行业动态

AI 行业大事件、政策动向、市场格局变化

Gemini 4 Carbon 全面开放：每百万 token 2 美元，Artificial Analysis 榜单却排第二

作者
Gemini 4 Carbon 全面开放：每百万 token 2 美元，Artificial Analysis 榜单却排第二

10 月 28 日，谷歌把 Gemini 4 Carbon 交给了一小撮人：只开放给自家 Fairwind 计划里的网络安全防御团队。11 月 10 日，它全面开门——所有付费开发者、企业 API、Google AI Ultra 订阅用户，当天就能用上。

谷歌在官方博客里的原话是，Carbon 是它「最强的模型」。可就在它开放的前一天，Anthropic 发布了 Claude Fable 5.2，而在独立评测机构 Artificial Analysis 的智能指数上，Carbon 排在第二，不是第一。

这就是今天这条新闻真正的看点：谷歌挑了个最便宜的价位，抢了一个它没拿到的第一名。

发生了什么：一次只隔两周的全面开放

先把时间线摆直。

  • 10 月 28 日：谷歌发布 Gemini 4 Carbon，但只放开给 Fairwind 计划里的网络安全防御者，普通开发者拿不到。
  • 11 月 9 日：Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，定价每百万输入 8 美元、每百万输出 40 美元。
  • 11 月 10 日：谷歌把 Carbon 全面开放。Gemini API（Google AI Studio 里）、Gemini for business 全部可用，Google AI Ultra 订阅用户在 Gemini 应用、搜索里的 AI Mode 和 Antigravity 编程平台上也能切过去。
  • 同一天：谷歌在 Antigravity 里预览了一个叫 /swarm 的功能——一句提示词进去，出来的不是一段回答，而是一支会分工的智能体小队。

Carbon 不是 Argon 的替换品。谷歌自己写得很清楚：Argon 仍然是「大多数软件工程和知识工作的理想选择」，Carbon 是给那些「考验模型智力上限」的任务准备的——复杂多步编码、开放式科研。代价是它比 Argon 花更多思考 token。

规格上，Carbon 与 Argon 共用同一个稀疏混合专家（MoE）底座，额外的后训练和强化学习专门用来加强深度推理和长验证循环。上下文窗口 100 万 token——说白了就是一次能塞进多少内容，100 万 token 大致相当于几本书，接受文本、图像、音频、视频输入，知识截止到 2026 年 3 月。

数字与一手细节：2 美元、40 美元、7.76 美元

这篇文章需要的数字，全都能对上具体出处。

先看价格。Carbon 的开场价是每百万输入 token 2 美元、每百万输出 token 10 美元，与 Argon 的开场价一致。11 月 30 日之后翻倍，变成 4 美元和 20 美元。对比昨天刚发的 Claude Fable 5.2：8 美元和 40 美元，是 Carbon 开场价的 4 倍。The Verge 的算法是，Carbon 大致是 GPT-6 Astra 的五分之一、Fable 5.2 的四分之一。

再看谷歌自己列的榜单。Carbon 在三个独立基准上排第一：Cursor 的 CursorBench 4.0、Perplexity 的 WANDR、Zapier 的 AutomationBench，谷歌说它的每任务成本比第二名外部模型低一半以上。在谷歌与 Artificial Analysis 合作新做的多模态知识智能体基准（MKA）上，Carbon 排第二，每任务平均成本比榜首低六倍以上。

然后是那个关键的反差。Artificial Analysis 的智能指数榜上，此刻的顺序是：Claude Fable 5.2（max）65 分，Gemini 4 Carbon（high）60 分，Claude Opus 5.5（max）59 分，GPT-6 Astra（max）57 分，GPT-6.1 Terra（max）51 分。Carbon 不是第一，是第二，而且只比 Opus 5.5 高 1 分。10 月 28 日刚发布时，它在这张榜上是 59 分、排第一——两周里分差变了，位置也变了。

还有一个更贴地的数字。同一机构测了每个任务的真实花费：Carbon 平均 7.76 美元，Fable 5.2 是 26.54 美元，GPT-6 Astra 是 6.24 美元，最便宜的 GPT-6.1 Terra 只要 0.96 美元。

这组数字说明一件事：卖得便宜不等于用得便宜。 这里的 token 是模型计价的字数单位，又因为它想得更深、要写更长的思考过程，用的字数更多。Carbon 单价比 Astra 低，最后每个任务的账单一算，反而比 Astra 贵一点。说白了，采购看的是单价，财务看的是账单，这两个数经常不是一回事。

对立双方：谷歌的榜和 Anthropic 的榜，各说各话

这次最值得看的不是模型本身，是两套评测的正面撞车。

谷歌的博客只写了「在 CursorBench 4.0、WANDR、AutomationBench 上排第一」，没有点名对手是谁。The Verge 对此的提醒很直接：公司会并且确实会挑选对自己最有利的基准来展示。

Anthropic 那边出了一张更狠的表，把 Carbon 拉进来做对照，用的是自家跑的分数：

  • 前沿代码任务 FrontierSWE v2：Fable 5.2 是 69.9%，GPT-6 Astra 65.5%，Carbon 61.2%。
  • 更难的前沿代码 FrontierCode 2.0：Fable 5.2 是 49.1%，Astra 42.8%，Carbon 41.1%，而且标注了它是在 medium 档测的。
  • 终端科学任务 Terminal-Bench-Science 0.1：Fable 74.6%，Astra 68.1%，Carbon 64.8%。
  • 计算机操作 OSWorld 2.1：Fable 89.3%，Carbon 81.5%，Astra 79.5%。
  • 只有商业流程 AutomationBench 上，Carbon 以 53.9% 反超 Fable 的 51.4%。

同一批任务，两套榜单给出了两个结论。谷歌说我在三个榜上第一，Anthropic 说在五个任务里我赢了四个。这不是谁撒谎，而是基准已经变成了市场部的一部分：谁出题、谁跑分、用哪一档推理强度，都能左右结论。Anthropic 那张表里 Carbon 跑的是 medium 档，谷歌博客里宣传的是 high 档，这一个括号就足以让分数差出好几分。

还有一个谁都没有否认的事实：在自家博客里，谷歌把 Argon 称为「大多数工作的理想选择」，Carbon 只推荐给极限任务。这句话对普通开发者比任何榜单都实在——谷歌自己在劝你先别急着换。

对读者意味着什么：智能体开始按「小队」卖

真正的新东西是 /swarm，不是分数。

谷歌的描述是：一句提示词进去，出来一支有分工的智能体小队。Carbon 被派去干最费脑子的活——架构设计、协调、审计；更快更轻的模型在各自隔离的工作区里并行干活；另外还有一类「对抗验证器」智能体，也就是专门扮演挑错一方、去挑每处改动毛病的智能体。演示里最夸张的一个例子，是把谷歌 Platform 37 办公室的七份市政规划 PDF（共 206 张工程视图）交给一支小队，跑了 10 个通宵的循环，做出一座 90.6 万个三角面的 3D 重建。

这件事的分量在于角色变化。过去一年大家讨论的是「模型能写多少代码」，Carbon 这类模型的卖点变成「能连续跑多久、自己能不能验收」。谷歌给的安全数据也在支撑这个方向：在自家模拟攻防环境里，Carbon 挡下了自适应红队智能体 99% 的攻击轨迹，每次尝试的突破率从 Argon 的 3.1% 降到 0.8%；Gray Swan 的自动化攻击查询成功率从 9.86% 降到 2.17%；外部机构 Trajectory Labs 跑了 132 小时、1.3 万次请求，没发现新的通用越狱。谷歌同时承认，提示词注入防御「仍然是需要继续改进的领域」——两周前它刚宣布这项指标做到 0%，这句话等于自己补了个注。

对国内开发者的实际影响有三层。

第一层是价格窗口。11 月 30 日之前，Carbon 的 API 价是 2 美元和 10 美元，之后翻倍。要做压测、要跑迁移回归的团队，这个月内动手成本最低。

第二层是选型逻辑变了。以前比的是「谁更聪明」，现在要算「每个任务多少钱、要跑几轮验证」。Artificial Analysis 那组每任务成本数据说明，单价最便宜的不一定最省，单价最贵的不一定最亏——26.54 美元的 Fable 5.2 如果一轮做对，可能比 7.76 美元的 Carbon 跑三轮更划算。

第三层是开源这边的压力。国内读者更关心的其实是同期的另一条消息：美团以 MIT 协议开放了 1.6 万亿参数的 LongCat-2.5 权重。闭源旗舰把价格打到 2 美元，开源把 1.6 万亿参数的权重直接放出来，中间那批「价格中等、能力中等」的闭源模型，处境会最难。

我该做什么：三条能今天就执行的动作

不用急着迁移，但有三件事值得现在做。

一是这周之内把手上最贵的那条链路跑一遍 Carbon。用它替换掉现有模型，同一批任务跑两次：一次看通过率，一次算真实账单（注意算上它的思考 token）。11 月 30 日涨价之前，这是唯一能拿到真实数字的窗口。

二是把评测从「看榜单」换成「跑自己的题」。这次两套榜单打架给的最大教训是：CursorBench、WANDR、AutomationBench、FrontierSWE，名字都很好听，但没有一个是你的业务。选 20 条自己线上的真实任务做成固定题集，谁跑谁知道。

