171: 【AI季报 26Q2】从 coding 到 RSI，强者愈强的未来？

【主持人】欢迎收听晚点聊，我是曼琪。本期继续带来2026年Q2的AI机报。嘉宾仍然是Moe Capital的创始合伙人Henry Ng。这个季度我们沿两条脉络来看AI的进展：一是推进智能前沿，我们聊了三个话题，首先是OpenAI和Anthropic之间的竞争；然后是RSI（Recursive Self-Improvement）递归自进化，这延续了Q1我们重点讨论的一个话题Auto Research，Anthropic这个季度专门写了RSI的长文，更多新的创业公司正在涌现，就在上周我就新知道了四五个在这个方向创业的团队，有的已经官宣，更多在水下；三是具身智能，OpenAI官宣Robotics Team，更新鲜的非公开信息是Anthropic也在考虑这个方向。第二条线是智能如何扩散，我们看到更多企业客户想要自己的模型，这如何成为Fireworks等科技公司和中国开源模型的机会；二是交互创新，OpenAI带来了Record and Replay，Claude终于揭露了Artifacts群写作；最后我们补充了Google、Meta、xAI的情况，还有很久没上头条的Midjourney，它居然做起了超声波医学影像设备。一个小说明是我们录这期是6月27日，这之后又有重要变化，如Fable 5恢复了上线，所以节目里的这部分内容有之后发生的事情。我们正式进入本期的讨论吧。

【主持人】欢迎收听晚点聊2026年Q2的AI机报。这次我们继续来和Henry，Moe Capital的创始合伙人聊这个季度他的观察和他看到的进展。正式开始之前，首先恭喜一下Moe Capital，你们已经正式launch了，现在你们是有两位合伙人，你还有Nami，你可以简单讲讲你们的近况，有什么好消息可以分享吗？

【主持人】OK，你提到这些公司，正好有一些也在我们这个季度要展开聊的一些话题，比如说最近非常火的RSI，还有同样在国内也非常火的世界模型，这个我们到后面可以展开。那首先我觉得可以先回顾一下上个季度的一些话题。

【主持人】哪些到这个季度是在持续发生的，哪些可能是有变化的，以及你觉得就比如说如果我们展开第二季度的观察，从哪一个角度去看去梳理，能帮大家抓到大的脉络？

【主持人】OK，那我们如果要来看Q2的话，你会用一个什么脉络和框架来看？

【主持人】我们就从第一条线推进前沿智能开始，第一个话题还是延续上期的话题。

【主持人】也就是两大前沿实验室OpenAI和Anthropic之间的竞争，我们可以先从他们这个季度的新的模型开始说，因为这仍然是一切后续的竞争的原点。刚好在第二季度两家都有非常重磅的发布，Henry你可以和大家简单地讲一讲。

【主持人】misalignment如果翻译成中文是什么？就是非对齐？

【主持人】这件事我记得第一时间在推特上就掀起了轩然大波，有很多人讨论，很多人吐槽。

【主持人】o3-ultra去拿Terminal Bench第一次上90意味着什么？

【主持人】你说的偏长程就是还没有那么长程？

【主持人】对，这个也是一个比较不错的一个分数。除了这两个benchmark以外，他们还report在生物然后以及网络安全上面能够beat Mistral Preview的成果。为什么这次它没有去公布SWE-bench Pro上的分数？这在以往模型发布都是一个惯常的操作。

【主持人】这块补充一下，就是这两个模型发布以后，另外一个非常大的变化，就是现在不是所有人都能够使用最前沿的模型了。Fable发布在三天以后，美国政府就一直禁令，就是说不允许Anthropic给外国人提供Fable这个模型。然后因为Anthropic无法判断这个用户是否是外国人，所以它直接就全球用户下线了Fable。那么在我们现在录制节目的时候，刚刚就是限量的重新上线了Fable。然后在GPT-5.6发布的时候，也是同样的，是美国政府要求只能对美国政府批准的实体开放5.6的能力。所以目前的话应该是只有大概20家像Videa、Amazon这样的客户能够access 5.6。

【主持人】总结而言的话，在第二季度的新的模型上，一边是Fable 5，一边是GPT-5.6，你觉得两家的对比怎么样？

【主持人】那我们接下来就是进入跟产品化和商业层面的竞争，也就是现在这两个公司的主线，coding相关的产品，以及和这个相关的通用agent的产品的竞争。其实上个季度我们就聊到说Anthropic的隐忧就是Codex，OpenAI的coding agent可能会强势反扑。最开始你也提到这件事情，在本季度是已经有苗头的，确实你能感觉到周围有很多人在迁移，你可以讲讲，一个是你感受到的这种迁移的状态，就一些事实，然后背后的原因，以及比如说宏观上我们能看到势头的反转。

