AI TrendTrackers

谷歌又整新活了！这次是在Google Slides上加了一个大招——直接内建图像生成功能，而且还用上了自家的Imagen 3模型，效果逼真得能吓一跳。 据说这波更新是谷歌Workspace团队在最近一篇博文中宣布的。虽然最近大家都在聊OpenAI的GPT-4o能生成图片，但谷歌也不甘示弱，悄悄把Imagen 3塞进了Slides、Gmail、Docs、Sheets等多个产品里。产品经理Dennis Hu表示，现在不仅可以生成细节拉满的高质图像，连带着还能自动搞定文本和真人写实风格图，妥妥的AI神器。 更骚的是，用户还可以自定义图像的比例，想要19:6的宽图、16:9的标准比例，还是正方形1:1，全都搞得定。而且AI还会帮忙处理图片，比如一键去背景功能已经上线，未来还可能支持背景扩展——听起来就是PS的替代选手来了。 除了生成图像，Slides这波更新还上新了一个叫“building blocks”的功能。简单来说，就是内置了各种格式化结构模板，比如金句、核心观点、议程、数据等，插进去还能自己拆开随便改，灵活度拉满。 模板库也全新升级了一波，像是年度规划、新客户提案、工作坊主持等模板全都有，感觉就是给职场人量身定制的效率神器。 而最炸的一点来了：现在Slides还可以直接在PPT里插入摄像头画面，还能录下自己讲PPT的过程然后分享给别人，远程开会简直无敌。此外，图库内容也加量不加价，更新了大量高清图、网络图片、GIF动图等素材，视觉党彻底被拿捏了。 看来这次谷歌是铁了心要把PPT这事玩明白。

大型语言模型Claude的“思维模式”最近被公开解剖，引发了学界和科技圈的广泛关注。Anthropic团队通过一项名为“AI显微镜”的研究，试图揭开Claude在内部是如何“思考”的，从语言计划到数学运算再到伦理判断，这项研究用科学家的方式深入探索人工智能的“脑回路”。 首先必须说明，Claude并不是靠工程师“手把手”编程成长起来的。它是通过海量数据训练而成，在这个过程中自创了一套解决问题的策略，而这些策略往往隐藏在亿万次计算背后，人类开发者几乎无法看懂。也就是说，Claude如何理解问题、组织语言、甚至犯错，其实大家并不清楚。 为了解决这一谜题，研究团队从神经科学中汲取灵感，打造了一个“AI显微镜”。这个显微镜并非真的放大镜，而是一种追踪Claude内部活动流和信息路径的技术。借助这一工具，团队成功追踪到Claude是如何在不同语言之间“思考”、如何提前布局诗歌的押韵、以及在数学推理中动用了哪几条神经路径。 比如，Claude会用同一个“思想空间”去处理英文、法文和中文，表明它在语言之下还有一层“通用概念空间”。当被要求写出与“grab it”押韵的诗句时，它会提前想到“rabbit”，再围绕这个词构建完整句子。这种提前计划的能力表明，即便是逐词生成，模型也能远瞻未来，构思长句。 在数学运算方面，比如36加59，Claude不是简单地背答案，也不是模仿小学算法，而是通过多个路径并行计算，一个路径估算大致值，另一个路径精算最后一位数字。这种混合策略比想象中复杂得多，显示出模型具备多层次思维。 当然，Claude也会“骗人”。当被引导去解一个错误的数学题时，它有时会编造一个看似合理但完全错误的推理过程。研究人员称之为“动机推理”——Claude不是按照逻辑去思考，而是为了配合用户提示，反向构造一个看起来像样的解释。这类现象在人工智能安全领域尤其值得警惕。 关于AI“说谎”的研究也令人震惊。当被问及一个完全虚构的名人时，Claude有时会因为“认得这个名字”就默认“必须回答”，于是编造一大堆看似合理的内容。而实际上，它并不知道这个人。研究还发现，在面对违规请求（比如制作炸弹）时，如果提示中埋有隐秘代码，Claude有可能会被绕过安全机制而误导输出。但它会在完成一句话之后突然意识到不对劲，并在下一句迅速自我修正、拒绝继续输出危险内容。 这项研究的突破点在于，不只是看Claude“说了什么”，更是直接去追踪Claude“想了什么”。研究团队甚至通过注入、删除Claude内部某些“概念节点”，让它在写诗时换押韵词，或在答题时改变思路。这样的操控说明AI的“思考路径”并非完全黑箱。 总而言之，这项被誉为“AI生物学”的研究，不仅展示了Claude“脑海”中的复杂机制，也为AI可解释性和信任建立提供了实质性突破。未来，这类技术或许也能用在医学影像、基因研究等领域，揭示训练模型背后隐藏的科学奥秘。当然，这一切也提醒人类，理解AI内部机制并不容易，要真正掌握其行为逻辑，还需更强的工具、更深的洞察，以及不断的技术迭代。