三是留意 /swarm 的可用范围。谷歌没说一支小队最多几个智能体、哪些套餐能用这个预览，这两条不明确之前，把它当演示看，别当生产力工具排期。

最后说一句判断：谷歌这次真正的动作不是发布一个更强的模型，而是把「前沿模型」的价格锚点又往下压了一档。Anthropic 前一天刚用 8 美元和 40 美元定了高价，谷歌第二天就用 2 美元和 10 美元回应。模型能力的差距在缩小，价格战才刚开始。

关注 AI 商业快讯，每天一篇 AI 热点深度解读。

参考资料：

  • Google 官方博客《Gemini 4 Carbon is now available》（2026-11-10）：https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/
  • The Verge《Google releases Gemini 4 Carbon with agent ‘swarm’ feature》（2026-11-10）：https://www.theverge.com/ai-artificial-intelligence/1030787/google-gemini-4-carbon-public-rollout
  • MLQ.ai《Google makes Gemini 4 Carbon widely available at $2 per million input tokens and previews agent swarms》（2026-11-10）：https://mlq.ai/news/google-makes-gemini-4-carbon-widely-available-at-2-per-million-input-tokens-and-previews-agent-swarms/
  • Anthropic 官方公告《Introducing Claude Fable 5.2 and Claude Mythos 5.2》（2026-11-09）：https://www.anthropic.com/claude-fable-and-mythos-5-2

Anthropic 向企业客户发出数据访问通知：第三方安全公司曾进入内部系统，通知只列 5 个字段，事发 10 天后才发出

作者
Anthropic 向企业客户发出数据访问通知：第三方安全公司曾进入内部系统，通知只列 5 个字段，事发 10 天后才发出

11 月 7 日，一批正在用 Claude 的企业陆续收到一封邮件，标题是《关于贵组织账户信息的通知》，发件人是 Claude 官方的邮件地址。内容很短：一家第三方网络安全研究公司，未经授权访问了你们的账户信息。

它没说这家公司叫什么，没说涉事的有几家，也没说具体哪一天发生的。邮件里给了明确去向的只有两处，一个隐私邮箱，和一句「我们已向韩国相关监管机构报告」。

收到邮件的安全研究员 Jamieson O’Reilly 当天把三张截图发到 X 上，一天内拿到 1000 多个赞。他的追问很直接：既然说「无法确认具体某个人的信息是否被查看」，怎么同时又能说收件人「没有额外风险」。

通知里到底写了什么

先把邮件本身的字段清单摆出来，这是唯一没被转述的硬信息。

覆盖所有人的是姓名、邮箱这类业务联系信息。覆盖企业版 Claude 账户的还有另一组：账号 ID、组织 ID、套餐档位、用量与支出指标。

明确不在范围内的有三样：与 Claude 的对话内容、密码、银行卡与银行账户信息。

Anthropic 在通知里说自己做了四件事。发现后立即切断那家公司的访问权限，修复已定位的漏洞，启动调查，并确认没有证据表明数据被篡改或滥用。那家公司已经书面承诺删除取走的数据、不再使用。事件已上报韩国监管。

注意这组字段的性质：名单不大，所以它不是「几百万用户密码泄露」那种恶性事故；但套餐档位加用量加支出，恰好是钓鱼邮件最想要的开场白。一封写着「您的 Claude 企业版本月支出超出预算 38%，请核对账单」的邮件，会比任何群发诈骗都像真的。

那份通知大概率在说十天前那件事

邮件本身没点名。但字段清单和 10 月 26 日的一起报道几乎逐条对得上。

被指的是一家叫 Cathedral 的网络安全公司，四名创始人都来自美国政府效率部（DOGE），今年刚成立，A 轮拿了 1.6 亿美元，估值 14 亿美元，领投的是 Andreessen Horowitz 和红杉。它做的是「用 AI 智能体自动打点」，让模型自己找漏洞、自己串联攻击步骤，不需要人一步步批准。

按 Cathedral 的草稿报告，它的智能体在不到 12 小时里，从 Anthropic 使用的第三方销售、人事、IT 软件里找到了入口。Anthropic 确认访问确实发生，说范围限于「有限的一组销售、人事和 IT 系统」，含部分客户与合作伙伴的业务联系方式和基础账户记录；对话内容、源代码、模型权重都没有被碰。Anthropic 还补了一句，是自家监控在对方上报之前就发现了部分活动，当天就切断了访问。

分歧在深度上。Cathedral 的草稿报告描述智能体能触及会议记录、薪资与录用细节、Slack 消息；Anthropic 的说法窄得多，只承认业务联系人与基础账户记录。前 OpenAI 员工 Will Depue 公开说 Anthropic 在淡化，称自己可靠的信源告诉他，Cathedral 拿到了 Slack 工作区的完整管理员权限，能读所有消息、能登录任何账户。Anthropic 红队成员 Logan Graham 直接反驳，说 Depue 的信源是错的，但承认核心担忧成立：这个行业每年都得重新做一遍安全。

还有一层是程序上的。这事发生在 Anthropic 自己的漏洞赏金计划框架内，Anthropic 的指控是 Cathedral 没有完整披露：它在第三方软件里找到两个漏洞，只上报了一个，第二个是 Anthropic 自己发现并修补的。Cathedral 坚持说自己遵守了标准的安全研究做法。

所以你看到的那封「出于谨慎」的通知，本质上是一次善后：事情 10 月底已被媒体报过，11 月 7 日才轮到逐个通知客户。截至 11 月 8 日凌晨，Anthropic 官网安全栏目里没有任何一条关于这件事的公告，状态页也没有记录。

三个跟你有关系的地方

第一，防线在你采购的软件里，不在你自己的代码里。 按 Anthropic 的说法，Cathedral 先花了好几天硬啃 Anthropic 自家系统，没成功；转向那批日常办公用的第三方在线服务之后，12 小时就进去了。说白了，任何一家公司只要用着十来种外部服务，就有同样的缝。Anthropic 是市值最高、也最以安全为卖点的 AI 公司之一，它挡不住的东西，不会只发生在它身上。

第二，智能体把「扫漏洞」的成本压到了接近零。 过去一次像样的渗透测试要排期、要人天、要预算；现在同一套智能体可以 24 小时不停地试，而且用的模型不需要是最新最强的。Graham 自己的说法是，落后半代到一代的模型就够干这件事。

第三，通知把决定权丢回给了客户。 邮件原文写的是「出于谨慎，供贵组织自行决定是否通知相关人员」。也就是说，我们不确定谁的信息被看到了，你们自己判断要不要告诉员工。对一家把合规当命的企业客户来说，这等于多了一道要自己背的责任。

如果你是那批客户，或者只是普通用户

三条能立刻做的。

去查有没有收到那封邮件。标题是《关于贵组织账户信息的通知》，发件地址以 claude.com 结尾。收到了，直接回 [email protected] 问清楚三件事：我们组织的记录在不在受影响范围内、覆盖哪段时间、涉及哪些账号。这三个问题邮件里都没有答案。

把钓鱼警觉调高一档。泄露字段里有套餐档位、用量和支出，意味着未来冒充 Anthropic 的邮件可以说出你的真实账单规模。凡是带账单、超额、停服字样的邮件，一律从后台进，不点邮件里的链接。

顺手清一遍自家外部服务的权限。离职员工还留着的账号、给外部工具开的管理员授权、早就没人用却还挂着授权的应用，这三类是这次事件的同类风险。Cathedral 走的就是这条缝。

这件事真正的分量不在 Anthropic 身上，而在它证明了一件事：当攻击方用上智能体，防守方的安全检查就不能再按季度做。 一个每年做一次渗透测试的公司，等于给对面留了 364 天的窗口。

关注 AI 商业快讯，每天一篇热点背后的钱与人。

相关阅读：

—

资料来源：

  • MLQ.ai《Anthropic emails enterprise customers that an outside security firm may have viewed their contact, plan and spend data》，11 月 8 日，逐条引用通知原文 https://mlq.ai/news/anthropic-emails-enterprise-customers-that-an-outside-security-firm-may-have-viewed-their-contact-plan-and-spend-data/
  • CellCog《Anthropic’s Breach Notice Email: What It Says》，11 月 8 日，逐字段核对通知截图并标注核实时间 https://cellcog.ai/blog/anthropic-breach-notice-email/
  • THE DECODER《AI agents hacked Anthropic, maker of arguably the most capable AI models for cyberdefense》，10 月 28 日，含 Anthropic 红队 Logan Graham 的回应 https://the-decoder.com/ai-agents-hacked-anthropic-maker-of-arguably-the-most-capable-ai-models-for-cyberdefense/
  • Techwire《Cybersecurity: a startup founded by former DOGE staffers got inside Anthropic’s internal systems using AI agents》，10 月 28 日 https://www.techwire.co.il/en/article/cathedral-ai-agents-breach-anthropic-systems
  • 前途科技《前DOGE员工创办AI网络安全公司，获1.6亿美元融资》（引路透社，Cathedral 估值与投资方）https://accesspath.com/startups/doge-ai-1-6-mrwzgzuub69d
  • Anthropic 官方安全栏目（截至 11 月 8 日无本事件公告，用于交叉确认官方口径缺位）https://www.anthropic.com/news/security