【主持人】对，并且好像在Q2出现了首度的盈利，就有好几个媒体，包括华尔街日报，然后像路透他们报道说出现了二级的盈利。这不算是公司官方放出来的，但因为这几个都是比较权威的财经媒体应该相对可靠。大概是说他二季度有5.6亿美元的营业利润。还有一个也是非官方的一个营收数据，就是Anthropic大概的这个增长是，5月早期的时候预期的年收入大概是在470亿美元，然后到5月底的时候就增长到了540亿美元，到6月中的时候增长到了620亿美元，所以这个增速还是非常可怕的。对比小互联系的话就是6月中的时候大概在400亿美元，然后Anthropic 6月中是620亿美元，对吧？

【主持人】对对对，这差距其实如果你对比第一季度应该是拉大了，Anthropic的增长更快了，不过这里面我觉得有一个和前面说的试试结合起来看。

【主持人】它可能就是用量上的差距也许没有这么大，是因为你说到其实Codex送了很多免费的东西对吧，就是它的价格占比较激进，因为它是相对落后的一方，所以它有一些用户的增长可能没有等量地反映在它的收入上。因为现在Codex很多人是20刀每个月就能用饱的，但是Anthropic它们可能如果要用的话，可能是至少是100刀或者200刀的这个量级，那就相当于相同用量就差了5到10倍的收入。OpenAI还是挺激进的挺狠的，就是在争夺的这个份额上。你自己投的一些公司，他们有观察到去用Codex的这种现象吗，比如之前在用Claude Code现在用Codex。

【主持人】目前来看应该是Anthropic更快的，它递交文件的时间是更早的。

【主持人】你觉得他们谁先上市影响大吗，对两家公司？

【主持人】差不了太多。你觉得OpenAI如今如此激进地做价格战，就会怎么影响它的IPO？因为很有可能这会在财务上反映，比如说你的毛利相比Anthropic就会有差距对吧，然后你的收入体量，现在已经有比较大的差距了。

【主持人】其实我还是觉得他们的做法也挺有魄力，就一方面我在准备登陆二级市场，但另一方面从长远考虑它还是采用了一种比较激进的竞争手段，没有说因为要上市，就考虑说让这个财务数字更好看。关于这两家的竞争，还有一个相关的第三方，就是Cognition退场。其实上季度我们就聊到Cognition是比较危的，就当时看起来在Anthropic Claude Code的压力之下，到了第二季度它已经不再是一个独立的公司了，被合并了xAI之后的SpaceX这个新的主体给600亿美元收购了。你可以讲一下有这件事就是在行业里引起的涟漪和变化是什么？

【主持人】我觉得它刚好赶在了一个很好的时间点，就是xAI自己出了比较大的波动和问题，他们有需求去要这样一个团队，同时xAI刚上市，上市其实还需要去做一些更完整的布局，或者说我去讲一些故事吧，它也有这个需求了。就刚好卡在这个点是挺好的。

【主持人】你觉得还有什么买家接下来可能会需要这类的公司，Google有可能做类似的动作吗？

【主持人】所以你觉得他们应该大概就是用自己的团队去追这件事。

【主持人】那如果总结下这两家公司的竞争，你觉得他们现在核心比拼的是什么。

【主持人】你觉得模型即产品这件事还在多大程度上成立？因为他们其实也有很多产品的创新和产品上做得很好，然后去提升体验的部分，就我不知道这一部分的努力是被怎么评估和认识的。

【主持人】这个想法还挺有意思的，因为一般来说大家对这两个公司的印象，会觉得Anthropic是一个更精英的团队，他们更focus在少数的方向上，给人的印象是他研究做的更多。然后OpenAI已经7000多人了，然后他的职能是相对更齐全的，包括他最近也招了很多FDE，就是前瞻部署工程师，就2B的那块他也在做。但是反而他们内部的研究人员还认为，他们的产品和Go To Market走向市场做得不够好。你首先你觉得这个评价他客观吗？你觉得说如果说他做得不够好的话，因为他其实是更早意识到要做这个，也投入的比较多，为什么他也做得不够好？我们可以看到OpenAI在这方面的管理层也经常在换，也不是非常的稳定。当然OpenAI是个很大的公司，但我这应该是听到不只是一个OpenAI的研究员有这方面的看法，就你觉得他们说的这个对吗？

【主持人】对这两家公司来说，因为他们模型的能力是相对旗鼓相当的，所以他们的竞争是一个更加综合的系统的竞争。你提到其中有一个点是比如说产品和走向市场的能力，如果更完整来说这系统还包括什么？包括这个系统最后就是一个系统可能会越来越好，或者说保持在一个比较好的状态，一个系统可能会竞争力差一点会是什么导致的？

【主持人】从来就是如此，还是最近它变得越来越强之后会更明显？

【主持人】你说的第一种猜想，就是说它是一个有点宗教化的组织，是因为就这个组织的愿景是比较独特和强烈，然后它可能本来来的人就比较信这个，走的人也比较少是吗？

【主持人】挺有意思，历史上有什么这样的公司吗？

【主持人】因为现在有一些人，由于Anthropic一些反人设的行为出现，就类似于你刚才提到的，我默默地给你降智这些做法，然后对这个公司有很多的非议和争议，就是会不太相信它所宣称的一些它的理念，比如说我们要做非常安全的AI，比如说我们把对齐视为非常高的优先级。然后从你的角度

