系列模型,这篇公告只重点介绍了 MAI-Thinking-1。官方说它擅长解决复杂问题,在 SWE-Bench Pro(一个测代码修改能力的榜单)上拿了高分,价格定在“中等权重”档位。但正文没披露参数量、具体跑分、定价细节和上线时间,所以实际性价比和落地表现还得等更多信息。
推荐理由:微软发布 MAI-Thinking-1,主打复杂推理并定位中等成本,在 SWE-Bench Pro 代码修改榜单上取得高分,呈现中等价位推理模型当前的性能定位。
微软在 Build 2026 上掏出了自己的第一款高级推理模型 MAI-Thinking-1。官方说这是个中等尺寸的模型,在一些软件工程基准上能跟一线模型打平。训练数据完全自建,没走知识蒸馏的捷径——也就是没拿别家大模型当老师来教它。这是微软在模型自研上的一次表态,之前它主要靠 OpenAI,最近两家刚重新谈了合作,关系没那么紧了。
推荐理由:微软在 Build 2026 发布自研推理模型 MAI-Thinking-1,中等规模,在软件工程基准上能跟一线模型打平,训练数据完全自建、未用知识蒸馏,这是它减少依赖 OpenAI 后的一次自研表态。