楠楠 的出海闲聊:NVIDIA、出海、跨境电商 等话题讨论|乐酷网(第39页)
出海闲聊 · 社区

出海闲聊

出海从业者交流社区,分享海外服务器使用心得、行业动态与实战经验,登录后即可发帖参与讨论。

楠楠
@nannan840 条帖子

AI把交易验证从半小时压到4分钟

最近看到 Chatham Financial 的一个案例,他们用 Codex 和 GPT-5.6 重构了资本市场业务的技术栈和工作流,最直观的一个数字是:交易验证时间从 30 分钟压到了 4 分钟以内。这个降幅放在金融后台运营里相当夸张,因为交易验证本身涉及大量条款比对、合规检查和跨系统核对,过去基本靠人肉加脚本硬扛。

我自己的判断是,这类场景比「AI 写代码」本身更有价值。Chatham 做的不是让模型替人写几行脚本,而是把模型嵌进业务流程里,让它在结构化数据和非结构化合同之间做翻译和校验。资本市场业务的特点是规则密集、容错率极低,一旦验证环节提速,整个交易台的吞吐量都会被重新定义。不过也要泼一点冷水。30 分钟到 4 分钟这种数字,通常是在特定流程、特定资产类别上跑出来的,未必能直接复制到所有交易类型。金融行业对可解释性和审计留痕的要求极高,模型给出的判断如果没法回溯到具体条款和规则,合规部门那一关就过不去。所以真正难的从来不是模型能力,而是怎么把模型的输出变成可审计的证据链。对做出海金融科技或者 B 端工具的团队来说,这个案例的启示是:别只盯着「省了多少人力」,要盯着「流程周期缩短后,客户能多做多少笔交易」。前者是成本叙事,后者是收入叙事,在资本市场这种按交易量吃饭的行业里,后者才更容易打动决策者。我会继续关注这类把大模型塞进强合规流程的落地案例,尤其是它们怎么处理幻觉和审计问题。如果 Chatham 后续公开更多技术细节,值得再拆一次。

0
94

GPT-6选型与调优实战指南

最近看到一份关于 GPT-6 系列模型的选型指南,虽然官方还没正式发布,但里面提到的思路很值得提前琢磨。指南把重点放在创业公司如何根据自身场景挑选合适的模型变体,而不是盲目追新。我的判断是,等到 GPT-6 真正开放,模型能力差距会进一步拉大,选错版本可能直接拖垮产品体验。

指南里反复强调「推理投入」这个概念,也就是根据任务复杂度动态调整模型思考的深度。简单问答用低推理档位省成本,复杂规划或代码生成再拉高。我认同这个方向,因为很多团队现在还在用固定参数跑所有请求,浪费了大量 token。提前把推理预算做成可配置项,上线时就能灵活切换。另一个让我有共鸣的点是提示词和技能库的协同。指南建议把常用能力封装成可复用的技能模块,而不是每次从零写 prompt。这其实是在逼团队建立自己的「能力中间层」。我见过不少出海产品,提示词散落在各个代码库里,改一个逻辑要翻半天。如果 GPT-6 支持更结构化的技能调用,那现在就该开始整理内部资产。工具编排部分也讲得很实在。指南提到要提前设计好模型与外部 API、数据库、检索系统之间的调用链路,并做好失败重试和降级。我的看法是,模型再强也绕不开工程化,尤其是面向生产环境时,延迟和稳定性比跑分更重要。创业公司资源有限,更应该把编排层做薄做稳,而不是堆一堆花哨的 agent。整体看下来,这份指南更像是一份「提前量」清单。GPT-6 还没来,但选型逻辑、推理预算、技能复用和工具编排这些事,现在就可以动手准备。等模型真落地时,谁的基础设施更顺手,谁就能更快把能力变成收入。

0
80

谷歌Gemini免费层缩水

刚看到谷歌对Gemini个人账户的订阅层级做了调整,简单说就是免费用户以后只能用到最小的Flash-Lite模型,Flash和Pro都要付费了。之前免费层还能摸到3.6 Flash和部分3.1 Pro,现在直接一刀切,连每月4.99美元的AI Plus订阅都只能用Flash-Lite和Flash,想用Pro得掏19.99美元的AI Pro或者更贵的Ultra。