【主持人】包括你和他们的一些人接触，到底觉得他们确实是在信这些东西的吗？我觉得硅谷这边的氛围的话，对于Anthropic在对齐上面的投入应该还是比较认可的。可能不代表所有人，但是我即使聊到的一些OpenAI的研究员，也是认为Claude在对齐上面做得比OpenAI强的。这个东西如果反映在体验上，是不是它也会带来更好的体验，大家用的时候能感觉出这个区别吗？

【主持人】OK，那我们进入推进前沿智能的第二部分，就是RSI的递归自进化。它的英文全称是recursive self-improvement。Henry，你可以先说一下就是这是个什么意思，以及为什么最近就大概四五月份开始，我觉得这个方向其实是越来越多人讨论的。

【主持人】这也是我想讨论的一个问题，就是在递归自进化这个里面，自动化就是人是否在这个循环里面，和递归就是它是以一个相似的结构在比较快的往前推进，这两件事哪个是更先发的？哪个是更重要的？

【主持人】你觉得得先自动，挺有意思的。我今天跟田渊栋也稍微聊了一下这个问题，他觉得可能递归是会先发生的。

【主持人】但是自动也发生了。

【主持人】上述所有事情它都可以做，就实现完全的RSI了。所以从局部的自动来说它已经发生对吧，就你刚说的这些是已经出现的，然后把整个系统放进来，这可能是大家未来追求的目标。在RSI上大的公司，还有一些新的公司，这个季度有什么具体的进展？

【主持人】你前面还提到这个报告还没有获得比较有意思的未来，这个具体来说是什么？

【主持人】对。

【主持人】对他们自己还是卡点，AI现在的研究品位还是不太行的，就还是需要人给它提供，但人的劳力人的时间是有限的。

【主持人】我觉得他们也非常矛盾。因为他们一方面就是觉得为了全人类我们应该放缓这个进度，但另外一方面觉得我们放缓了这个进度，我们的竞争对手不一定会放缓这个进度，所以可能还是得往前走。对他这个文章的标题就是叫Our Progress toward RSI，讲的也是他自己的进展，但是你没有说他觉得最好大家别一个劲进展太快。

【主持人】对，你觉得他的这种矛盾是真实的对吧？就结合我们前面说的，你说这个公司还是有非常独特的愿景的。

【主持人】因为你平时也接触大量的研究员，他们自己对制造一个AI，来把人踢出这个AI进化的loop是怎么想的？

【主持人】我觉得如果要是能做到AI的话，AI应该是能够理解自己的。

【主持人】对，自己进化和理解自己。

【主持人】你一定会同时发生，AI我觉得是能够理解自己的。

【主持人】不能理解。

【主持人】还有一个关于它设想的第三种未来的，我有一个像补充的问题。就你前面提到说Anthropic认为这件事的最大的风险是对齐，那另一方面，如果说模型进化得这么快的话，他们不认为有一种风险是智能泛滥吗？就有可能没有这么多对智能的需求，我不知道这个文章你提到这件事没有，或者说你们平时的一些讨论里面，大家是怎么看这件事情？

【主持人】那在新的公司里面，你提到recursive superintelligence在RSI上这个季度，也释放了一些具体的成果，这个可以展开讲讲。

【主持人】一般来说创业你要找一个现在的主流公司、主线不会去做的事。你觉得Anthropic和OpenAI他们继续往后推的话，RSI会在他们的主线上吗？这和创业公司之间会形成一个什么样的竞争关系？

【主持人】这一季度，两家最厉害的公司OpenAI和Anthropic在智能前沿上，还有一个不约而同的举动，就是他们都在加码Robotics。OpenAI这个事是相对公开的，Anthropic这个事就是在业内大家慢慢的在流传吧，他应该确实是有这个意想要去尝试做Robotics。Henry你可以讲讲就是两个公司在具身智能，或者说在物理AI上的一些情况。

【主持人】我们可以稍微多讲讲，因为它的公开信息要更多一点。因为在Sam Altman自己就是去官宣这个团队以及招人的信息里面，他还是透露了一些信息的。首先我觉得有些关键词就是，他说在人上他要找优秀的全栈工程师，全栈后面他包括硬件、操作系统、机器学习。然后他还提到就是他们第一个可能会用的场景是服务于自己的基础设施，这个应该就是他们自己的算力设施，然后再往后的话他也是想做能够服务普通人的机器人，这也是一个比较有共识的愿景就是做家庭机器人，包括马斯克本人也说过他觉得成熟状态下Optimus可能会有200亿台。还有就是他讲了这个团队的负责人，这个负责人是Aditya Ramesh。从这些信息里面你觉得有什么可以更多去解读吗？比如说他们可能会怎么去做这个事儿？