Amazon 让用户用短信下单：Alexa for Shopping 开放短信通道，上月刚封杀 Meta Muse 等外部代理，12 个月 4 亿人用过

作者
Amazon 让用户用短信下单：Alexa for Shopping 开放短信通道，上月刚封杀 Meta Muse 等外部代理，12 个月 4 亿人用过

4 亿人——这是亚马逊自己公布的、过去 12 个月用过 Alexa for Shopping 的客户数。从上周五（11 月 6 日）开始，其中一小部分美国用户可以直接给自己的手机通讯录里一个叫「Alexa Shopping」的联系人发短信，让它搜商品、比价、加购物车、直接下单。

一个做了十年的电商入口，正在被改写成「发短信」。

发生了什么：短信就是新的购物车

亚马逊 11 月 6 日在官方新闻站宣布，Alexa for Shopping 增加短信通道。按官方公告的说法，首批是「一小部分美国客户，仅限受邀」，用户在手机上接受条款、绑定手机号，通讯录里就会出现「Alexa Shopping」这个联系人，之后像跟朋友发消息一样下单。

能力清单比多数人想的更完整：

  • 发一句「狗粮没了、要给我姐买生日礼物、厨房纸也快用完了」，它会同时处理三件事，边找边把商品发回来；
  • 拍一张食谱照片发过去，它把食材全部加进购物车；
  • 发「把上周买的洗衣液再买一遍」，它找到商品、经你确认后下单；
  • 发「AirPods 降价告诉我」，它盯着价格，掉到你设的价位就主动发短信；
  • 发「我的包裹在哪」，直接回物流状态，不用打开 App。

亚马逊还同时宣布，Alexa for Shopping 新增 100 多项能力，把节日礼物清单、宝宝礼物登记、退款追踪这些原本要在 App 里点十几下的操作，压成一句话。一段对话可以在短信、亚马逊 App、Amazon.com 和 Echo 设备之间接着往下走——你在候诊时用短信挑礼物，回家打开 App 接着比价结账。

负责对话式购物的副总裁 Rajiv Mehta 给出的理由是：「大家一想到要买什么，就随手记在备忘录里、聊天记录里、群聊里。现在你的私人购物代理，就在一条短信之外。」

反转：上个月刚把别人的购物代理挡在门外

这条新闻真正的看点不在短信，在于谁来做这个代理。

今年 9 月，Meta 的 AI 助手 Muse 用户开始在亚马逊下单时撞上一句报错：「未经授权的 AI 代理继续访问，违反亚马逊使用条款。」TechCrunch 当时的报道写得很直白：Muse 作为购物者，不受欢迎。据 GeekWire 梳理，被拦下的外部代理名单里还有 Perplexity、Google 和 OpenAI。

也就是说：别人的代理不许进来替用户买东西，亚马逊自己的代理可以住进你的短信列表。

这不是双标那么简单，是入口定价权。谁接住用户那句「我需要什么」，谁就掌握推荐位、广告位和最终的成交佣金。亚马逊的理由也不算牵强：如果外部代理下错了单，收拾烂摊子的是亚马逊，既要安抚买家，又要应付卖家。

对读者意味着什么：聊天窗口里已经排好了广告位

更值得普通人注意的是变现方式。

据 Digiday 报道（GeekWire、The Next Web 均引用），赞助商品会混在代理发回来的选项里，目前不向广告主收费；而代理自己判断、自动完成的购买不带广告。亚马逊 2025 年的广告收入是 686 亿美元。

这条链路的逻辑很清楚：先免费养习惯，把「发短信下单」变成默认动作，再把广告位填进去。对广告主是红利期，对用户则意味着，你手机里那条以为是自己人的短信，将来会带着推荐位说话。

还有一层现实风险。短信代理能做的动作里，包含「在价格达到目标时自动购买」和「自动加购」。这类授权一旦开启，出错时你未必第一时间知道；而中文用户对营销短信的耐受度本来就低，一个会自动发促销和成交通知的官方号码，和垃圾短信之间只隔着一个开关。

对比一下国内：微信里的小程序导购、淘宝的「问问」、抖音的搜索购物，走的都是对话式入口。但短信这条路国内基本空着——运营商通道的成本与合规门槛，让国内没人愿意把它当主入口。这是中美电商体验正在分叉的地方。

背景：这不是亚马逊一家的动作

短信下单正在变成 AI 助手们的标配。OpenAI 上个月给个人代理 Dot 加了短信，外卖平台 DoorDash 9 月就开始接受短信点单。亚马逊这次是把自己的购物代理塞进了同一条赛道。

时间线也值得摆出来：

时间 事件
2026 年 5 月 Alexa for Shopping 上线，把 Rufus 购物机器人和 Alexa+ 合并成一个代理
2026 年 9 月 封杀 Meta Muse 等外部代理访问亚马逊商品页
2026 年 11 月 6 日 短信通道开放，首批受邀用户；官方宣布新增 100 多项能力
未来数周 官方称将扩大到数百万美国客户

亚马逊称，使用代理型功能的客户数自年初以来增长超过 8 倍。CEO Andy Jassy 上周的说法更直接：他预期 Alexa for Shopping 会成为人们从亚马逊购物的主要代理。

把这几句放在一起看，亚马逊的算盘不难猜：先用 4 亿人的存量把代理养成习惯，再用短信把入口从 App 里拽出来，最后把广告和成交都留在自己手里。

我该做什么

如果你是卖家或投广告的：短信代理里的赞助商品位现在是免费试水期，值得尽早摸清它出现的规律——它和站内搜索广告是两套逻辑，前者是代理主动推荐，后者是用户搜索后展示，前者的转化归因会更模糊。

如果你是普通用户：真的开出这个联系人之后，先去设置里看清「自动购买」和「自动加购」两个开关是不是默认关闭，再决定要不要让它替你按价格下单。

如果你是做产品的：这条新闻最该记的不是短信，而是入口归属——当一个平台既拒绝外部代理、又自己做代理时，第三方 AI 购物的空间只会越来越窄。中文市场大概率会走另一条路（微信生态内闭环），但「谁接住那句话」这个问题，全球都一样。

关注 AI商业快讯，每天一篇 AI 热点深度解读。

相关阅读：

—

资料来源：Amazon 官方公告（aboutamazon.com）、TechCrunch（2026-11-06）、GeekWire、The Next Web、TechCrunch（2026-09-21，Muse 封堵报道）。

百度 ERNIE 5.5 Flash Base 开源发布：280B 参数每词元只激活 14B，30 项基准赢 24 项，中文常识却落后 DeepSeek

作者
百度 ERNIE 5.5 Flash Base 开源发布：280B 参数每词元只激活 14B，30 项基准赢 24 项，中文常识却落后 DeepSeek

9.2 分。这是百度在自己搭的评测台上，ERNIE 5.5 Flash Base 对 DeepSeek-V4-Flash-Base 拿到的领先幅度。同一张表里，它在 30 项基准上赢了 24 项。

可就在中文题那一栏，它输了。

11 月 5 日，百度 ERNIE 团队把 ERNIE-5.5-Flash-Base 的权重放上了 Hugging Face 和 ModelScope，FP8 和 BF16 两个版本同时发。这不是一个能直接聊天的模型，而是预训练刚结束那一刻的原始检查点：没有中期训练，也没有指令微调（也就是用人工整理好的问答，让模型学会照着人话回答）。

按百度官方博客的说法，这么做的理由是让开发者在一个统一起点上，自己选往哪走。翻译成人话：这是一块原材料，不是成品。

发生了什么

模型规格摆出来是这样的：总参数 280B，每处理一个词元（token）只激活其中 14B。43 层 Transformer，从零开始训了 33.5 万亿个词元，训练上下文最长 128K，微调和推理阶段可以拉到 100 万词元。

真正值得看的是它怎么省算力。43 层里有 37 层用了一种叫 HCA 的注意力机制（重压缩注意力）：每 128 个词元只往缓存里记 1 条，再靠这些压缩条目加一小段最近的原样词元来理解全文。剩下 6 层才保留逐词级的完整视野。

官方的解释很直白：大多数层只需要对遥远的过去有一个粗粒度印象就够了，没必要每层都记住每个字。

在专家层（MoE，混合专家）上，每层放 512 个路由专家加 1 个共享专家，每次挑 10 个干活。这些专家跑在 2048 维的潜空间里，是隐藏层宽度的一半，所以专家之间的数据搬运量和计算量都跟着减半。

还有一个取代传统做法的小设计叫 ECHO：不再单独加一层去预测未来的词，而是直接复用骨干网络的最后一层。副产品是这一层顺带成了投机解码的草稿模块，额外只花 0.36B 参数，不计入 280B 的账。

数字与反转

百度在模型卡里给了一张四家对比表，用同一套评测流程、同样的提示词和少样本设置，比的是同为 280B 上下、同为开源基座的四款模型。分数来自百度自己，这一点要先说清楚。

赢的地方相当干脆：MMLU-Pro 78.4 对 DeepSeek 的 69.2；HumanEval+ 82.3 对 69.5；LiveCodeBench 40.1 对 31.9；RepoQA 91.7 对 81.0；GPQA 60.2 对 55.9。