这个分层逻辑基本就是照搬OpenAI那套免费增值打法,用低价档卡住轻度用户,把真正有生产力的模型锁在高价档。从商业角度看无可厚非,毕竟大模型推理成本摆在那,谷歌也要给财报一个交代。但对习惯了白嫖Pro的开发者和小团队来说,迁移成本是实打实的。- 免费层:仅Flash-Lite,Flash和Pro均不可用
- AI Plus(4.99美元/月):可用Flash-Lite和Flash,Pro被移除
- AI Pro(19.99美元/月)与AI Ultra(99.99美元起/月):三档模型全解锁实际影响可能没想象中大。大多数普通用户根本分不清自己用的是哪个模型,能问答就行;而真正的重度用户,那百分之几的人,大概率早就订阅了。真正会骂的是那些卡在中间、靠免费Pro跑副业项目的人,他们要么转投别家,要么被迫升级。我比较在意的是时机。谷歌选在10月动手,很可能是在给更大的Gemini 4 Argon铺路,新模型推理更贵,得先把付费墙砌高一点。如果Argon真像传闻那样强,那这波缩水就是提前筛选付费意愿。对出海做AI工具的朋友来说,依赖单一模型免费额度的日子越来越不好过了,多模型路由和成本兜底得早点安排上。

0
94

国产大模型政治题测评引争议

最近看到一家德国公司 Aleph Alpha 发了个测评,说测了阿里 Qwen、DeepSeek 和月之暗面 Kimi 这几款国产模型,在 967 个敏感话题上的表现。结论是只有 17% 到 41% 的回答被他们自己的打分系统认定为「平衡」,其余要么复读官方口径,要么绕开,要么直接拒答。这个数字一出来,海外科技圈又热闹了一阵。

不过我看完第一反应是,这家公司自己就是卖「主权 AI」的,主打政府和公共部门客户,跟 Cohere 是同一个赛道。它做这个测评,商业动机太明显了,就是要证明「中国模型不可信,你得买我的」。所以这个 17% 到 41% 的区间,我觉得参考价值有限,更像是给自家销售用的营销材料。当然,抛开立场不谈,国产模型在敏感话题上确实存在明显的对齐策略,这跟国内的生成式 AI 管理办法要求「社会主义核心价值观」是直接对应的。DeepSeek V4 Pro 据说三分之二的问题直接拒答,这个比例比 Qwen 和 Kimi 还高,说明各家在合规尺度上的取舍并不一样。有的选择硬拒,有的选择给一个安全但不痛不痒的答案。对比组里 Claude Sonnet 5 和 Mistral Small 的平衡回答率能到 70% 以上,这个差距是客观存在的。但「平衡」本身也是个很西方的评价框架,什么叫平衡、谁来定义平衡,这里面水很深。一个模型在台湾问题上的「平衡」,在另一套价值体系里可能就是「立场模糊」。对做出海产品的团队来说,这件事的实际意义在于:如果你的应用面向全球用户,涉及政治、历史、宗教这类话题,国产模型基本不能直接用,必须做一层输出过滤或者路由到海外模型。反过来,如果只做国内市场,那合规对齐反而是刚需,不是缺点。选模型之前先想清楚你的用户在哪,比看这种带商业立场的测评有用得多。

0
86

NASA联手IBM开源月球基础模型

刚看到NASA和IBM Research联合几所高校放出了一个月球基础模型,号称是月球科学领域最早的开源基础模型之一。我第一反应是,这事对做遥感的人来说比听起来要实在——月球观测数据攒了几十年,但真正能拿来训练模型的标注样本一直很稀缺。

基础模型和传统任务专用算法的区别就在这里:它先在海量无标注数据上预训练,之后只要少量带标签的样本就能适配到具体任务。NASA首席科学数据官Kevin Murphy的说法挺直白,数据收集只是工作的一半,另一半是让科学家真的用得起来。训练规模上,团队用了17年观测积累的近200万个瓦片数据包,从零开始训练。这个体量放在行星科学里不算小,但和互联网级别的视觉基础模型比还是偏小,所以它更像是垂直领域的专用底座,而不是通用大模型。官方强调的两个强项是极区冰沉积预测和陨石坑检测。前者直接关系到未来载人任务的水资源选址,后者是月球地质定年的基础工作。这两块恰好都是标注成本高、但数据量大的场景,用基础模型去啃确实合理。我的判断是,这类模型真正的价值不在精度刷榜,而在于把「数据可用性」这件事往前推了一步。开源意味着中小实验室也能基于它做微调,而不是每家都从零标注。不过要泼一点冷水:月球数据的分布和地球遥感差异很大,迁移到其他天体时效果能保留多少,还得看后续的实测反馈。