【主持人】然后创业公司里面其实派也是这个方向的，和具身智能和Physical AI相关的一个最近发火的话题是世界模型。虽然就是我们刚才讨论这家大模型公司在这方面有什么成果，这现在不是很明显，但整个领域是出现了很多变化的。刚好在5月的时候MOE Capital就你们自己的机构，也写了一个世界模型的研究报告。你可以长长你们在梳理世界模型的发展过程中间一些核心的总结和观察吗？

【主持人】你刚才就是在解释说为什么现在这个领域变得比较火，对吧，它其实还是和机器人的热潮也是相关联的。你们当时这个世界模型的报告里面，还有一个观察就是在统计过去这18个月里，世界模型获得的100亿美元都出了一些什么公司，你可以讲讲吗？

【主持人】你们这个统计是全球范围的，对吧？

【主持人】偏向欧美。那你如果把中国算进去，你会看到就是做这个机器人这块整个融资规模可能会更大。我还以为这是算中国的，所以中国之外也有100亿美元过去几个月，其实也不少。

【主持人】那我们接下来进入第二个大的板块，就是关于智能的扩散，已经可以帮我们干很多事情的智能怎么通过……

【主持人】更多新的产品的设计，和一些新的商业模式的设计，让更多人更多企业可以用起来。前面你提到就是，有一个新的趋势或者说机会，是很多企业在考虑，我到底应该用什么样的模型，是继续用最贵的frontier lab的模型，还是我自己要来有自己的模型？你可以讲讲，这个趋势在第二季度都是怎么发展、怎么变化吗？

【主持人】我觉得这个季度的例子和上个季度的例子，它的模式还不太一样。因为Cosa是自己基于一个开源模型，然后后训练了一个模型自己来用。你刚才讲到的这个例子里面，它其实有三方，就是Harvey是一个做法律AI的垂直的AI的公司，面向行业的，然后是Predicte Compute又用了Glm 5.1，就是中国的开源模型厂商的模型，然后来帮Harvey去训了Harvey要用的模型，对吗？

【主持人】那么为什么现在有更多的像Harvey这样的公司，他愿意去做post-training，然后拥有自己的模型呢？

【主持人】这个发帖的CEO他们的公司的业务，就是一边用Anthropic的模型，然后去一边服务下游其他的企业客户是吧？

【主持人】其实Fable已经发生了，还好他只上线了三天。如果他上线了一个月，美国政府再来这么一遭的话，那确实有些公司可能已经居于他开发了很多东西了。

【主持人】就是在我们刚才讲的Harvey和Applied Compute，再加上GLM5.1这个三方都在的这种模式的合作里面，后训练的Pipeline他是由Applied Compute这家公司来掌握的，还是说Harvey自己之后就那么掌握了？

【主持人】你前面也提到他们用来做后训练的这个基础模型是GLM5.1，为什么选这个模型？其实他们试了就是市面上可能所有的这些开源模型，很大部分都是中国的，然后他们最后发现在这个Base Line上面是GLM5.1的效果最好，然后他们就基于GLM5.1他继续去做Post-train，就是智谱的这个模型。所以现在从大家就是在这边的一些使用体验，不管是企业来使用还是个人来使用，智谱的模型在中国的开源模型里面确实是最强的吗，可以这么说吗？

【主持人】我觉得可以稍微延展聊一下，就是中国开源模型的一些情况。因为其实我们刚才聊的这种合作里面，我觉得它事实上是美国的一些有一定能力做模型服务的公司，就比如说Fireworks，比如说Applied Compute，然后在结合上中国的开源模型生态，他们一起来服务一个客户，这个客户可能很有可能最开始第一批也还是一个硅谷的或者说一个美国的客户，就算是某种意义上的中美合作在AI领域的。然后他们共同的另一面，看起来就是越来越强的，似乎无所不能什么都想干的Frontier Lab，你怎么看这种对局的走位？

【主持人】但是过去三年闭源也一直没有让开源追上。

【主持人】没有真正的追上，对。它看起来有逼近的趋势。

【主持人】就有一种对现在这种趋势能否持续，就是说是比大家都想要有自己的模型，有一种质疑就是在24年年初的时候，其实也有一波微调的红利，但是最后随着就是基础模型能力的提升，其实这些工作的红利都被覆盖掉了。你觉得在今天这个时刻，你看到比如像Harvey这种公司，他还去找一些人来帮他做后训练，又或者其实微软也有一个相似的尝试，微软是说他要去服务更多，就其他的大的企业客户去做这件事，去帮他们训练他们自己的模型，他还能持续吗？

【主持人】其实之前你说到Apply Compute和Harvey的例子就是这样的，他们就是基于Llama 3.1做了这个整个的后训练之后的东西。你刚刚说是超过，就是我直接拿OpenAI或者Anthropic的模型来做的效果，所以你觉得这个趋势在这一次有可能是一个更持续的趋势？