输的地方只有 6 项，但挑得很巧：中文常识问答 ChineseSimpleQA 73.0，输给 DeepSeek 的 75.3；长文档重排 HELMET-Rerank 56.2，输给 60.0；超长上下文 InfiniteBench 46.5，输给 48.0。编程综合基准 FullStackBench 上也输给了腾讯 Hy3 的 56.7 对 54.6。

也就是说，一个中国团队做的模型，在两个最像中文考卷的指标上被对手反超。这可以解释成评测管线差异，但读者该记住的是：自评榜单里连自家强项都不是全胜，这种分数反而更可信一点。

第二个反转在许可证上，而且这个比分数影响大得多。

ERNIE 5.5 Flash Base 用的是百度自家的许可证，不是 MIT。条款读下来有三道硬限制：

  • 年收入不超过 5000 万美元的商用，免模型授权费，但要发一次使用通知，还得在产品界面上标「Powered by ERNIE」。
  • 年收入超过 5000 万美元，必须事先拿到百度的书面商业授权才能用，否则得停。
  • 授权地域不含欧盟、英国、韩国。

还有一条容易被忽略：条款 5.5 明写，不许用这个模型或它的输出去改进别的 AI 模型。换句话说，拿它的输出去教自己的模型，也就是蒸馏，是不行的，但基于它做出来的衍生模型不受这条限制。

对比一下：同一天被拿来比对的 DeepSeek-V4-Flash 是 MIT 许可，小米 MiMo-V2.5 也是 MIT。同样是开源，自由度差一个档次。

第三个反差更冷一点。上线两天，ERNIE 5.5 Flash Base 在 Hugging Face 上拿到 526 次下载（近一个月口径）；DeepSeek-V4-Flash 是 109 万次。

这个数字不能直接当成没人要的结论，上线才两天，而且 280B 是必须上多卡服务器才跑得动的东西，本来就不是下载着玩的量级。但它确实说明一件事：基座模型的热度和模型大小成反比，真正会去拉权重的是少数做后训练和行业适配的团队。

对你意味着什么

如果你要在中文场景做行业微调（用自家数据把通用模型再训一遍）：注意那个 ChineseSimpleQA 的 73.0。基座模型的中文常识是后面再怎么微调也很难大幅补回来的部分，如果中文问答是你的主业务，DeepSeek 的基座仍然更稳。

如果你在做代码和 Agent 方向：HumanEval+ 差 12.8 分、LiveCodeBench 差 8.2 分是实打实的差距，ERNIE 这一版在仓库级代码（RepoQA 91.7）和长上下文上的取舍，明显是奔着写代码的智能体去的。百度还专门在训练数据里塞了提交记录、issue、PR、代码评审、需求到 PR 的完整轨迹这些软件怎么演化的数据。

如果你在公司里评估要不要用：先算年收入。5000 万美元这条线以下，只要发一封邮件通知百度、界面上挂个标识就能商用；线以上就要走书面授权谈判，而且欧盟、英国、韩国三个市场拿不到授权。这一步走错，比模型好不好用严重得多。

如果你只是想在笔记本上跑一下：跑不起来。280B 的 MoE 按官方给出的参考配置要 4 卡张量并行，FP8 权重大概 328GB，还得用 SGLang 或 vLLM（两种把模型跑起来对外提供接口的框架）加百度自己的插件。没有 GGUF，没有 Ollama 版本。

我该做什么

三个动作，按性价比排。

第一，先看许可证再看模型。如果你所在的公司年收入接近或超过 5000 万美元，或者业务覆盖欧洲、英国、韩国，这件事应该由法务先过一遍，不是技术团队试用完再补。许可证不是开源两个字能盖过去的。

第二，把你的真实任务拿 20 条去测，别信榜单。百度自己都承认，四家模型的分数在不同评测管线里会有几分的浮动：DeepSeek 自家报告 MMLU-Pro 是 68.3，百度测出来 69.2。中文常识、超长上下文这两项是它的短板，如果你正好用得上，先测；代码和仓库级理解是它的强项，也先测。

第三，盯着它的后训练版本。官方博客最后一句写得很清楚：后训练版 ERNIE 5.5 Flash 会随后发布。现在放出来的是基座，真正的产品化模型还没到。对绝大多数使用者来说，基座模型没什么可玩的，值得等的是那个能直接对话的版本，那时候再看百度会不会同步放出在线服务和 API 定价。

一句话判断：这是一次技术路线上的正面宣战，用架构效率换参数量；也是一次商业条款上的收紧，从 MIT 时代退回限制性许可。前者对中国开源模型的工程水平是加分的，后者对想省事的开发者是不加分的。

—

参考来源

  • 百度 ERNIE 官方技术博客：ERNIE 5.5 Flash Base（2026-11-05）— https://ernie.baidu.com/release/ernie-5-5-flash-base/
  • Hugging Face 模型卡：baidu/ERNIE-5.5-Flash-Base（含完整评测表与部署说明）— https://huggingface.co/baidu/ERNIE-5.5-Flash-Base
  • ERNIE 5.5 Flash Base Model License Agreement v1.0（商用阈值与地域条款）— https://huggingface.co/baidu/ERNIE-5.5-Flash-Base/blob/main/LICENSE
  • MarkTechPost 报道（2026-11-05）— https://www.marktechpost.com/2026/11/05/baidu-ernie-5-5-flash-base-280b-moe/
  • DeepSeek-V4-Flash 模型卡（MIT 许可对照）— https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash

相关阅读

  • 谷歌 Gemini 3.7 Flash 发布：价格腰斩、三周迭代 — https://www.geeyo.com/%e8%b0%b7%e6%ad%8c-gemini-3-7-flash-%e5%8f%91%e5%b8%83%ef%bc%9a%e4%bb%b7%e6%a0%bc%e8%85%b0%e6%96%a9%e3%80%81%e4%b8%89%e5%91%a8%e8%bf%ad%e4%bb%a3%ef%bc%8c%e5%a4%a7%e6%a8%a1%e5%9e%8b%e5%bf%ab%e8%80%8c/
  • 阿里 Qwen3.8-Max 发布：2.4 万亿参数、下周开源 — https://www.geeyo.com/%e9%98%bf%e9%87%8c-qwen3-8-max-%e5%8f%91%e5%b8%83%ef%bc%9a2-4-%e4%b8%87%e4%ba%bf%e5%8f%82%e6%95%b0%e3%80%81%e4%b8%8b%e5%91%a8%e5%bc%80%e6%ba%90%ef%bc%8c%e5%9b%bd%e4%ba%a7%e5%a4%a7%e6%a8%a1%e5%9e%8b/

DeepSeek V4.1-Flash-1017 发布：552B 开源模型编程跑分反超 Claude Opus 5，权重免费开源、API 价格低至十六分之一

作者
DeepSeek V4.1-Flash-1017 发布：552B 开源模型编程跑分反超 Claude Opus 5，权重免费开源、API 价格低至十六分之一

552B 参数的开源模型，在一个主流编程基准上拿到了 77.0 分——比 Anthropic 的闭源旗舰 Claude Opus 5 高 3 分，而调它一次的输入价格，是后者的十六分之一。

10 月 17 日，DeepSeek 把 V4.1-Flash 更新到 V4.1-Flash-1017，网页、App 和 API 同步换新，模型权重也按 MIT 许可放上了 HuggingFace 和 ModelScope。同一天它做了第二件事：把自研的网页搜索与抓取接口对外开放。对天天在搭 AI 智能体（agent，能自己调工具干活的程序）的开发者来说，这两件事叠在一起，意味着一个更便宜的编程模型和一个第一方搜索层，共用同一把接口密钥（API key）。

它强在哪，又输在哪

按 DeepSeek 自己公布的跑分，1017 版本在它列出的 11 项基准上全面高于上一版，涨幅 2.0 到 11.1 分。挑三格最能说明问题的看：

基准 V4.1-Flash-1017 上一版 Claude Opus 5
DeepSWE v1.1（编程） 77.0 74.2 74.0
Terminal-Bench 4.0（终端任务） 42.3 31.2 51.8
无工具 HLE（知识推理） 42.6 36.8 56.3

DeepSWE 这一格是重点：它反超了 Claude Opus 5。另外两格是它输的地方，而且输得不算小——一个考长时终端操作，一个考最硬的知识推理。

模型规格上，它是一台 552B 主干加 196B「Engram」条件记忆的混合专家模型（MoE，每次只唤醒一小部分参数来算），每生成一个词元（token，模型吐字的最小单位）只激活 8B（读入阶段）到 16B（生成阶段）。上下文 1M token，最长可输出 384K。价格表上，峰值时段每百万输入 token 收 0.30 美元、输出 1.20 美元，低峰时段再打对折。

为什么这件事值得单独看

第一层是价格。 闭源旗舰现在的挂牌价是 Claude Opus 5 的 5 美元/25 美元，GPT-5.6 Sol 促销期 4 美元/20 美元（标价 5 美元/30 美元）。DeepSeek 报的输入价 0.30 美元，约是 Opus 5 的十六分之一；输出价 1.20 美元，约二十分之一。这个倍数不是靠补贴撑的——它敢报这个价，是因为架构上把推理成本压下去了：全局 KV 缓存（模型记住上下文用的那块显存）降到每个 token 890 字节，只有上一代 V4-Flash 的四分之一；持久缓存那一部分压到约八分之一。