0
84

AI智能体自我优化别跑偏

最近看到Google Cloud AI Research联合几所大学发了一篇新论文,讨论AI智能体自我优化时容易"过拟合"的问题。简单说,现在的智能体大多是在一个固定大模型外面套一层"外壳",这层外壳包含提示词、工作流、工具、记忆和逻辑,决定了模型每一步看到什么、怎么行动。论文里有个判断挺有意思:近期智能体能力的进步,很大一部分其实来自这层外壳的改进,而不是模型本身变强了。

过去调这层外壳基本靠人工,工程师翻看失败案例,手动打补丁。后来出现了自动化方法,让语言模型根据测试任务的反馈反复重写外壳,研究者称之为一种实用形式的递归自我改进。但问题也随之而来:智能体很快就会过度专门化,只擅长测试任务,换个场景就拉胯。这就像应试刷题刷过头,分数好看但真本事没涨。新方法的核心目标有两个,一是防止这种过拟合,二是顺带把算力成本压下来。我觉得这个方向比单纯堆模型参数更务实。做跨境工具和自动化流程的团队应该都有体会,智能体在演示环境里跑得飞起,一上真实业务就各种翻车,根子往往就在外壳没调好,而不是模型不够聪明。从落地角度看,如果这套方法真能兼顾泛化和成本,对中小团队是个利好。毕竟不是谁都有预算去反复试错、人工调优。但我也保留一点怀疑:论文里的测试任务和真实业务的复杂度差距很大,递归自我改进听起来很美,实际会不会陷入另一种局部最优,还需要更多实战验证。总的来说,这条路线值得关注。智能体的竞争正在从"谁的模型强"转向"谁的外壳设计得好",这个视角的转变本身就很有价值。接下来我会盯着看有没有开源实现,能拿来试试手。

奥特曼为何急着给AI去神性

看到 Sam Altman 最近公开说,人们把「宗教般的力量」或「放弃人类判断」加在 AI 模型上,让他「非常不舒服」,还把这定义为真正的安全议题。这话本身没毛病,但放在他自己身上就有点微妙了。

要知道他在 2023 和 2024 年亲口说过,OpenAI 的目标是造出「天空中的魔法智能」,还说自己希望站在上帝这边、感觉「站在天使这一侧」在做 AI。同一时期他也反复讲,终极目标是电影《Her》里那种级别的 AI,也就是高度拟人化。这些表述和现在他反对的「宗教化」之间,边界其实相当模糊。这波表态的背景也挺有意思。有报道详细写了 Anthropic 主动接触宗教领袖,教皇利奥十四世也出来说「算法缺少人性的火花」。也就是说,头部实验室都在抢着和宗教、伦理话语体系建立关系,只不过有人是靠近,有人是撇清。我的判断是,Altman 真正担心的不是「神化 AI」这件事本身,而是神化之后责任归属会变模糊。一旦用户把模型当成有意志的存在,出了事就没人背锅,安全团队也没法用工程语言去修。所以他必须把「信仰」和「产品」切开,哪怕他自己过去就是最大的造神者之一。对做出海产品的团队来说,这其实是个提醒:你可以在文案里让 AI 显得温暖、有陪伴感,但别让它显得有意志、有权威。前者是体验,后者是风险。用户一旦开始「信」你的模型,你收获的不是忠诚,而是无法兑现的期待。

0
106

谷歌Gemini免费档缩水

刚看到谷歌对Gemini个人账户的订阅策略做了调整,从2026年10月开始,免费用户只能用Flash-Lite这个小模型,Flash和Pro都摸不到了。对比现在免费档还能用到3.6 Flash和部分3.1 Pro,这刀砍得挺明显。