【主持人】你说的是不适合初创公司去有一个自己的模型，你是指这件事对吧？

【主持人】那其实也能明显的看到几个大的行业是适合做这件事了，比如说Harvey所在的法律是的，医疗健康可能也是，金融肯定也是，可能咨询也算是。

【主持人】然后这部分可以补充聊聊，就是中国开源模型那些情况。前面也是提到的两个合作，都是用了智谱的GLM-4.5这个模型。整体上来说，在第二季度中国的这么多开源模型，它的一个发展啊，包括就是比如说被全球的科技公司采用，是一个什么样的情况？你怎么看这几家厂商陆续出的一些新模型？

【主持人】对，其实在SGLang之前，还有一个存在更久的这种框架的社区，就是vLLM。我上次听 Lianjie Zhu 的采访也挺有意思的，因为他之前不在SGLang这个社区，还是Redbend AI 这个公司成立之后他一起加入去作为联创。他就说最开始其实他不是特别看好SGLang的发展，因为他觉得你起步相对晚，而行业里面已经有一个其他的开源社区做得很好了。所以说V3其实对他们来说是一个很大的助力，对吧？那比如说从这些开源框架的角度来说，他们现在觉得我应该抓住哪个开源模型的机会好好地增长发展？以后V4他们其实投入了很多时间精力去做。

【主持人】但V4当然就是没有V3给他们带来那么大的ROI了，那像Kimi、像MiniMax，包括像小米、千问，你觉得这季度有什么亮眼的进展吗？

【主持人】我们可以先从Anthropic这个基础的进展开始讲，他们最近推了一个还挺受关注的新的产品功能，就是Cloud Tag，也是我们前面稍微提到了，就是类似于之前做的那些和Slack打通。你可以加上，就是这个新的功能带来的一些变化和讨论是什么？

【主持人】其实这个想法本身并不是很新，我觉得国内和国外都有很多比较更早的尝试。为什么Cloud Tag做这一步比较晚，我觉得他们可能之前的话，是在自己最擅长的产品形态上面就是下功夫，就在Claude Code上面花了大量的时间。那么现在的话，他们想要进一步地去拓展他们的这个产品战线。所以Slack的话，我知道他们之前已经做了，内部其实做了挺久的，应该是比较深入地打磨了这个产品体验。我觉得可能也跟他的产品策略有关，就是他希望推出市场的时候，就已经是一个体验上各方面比较丝滑、表称出的东西。这个也有利于让用户能持续的觉得你是一个能给我带来高品质、高体验产品的公司的这么一个形象，我觉得Cloud Tag确实他这方面的口碑是不错的。

【主持人】对，这也是他其中一个功能，就是他会在一些合适的时机跳出来来提醒团队，你不要遗忘一些任务，不要遗漏一些事，以及他还要设置一个权限的管理，这个也是协作类的Agent需要去考量的事情，就是不同的员工可以看到什么类型的数据，可以访问什么不同的频道。

【主持人】对，默默地有些地方还是打磨细节，还是得靠人，得靠团队来使劲，所以这不算一个很大的新的东西。

【主持人】你可以讲这个新功能是干嘛用呢？

【主持人】不过这也是这个季度发生的，MCI也是这个季度，差不多的时间，但好像这个项目是不是已经Meta内部被叫停了？

【主持人】所以对OpenAI来说，它相当于它们都看到了这个方向，比如说这个方向还是有价值的，就是Meta那个推的方式大部分人不能接受，但OpenAI已经抢先在ChatGPT里面产品化了，所以应该在时间线上明明是更加领先的。它这个其实有点像什么？有点像机器人的遥操，早期机器人遥操也是你去遥操一个同构的机器人，然后你把人类的操作的能力给迁移到一个机器上。然后在模型的进展上面的话，我们可以看到就是现在，Claude在OSWorld Verify上面已经全部超过了人类的基线，也就是70%，大概Opus在83%，然后GPT-5.5也是在接近80%的水平。OSWorld就是一个computer use的benchmark，对吧？就其实也是它主打的这个功能要去做的那个东西。

【主持人】你觉得OpenAI推出的record and replay，还有Anthropic推出的Cloud Tag，哪个可能会是更引领方向性的，会有更多人来跟进的东西，以及如果你自己用过的话，你觉得哪个对你来说更有用？

【主持人】有可能？

【主持人】然后回到就是record and replay，你说它现在是一个比较早期的状态，有些地方可能不是很好用，理论上来说它这个功能推出去之后，它也可以获得相关的数据。