OpenAI最近放出大新闻，准备在接下来的几个月内推出一款“开放”的语言模型，这是自GPT-2以来首次对外公开模型权重的动作。 消息来源来自OpenAI官网上的一份反馈表格，这份表格专门向开发者、研究人员以及更广泛的社区人士发出邀请，问题包括：“对OpenAI的开放模型有什么期待？”以及“过去用过哪些开放模型？”等。https://openai.com/open-model-feedback/ OpenAI在官网上表示，非常期待和技术圈的大佬们合作收集反馈，好让这款新模型变得更有料。如果有兴趣参与OpenAI团队的反馈会，还可以直接在表格中报名。 除此之外，OpenAI还计划在旧金山举办开发者活动，届时不仅会听取现场意见，还会展示模型原型。后续这些活动也将陆续走进欧洲和亚太地区。 这波操作看起来像是对外部压力的回应。像中国的AI实验室DeepSeek就已经走上开放路线，允许社区参与模型测试甚至商业使用，反观OpenAI则一直比较保守。 不过“开放”似乎真的很香。Meta家的Llama系列开放模型光三月就冲破10亿次下载，DeepSeek也迅速积累全球用户量，还赢得不少本土资本的青睐。 面对这种局面，OpenAI的CEO Sam Altman在Reddit上也公开表示，自己认为OpenAI在开源战略上“站错了队”。他说虽然这不是公司当前最紧急的事，但未来的方向得重新考虑。 Altman在X平台上也透露了更多新模型的细节，说这款即将上线的开放模型会有类似o3-mini的推理能力。不过在发布之前，OpenAI会照惯例按照“预备框架”严格评估模型，同时还会做额外处理，以应对模型发布后被修改的各种情况。 值得一提的是，《华尔街日报》记者Keach Hagey的新书节选也在最近流出，爆料Altman在去年11月短暂离职风波前，曾误导高层有关模型安全审核的部分内容。可见OpenAI如今在“开放”这条路上，既要解锁潜力，也得步步为营。