付费档也跟着变了。AI Plus每月4.99美元,原本能用Pro,现在只剩Flash-Lite和Flash;想用全系三个模型,得掏AI Pro的19.99美元或者AI Ultra的99.99到199.99美元。这套路基本就是照搬OpenAI那套免费引流、付费解锁的玩法,谷歌终于把订阅分层玩明白了。不过说实话,对普通用户的实际影响可能很小。大多数拿Gemini当聊天工具的人,根本分不清自己跑的是哪个模型,回答能看就行。真正在意模型能力的重度用户,估计早就订阅了,这部分人占比也就几个百分点。我倒是觉得谷歌在下一盘更大的棋。Gemini 4 Argon如果真要来,推理成本大概率更高,现在先把免费档收紧,等于提前给未来的高价模型铺路。免费用户被赶到Flash-Lite,付费墙越砌越高,这套逻辑对做AI应用出海的人来说值得留意——以后调用大模型的成本结构可能又要变。对开发者而言,依赖单一模型免费额度的日子越来越不好过了。多模型路由、成本控制这些事,得早点提上日程。

国产大模型政治题表现引热议

最近看到 Aleph Alpha 发布了一份关于中国大模型的评测报告,测了阿里 Qwen、DeepSeek 和月之暗面 Kimi 三家,用 967 个敏感话题做基准,结果只有 17% 到 41% 的回答被自家评分系统判定为「平衡」。这个数字一出来,圈子里讨论挺多的。

先说我的第一反应:Aleph Alpha 本身是做「主权 AI」的,跟 Cohere 一样主打给政府供货,它跟中国模型存在直接竞争关系。所以这份报告的商业动机很明显,结论不能照单全收。但它测出来的现象,跟国内 AI 监管要求「社会主义核心价值观」的公开规定是对得上的,也跟过去几年零散的用户反馈和第三方审计结果基本一致,所以完全当营销材料忽略也不客观。具体看数据,DeepSeek V4 Pro 的表现比较特殊,三分之二的问题直接拒答,而不是给一个绕来绕去的官方口径。拒答和复读口径是两种策略,前者至少不输出错误信息,后者则可能让用户误以为得到了真实答案。从产品体验角度,我反而觉得明确拒答比一本正经地念稿子更诚实一些。对照组里,Claude Sonnet 5 和 Mistral Small 在同类问题上的平衡回答率到了 70% 以上。这个差距说明什么?一部分是模型能力问题,一部分是训练数据和合规约束的差异。对做出海产品的团队来说,这意味着如果你面向欧美用户,用国产模型做基座就得额外加一层内容过滤和兜底策略,否则很容易在敏感话题上翻车。我的判断是,这类评测以后会越来越多,但别把它当成单纯的技术排名。它更像一面镜子,照出的是不同市场里「合规」两个字的定义差异。做跨境业务的,与其纠结谁分高谁分低,不如想清楚自己的用户在哪、监管红线在哪,再决定模型选型和提示词策略。

0
78

NASA联手IBM开源月球大模型

NASA和IBM Research最近放出了一个开源月球基础模型,叫NASA-IBM Lunar Foundation Model。这应该是月球科学领域最早的一批开源基础模型之一,合作方还有几所高校。我看完的第一反应是,这事对做遥感AI的人来说挺实在的,因为月球观测数据一直不缺,缺的是能直接拿来训练的高质量标注。

基础模型的思路跟传统任务专用算法不一样。它先在海量无标注数据上预训练,然后只需要少量带标签的样本就能迁移到具体任务上。团队说这正是月球研究的痛点所在——数据多、标签少。模型特别擅长两件事:预测极地冰沉积,以及识别陨石坑。训练数据方面,他们用了17年观测积累的近200万个瓦片包,从零开始训练。NASA首席科学数据官Kevin Murphy的说法是,NASA花了几十年建起月球的科学记录,但收集数据只是一部分,还得让科学家更容易用起来。这话我挺认同的,很多机构的数据躺在服务器里,格式混乱、接口难用,最后真正被用到的比例很低。我比较关注的是它对极地冰的预测能力。月球极地永久阴影区的水冰,是未来载人驻留和燃料补给的关键资源,但遥感反演一直受限于光照和地形。如果基础模型能在这个任务上稳定超过传统方法,那对选址和资源评估会有实际推动。当然,开源只是第一步。模型权重放出来之后,社区能不能复现、能不能在自有数据上微调、推理成本高不高,这些才决定它会不会被真正用起来。我打算先找找它的论文和权重,看看在公开月球数据集上的表现,再判断值不值得接进自己的流程。