【主持人】它可以获得大量的数据，就有人用它就能有大量真实的数据，但可能也要看看对数据的条款能不能用于模型的训练，这个还挺涉及隐私的。因为这个数据里是应该能看到你的，就是有些系统的界面，然后里面就有些比如说截图，或者你在用的一些你个人的信息，都有可能会被看，这个数据应该比之前的这种文本数据会更加的丰富。我觉得这是个很好的提醒，如果有人想试这个东西的话，可以仔细看一看它的隐私协议是怎么来规定的。如果能用上的话，我觉得对它提升自己的OS World的类似于这种就是computer use的benchmark的能力，应该是会有挺大的帮助。对，我觉得OS World或者computer use的benchmark，好像一直没有特别大规模的benchmark，所以他们这个东西如果一旦launch，必须要大量用户使用的话，他们应该可以比较快速地去拿到这个可能市面上最大的computer use的数据集，也许他们自己就能编织一个更好的这种评测指标了。说到这个挺有意思，这个也是和机器人挺不一样的地方。你看OpenAI推了这样一个新功能，那就会有人来用，当然这个数据能不能直接用来做训练，就我不知道。然后在机器人，在物理世界里，它就不是这个逻辑。因为你得造一个机器人，然后你才能放到一个地方，它才会有真实的数据。而且就算你免费把一个机器人放到一个地方，对方也不见得想要这个东西。它的链路就是没有这么通畅，就是机器人更难。然后另外我觉得就是，大家在数字世界里面放弃自己的隐私，这个事情干了这么多年，已经干习惯了。但是在物理世界要放弃自己的隐私，可能还是有个心理门槛，得适应一下。除了我们前面说这两个功能之外，在新的交互上，二季度还有一个进展，就是OpenAI再继续发布它的一些多模态的系列，包括real time，就是一个流式语音的系列，它是一整套API，然后还有image 2，就是它们文生图的这个系列。同时我觉得可以稍待讲讲就是，TML几家公司，Thinking Machines Lab一家，它们也是在二季度发布了自己的首个模型，interaction model，它也是一个这种语音交互类的模型，就可以讲讲这一块的进展。一个是为什么大家觉得这个方向还是很重要，就比如说语音，另外一个就是，这些新的成果里面有什么相比之前不一样或者说有进步的地方。

【主持人】就在以前这个是从来没有过的，就像一个采访模型。

【主持人】采访也要看对方的反应吗，那这个模型就是万机可以立马用起来。

【主持人】然后给出真实的反馈。但是我觉得这个东西它的意义在于什么呢？就是在之前的话，最好的模型在语音方面，实时交互应该是OpenAI的GPT Real Time。但GPT Real Time它其实是一个对讲机，就是它还是Turn-based。你说完了以后，然后你按了以后，对方说话。然后他按了以后，你之所以感觉是Real Time，是它上面包装了一层，它上面包装了一层VAD，就是Voice Activity Detection。它会知道就说，你这边大概应该是说完了，然后我就该我这边说了。但它本质上其实还是轮流说话的对讲机，它包装的这一层并不是在模型层，是加在上面卖为一包装的。

【主持人】它没有去全量地开放这个API，是因为这种新的方式可能会非常贵吗？

【主持人】而且它这个东西是不是不好直接变成一个2C的产品？就像你说的，语音它是交互的一种基础方式，对吧，它其实是生态的一个基础设施。包括我们第一次录节目，我们就聊这个Agent和Infra的创业机会的时候，你是单独把语音列成一层的，你去把它列成和推理和coding和computer use都是平行的。那从这个角度来说，它就得加在一个什么上面，它才是一个完整的产品。

【主持人】那么在这两个benchmark上面，他们和OpenAI做了一个对比？

【主持人】差这么多，差了很多倍。就这个都有点感觉要欺负小朋友了。

【主持人】所以那4.3%基本上就蒙了，随机了，对对对。

【主持人】2.9%，所以几乎就是零了，基线几乎是零了。那他们应该测的就是Real Time 2.0。那你觉得Real Time 2.0表现如何？它也是OpenAI发的一个新的东西，就是主要他们这个系列的一个最新的东西。

【主持人】对，我记得好像刚发布的时候，后面应该是那个Advanced Voice Mode还没有更新成Real Time 2.0。我觉得他这个东西不一样，他是一个比较成熟产品，因为他的API也就是到6月十几号的时候，他就全量可用，然后很多开发者这些都可以用起来。这个是跟Interaction Model不一样的地方，就是一个我觉得是个更前沿的尝试吧，然后一个是他已经相对成熟一个系列的新的一代。

【主持人】我们在聊完前面的推进智能前沿和现在已经有的智能怎么更好地扩散之后，我觉得最后可以补充来聊一聊一些在前面的话题里没有提到的重点公司的进展。首先我觉得就是Meta，Meta在这一季度其实还是有一个挺壮的变化，就是FAIR他们的核心AI部门是放出了重组之后的第一炮，也就是Muse Spark这个模型。这是4月发布的，行业里是怎么讨论这件事情？就这个模型反响如何？

