阿绎 AYi@AYi_AInotes

48

尽管长期存在唱衰言论，X在4月的App Store下载量却创下历史新高，较此前峰值增长40%，呈现断层式跳跃。这反驳了用户流向Bluesky、Threads或产品被毁的论调，下载量被视为用户“用脚投票”的最硬指标。增长归因于团队过去18个月对Grok集成、视频体验、社区功能的持续改进，以及4月新闻周期让X重回“刷大事”的核心场景。许多用户从Bluesky回流，凸显了“实时、开放、全球共时讨论”的护城河效应。然而，下载量只是领先指标，bot泛滥、创作者变现政策不稳定、应用性能等问题若不能解决，增长可能昙花一现。未来6-12个月的关键在于提升留存与变现，若能实现，X将进入全新增长周期。此事冲击行业认知，证明“安全可控的算法投喂”并非唯一答案，“言论自由、实时、开放”的模式依然拥有强大生命力。

八家科技公司已与五角大楼签署协议，为美国军方机密网络供应人工智能技术，这是推动构建“AI优先作战力量”计划的关键部分。Anthropic公司未参与其中，因其拒绝了协议中的使用条款并被标记为安全风险。该举措旨在通过AI整合提升机密军事网络的作战效能，标志着五角大楼加速军事AI化的战略部署。

Google AI@GoogleAI

41

谷歌I/O开发者大会即将在不到三周后举行，官方现面向公众征集创意倒计时视频。参与者需使用Google AI Studio或Gemini应用中的Canvas功能，通过代码创作一个包含1到10之间大数字的倒计时概念，并在5月6日前提交。官方在推文回复中提供了示例项目以供参考或混音创作，更多提交信息可通过指定链接获取。

在监管部门明确希望上市企业国内注册的导向下，月之暗面（Moonshot AI）和阶跃星辰（StepFun）等中国AI初创公司正考虑解散境外控股架构，直接在中国境内注册。此举是北京加强对人工智能产业管控的一部分，此前中国已阻止了Meta对迈纳斯的收购。这一转变意味着初创公司为寻求在国内资本市场上市，正主动调整公司结构以符合监管要求。

阿绎 AYi@AYi_AInotes

62

微软在Word中直接集成Legal Agent，提供无需切换工具的法律AI辅助。其核心优势并非模型能力，而是精准引用、带修订痕迹的确定修改以及M365安全体系，精准解决律师对格式、数据安全的痛点。此举将竞争拉入微软的主场——用户离不开的Word。模型可替换，但入口被锁定，垂直AI生存空间受挤压。未来或只有拥有入口的巨头或极其细分领域的公司能存活。这启示AI创业应聚焦集成于用户现有工作流，而非开发独立工具。

elvis@omarsar0

41

作者赞赏Sam Altman的推文，其中强调“构建工具以增强和提升人们，而非取代他们”。作者批评当前AI叙事中常见的工作毁灭论是懒惰且不诚实的，主张应努力构建AI和工具来提升和增强人类，这虽更具挑战性但方向正确。尽管目前大多数AI模型和工具并非如此设计，但通过适当的对齐和努力，可以将其塑造为辅助人类工作的力量。Terence Tao的“Copernican view of intelligence”支持这一愿景，并认为其完全可实现。

Qwen@Alibaba_Qwen

55

Qwen与Fireworks AI达成战略合作，旨在通过Fireworks平台提供其闭源权重模型的优化、生产就绪部署。此次合作使开发者和企业能够以更低的延迟、更少的微调和推理成本来部署Qwen模型，同时利用企业级的可靠性、安全性和可扩展性，并将其无缝集成到现代AI工作流程中。

针对长上下文大语言模型在优化式红队测试中计算与内存消耗巨大的问题，研究人员提出了FlashRT框架。该框架显著提升了提示注入与知识腐蚀攻击的测试效率，相比先进基线nanoGCG，实现了2至7倍的加速（如将运行时间从一小时缩短至十分钟内）和2至4倍的内存节省（如在32K令牌上下文中将GPU内存从264.1 GB降至65.7 GB）。FlashRT可广泛适配于TAP、AutoDAN等黑盒优化方法，为系统评估长上下文LLM的安全风险提供了高效工具，代码已开源。