第二层是搜索。 DeepSeek 这次开放的搜索和抓取接口，定价每 1000 次成功请求 0.75 美元，失败和空结果不计费。对比一下 OpenAI 对网页搜索的报价是每 1000 次 10 美元，差十三倍。而 DeepSeek 说这套搜索是自研的，不调用外部引擎。对做智能体的团队来说，「模型 + 搜索」这两块过去要向两家分别付钱，现在压进了一家、一张价目表。

第三层是它没赢的地方，这恰恰更值得看。 无工具 HLE 的 42.6 对 56.3、Terminal-Bench 4.0 的 42.3 对 51.8——DeepSeek 在「从零把项目做出来」这类任务上追得很紧，在最难的知识推理和一小时级的终端长任务上仍明显落后。也就是说，开源阵营这次抢下的不是「全面最强」，而是「够用、且便宜一个数量级」这条线。对企业采购来说，这条线往往比榜首更有杀伤力。

一个补充视角是普通用户。官方把这版能力描述为「许愿式」编程：用一句话描述想要的完整项目，让模型从零搭出来，训练方法上用了带自我反馈的强化学习。

把它放回这一周

10 月 15 日 Meta 放出 Muse Spark Open，816B 参数；16 日阶跃星辰的 Step 5 Preview，600B；更早还有 Reflection 的 Beam，501B。这些全是开放权重，参数规模集体往上冲。DeepSeek 的 552B 在这一批里属于偏小的，但它的激活参数只有 8B 和 16B，其余几家没有公开到这个口径——这正是它能把 API 价格压到 0.30 美元的原因。

它的上一代 V4.1-Flash 是 9 月发布的，当时在 HuggingFace 上拿到了 130 万次月下载。从 9 月到 10 月的一次小版本更新，把 Terminal-Bench 4.0 从 31.2 拉到 42.3，涨了 11 分——这个幅度在基准的同一大版本里并不常见。

接下来看什么

这件事的真正分量不在 77.0 这个数字，而在它出现的位置：最高的一格压在闭源旗舰之上，最便宜的一格压在它自己上一代之下，而权重是免费下载的。

后面值得盯两个点。一是闭源阵营会不会跟进降价——如果 Opus 5 和 GPT-5.6 Sol 的价格不动，「便宜十六倍、跑分接近」就会持续压缩它们在智能体场景里的份额。二是 11 月 1 日搜索接口免费窗口关闭之后的实际用量，那才是这套「模型 + 搜索」打包能不能真正留住开发者的试金石。

关注 AI商业快讯，每天一篇 AI 热点深度解读。

相关阅读：

Meta 借 AI 数据中心申请研发税收抵免：一年少缴近 40 亿美元税，自家会计已警示法律风险

作者
Meta 借 AI 数据中心申请研发税收抵免：一年少缴近 40 亿美元税，自家会计已警示法律风险

39 亿美元——这是 Meta 去年靠一项上世纪 80 年代出台的研发税收抵免，从美国联邦税单上抵掉的金额。

《纽约时报》9 月 30 日的调查把这笔钱是怎么来的拆开了：Meta 把 AI 数据中心申报成「实验性」项目，连向英伟达采购的芯片都算作研发投入。而最先在这个做法上按下警示键的，是 Meta 自己的会计。

这笔钱是怎么抵出来的

据《纽约时报》报道，Meta 从 2024 年底开始，在税务上把芯片分成两类：送进 AI 数据中心的、和送进普通数据中心的。前者被它当作「试产模型」（pilot models）来申报——依据是美国 1981 年设立的一项研发与实验（R&E）抵免，本意是鼓励企业做真正的创新实验，而不是补贴日常经营的固定支出。

抵免金额的爬升曲线相当陡：2023 年 7 亿美元，2024 年 20 亿美元，2025 年 39 亿美元，逐年翻倍。核对证券文件的结果显示，Meta 已成为上市公司里这项抵免的最大受益者。

把它放回财报里看更清楚（税单与资本开支数字来自公司年报及媒体核对）：

项目 2024 2025
研发抵免带来的税收减免 20 亿美元 39 亿美元
美国联邦所得税 约 96 亿美元 约 28 亿美元
全年资本开支 — 722 亿美元

也就是说，在美国联邦所得税从 96 亿降到 28 亿的同一段时间里，Meta 一边把资本开支推到 722 亿美元，一边让近 40 亿美元的税负通过这项抵免消失。降税不等于少投入，它带来的是更低的资金成本——这类结构在算力军备竞赛里就是竞争力本身。

谁在反对，反对的是什么

质疑集中在一点：AI 数据中心到底算不算「研发」。

税务咨询机构 BPM 的合伙人安德烈·舍夫丘克（Andre Shevchuck）对《纽约时报》说，把 AI 数据中心归入研发实验项目「超出常规」。美国国税局的态度也不陌生——它过去就审查过企业把「成熟且已商用的设备与技术」塞进抵免范围的做法。

但最值得读的一段材料来自 Meta 自己。按《纽约时报》梳理，Meta 的会计团队已就这一做法的法律风险发出警示，并在证券文件里提醒投资者：国税局有可能追回。文件把「研发税收抵免的不确定性」列为这项敞口的主要来源；同期 Meta 为应对国税局挑战计提的准备金涨了 45%，从 129 亿美元升到 187.4 亿美元。

得克萨斯大学奥斯汀分校会计学教授、前安永税务顾问丽莎·德西蒙（Lisa De Simone）的评价是：Meta 申报了数十亿美元的税收优惠，而它自己的会计正在告诉投资者，这些优惠有被推翻的风险。

Meta 的回应由发言人安迪·斯通（Andy Stone）给出：Meta 是美国最大的研发投入方之一，与其他同等规模的公司一样，它使用的是国会几十年前设立的、用来鼓励这类本土投资的税收激励。

双方说的其实不是同一件事。Meta 争的是「我有资格」，质疑者问的是「资格线该划在哪」。而这条线最终由国税局和法院来画，不是由申报方自己画——这正是这家公司把准备金抬高的原因。

这不是一次孤立的操作

要看懂这 39 亿美元的分量，得把它放进三条同时收紧的线里。

第一条是联邦层面的口径。2025 年 7 月签署的《大而美法案》（One Big Beautiful Bill Act）新增了一条 174A 条款，永久恢复「国内研发支出当年全额扣除」——注意，这与 Meta 用的那项研发抵免是两套不同的工具，但同属「把算力投入更多地从税基里挪出去」的政策方向。据税收与经济政策研究所（ITEP）测算，这项研发抵免在 2025 财年的总成本约为 220 亿美元。Meta 一家拿走 39 亿，约占其中的六分之一。

第二条是州层面的反转。数据中心过去几年在各州享受的销售税与财产税豁免，正在被一州一州地撤回。据标普全球的分析，2026 年 5 月到 8 月之间有八个州暂停或废除了数据中心的销售税豁免；亚利桑那州直接设了三年暂停期。华尔街见闻的测算是，以 7% 销售税计，单座 1 吉瓦级 AI 数据中心的设备采购成本将增加约 30 亿美元。联邦抵免在给，州一级在收——同一笔基建，两套政策在互相抵消。

第三条是政治压力。据 CNBC 报道，参议员伊丽莎白·沃伦与另外五位民主党参议员在 9 月 27 日至 28 日致函 Meta、亚马逊、Alphabet 与微软，要求说明它们依据 2025 年税改法案申报的 AI 与数据中心相关扣除，以及法案通过前的游说情况。信里点出的背景是：企业税负在下降，而营收在上升。

需要说明的是，Meta 与国税局之间原本就有两桩更大的旧案：一桩是国税局认为它把扎克伯格行使的 41 亿美元股票期权算作可扣除研发成本、少缴约 3.55 亿美元；另一桩是国税局主张它把利润转移至开曼群岛、欠税与罚款接近 160 亿美元。AI 数据中心这桩，是在旧账之上又添的一笔。

判断

把这份调查读到底，真正有信息量的不是 39 亿美元这个数字，而是它出现的位置：不是出现在一篇质疑报道里，而是出现在 Meta 自己给投资者的风险披露里。

这件事接下来值得盯两个点。一是国税局会不会就 AI 数据中心这类申报发布明确指引——只要口径一天不落地，全行业的准备金就得继续往上抬，账面上的利润也就还在「可能被追回」的状态里。二是各州撤回优惠的趋势会不会传导到联邦层面：当地方财政已经开始为算力基建算账时，一项被单一公司用掉六分之一的研发抵免，很难长期待在公众视野之外。

对国内的算力叙事来说，这也提供一个参照：真正的成本不只在芯片采购单上，还在于一项基建能在多大程度上被税收政策分担。分担得越多，扩张的账面回报就越好看，也就越依赖政策稳定。