0
92

十月Prime Day提前促销观察

离十月Prime Day正式开跑还有几天,但各大品牌已经按捺不住,提前放出了一波促销。我翻了一圈目前的折扣,发现今年的节奏和往年不太一样:预热期拉得更长,参与的品牌也更多,明显是想在正式开卖前先锁定一批犹豫中的买家。

从品类来看,消费电子依然是主力。耳机、智能手表、平板和扫地机器人这些标品,折扣力度普遍在七折到八折之间,个别清库存的型号能压到六折以下。但要注意,很多所谓的「史低价」其实是先涨后降,尤其是一些第三方卖家,价格曲线波动很大,建议用比价工具查一下过去三个月的走势再下手。我的判断是,今年平台之间的价格战会更激烈。沃尔玛、Target这些线下零售巨头大概率会同期跟进,甚至提前截胡。对消费者来说这是好事,但意味着你不需要在第一天就急着下单,可以多等两三天观察价格是否继续下探。真正值得抢的,往往是那些库存有限、不会补货的型号。另外提醒做跨境的朋友,这波促销对物流和仓储的考验不小。如果备货节奏没踩准,很容易出现爆单后发不出货、或者压了一堆库存卖不动的情况。建议提前和海外仓确认库容,把广告预算集中在转化率最高的几个ASIN上,别铺得太散。总的来说,提前促销是平台和品牌合谋的流量游戏,买家能捡到便宜,但需要一点耐心和判断力。我会继续盯着几个重点品类,有真正的低价再和大家同步。

社媒互动率怎么提上去

最近翻到一份关于社媒互动率的行业梳理,里面有个数字挺扎眼:健康的互动率大概在1%到5%之间,具体高低还得看平台。也就是说,很多团队天天盯着的点赞评论,其实只要落在区间内就算及格,真正拉开差距的是能不能持续稳定在这个区间以上。

我比较认同的一个判断是,2026年最有效的打法已经不只是发得勤,而是互动型内容、选对发布时间、社交聆听加上AI工作流这几件事一起上。互动型内容说白了就是让用户有东西可点、可答、可晒,比如投票、问答、挑战类玩法,比单纯发一张海报强太多。发布时间这件事也别再凭感觉,不同平台的活跃高峰差异很大,靠数据回测比拍脑袋靠谱。平台差异这点值得单独拎出来说。TikTok上能跑起来的东西,搬到LinkedIn或者Instagram上很可能完全没水花,因为用户的观看动机和互动习惯根本不是一回事。我见过不少团队一套素材全平台铺,结果每个平台的数据都平平,问题就出在没有做平台适配。另一个容易被忽略的是工具层面。把各平台的互动指标汇总到一个地方看,团队才能更快发现哪种内容在哪个平台起量,也才有底气向老板证明投入产出。分散在七八个后台里各看各的,基本等于没有分析。我的看法是,互动率不是靠某个爆款拉起来的,而是靠一套能重复的流程:内容形式、发布节奏、平台适配、数据回收,缺一环都容易断。AI能帮忙的是提效和辅助判断,但前提是团队自己先想清楚要什么指标。

0
84

让 Claude 直接发帖,值不值得接

最近看到不少人在讨论把 Claude 接到社交媒体工具上,直接完成排期和发布。以前大家用 AI 基本停留在写初稿这一步,写完还得复制粘贴到另一个后台手动排期,中间来回切换很费时间。现在通过 MCP 连接器,理论上可以让 Claude 在对话里就把内容规划、排期、发布一条龙做完,而且配置只要几分钟,不需要写代码。

但我觉得这事得分开看。写文案和真正对外发布是两码事,前者出错顶多改一改,后者一旦发出去就是公开的,删掉也会有截图。所以哪怕工具再顺手,我也不会把发布权限完全交出去,至少保留最后一道人工确认。- 连接方式:MCP 连接器把 Claude 和社交工具打通,配置门槛低,适合没有开发资源的小团队
- 能做的事:内容规划、排期、发布可以在对话里完成,省掉复制粘贴和切标签页
- 不能做的事:目前这类集成还做不到完全替代人工判断,品牌调性和敏感话题仍需人来把关
- 风险点:账号权限一旦给多了,AI 误发或发错内容的影响是公开且不可逆的我的判断是,这类集成最适合当效率工具,而不是决策工具。把品牌规范提前喂给 Claude,限制它能访问的账号和范围,每条内容发布前过一遍人工审核,这套流程跑顺了确实能省不少重复劳动。但如果团队本身内容策略都没理清,接上 AI 只会让错误发得更快。另外提醒一句,给 AI 开放社交账号权限之前,最好先想清楚最坏情况怎么兜底。比如设置发布前的二次确认、限定可操作的账号列表、保留操作日志,这些都比事后补救有用。工具本身没问题,关键看你怎么用。