【主持人】有可能这个记得围绕Meta更大的新闻依然是裁员，所以我们上次讨论的就是他当时不是说要计划裁员吗，现在是开始裁员了。

【主持人】我们在最开始回顾上一季度和这一季度的变化的时候，你也提到有一个事儿是没有在这季度延续的，就是我们之前讨论Meta的token消耗的竞赛。然后更广泛来说，其实是当时在一季度的时候有一种token maxing的风潮，很多公司都争先恐后地希望自己的员工能更多的去用AI。你怎么看这个风潮好像比较快的就趋于平息了？

【主持人】这边大公司的人均限额一般是多少？

【主持人】500到2000美元，国内差不多也是这个量级，国内我知道有一些公司是5000人民币，700美元，就是在你刚说的Uber的这个范围里面，当然就是2000美元就是属于还比较高了。他们还有一个有意思的，说是我们前面你表达过的这个MCI，就有点类似于OpenAI推的那个新功能record and replay，只不过在Meta他们是强制所有员工去做的，然后后面又出现了表达的安全问题、数据泄漏的问题又叫停了。所以强制和自动开启的区别还是挺大的，自愿开启你对OpenAI来说就是我给了你一个新的服务，你可以用你也可以不用。然后Meta是要所有的在美国的员工在电脑上去安装一个追踪软件，然后去看你是怎么移动鼠标，你怎么点击，你怎么键盘输入。但这样也有一个好处，因为刚才我们在讨论OpenAI的这个新功能的时候，就在说这个数据能否被用来去训练更好的computer use模型其实是不知道的，大概率是不能直接用的。那我觉得在Meta的算盘里，它肯定是拿来直接用的，它的员工之间就没有这种问题，这不还是自己的数据吗，但是这个如意算盘就没敲响，反正现在被叫停了。

【主持人】然后我们来聊聊Google和xAI，不是独立公司的xAI吧，在二季度的一些情况。Google在这次的I/O大会发布了他们的新模型Gemini 1.5 Omni，就是对于视频的剪辑能力应该还是让大家非常惊艳的，那看起来还是多模态上的进展。

【主持人】另一方面你刚才说他放弃了训练模型，这件事已经板上钉钉了吗？

【主持人】你觉得他收购Cursor之后，能多大程度的去改变这件事情？

【主持人】对，至少他们做过后训练。但我觉得Cursor可能比如说没有预训练的人才，所以我们还会看到Grok模型吗？

【主持人】我觉得Elon is always right except the timing。你周围的人有人收到xAI的Offer吗？补充新团队的。

【主持人】没听说。所以也没有听说他们，我听说他们离开xAI去别的地方找工作，就也没听说他们在补充人才是吗？

【主持人】你觉得马斯克还有可能在追上吗？他还有可能在抓住模型的这个机会吗？其实当年OpenAI，他是最早的支持者和创始团队之一，如果带入下马斯克，我觉得他错过这个机会应该还挺懊恼的。你觉得他还有可能追上吗？

【主持人】你觉得比较难？

【主持人】就是其实到25年，还是有一些新的团队在出现，就是考虑做预训练类的。其实国内也有，比如说像米哈游，他们也说要用1000亿来做这件事情。但是米哈游的蔡浩宇之前，其实他更早的时候就组了一个公司，带做AI游戏，这个公司存在比较早了，但是他想去做预训练类的这件事情，可能是更晚才发生的，他也类似于现在这种要重建地基的状态。就是我想知道有比较大的资源，有这种抱负的团队，还有没有可能在现在这个时间点赶上这个窗口？还是说这个事情在23年24年可能就已经结束了？

【主持人】那你觉得Google和Meta还有可能赶上来吗？就他们和xAI的情况又不太一样，它没有完全散掉。

【主持人】短暂重回第一。对，然后现在到今年的话，肯定就是落后于OpenAI和Anthropic。它当时短暂的重回第一，是不是也和多模态本身带来的传播比较多有关？我们之前也讨论过这个问题，由于期节目里面。

【主持人】Gemini 3和Anti-Gravity，就是他们Windsurf收购后做的新的Agent IDE。然后就是Gemini 3，就12月底的时候，他们当时的coding能力和Anthropic、OpenAI还没有差那么多。但是今年的话，就是Anthropic、OpenAI在coding这边是有长足的进步，而Gemini里面并没有太大的进步。并且就是还有一个，Google非常擅长的是他们的Cost做得非常低。就之前的话，如果我们看Pareto Frontier那张图，就是纵轴横轴分别是Cost和模型能力，基本上在Pareto Frontier，就是给定一个模型能力，然后Cost最便宜的，基本上都是Google的模型。然后到今年的话，好像优势好像也不在了，就是这个新的Gemini 3.5 Flash好像比之前贵了好几倍。所以在Pareto Frontier上面，Google也不是一直是处在领先的状态。所以就几方面的因素加一起，我觉得现在Google肯定是大家会觉得会落后一些。但我觉得就是，然后再加上最近Google的Noam Shazeer也离开Google，然后加入了OpenAI，他是Transformer的八位作者之一。然后所以我觉得大家可能会比较担心Google的状况，但我觉得Google还是有一个很好的底子在那里的。这个底子是来自于，这个底子我觉得关于几方面，一个是他们研究人才的储备，除了Noam Shazeer还有很多很好的研究员。然后另外的话，就是他们的这个算力基础也在，对。然后我觉得TPU的话，他们有很大的算力上的一些优势。