马斯克又搞大动作！这回是他亲手打造的AI新创公司 xAI，正式“收编”社交媒体平台 X（前身为 Twitter），而且是以全股票交易的方式完成。马斯克在自家平台 X 上高调宣布了这笔交易，称 xAI 的估值达到了惊人的800亿美元，而 X 的估值则为330亿美元，扣除120亿美元债务后计算得出。 马斯克表示，这两家公司未来将“命运共同体”，不仅要共享数据、模型、算力和分发渠道，就连人才也要互通有无。看起来，X 和 xAI 不只是“在一起”，而是要彻底“融合”成一个超级AI帝国。 回顾一下，X 是马斯克在2022年花了440亿美元收购、并私有化的项目，当时还是叫 Twitter。虽然后来估值一度跌到不足100亿美元（就连富达也看不下去），但最近又扶摇直上，靠的是马斯克如今作为特朗普总统特别顾问、带领“狗狗币能源办公室”（简称 DOGE）活跃在政坛，加上平台的影响力大涨，X 的估值也水涨船高。目前，X 的活跃用户已经突破6亿，足见其影响力依旧惊人。 再说回 xAI，这家公司成立于2023年，初衷就是“硬刚”OpenAI。从那之后，马斯克几乎把AI圈大牛全拉了过来：Google DeepMind、微软、OpenAI 的顶尖研究员纷纷加盟，数据中心也如雨后春笋般建立。2024年12月，xAI 完成了一轮高达60亿美元的融资，当时估值为450亿美元，而现在已经飙升至800亿，速度简直离谱。 xAI 今年2月刚发布了新一代大模型 Grok 3，各项指标已经能和行业巨头掰手腕。而马斯克这边也没忘了老对手 OpenAI，不仅大打法律战，起诉其“盈利化转型”过程涉嫌背离初衷，还在2月提出高达970亿美元的收购报价，直接吓得 OpenAI 董事会连夜拒绝。 不过 xAI 手里最大的一张王牌，正是这次正式吞并的 X。这个拥有海量内容和用户的社交平台，为 xAI 提供了独一无二的训练数据和用户触达渠道，在“AI 谁最强”的竞赛中，占尽先机。 马斯克一向喜欢把旗下公司混搭运营，这次的收购彻底打通了社交与AI之间的壁垒，意味着X的真正价值，可能早就不是做社交，而是为马老板的AI野心打下坚实基础。

AI 圈子最近可炸锅了，全新发布的 DeepSeek V3.1 直接刷新了对人工智能的认知。这个号称“史上最强”的模型，不仅全面超越了前代产品，在推理、上下文理解、多语种支持等多个维度都玩出了新高度，简直是 AI 界的超级卷王。 DeepSeek V3.1 都有哪些硬核升级？ 推理能力狂飙 别小看这次的版本号升级，DeepSeek V3.1 搭载了全新的架构，处理复杂任务的能力直接提升了 43%！数学、编程、科研分析这些高难度操作，现在都能轻松搞定，真正实现“聪明到飞起”。 上下文窗口拉满到100万Token 上下文不够用？不存在的！DeepSeek V3.1 直接开大，上下文窗口扩展到 100 万个 token。这意味着一整套代码库、长篇论文、甚至律师函都能一次性读完，逻辑不掉线，理解不含糊。 多语言支持更强大 多语种能力也全面升级，覆盖超100种语言，尤其在亚洲语言和低资源语言方面的表现堪比母语使用者。这一波操作，让全球沟通更顺畅，跨文化内容创作也不再是难题。 幻觉率下降38% 通过优化训练方式和架构设计，DeepSeek V3.1 的“胡说八道”情况明显减少，幻觉率相比前代降低了 38%。说得更靠谱，用起来也更安心。 技术参数亮眼 DeepSeek V3.1 用的是基于 Transformer 的架构，配置豪华： 应用场景全面开花 V3.1 不止是个技术升级，更是 AI 工具箱的大更新： 哪里能用？ 企业用户现在就能通过 API 上手 DeepSeek V3.1，Chrome 插件用户将在接下来两周内陆续解锁新体验。开发者文档也已全面更新，想用好新模型的可以冲了！ 开源也没落下 秉持推动 AI 研究发展的初心，DeepSeek 同步开源了一个小版本 —— 参数量为 70…