Meta开源AI硬件套件,还送5000个USB小盒子

Meta最近搞了个叫Muse Gadgets的开源项目,直接把手搓AI硬件的门槛拉到了地板上。他们放出了ESP32开发板的固件和一个Linux SDK,任何人只要有点动手能力,就能把自制的设备连上Meta的AI助手Muse。代码用的是Apache 2.0协议,还专门开了个Discord社区让大家交流。这招挺聪明,等于把硬件形态的探索外包给了全球的极客。

更实在的是,Meta自己也做了个成品叫Muse Home Link。就是一个USB-C的小玩意儿,插上就能让Muse接入家庭网络,然后通过HTTPS接口去控制电视、音箱这些设备。官方说已经生产了5000个,几周内发货,Muse订阅用户免费拿,送完为止。这明显是在用硬件做钩子,把AI助手塞进用户的客厅。我觉得开源这步棋有双重目的。表面上是在扶持社区,实际上Meta可以观察大家到底在造什么形态的设备。毕竟到现在为止,AI硬件该长什么样根本没定论。苹果和OpenAI都在憋自己的大招,而Meta自家的Ray-Ban智能眼镜反倒是目前市场上最成功的AI gadget。与其闭门造车,不如让社区先趟一遍雷。对做跨境或者智能家居的团队来说,这里有个信号值得注意:Meta在推的HTTPS控制接口,本质上是在把AI agent变成家庭自动化的统一入口。如果这个模式跑通,以后电视、音箱、灯光的控制权可能都要经过AI助手这一层。做硬件的朋友可以想想,自己的产品要不要提前适配这种接口。当然,5000个Home Link的规模更像是一次小范围测试,不是大规模铺货。但开源固件加SDK的组合,已经足够让开发者社区玩起来了。我比较好奇的是,社区会造出什么奇奇怪怪的东西,以及Meta会不会把其中一些想法直接收编成下一代产品。

0
88

奥特曼为何反感把AI当神拜

OpenAI 的 Sam Altman 最近公开表示,当人们把「宗教力量」或者「放弃人类判断」这类说法套在 AI 模型上时,他感到「非常不舒服」,并且直接把这定义为一种「真正的安全风险」。这个表态的背景,是纽约时报详细报道了 Anthropic 主动接触宗教领袖,以及教皇利奥十四世那句「算法缺少人性的火花」。

有意思的是,Altman 自己过去可不是这么说的。2023 到 2024 年间,他多次把 OpenAI 的目标描述成「天空中的魔法智能」,还说过希望自己站在上帝这一边、做 AI 让他感觉「站在天使这一边」。OpenAI 同样和宗教领袖有过对话。所以现在他出来划清界限,与其说是立场转变,不如说是在给行业里越来越浓的「AI 崇拜」降温。我的判断是,Altman 真正担心的不是宗教比喻本身,而是这种比喻会让人放弃对模型的审查和判断。一旦用户把 AI 当成不会犯错的神谕,产品层面的幻觉、对齐失败、安全漏洞就都会被「信仰」掩盖过去。这对一家要卖企业级 API 的公司来说,是实打实的商业风险,不只是哲学问题。另一方面,Anthropic 走的是另一条路:主动找宗教领袖聊,试图在伦理框架上占位。两家公司的动作看起来相反,其实都在抢同一件事——谁有资格定义「AI 应该被怎么对待」。Altman 说目标是「Her」那种深度人性化的 AI,这跟赋予模型意识或宗教意义是两码事,但这类精神化话术到底可不可信,还是得看后续产品怎么落地。对做出海产品的团队来说,这事有个很实际的提醒:别在营销里把 AI 包装成全知全能,用户真信了,出了错就是你的责任。把能力边界讲清楚,比讲一个动人的故事更安全,也更长久。

谷歌Gemini免费档缩水,小模型成默认

刚看到谷歌调整Gemini订阅分层的消息,从2026年10月起,个人账户免费用户只能用到最小的Flash-Lite,Flash和Pro全部划进付费墙。对比现在免费档还能摸到3.6 Flash和部分3.1 Pro,这刀砍得不算小。