【主持人】其实我这几天和不少人交流，我觉得大家对Meta的整体态度还是比较悲观的。我觉得Meta最大的风险，就是说出现那个类似XAI的那种团队解散的风险。

【主持人】我觉得应该不会是一家公司持续领先的状况。因为我觉得举一个例子的话，就是2023年GPT-4刚发布的时候，大家都觉得非常惊艳。那个时候就是OpenAI领先其他Lab的这个身位，应该大于现在最领先的Frontier Labs领先第二名的身位。但是这么大的优势OpenAI也后来被追上了，所以我觉得应该是一个交替领先的一个态势。除非是某一个Lab提前把，比如说达到在RSI上面有一些进展，然后持的他们加速度大幅超过其他的Lab，那我觉得可能会出现有一家独大的情况。

【主持人】Midjourney这家公司大家都比较熟悉，但可能就是最近一段时间没有出现在大家的视野里面。他们是做最早可能做文生图比较有影响力的公司。那么6月中的时候，Midjourney突然宣布他们这个新的产品和部门，就是Midjourney Medical。他们首个新的硬件产品叫做Midjourney Scanner，就是号称是这个50年来第一个全新的全身医学影像方法。

【主持人】50年来第一个。然后他们的工作原理，就是人这个站在一个潜水池的平台上面，然后周围环绕着大概40万个超声波的换能器。然后声波就会从全方位的穿过你的身体，然后每秒会生成TB级别的数据。然后他们会有他们的计算集群，然后重建你的肌肉、脂肪、骨骼、器官的3D横截面图像。他们管这个方法叫做Ultrasound CT，CT的超级升级版。

【主持人】对，超声波CT。

【主持人】就一般人看到这件事情，都会觉得跟他之前的主业好像八竿子打不着。Midjourney的Founder David，他实际上是一个非常有想象力的一个人。Midjourney这个公司他从来不像VC融钱，因为David不想受到投资人的控制，他希望能够完全以自己的意愿来运营这个公司。所以他利用Midjourney在文生图方面的收入，然后养了一个大概50人的一个团队，做各种硬件项目。

【主持人】非常天马行空。David Holz这个人，就MiniJony的创始人，他以前是什么背景的？

【主持人】我觉得这还是让我挺意外的一个事。就是在硅谷在湾区，搞到这种新的智能硬件，他可能都不能算是一个AI硬件对吧，他里面也许还没有那么多东西，看不出他硬件上AI在哪。所以最后的这个One More Thing，是关于一家AI公司做了一件跟AI没有那么直接相关的事。我觉得以此作为这期季报的结尾挺好的，因为我们这个季报当然主要是聊AI的，然后科技行业确实很多的话题也是被AI占据的。但另一方面在AI之外，也有很多事物，也有很多新的进展。今天非常感谢Henry，再次做客晚点聊，和我们一起讨论了2026年第二季度AI领域的一些大事件。

【主持人】我们分两条脉络，一个是智能前沿是如何推进的，另一个是已经存在的智能是怎么更好地扩散到全社会、被企业被个人使用的。在第一个部分，有之前已经非常明显的coding和agent的竞争，在第二季度它也变得更加激烈，包括出现了各种发布的波折，还有价格战。然后另一个是我们上次有聊到过的auto research之后变得更明确，然后也更火的一个趋势，就是ASI的规自进化。第三个是从虚拟世界到物理世界，大家对物理AI的探索也在加码，OpenAI官宣了Robotics的团队，Anthropic也被传闻说要去做具身智能相关的探索。

【主持人】然后是在智能扩散的这条线，我们讨论了新的交互，Anthropic和OpenAI都在二季度推出了一些新的功能。我们也讨论了中国的开源模型和美国的企业客户之间怎么形成了一种生态上的良性合作，一起去替代和对抗特别特别贵的Frontier Model的模型。最后的补充部分，我们聊了前面的框架里可能没有特别多涉及到的Google、xAI还有Meta的一些情况，以及特别有意思的MiniJony这家公司的新的尝试。那今天节目就到这里，各位拜拜。

【主持人】本期节目就到这里，感谢收听。如果你对今天聊的话题有观察、好奇或疑问，欢迎在评论区分享想法，这也会成为我们节目的一部分，让整个讨论更完整。你也可以把我们的节目分享给对这个话题感兴趣的朋友，推荐更多你想听的主题和嘉宾。你可以从小宇宙、苹果Podcast等渠道关注晚点聊LateTalk，也欢迎关注我们的公众号晚点LatePost。

【主持人】下期再见。