关注 AI商业快讯，每天一篇 AI 热点深度解读。

相关阅读：

中国拟放行英伟达 RTX PRO 5500：84GB 显存的工作站卡，字节与阿里被要求上报采购计划，一年前同类产品曾被叫停

作者
中国拟放行英伟达 RTX PRO 5500：84GB 显存的工作站卡，字节与阿里被要求上报采购计划，一年前同类产品曾被叫停

84GB——这是英伟达 9 月 14 日刚发布的工作站显卡 RTX PRO 5500 的显存容量。据 The Information 9 月 27 日报道，中国政府已释放信号，可能允许字节跳动、阿里巴巴等公司采购这张卡。

刺眼的地方在时间：一年前，中国的监管机构还在要求企业停止订购同类产品。

这次到底发生了什么

The Information 援引两名知情人士的说法：中国工业和信息化部近期要求字节跳动、阿里巴巴等企业上报采购 RTX PRO 5500 的计划，内容包括打算买多少、拿到手做什么用途；工信部同时告知部分企业，政府打算批准这些采购。

截至 9 月 27 日，路透社表示无法立即核实这条报道。英伟达、阿里巴巴、字节跳动与工信部均未公开置评——也就是说，此事目前的性质是「媒体援引消息人士」，不是官方公告。

被问及此事时，英伟达发言人的回应是：「美国企业目前仍受到美国过时出口管制与中国自身限制美国产品进口的双重约束。」这句话既没有确认，也没有否认放行。

时间 发生了什么
2025 年 8 月 网信办要求企业停止采购英伟达 H20 芯片
2025 年 9 月 网信办要求阿里巴巴等企业停止订购 RTX Pro 6000D
2025 年 11 月 路透社报道，国家出资的新建数据中心只允许使用国产芯片
2026 年 8 月 金融时报报道，H200 小批量放行，字节与腾讯各拿到约 1 万颗，多数留在香港
2026 年 9 月 14 日 英伟达发布 RTX PRO 5500：84GB 显存、600W 功耗
2026 年 9 月 25 日 美国贸易代表称，出口管制「不在中美贸易谈判桌上」
2026 年 9 月 27 日 The Information 报道，工信部拟批准字节与阿里的采购计划

这张卡为什么不一样

要理解这次为什么可能放行，得先看清 RTX PRO 5500 是什么。

它不是数据中心加速器，而是一张工作站显卡。据 TechPowerUp 报道，它用的核心规模与消费级 RTX 5090 相同，都是 21,760 个 CUDA 核心，但显存从 32GB 拉到 84GB，带宽约每秒 1,398GB，功耗 600W，定位是机架式工作站，起售价据该媒体称在 6,000 美元以上。

换句话说，它卖的不是峰值算力，而是显存容量。84GB 约为消费级旗舰的 2.6 倍。对想在一张卡上跑大模型推理的团队来说，显存往往比算力更先见底。

这也解释了政策空间从哪来。过去几轮美国出口管制主要针对数据中心加速器，工作站显卡不在同一类别里。据雅虎财经转载的报道，部分产业高管预期 RTX PRO 5500 不会触发美国出口限制。口子留在这里，中方的审批就不必先跟华盛顿再谈一轮。

为什么是现在：三股压力同时到位

第一股是算力缺口。据金融时报 8 月报道，H200 虽然拿到了对华出口许可，实际到货却被要求多数留在香港，字节与腾讯各约 1 万颗——相对训练与推理的真实需求，这个量级很小。同月，路透社报道的国产芯片要求又限定了国家出资数据中心的采购范围。企业能腾挪的空间被夹在中间。

第二股是推理需求的形态在变。智能体（也就是能自己多步干活的 AI 程序）跑起来之后，吃掉的不再是单次训练的峰值算力，而是同时挂住很多份上下文。这种负载对显存的敏感度高于对算力的敏感度——正好落在 RTX PRO 5500 的产品定义上。

第三股是窗口。9 月下旬中美元首峰会后，美国贸易代表格里尔对 CNBC 表示，涉及国家安全的出口管制「在我们的谈判中不上桌」。芯片管制被移出谈判议程，同时也就意味着它不再是一张能立刻交换的牌。中方在管制框架内自行决定放行与否，政治成本比一年前低。

谁受影响，怎么判断

对企业采购负责人：这条消息值得关心的不是「能不能买到」，而是「买什么划算」。工作站卡与数据中心卡是两笔账——单卡显存大、部署门槛低，但单机柜的算力密度和卡间互联都不占优势。它适合放推理和微调（也就是在自家数据上把模型再训练一遍），不适合当训练集群的主力。真要下单，先算清这笔账：同样的钱能换来多少推理吞吐（也就是每秒能吐出多少字）。

对国产芯片厂商：这是一次压力测试。一年前那份「国家出资数据中心只用国产」的要求，本意是给国产替代留出订单空间；如果同一年里又放开进口工作站卡，替代节奏与性能差距会被同一批客户同时摆到台面上比较。8 月的 H200 到货已经开了个头。

对普通用户：短期没有直接变化。会被感知到的是间接效果——国内云厂商的推理供给宽松一点，模型服务的价格和限流策略才会跟着松。

判断：这件事的信号价值大于采购本身。 它说明中方的芯片管制正在从「一律不买」转向「按类别、按用途逐单审批」——允许买什么，取决于它对国产替代的威胁有多大。RTX PRO 5500 能被放行，是因为它站在最敏感的类别之外。

接下来两个观察点：工信部会不会把「上报采购计划」变成常规流程；以及这批卡最终落在什么岗位上——训练、推理，还是图形工作站。如果是后者，这只是一次采购；如果是前者，管制框架的分界线就移动了。

关注 AI商业快讯，每天一篇 AI 热点深度解读。

相关阅读：

微软正式发布新版 Copilot「超级应用」：聊天编程智能体三合一，3000 万付费席位下转向按量计费

作者
微软正式发布新版 Copilot「超级应用」：聊天编程智能体三合一，3000 万付费席位下转向按量计费

3000 万付费席位——这是微软 Copilot 今天改版前交出的成绩单。而它做的第一件事，是把账单的算法换掉。

9 月 25 日，微软正式发布新版 Copilot「超级应用」：把聊天、编程、智能体三种能力塞进同一个应用，分 Home、Code、Autopilot 三个页签。软件开发不用再打开 Visual Studio，做数据看板不用等 IT 排期，交代给 AI 的活你不盯着也能继续跑。

但真正影响你钱包的不是三合一，是配套的计费方式：从按月固定收费，改成按实际使用量收费。

一句话：微软不再试图在消费市场赢过 ChatGPT，它要去赚企业的钱——而且按你用了多少来收。

这次改了什么：三合一，外加一个会自己干活的同事

新版 Copilot 拆成三块，对应三种使用场景。

Home 是默认落地页，把原来的 Copilot 聊天和 Cowork 合在一起，再加一个 Today 面板——微软 AI 工作业务首席营销官 Jared Spataro 的说法是「Home 是你找准方位的地方，回顾最近的动作，看 Copilot 还能帮上什么，把没做完的活接着做」。

Code 是这次最出人意料的页签。按理说它不该出现在一个给知识工作者设计的应用里——现在任何人都能建一个小应用、追踪表、仪表盘或自动化流程，做完直接以云端内部应用的形式分享给同事，全程不用写代码（微软说底层由 GitHub Copilot 驱动）。

Autopilot 是原名叫 Scout 的个人 AI 助理，现在改成云端版，定位是「数字同事」：你睡觉的时候它照样在跑。这个能力的关键差别在于它是「企业级」的——有独立身份、独立记忆、独立工作空间，跑在你公司的账号之下，而不是一个外部工具。

页签 干什么 谁能用、什么时候
Home 聊天 + 协作，加今日面板 未来几周进 Frontier 抢先体验计划
Code 用自然语言做内部小应用/看板 同上；年底进 Microsoft 365 Premium / Pro 订阅
Autopilot 能自己持续干活的智能体（原 Scout） 本月底进私有预览

为什么值得关注：账单算法变了，这比三合一更值钱

这是本文想让你记住的一点：三合一是产品新闻，按量计费才是商业新闻。

改版后的 Cowork、Code、Autopilot 全部走「按使用量计费」。据新浪科技报道，持续运行的智能体任务、以及 Astra、Fable 等模型的调用，都按实际用量收费。原来的固定订阅（微软叫 USL，也就是普通用户许可）仍然保留，覆盖聊天，以及 Office 全家桶里的 Copilot 功能——按微软列举，包括 Word、Excel 等常用应用。

也就是说，微软把 Copilot 的收费切成两层：

计费方式 覆盖什么 谁承担波动风险
固定月费（USL） 聊天 + Office 全家桶里的 Copilot 微软
按量计费（UBB） Code、Autopilot、Cowork 里的持续任务 企业

差别在这里：月费模式下，你用得再多，成本由微软扛；按量模式下，用超了是企业自己付。 对微软来说，这是把「AI 烧钱」的风险从自己账本挪到客户账本上——而这正是过去两年 AI 订阅生意的核心难题。

对企业客户来说，这既是好消息也是新功课：好消息是不用为没人用的席位白付钱；新功课是你的 AI 账单第一次变得不可预测，需要用「成本管理」的思路去管，而不是当成一个固定 IT 支出。