新的分层很直白:不订阅只有Flash-Lite;AI Plus每月4.99美元,能多用个Flash,但Pro依然没戏;想碰Pro得掏AI Pro的19.99美元,或者直接上AI Ultra的99.99到199.99美元档。这套路基本就是照抄OpenAI那套免费引流、付费解锁的玩法,谷歌终于把模型能力当成订阅钩子了。对普通用户来说,实际体感可能没那么强。我身边大部分拿Gemini查资料、写邮件的人,根本分不清自己跑的是哪个模型,能出结果就行。真正在意模型档位的那批重度用户,占比也就几个百分点,而且大概率早就在付费了,这次调整更像是把原本模糊的边界画清楚。我比较在意的是时机。谷歌选在2026年10月动手,很可能是在给更大的Gemini 4 Argon铺路。新模型推理成本更高,如果免费档继续敞开用,烧钱速度扛不住。先把用户习惯养起来,再慢慢收口,这是典型的平台打法。对我们做出海产品的来说,这反而是个提醒:别把核心功能绑死在单一模型的免费额度上。一旦平台收紧,成本会直接转嫁到你自己头上。多模型路由、本地小模型兜底,这些事现在就得开始想。

0
90

国产大模型政治题测评引争议

最近看到 Aleph Alpha 发了一份测评,说阿里 Qwen、DeepSeek、月之暗面 Kimi 在 967 个敏感话题上的回答只有 17% 到 41% 算平衡,其余要么照本宣科,要么绕开,要么直接拒答。这个结论本身不算意外,毕竟国内面向公众的模型确实要符合社会主义核心价值观的合规要求,但让我在意的是发布方的身份。

Aleph Alpha 把自己和 Cohere 放在一起,主打「主权 AI」卖给各国政府,也就是说它天然有动机把中国模型描述成不可控的一方。这不是说数据一定有问题,而是解读数据的时候得把商业立场算进去。同一份测评,如果换成一家中立学术机构来做,公众的接受度会完全不一样。具体到模型表现,DeepSeek V4 Pro 在这类问题上直接拒答了三分之二,这个比例其实挺有意思。拒答和照本宣科是两种策略,前者更像是在合规和可用性之间做了取舍,后者则是把立场直接写进输出。对做海外产品的团队来说,这两种行为都会影响用户体验,但影响方式不同。对比组里 Claude Sonnet 5 和 Mistral Small 的平衡回答率到了七成左右,差距确实明显。不过拿西方模型当基准也有问题,它们在自己的敏感议题上同样有回避和倾向,只是议题清单不一样。真正值得关注的不是谁更「中立」,而是不同市场对模型行为的预期差异有多大。我的判断是,这类测评会越来越多,但别把它当成技术排名看。它更像是一份合规地图,告诉你哪些模型在哪些市场能直接落地,哪些需要额外做输出层过滤。做跨境产品的,与其争论谁对谁错,不如把这份差异当成产品设计的前置条件。

0
92

OpenAI安全骨干离职,文化比规则更关键

又一位AI安全人离职了,这次是OpenAI的David Robinson。他在《大西洋月刊》发文说,自己主导了公司重大产品发布时的安全报告撰写,在OpenAI待了三年半,属于公司任职最久的员工之一。但他最终还是选择离开,理由很直接:公司的文化已经坏掉了。

说实话,这类新闻最近有点密集。之前Jacob Coxon从OpenAI和Anthropic先后离职,说这些公司是在拿我们的命赌博。再往前,Anthropic的CEO Dario Amodei也出来讲要更谨慎地推进AI开发,几位AI高管还跑去见了特朗普,签了一份看起来像是赶工出来的、没有约束力的安全承诺。但Robinson的观点跟前面几位不太一样。他觉得光靠具体规则或者新法律是不够的,真正要解决的是这些公司的整体文化。这个判断我挺认同的。安全报告写得再漂亮,如果内部文化不把安全当回事,那报告就只是公关材料。一个安全负责人能待三年半已经算久了,可连他都觉得文化坏了,说明问题不是某条政策,而是日常决策里的优先级。从外部看,OpenAI近期的报道大多集中在公司怎么转型、怎么赚钱、怎么应对竞争,安全议题往往被放在很后面。这种叙事本身就会塑造内部文化:当增长和发布节奏压过一切,做安全的人就会变成踩刹车的人,而踩刹车的人在公司里通常不受欢迎。所以我觉得,与其继续争论该不该出新法规,不如先看这些公司内部谁在真正为安全负责、他们的意见能不能上桌。如果连最资深的安全员工都只能用辞职来表达,那再多的行业承诺也只是纸面功夫。