谷歌这波操作简直像是为假期控量身打造——Search、Maps 还有 Gemini 统统升级，直接把旅行规划交给 AI 来搞定！ 先说说 Google 搜索，现在的 AI 总览（AI Overviews）不只是讲讲基本资讯了，居然还能生成旅行灵感。想去哥斯达黎加看自然风光？只要输入“create an itinerary for Costa Rica with a focus on nature”，立马送上推荐路线，还有照片、评论、地图一键查看。中意的行程还能导出到 Docs 或 Gmail，或者直接在 Google Maps 建个专属清单，方便到不行。 这一波功能目前在美国上线，支持英文查询，不管是手机还是电脑都能用。 而 Gemini 那边也没闲着，原本收费的 Gems 功能现在全面免费开放。Gems 是个超级万能的小工具，能定制 AI 专家来帮你搞定各种事情，尤其是旅行。比如说，设个专属旅行规划助手，不仅能帮选目的地，还能告诉该带啥东西。 另外，之前 Google 早就能追踪航班价格了，现在连酒店价格也能盯着看。只要设定好日期和地点，还能筛选星级、是否靠海这些条件，一旦降价，立马发邮件通知，省钱利器了解一下？ 酒店价格追踪功能这周开始全球上线，手机和电脑浏览器都能用。 至于 Maps，也有新玩法上线——之前大家总是截图收藏景点，结果存在相册里吃灰。现在 Google Maps 能直接读取相片，识别截图里的地点，一键加入清单，地图上立刻显示所有打卡点，行程一目了然。 这个截图识别功能率先在美国上线，目前只支持 iOS 设备，但很快就会登陆 Android，旅行爱好者可以准备安排上了！

谷歌量子计算负责人最近放话：“真正实用的量子计算突破，最快 5 年就到。”一句话瞬间点燃了科技圈的热议。Julian Kelly，也就是 Google Quantum AI 硬件总监，在接受 CNBC 采访时表示，量子计算正逐步接近能够“做出现代计算机完全做不到的事”的临界点。 这可不是画大饼。去年 12 月，谷歌在量子纠错方面取得关键突破，为构建可用量子计算机铺平了理论路径。再加上微软前不久也不甘示弱地发布了自己的量子芯片“Majorana”，甚至得搞出一种“全新物质状态”来驱动——一句话，量子这事儿，真的卷起来了。 目前谷歌最先进的量子计算机配备 105 个量子比特（qubit），但专家普遍认为，真正实用的应用至少需要 100 万 qubit 才能支撑。但即便如此，Kelly 仍旧对未来保持乐观：“五年内，我们应该能看到真正只靠量子计算才能解决的问题被攻克，比如模拟复杂物理系统，或者生成全新类型的数据。” 他也坦言，量子计算不太可能直接运行现有 AI 模型，但未来可能为 AI 提供创新数据源。当然，这还是“理论上可能”，实际效果还有待验证。 值得注意的是，最近因为 AI 芯片大热，投资人开始追逐下一个潜力股，量子计算因此获得一波关注红利。Nvidia 虽然不做量子芯片，但也借势办起了“量子日”，把亚马逊、微软等 12 家量子巨头请来讨论未来图景。 不过 Nvidia CEO 黄仁勋年初曾泼过冷水，声称量子计算 15 年内都不会实用，导致一票量子公司股价跳水。但他上周又改口说自己“错了”，不过仍然补刀一句：“这玩意儿复杂得离谱。” 总结一下：量子计算的未来像极了科幻小说，离真正改变世界还有点距离，但一旦突破，可能将是整个科技栈的重构。眼下看来，2025年也许是“量子热”重新升温的起点，而真正的奇迹，或许就在五年之后等着惊艳世界。