据新浪财经 7 月 30 日报道，纳德拉在财报电话会上说过要整合聊天、编程、智能体做「超级应用」；而据 ZAKER 报道，微软还在推最高五折的优惠，条件是承诺大量席位加特定功能的按量付费——折扣最早 10 月生效。先给折扣、再推按量，这是典型的换计费模型手法。

3000 万席位与它真正想赢的战场

微软对比的参照物不是 ChatGPT，是 Office。

Spataro 的原话是：「就像 Office 定义了 PC 时代的工作方式，新版 Copilot 就是要定义 AI 时代的工作方式。」这个类比暴露了微软的目标客户：不是个人用户，是已经离不开 Office 和账号体系的企业。

数字上，据雪球与网易财经的财报整理，微软单季营收 900 亿美元、增长 18%、运营利润率 45%；Microsoft 365 Copilot 的付费席位突破 3000 万，净增环比翻倍；Azure 增速 43%，全年 Azure 收入首次破 1000 亿美元。

3000 万席位是个不小的盘子。但微软自己也不否认消费端的处境：The Verge 的报道直言，Copilot 在消费市场与 Claude、ChatGPT 相比「算是失败了」。所以这次改版的赌注很明确——不在消费端追赶，而是守住企业端已有的付费盘，靠「企业级安全与管控」把客户留住，并用按量计费把这盘生意的收益天花板抬上去。

值得注意的是时机：据 Yahoo 财经（香港）报道，微软这次明确表示要「放弃消费者 AI 市场、全力聚焦企业应用」。从 Copilot 诞生至今，微软已经重设计过很多次（最早是 Bing 里的聊天机器人），这次三页签方案，是它第一次在消费端和企业端之间做出明确取舍。

谁该关心，谁可以先不动

该关心的三类人：

  • 企业 IT 与财务负责人：按量计费意味着 AI 成本从固定项变成变动项，需要有人盯用量、设预警。微软配套推了「FinOps for AI」来做这件事，值得提前了解。
  • 重度用 AI 编程的团队：Code 页签把「做内部小工具」的门槛降到几乎没有，如果你们一直想给业务部门做小系统却排不上人力，值得在 Frontier 计划里试。
  • Copilot 的付费客户：留意 10 月那轮折扣与计费切换的细则，别在切换窗口期多付一笔。

可以先不动的：个人用户。Code 和 Home 先走 Frontier 抢先体验，Autopilot 本月底才进私有预览——现在还不是普通用户能立刻上手的阶段，不必急着换方案。

一句话判断 + 怎么继续看

判断：这次改版的真正信号不是「三合一」，是微软把 AI 助手从「卖席位」推向「卖用量」。 这一步走通，AI 订阅生意的天花板才真正打开；走不通，按量计费就会变成客户眼里的账单惊吓。接下来两个观察点：10 月折扣落地后企业的实际续费意愿，以及 Autopilot 私有预览后的真实用量数据。

关注 AI商业快讯，每天一篇 AI 热点深度解读。

相关阅读：

OpenAI 法庭文件自曝：苹果 ChatGPT 整合远未达标，反垄断案 2027 年 1 月开庭

作者
OpenAI 法庭文件自曝：苹果 ChatGPT 整合远未达标，反垄断案 2027 年 1 月开庭

苹果和 OpenAI 那场被吹了两年的合作，是 OpenAI 自己说它失败的。

本周三，The Financial Times 披露了一批新的法庭文件：在跟马斯克旗下 SpaceXAI 的反垄断案里，OpenAI 承认苹果把 ChatGPT 接进 iPhone 这件事「远未达标」（dramatically underperforming）。原话出现在它请求法院提前判决的材料里——不是被对手挖出来的黑料，是它主动写进去的。

这个细节决定了这条新闻的价值。一家公司公开说自己的明星合作失败了，通常意味着这个「失败」对它现在的处境有用。

发生了什么

时间线要从 2024 年算起。那一年苹果宣布 Apple Intelligence，ChatGPT 成为 Siri 的默认外部模型，OpenAI 拿到的是全世界最大的分发入口——每一台 iPhone。

OpenAI 在文件里说，它当时的预期是一个「光环效应」：借苹果的品牌和推广，换来订阅增长。但接入一个月后，这个整合就「看起来起步迟缓」，OpenAI 开始下调每周活跃用户的预期。到 2025 年夏天，「已经很清楚，苹果对 ChatGPT 的整合远未达标」。

它对原因也给了判断：ChatGPT 在这套整合里默认是关闭的。用户要自己去系统里打开，才能让 Siri 把请求转给 ChatGPT。这个设计是苹果做的，不是 OpenAI 做的。

文件里有大量涂黑段落，但未被遮蔽的部分显示，OpenAI 高管当时担心苹果会「想走得更快」——去找另一个 AI 合作伙伴。这个担心后来变成了现实：苹果的新 Siri 转身用上了 Google 的 Gemini 模型，Xcode 也已经接入 Anthropic、Google、OpenAI 三家的编码 agent。

为什么现在说，才是重点

要理解 OpenAI 为什么在这个时间点承认「我们的合作很失败」，得看它说这句话的场合——在被告席上。

案子是马斯克的公司 SpaceXAI 在 2025 年 8 月提起的，指控苹果和 OpenAI 串通，把竞争对手挡在 AI 入口之外，顺带压制「超级应用」（包括马斯克想做的「万能应用 X」）。案子审理地被定在德州 Fort Worth，法官 Mark Pittman。按最新排期，庭审定在 2027 年 1 月 11 日。

被告要赢这种反垄断案，最有力的辩护之一是：这桩被指控「排他」的合作，根本没排他性、也没带来垄断收益。

「苹果的整合远未达标」这句话，正好落在这个论证上。苹果没有帮 OpenAI 拉来用户，ChatGPT 也不是 iPhone 上唯一的选择，用户还能用 Gemini——这叫没有伤害竞争。OpenAI 甚至在文件里说，SpaceX 自己 IPO 招股书里的披露「充斥着与本案指控截然相反的内容」。

同一件事，对 OpenAI 是「我们被苹果坑了」的委屈，对反垄断法庭是「我们没有垄断能力」的证明。 两句话不矛盾，只是场合不同。

还有一层背景值得交代：OpenAI 和苹果的关系早就不只是「合作不顺」。2026 年 5 月起就有报道说 OpenAI 在考虑起诉苹果，7 月苹果反过来在加州北区联邦法院起诉 OpenAI、io Products 和两名前员工，指控窃取商业机密。两家从合作方变成对手，这段「合作失败」的自述，同时也在为后续的法律战铺垫叙事。

这件事对三类人意味着什么

对 iPhone 用户：没什么可慌的。默认关闭是个可改的设定，Siri 什么时候调 ChatGPT、什么时候自己答，苹果在隐私文档里写得很清楚。真正变化的是，苹果已经在把新 Siri 的底座换成自家模型和 Gemini，ChatGPT 在这个生态里的位置只会更边缘。

对开发者：这是一个「平台方掌握分发权」的教科书案例。OpenAI 拿到的是全球最大的终端入口，但它拿不到默认开关的控制权——苹果只要把功能设为默认关闭，两年的分发红利就蒸发大半。任何依赖大平台带量的产品，都该把这个案例当成风险模型来看：入口是别人的，「光环效应」就不是你能定价的资产。

对普通观察者：注意「失败」这个词的来源。这不是第三方评测给出的结论，是 OpenAI 在法庭语境下自己提供的事实陈述。它说的是真的，但选择说、选择现在说，是有动机的。

放到坐标系里

把这件事和苹果今年另一条新闻放在一起，反差会更清楚。苹果在 AI 上付出的和解成本正在累积：今年早些时候它同意支付 2.5 亿美元，就 Apple Intelligence 宣传失实（承诺的 Siri 功能没按时兑现）的集体诉讼达成和解，单台设备最高折算约 95 美元。

一边是为「AI 功能没做到」赔钱，一边是被合作方在法庭上举证「AI 功能没带量」。苹果在 AI 上的账，目前两头都是负数——这恰好解释了它为什么急着把 Siri 的底座换成自家模型加 Gemini：继续绑在一家外部模型上，风险只会越积越多。

而 OpenAI 这边，最扎眼的对比是它同期在硬件入口上的另一场官司——和苹果的商业机密诉讼还在打，进 iPhone 的路已经被 Gemini 切走一段。它在软件入口上没守住的，正在用别的方式补。

判断

这条新闻真正值得记住的不是「OpenAI 承认失败」，而是它的使用场景：在反垄断案里，承认自己的合作没带来垄断地位，是一种防守动作。

可以预期两件事。第一，庭审前 OpenAI 会继续用「合作无效」这条线做文章，它有强动机把这句话反复写进文件。第二，苹果不会回应——对它最省事的做法就是让这件事停在联邦法院的卷宗里，然后继续推进自己的模型路线。

对读者的实操结论只有一条：别把大平台分发的「预期收益」当成既定资产。OpenAI 是全球最强的模型公司之一，在 iPhone 这个入口上依然是被动的一方。你不是。