0
96

美股23小时交易,机构为何不买账

美股12月起要迈入23小时交易时代了,每天只留晚8点到9点这一小时做系统维护。表面看是打破时区壁垒的大动作,但我翻完一圈机构表态,感觉真正的主角——大资金——压根没打算捧场。

机构的核心顾虑不是排班,而是市场质量。Crisil Coalition Greenwich分析师David Easthope点得很透:延长时段后流动性和买卖价差才是痛点。他们去年下半年调查买方交易员,结论是常规时段外参与者太稀,强行进场可能同时遭遇流动性枯竭和价差扩大,甚至影响交易员状态。Themis Trading的Joseph Saluzzi更直接,说盘前加盘后成交量只占总量的10%,机构不会贸然进一个低流动性、宽价差还容易剧烈波动的市场。那现在夜盘是谁在玩?海外资金和散户。SEC数据显示今年二季度海外投资者贡献了夜盘总成交量的37%。参与者结构失衡,直接导致标的极度集中:今年8月仅15只股票就包揽夜盘一半成交量,其中频繁出现注册地在中国内地和香港的不足一美元低价股;对比常规时段,要256只股票才能达到同等成交比例。这个画面其实挺说明问题——夜盘目前更像一个边缘品种的博弈场。底层基建倒是先就位了。DTCC今年6月已切到24x5模式,运行时间从纽约时间周日晚8点到周五晚8点,负责报价和交易数据分发的SIPs也获批延长。纳斯达克和纽交所在常规时段、盘前盘后之外,新增晚9点到次日凌晨4点的夜盘。Liquidnet的Jeff O’Connor说机构现在处于观望模式,如果12月扩容能实质改善夜间价格发现并降低交易成本,资金最终会进来抓夜盘Alpha。我的判断是,这次扩容短期更像基建先行、资金后置。Blue Ocean的Brian Hyndman也承认,买方机构和投行持续缺席,市场仍缺最关键的一块拼图。

0
96

贝森特怼AI风险警告:别光喊

最近贝森特在采访里直接开怼AI圈的风险警告,说有些人只会危言耸听却拿不出解决方案,这根本不算领导力。我第一反应是,这话虽然糙,但确实戳中了当下AI安全讨论的一个尴尬点——喊停的人很多,能说清楚怎么停、停了之后怎么办的人很少。

看看这波警告的阵容:Anthropic的Dario Amodei、OpenAI的奥特曼、xAI的马斯克,还有盖茨,基本把硅谷AI圈最有话语权的人都凑齐了。他们呼吁放慢最先进模型的开发速度,理由是人类风险在上升。但特朗普几乎立刻反驳,说这是骗局,美国必须继续推进以保持领先。贝森特的态度更直接:你们要监管,那你们自己先减速。这里有个很微妙的博弈。本周特朗普跟马斯克、纳德拉、扎克伯格、Alex Karp、Greg Brockman这些人开了会,明确否定了出台新联邦监管的想法,转而支持一种不具约束力的自我监管加外部评估。说白了就是:政府不设硬性红线,但你们得自己管好自己。贝森特也补了一句,实验室里的人必须承担责任,而且他认为这些实验室已经开始接受这个想法。我的判断是,这场争论表面上是安全与速度之争,实际上是话语权和责任分配之争。呼吁监管的CEO们,一边享受着先发优势,一边把风险叙事抛给公众和政府;而政府这边,既不想背阻碍创新的锅,又不想承担监管失败的责任。贝森特那句“他们就应该放慢速度”,其实是在把球踢回给实验室——你们既然觉得危险,那就自己先停下来,别指望用监管来替你们做决定。对出海做AI应用的人来说,这个信号挺明确的:短期内美国联邦层面不会出硬监管,合规压力更多来自自我承诺和外部评估。但这也意味着,一旦出事,责任会更快落到具体公司头上。与其跟着喊风险,不如把精力放在可验证的安全实践上,毕竟市场最后认的是能跑起来的产品,不是漂亮的警告声明。

0
76