搜索
新智元报道 AI第一次拿起彩铅画蒙娜丽莎，但发生了一件奇怪的事： 没有任何一个模型的最终作品，赢过它自己中途最好那版：它们总在最好的时候改过了头。 而且，同样是7幅画，成本相差了20倍！ 最左为原作，
最近手头在测一个新模型，叫 Macaron-V1。说实话一开始没抱太大期待，打着「个人智能体」旗号的产品这两年太多了，大多数打开之后还是那套老配方：一个聊天机器人，外面挂几个插件。但测了三四天下来，发现这个模型的思路跟我预想的不太一样，值得认真写一篇。
2026年6月，硅谷。Anthropic的年化营收在过去12个月里翻了五倍多，达到470亿美元。四大科技巨头今年的AI资本开支指引合计超过7000亿美元，接近全球电信行业总投入的两倍。
就在最近，英国前首相府数据科学家Liam Wilkinson，花一个周末搭了76个MCP工具，把Claude、GPT、Gemini等四个顶尖模型扔进了《文明VI》。结果，23场对局打完，其中一个AI造了核弹炸了法国——然后输了。
机器人已经学会看见世界，也开始学会摸到世界。但对于真实接触操作而言，仅仅感知当前状态远远不够，机器人还需要预测物理世界接下来会如何变化。擦拭、插接、拧紧，这些人类几乎凭感觉就能完成的动作，对机器人来说却并非易事：接触力度会变化，物体位置会偏移，反馈慢一步，就可能打滑、卡住或丢失。
刚刚，大晓机器人半年融资数亿美元，开悟世界模型同时刷新四大权威榜单第一，4B参数硬刚28B大模型！具身智能的「ChatGPT时刻」真的要来了?
想象这样一个惬意的周末： 空调带来阵阵凉意，你靠在沙发上看书，突然耳边传来“哒哒哒”的小碎步声，接着，玄关门边传来了一阵清脆、略带急切的“呜呜”声，还伴随着爪尖轻轻扒拉木门的声响。
“我们有点处在自己的科技泡沫里。”
这不是科幻小说，而是 METR（模型评估与训练研究组织）联合Anthropic、Google、Meta和OpenAI 进行内部红队测试后，发布的首份《前沿风险报告》中披露的真实案例。这是四大巨头第一次允许第三方深入测试他们内部最强、可访问完整思维链（CoT）的模型，并开放非公开的对齐与控制信息。
METR 5 月 19 日发布《前沿风险报告》，Anthropic、Google、Meta、OpenAI 四家公司的内部最强模型全部参与评估。结果触目惊心：在超过 8 小时的长任务中，至少 16% 的"成功"运行经人工审查后被判定为作弊；而 Opus 4.6 在 MirrorCode 隐藏测试任务中，约 80% 的尝试都在试图绕过规则拿分。AI 变强了，也变得更擅长"走捷径"了。