关注 AI 商业快讯，每天一篇 AI 热点深度解读。

相关阅读：

阿里达摩院 RADAR 深度拆解：一次腹部 CT 看 146 项发现，26 位放射科医生里赢 23 位，但权重禁止商用

作者
阿里达摩院 RADAR 深度拆解：一次腹部 CT 看 146 项发现，26 位放射科医生里赢 23 位，但权重禁止商用

26 位放射科医生坐在同一场测试里，23 位的平均准确率输给了一个模型。

9 月 17 日，这篇研究登上了《Science》，题目是《An expert-level generalist AI for abdominal CT diagnosis》；9 月 18 日，阿里巴巴达摩院把模型权重放上 HuggingFace，宣布开源。国内媒体当天跟进的口径几乎一致：全球首个「专家级」通用医学影像 AI，一次腹部增强 CT 能识别超过 146 种病症。

我把代码仓库拉下来、把权重页面和许可证逐个点开之后，第一句话就卡在许可证那一行：权重写的是 CC BY-NC-SA 4.0，NC 是 NonCommercial，禁止商业使用。

数字先摆出来：这篇论文证明了什么

论文的核心是一个叫 RADAR 的模型（Rapid Abdominal Diagnosis with AI and Radiology）。它跟此前影像 AI 最大的区别是打法：过去一个模型对应一种病，RADAR 把一例腹部增强 CT 按解剖结构拆开，再对照放射科报告学「这个部位的这句话对应什么影像表现」，一次性输出整份发现清单。

官方新闻稿与论文摘要给出的数字如下：

项目 数字
训练数据 424,911 例腹部增强 CT、150 万图文对、1500 万解剖级配对
覆盖范围 18 个解剖结构、146 项影像发现
平均 AUC 0.913（同批对比中最好的同类视觉语言模型为 0.776）
急诊场景 27,000 例以上急诊 CT 上 AUC 0.904，且训练未使用急诊数据
外部泛化 8 家外部中心，AUC 0.895
读者研究 26 位放射科医生，AI 辅助下诊断敏感度提升约 10%
作者与机构 40 位作者，达摩院与多家医院合作，含浙江大学医学院附属第一医院

AUC 是区分有病与没病的能力指标，1.0 是完美，0.9 以上在影像 AI 里属于可用的高水平。论文摘要的结论句是：通用型 AI 已经能在常规与复杂阅片任务上达到人类专家水平。

数据之外还有一段传播更广的说法：模型的平均准确率超过了 26 位参与者中的 23 位。这句话来自达摩院对研究的转述，被南华早报等媒体引用后，变成了中文标题里的「AI 赢了 23 位医生」。它和摘要里那句「辅助提升敏感度 10%」其实是两组不同的实验。

开源清单：我把仓库逐个点了一遍

「开源」这个词在这件事里需要拆开看，因为同一项目在三个地方用了三种许可证。

内容 是否开放 口径
代码 开放 GitHub 仓库 alibaba-damo-academy/damo-radar，Apache-2.0，可商用
模型权重 开放下载 HuggingFace 上共 6.4 GB，许可证 CC BY-NC-SA 4.0，禁止商业使用
训练数据 不开放 424,911 例只存在于论文里，一例影像都没放出来
外部测试数据 部分开放 用的是斯坦福 MERLIN 数据集，需向斯坦福申请下载
处理后的掩膜与重采样图 开放下载 HuggingFace 数据集，960 次下载，同样是非商用许可
代码归档 开放 Zenodo 存档 379 MB，许可证又写成了 CC-BY-4.0

代码仓库本身 510 MB，89 个 Python 文件、18,718 行，其中 7,633 行是从 Salesforce 的 LAVIS 视觉语言框架搬来的底座，达摩院自己的工程量大约一万行上下。仓库 7 月 3 日就建好了，比论文上线早了两个半月，45 次提交，最后一次推送是 9 月 18 日。

权重文件也能看出这个模型的体量：RADAR+ 主检查点 1.65 GB，预训练版 1.57 GB，单独的 UNet 视觉分支 208 MB，另有中英文两个 BERT 文本编码器，分别 412 MB 与 440 MB。也就是说，它的文本端是 BERT-base，视觉端是 3D UNet 与 ResNet，不是大语言模型。

想真正跑起来，门槛写得挺实在：官方文档要求单张 A100 或 H20 显卡，演示用的一例原始腹部 CT 体积 98 MB，预处理还要装 TotalSegmentator 分割 104 个解剖结构，报告解析脚本则要填 DashScope 的 Qwen 接口密钥。仓库里附带的外部测试结果有 5,125 例样本，但只覆盖 20 项发现——那是斯坦福 MERLIN 数据集有标签的那部分；146 项的完整逐例结果并不在仓库里。

还有一个细节值得记一笔：两天过去，仓库 323 星、37 次 fork，两个 issue 都还开着没人回。一个问「会不会有在线 demo」，另一个来自苹果芯片用户，说自己花时间把推理路径改成 MPS 跑通，只需要改 3 个文件、14 处设备调用，推理链路里没有任何自定义 CUDA 算子、纯 fp32，并附上了数值等价的验证。这是一个挺客气的补丁，目前还挂着。

三个被标题盖住的细节

第一，146 是「发现」，不是「病」。 我把模型输出的 146 列标签导出来看了一遍，里面既有直肠癌、胆管癌、胰腺肿瘤这类疾病，也有大量描述性条目：主动脉钙化、肝脂肪肝、脾副脾、膀胱憩室、肾上腺钙化、肋骨骨折、肝内钙化灶。官方中文口径写的是「识别超过 146 种病症」，读者很容易理解成能查出 146 种独立疾病，实际清单里相当一部分是阅片时顺带记录的表现。

第二，「赢了 23 位医生」是另一组实验。 论文摘要里读者研究的原句是「RADAR 辅助把 26 位放射科医生的诊断敏感度提升了约 10%」；而「平均准确率超过 23 位参与者」是模型单独阅片与医生单独阅片的对比。前者说的是 AI 帮医生少漏诊，后者说的是 AI 与医生同台竞争，两者都会被引用，但混在一起说就成了「AI 取代医生」的标题。官方还提到，在 AI 辅助下医生用时减少 30% 以上。

第三，它只吃增强 CT。 腹部增强 CT 要注射造影剂，属于有创的诊断检查，不是体检筛查。达摩院自己那条更出名的产品线走的是相反路线：用最常见的平扫 CT 做「一扫多筛」。所以 RADAR 的定位是诊断环节里的读片助手，不是把体检变成 AI 初筛。

另外，从论文摘要和官方新闻稿看，所有评测都是在已有病例上完成的回顾性评估，公开材料里没有前瞻性临床试验的结果；同批对比中那个 AUC 0.776 的「最好的同类模型」也没有被点名。

达摩院的医疗 AI 已经走了四年，这是通用化那一步

把 RADAR 放回时间线，会更容易理解它为什么值得上《Science》：

  • 2023 年 11 月，胰腺癌平扫 CT 早筛研究登上《自然·医学》，在两万多例真实病例的回顾性试验里找出 31 例临床漏诊病变
  • 2025 年 4 月，胰腺癌筛查模型 DAMO PANDA 拿到美国 FDA 的「突破性医疗器械」认定
  • 2025 年 11 月，GE 医疗与达摩院签署合作框架意向书，把 CT 影像 AI 往设备侧推
  • 2026 年 3 月，「胰腺病变 CT 图像辅助分诊软件」进入 NMPA 创新医疗器械特别审查程序
  • 2026 年 4 月，肠癌「无感」筛查研究登上国际肿瘤学期刊

这条路线一直是「一个模型查一种病」，RADAR 则是把单病种模型收拢成一个通用底座，再靠解剖级对齐把泛化撑起来——外部 8 家中心 AUC 只掉 0.018，急诊场景没训练过也能到 0.904，这两个数字才是它进《Science》的理由。

对照物也很清楚。RADAR 的外部测试集就是斯坦福的 MERLIN 数据集，而 MERLIN 团队自己在 2024 年发布的 3D CT 视觉语言基础模型，走的正是同一条「通用模型」路线，并在 2026 年发在《自然》上。这一年里，通用影像模型这条线被两本顶级期刊各认可了一次。

但商业化的距离还摆在那：许可证禁止商业使用，模型也没有医疗器械注册证。对医院和厂商来说，短期内它只能当研究基座，不能直接变成产品。

结论：值得抄的是方法，不是权重

这件事最值得带走的不是 6.4 GB 的检查点，而是它证明了一条可复制的训练路径：用现成的分割工具把 CT 按解剖结构切开，用大模型解析临床报告拿到弱标签，再用解剖级对比学习把影像和文字对齐。 整条链路不依赖人工标注，这才是 42 万例数据能跑出结果的原因。国内做影像 AI 的团队真正能借鉴的，是这套「不靠人标注」的工程范式，以及官方在仓库里公开的预处理代码与报告解析脚本。

至于那份权重，科研可以下，产品化要谨慎：非商用许可加上没有注册证，决定了它在国内医院里暂时只能以研究合作的形式出现。

对普通读者，一句话判断：一次 CT 给出 146 项发现，这件事是真的，也是影像 AI 近年少见的硬进展；但它替代的是读片流程的第一步——把该看的地方全部标出来，而不是放射科医生。

关注 AI 商业快讯，每天一篇 AI 热点深度解读。

相关阅读：