看到这个工具，我突然觉得我应该给我的一些工具加上一些好听的BGM了 Google Magenta 开源的 Magenta RealTime 2，是一个实时音乐生成模型，带 open-weights 模型、Python 推理库、C++ 推理引擎，也能做 DAW 插件和 macOS 应用。 如果你做音乐工具、AI 创作软件、实时音频插件，可以看下这个项目。它的方向是让 AI 融入创作过程 Star：1.5k+ GitHub：

我让 AI 找一个值得做的产品，它盯上了律师账单里的 6 分钟 最近用 AI 做产品调研时，我越来越明显地感觉到一个问题： 信息并不缺，缺的是判断。 问“下一个 AI 机会在哪里”，很容易得到一长串听起来都对的答案：AI 法务、AI 财务、AI 营销、AI 编程…… 但真正准备行动时，还是不知道哪个需求真实存在，哪个只是被反复包装的趋势。 所以这次我换了一种问法。 我让 AI 从用户抱怨、产品评论、GitHub Issues、行业报告和现有产品中寻找信号。每提出一个方向，还必须主动寻找反证：竞争太强、付费意愿不足，或者已经有成熟工具解决，就淘汰。 它一共比较了12个方向。 广告上线前 QA 的损失很直接，但链接和落地页检查已经有成熟工具；AI 代码审计的痛点很强，但市场拥挤，而且人仍然可能需要逐行复核；财务对账高频，却绕不开数据权限和“到底以哪个系统为准”的问题。 最后留下的，是一个我原本完全没有想到的场景： 律师的工时记录与账单叙事（比如美国的法律服务）。 许多按小时计费的律师以0.1小时，也就是6分钟为单位记账。会议、邮件、电话和文档修改结束后，他们还要回忆自己做过什么、匹配案件、补记时间，再把记录改成客户能够接受的账单描述。 AI 在这里不需要替律师做法律判断。 它只需要把日历、邮件和文档活动整理成带来源的候选记录，再由律师确认、修改或删除。 它真正解决的也不是“写得更快”，而是减少漏记、降低审核返工，并让每条收费描述都有依据。 这次测试用的是 Apodex。它里面的 Deep Discover 最让我意外的地方，不是能生成多少想法，而是会主动反驳自己的想法，把一个宽泛的问题逐步收敛成可以验证的假设。 它也没有把这个结果包装成确定的创业机会，而是给出了一套30天验证方案：访谈律师和 billing manager，用脱敏样本测试草稿编辑时间，再验证是否真的有人愿意进入付费试点。 如果律师不愿开放数据、修改草稿和自己重写一样费时，或者现有软件已经够用，那这个方向就应该停止。 我觉得这才是这次测试最有价值的地方。 它没有替我宣布一个答案，而是帮我排除了一批看起来正确的答案，最后告诉我： 下一步最值得验证什么，以及出现什么结果时应该放弃。 有时候，真正有用的 AI 不是让人更快得到结论，而是让一个模糊的问题，终于有了可以行动的下一步。 Open Source Harness: Open Weights: Website:

这周真的离谱，感觉各家商量好了同一时间放炸弹。 三个核心线索，我自己觉得比较有意思：一个是新模型对极高效率和成本控制的内卷式追求，另一个是海外对开源 AI 的态度，还有模型绕过护栏后去破防 security 体系。 ① 这周最值得关注的其实是两件事撞一起了：DeepSeek 和 OpenAI 同时在 coding agent 的价格线上动手。 DeepSeek 放了 V4 Flash 的正式版，284B MoE、激活13B，性能已经超过了之前的V4 Pro-Preview，也持平/超过了 GLM 5.2。价格 $0.14 / $0.28 per million tokens（缓存命中仅0.02人民币per million tokens）。 然后OpenAI 那边，GPT-5.6 Luna 直接砍了 80%，现在 $0.20 / $1.20。Terra 也降了 20%。 两个动作叠在一起看，信号很明确：coding agent 的价格战正式开打了。之前 $2-3 的 input 价格是常态，现在直接被砸到 $0.14-0.20 的区间。 ② Dario 发了个声明澄清 Anthropic 从来没主张 ban open-weights，说"没有危险能力的 open-weights 是 public good"。这个背景是 Anthropic 没签那个支持开源 AI 的联合声明，被圈内骂了。Dario 这波算是找补，但措辞挺小心的，一边说不支持 ban，一边还是强调 targeted export controls 和限制大规模蒸馏。 还有一封 pacingthefrontier的公开信，几个主要 AI 实验室负责人签名，说 recursive self-improvement 可能在加速 AI 进展，要求政府支持国际 effort 来“deliberately pace the frontier”。翻译成人话就是：我们觉得自己可能快控制不住了，政府快来管管。 ③ 字节 SeeDance 2.5，单段视频市场提高到30 秒 720p 视频，支持 30 张图 + 10 段视频 + 10 段音频做 reference。真的是生产力级别的质变。 ④ Google DeepMind 发了 Gemini Robotics 2，三个模型：ER 2 做高层规划，Robotics 2 做 VLA 执行，On-Device 2 做本地部署。 Hassabis 之前说机器人距离突破还需 18-24 个月，这个判断我现在还是认同的。硬件、数据和算法都还是瓶颈。 ⑤几个快速带过的： Microsoft 出了 MAI-Cyber-1-Flash，专门做软件漏洞挖掘的模型。网络安全垂直模型这个方向，感觉接下来会越来越多。 Thinking Machines 放了 Inkling-Small，276B MoE / 12B active，主打 audio intelligence，是 Inkling 的四分之一大小。 Nvidia 投了 Ilya 的 SSI，50亿美金，给了 Vera Rubin 算力，据说要Scale提升一个数量级。 这周信息量是真的大。我的感受是，coding agent 的价格战已经开始实质性改变 API 市场的定价结构了，这是接下来几个月最值得关注的变量。 大家这周有什么特别关注的，可以聊聊。

普通用户如何不被各大 AI 厂商的宣传榜单带偏？推荐你把 Artificial Analysis 加入收藏夹。 每当有新模型发布，各大厂商总会宣称自己在某项基准测试中“全方位碾压”对手。但实际上，没有一个模型能在所有场景下完美胜出。Artificial Analysis 就是一个专注于提供客观、多维度数据的 AI 模型评测与对比平台，帮助你拨开营销迷雾。 它核心的评测逻辑，是把复杂的模型对比拆解为三个最贴近实际使用感受的维度： 1️⃣ 智能度（Intelligence）： 聚合了 MMLU、MATH 等权威学术基准测试，以及基于人类真实盲测偏好的 Chatbot Arena 胜率，客观反映模型处理复杂逻辑、代码和文本的综合能力。 2️⃣ 速度（Speed）： 包含首字延迟（Time to First Token）和生成速度（Tokens per Second）。对于内容编辑或需要实时对话的用户来说，速度直接决定了使用体验。 3️⃣ 成本（Cost）： 明确标出每百万 Token 的输入和输出价格。对于开发者和需要批量处理任务的团队，这是控制预算的关键指标。 除了这三个核心维度，网站还支持按“开放权重（Open Weights）”进行筛选，并针对图像生成、视频生成和语音模型开辟了专门的评测板块。最方便的是，平台更新极快，最近几天新发布的模型几乎都能在第一时间查到数据。 该网站全英文，包含大量模型技术说明和数据图表，配合沉浸式翻译即可无障碍阅读。但请记住，平台的第三方数据是一个高效的筛选入口，而非绝对真理。 模型在特定提示词（Prompt）或私有数据集上的表现各不相同，在最终决定前，依然建议使用你自己的真实业务样例进行实际验证。 🔗：