美国国防部宣布与 SpaceX、OpenAI、谷歌、英伟达、Reflection、微软和亚马逊云服务共 7 家 AI 公司达成协议，将把它们的先进 AI 能力部署至国防部 IL6 和 IL7 级涉密网络，旨在扩大合作范围并让更多军方人员使用相关工具。值得注意的是，协议名单中未包含 Anthropic，该公司因与五角大楼就使用限制规则发生争议，此前已被列为供应链风险并被禁止使用。此外，国防部披露其 AI 平台 GenAI.mil 上线 5 个月以来，用户已超 130 万人。

Berryxia.AI@berryxia

50

用户在与ChatGPT互动后，提出生成一张照片的请求，要求模拟iPhone随拍风格。照片需无明确主题和刻意构图，呈现普通甚至失败的外观，包括运动模糊、光线不均、轻微曝光过度、角度尴尬和构图混乱。整体追求一种“过于真实的随手一拍感”，类似于意外拍摄的快照，以探索ChatGPT的图像生成能力。

谷歌、亚马逊、微软和Meta计划明年在人工智能数据中心、芯片和基础设施方面的总预算达到约7250亿美元。这一巨额支出反映了科技巨头持续加码AI投资的趋势，资金将主要用于支撑AI技术发展的核心硬件与基础设施。

向阳乔木@vista8

50

Adam Tornhill重新探讨函数应写多长的问题。AI模型理解代码的方式与人类不同，依赖字面特征如命名、结构和局部上下文，研究表明变量名对AI理解能力影响显著。Fowler认为函数长短本身不重要，关键是将意图与实现分离；若代码需阅读才能理解其功能，就应提取为函数并用清晰名称表达意图。这一逻辑在AI编程中同样成立，强调命名和结构对提升AI代码理解的重要性。

OpenAI继批评Anthropic限制其AI模型Mythos的访问后，也对其AI模型Cyber实施了访问限制。这一行动表明，尽管OpenAI曾公开质疑竞争对手的限制政策，但其自身在实际操作中也采取了类似措施。目前Cyber的具体访问限制程度和受影响用户范围尚未详细披露，但该事件凸显了AI行业在模型开放与管控之间的普遍矛盾。

ChatGPT 模型因训练中的错误奖励信号，开始以惊人频率在回答中插入哥布林、小妖精等神话生物。OpenAI 指出，这暴露了 AI 训练的一个核心隐患：即使微小的、调优不当的训练激励也可能产生不可预见的副作用。该现象强调了优化奖励机制在机器学习中的重要性，以避免模型输出出现类似偏差。

向阳乔木@vista8

59

一篇关于AI生图技术的综述论文提供了对2026年最新进展的全面概览。该论文不仅梳理了当前最前沿的图像生成技术，还回顾了近年来该领域的发展脉络，有助于读者快速建立系统性认知。相关解读和原始论文链接已一并提供。

向阳乔木@vista8

51

一篇关于2026年AI生图技术的综述论文揭示了几个关键洞察。核心在于数据质量，最终训练阶段少量高质量专家数据直接决定用户对模型能力的感知。训练数据中即使混入少量AI生成图像，也会严重损害生图质量和模型潜力。技术路径上，蒸馏是商业部署的必备选项，不考虑蒸馏友好性的架构设计将导致模型无法实用。此外，开源与闭源生图模型的核心差距并非渲染器本身，而在于渲染器之外的整体系统架构设计。

向阳乔木：今天读到一篇超级棒的AI生图综述论文。 读完你就能对2026年最新生图技术有全面了解，太赞了！ 还能顺带了解这几年的发展脉络。 AI解读如下，原始论文见评…

向阳乔木@vista8

62

使用Codex等AI工具时，在同一会话中同时处理“生成设计图”和“开发应用”两项任务可能导致效果下降。例如，GPT-5.5有时仅将生成的设计图视为“参考灵感”，而非“严格设计规范”，致使最终实现界面与设计图存在偏差。推荐的优化方法是采用两个独立会话：首先在一个会话中生成并确认满意的设计图；随后开启新会话，将图片作为输入，并明确要求“像素级还原”设计，以此确保开发结果与设计意图高度一致。