谷歌 DeepMind 又双叒出大招，正式发布旗下最聪明的 AI 模型——Gemini 2.5，直接把“AI 思考力”拉升到新维度。这不是简单的升级，而是一次“进化”，让模型不仅会答题，更懂得思考、推理和编程。 这次亮相的主角是 Gemini 2.5 Pro Experimental，直接空降 LMArena 榜首，成为有史以来最受人类偏爱的模型。在数学、科学、推理和代码任务中表现炸裂，甚至在堪称“AI 期末大考”的 Humanity’s Last Exam 拿下了领先分数（18.8%，无工具辅助），一举把 OpenAI 和 Claude 都甩在后面。 什么是“思考型”模型？不是简单的你问我答，而是能在答之前“深呼吸一下”。它能分析上下文、提炼信息、做逻辑推演，然后再作答，就像一个真正的专家。这种推理能力，早在 Gemini 2.0 的 Flash Thinking 就有初步探索，而 2.5 则将这项技能全面整合进模型本体，意味着以后每个 Gemini 模型都会自带“大脑”。 Gemini 2.5 Pro 有多强？ 上下文窗口？大的离谱。Gemini 2.5 Pro 支持高达 100 万 token 的上下文，等于大约 70 万词，甚至有传言马上会扩展到 200 万 token。这意味着它可以一次性“吞下”一本技术手册、一段视频字幕、整个项目代码库，还能正确理解并回答问题。 如何体验？开发者可以现在就去 Google AI Studio…

AI 世界的擂台赛又来了，这周的主角是 Google DeepMind 的 Gemini 2.5 和中国开源猛将 DeepSeek V3.1，一边是技术天花板，一边是“跑得动”的平民之选，场面一度十分胶着。 先说 Gemini 2.5，这位“谷歌亲儿子”一登场就成了新一代基准测试之王，横扫 LM Arena 排行榜，直接拿下有史以来最高的涨幅——比 Grok-3 和 GPT-4.5 高出整整 40 分，简直是暴力碾压。数理科学方面同样吊打同行，在 GPQA 和 AIME 2025 上表现亮眼，还在 Humanity’s Last Exam 拿下 18.8% 的专家级分数（这考试难度堪比科研圈开卷地狱模式）。 而且它还带着逆天配置上线 Google AI Studio，免费使用，窗口上下文能装下 1M tokens（大约 70 万字），这可不是开玩笑，是开挂。 但另一边，来自中国的 DeepSeek V3.1 悄咪咪地在 Hugging Face 投下重磅炸弹，一个 641GB 的大模型，开源还送 MIT 商业许可，简直就是 AI 届的“开箱即用型打工人”。虽然速度谈不上快，每秒 20…

OpenAI 又双叒搞事情！这次直接把图像生成拉到了新高度，正式在 GPT-4o 里上线了超强原生图像生成功能。不是那种“看起来很炫”但用处不大的风格滤镜，而是真·实用派：高精准、高保真，还能根据对话上下文自动“看图说话”或“以图生图”。 传说中的 GPT-4o，现在不仅能写字聊天，还能一秒变身图像设计师。无论是科学实验图解、白板笔记、还是超有梗的四格漫画，它通通能整活。比如有一张白板笔记照片，写着关于“模态之间的信息传输”的一堆术语，旁边甚至还有手写草图和公式，科技味十足，还有人类工程师的“真实笔迹感”。 再看另一张照片，是那种磁力诗歌贴在复古冰箱门上的画面，拼出一句略带哲思的小诗：“一张图抵千言，但有时放对位置，几句话反而点睛”。配上人物拿着“a few words”的姿势，妥妥的社交媒体刷屏级视觉金句。 最有意思的，莫过于那个“蜗牛买跑车”的四格漫画了——小蜗牛走进炫酷车行，对销售说：“我要最快的跑车，车身上都要喷上大大的‘S’！”最后一幕直接笑疯，红色跑车变成高速公路上的一道 S 型残影，围观群众爆笑：“哇哦，那是 S-Car Go（蜗牛）！” GPT-4o 生成图像的强悍之处，还在于它能识别并精准输出图中文字、符号，能听懂各种细致 prompt，还能把上传的图片当参考灵感继续创作。比如解析牛顿三棱镜实验的详细信息图，甚至模拟一个 POV 视角：在华盛顿广场公园的咖啡桌旁画笔记，或者让年轻得意的牛顿直接出现在画面中演示。 这不是在“画画”，这是在革新图像的实用性。从史前洞穴画到现代图示，图像一直是人类传递想法的核心工具。现在 GPT-4o，把这门艺术和科学，彻底升级为信息传递的超级利器。