行业快报

AI 开源 vs 闭源 2026：Llama/Qwen/DeepSeek 能追上 GPT-4 吗 一、开源模型最新进展 2026年是开源大模型全面崛起的一年。三款旗舰开源模型在不同维度上已经追平甚至超越GPT-4o水平。 1.1 主要开源模型 模型 发布时间 参数量 训练算力(FLOPs) 上下文 许可证 综合评分(MMLU) Llama 4 Maverick 2025.12 400B(MoE) 1.8×10²⁵ 256K Llama 4 License 88.7 Qwen 3 235B 2026.2 235B(稠密) 1.2×10²⁵ 128K Apache 2.0 87.3 DeepSeek V4 2026.1 671B(MoE) 1.5×10²⁵ 192K MIT 89.2 Mistral Large 3 2025.10 240B 9.0×10²⁴ 128K Apache 2.0 84.5 1.2 闭源模型基准 模型 发布时间 参数量(估计) 上下文 MMLU 优势领域 GPT-5 2025.9 ~8T(MoE) 2M 92.4 推理/编码/多模态 Claude 4 Opus 2026.3 ~5T(MoE) 500K 91.8 长文/分析/安全 Gemini 2.5 Ultra 2026.1 ~6T(MoE) 10M 91.2 多模态/长上下文 1.3 差距分析 综合能力差距（以GPT-5=100为基准）： GPT-5: ████████████████████████████████████████████ 100 Claude 4 Opus: ███████████████████████████████████████████ 93 Gemini 2.5: ██████████████████████████████████████████ 91 DeepSeek V4: ████████████████████████████████████████ 89 Llama 4: ███████████████████████████████████████ 88 Qwen 3: █████████████████████████████████████ 87 GPT-4o: ████████████████████████████████████ 83 关键结论：最好的开源模型（DeepSeek V4）已超越GPT-4o，但与GPT-5仍有约8-10分差距。2024年这个差距是18分，正在快速缩小。 ...

SEC 秘密提交：IPO 时间线 2026 年 6 月，Anthropic 向美国证券交易委员会 (SEC) 秘密提交了 S-1 注册声明草案。根据 JOBS 法案 Title I 的「新兴成长公司」(EGC) 条款，年收入低于 12.35 亿美元的公司可以秘密提交 IPO 申请。 但 Anthropic 的收入远超这一门槛——这意味着它可能利用了其他豁免条款，或在提交时已准备好在 60 天内公开。 预期时间线 节点 时间 (预期) 事件 秘密提交 2026 年 6 月 S-1 草案提交 SEC 公开披露 2026 年 Q3 S-1 公开版本发布 路演 2026 年 Q4 投资者路演 定价 2026 年 Q4 / 2027 Q1 IPO 定价 上市 定价后 2-3 天 开始交易 9650 亿美元估值：超越 OpenAI 的含义 Anthropic 最新一轮融资（2026 年 Q1）的估值为 9650 亿美元，超越了 OpenAI 同期的 8700 亿美元估值。 ...

双轨发布：Fable 5 与 Mythos 5 的分工逻辑 2026 年 6 月，Anthropic 一次性发布了两款旗舰模型：Claude Fable 5 与 Claude Mythos 5。这不是简单的「大小杯」策略，而是两条截然不同的技术路线。 维度 Fable 5 Mythos 5 定位 工程执行型 推理规划型 SWE-Bench Pro 80.3% 72.1% MMLU-Pro 84.7% 89.2% 上下文窗口 500K tokens 1M tokens 延迟 (P50) 1.2s 3.8s API 定价 (输入/输出) $3/$15 per M tokens $8/$35 per M tokens Fable 5 的核心设计目标是代码执行的准确性与速度，而 Mythos 5 更适合需要深度链式推理的场景（数学证明、法律分析、科研假设生成）。在实际开发工作流中，两者的搭配使用形成互补：Mythos 5 做架构设计与方案论证，Fable 5 负责落地实现。 SWE-Bench Pro 80.3%：一个里程碑数字 SWE-Bench Pro 是目前评估大模型软件工程能力的最严格基准。它不仅要求模型理解代码，还要求模型在真实仓库中完成多文件编辑、测试通过、CI 验证。 80.3% 意味着什么？ ...

V4 架构创新：从 MoE 到 Dynamic Sparse Attention DeepSeek V4 没有沿用 V3 的 Dense 架构，也没有简单跟随主流 MoE 路线，而是提出了Dynamic Sparse Attention (DSA) 机制——一种在注意力层面做动态稀疏化的方法。 传统 MoE 在 FFN 层做专家路由，每个 token 只激活部分参数。DSA 则在 attention 层引入类似思路：每个 token 动态选择与哪些历史 token 计算注意力，而非对全部上下文做 full attention。这使得 1M 上下文的推理成本从 O(n²) 降低到接近 O(n·log n)。 架构特性 V3 V4 注意力机制 Full Attention Dynamic Sparse Attention FFN 架构 Dense MoE (256 专家，激活 8) 参数总量 671B 892B 激活参数 671B (全激活) 37B (稀疏激活) 上下文窗口 128K 1M 训练 tokens 14.8T 22T V4 的总参数量达到 892B，但每次推理只激活 37B 参数——这意味着它的推理成本接近一个 37B 的 Dense 模型，但能力上限接近 892B 参数的模型。这是 MoE 架构的核心优势，V4 将这一优势从 FFN 层扩展到了 attention 层。 ...

3.5 Flash 的核心定位：Agent 时代的低延迟引擎 Gemini 3.5 Flash 不是 3 Pro 的降配版。它是 Google 专门为 Agent 工作流设计的一款模型，核心设计目标是：在保持高质量输出的前提下，将端到端延迟压到人类感知阈值以下。 关键性能指标： 指标 Gemini 3.5 Flash Gemini 3 Pro GPT-5 Fable 5 首 token 延迟 (P50) 280ms 890ms 420ms 510ms 首 token 延迟 (P99) 680ms 2100ms 1200ms 1400ms 输出速度 (tokens/s) 285 72 95 110 多模态输入 文本/图像/音频/视频 同左 文本/图像/音频 文本/图像 多模态输出 文本/图像/音频 文本/图像/音频 文本/图像 文本 上下文窗口 1M 2M 400K 500K API 输入价格 $0.35/M $3.5/M $2.5/M $3/M 280ms 的首 token 延迟是一个心理临界点——人类对 300ms 以内的响应延迟感知为「即时」。这意味着在对话式 Agent 场景中，Gemini 3.5 Flash 的响应体验接近人类对话节奏。 ...

全模态大模型：不只是「多模态」 NVIDIA Cosmos3 不是又一个「能看图的 LLM」。它是一个全模态 (Omni-modal) 大模型——能理解并生成五种模态的内容：文本、图像、视频、3D 场景、物理传感器数据。 模态 输入 输出 文本 ✅ ✅ 图像 ✅ ✅ 视频 ✅ (最长 60s) ✅ (最长 30s) 3D 场景 ✅ (点云/Mesh) ✅ (Mesh/NeRF) 传感器数据 ✅ (IMU/LiDAR/触觉) ✅ (物理模拟数据) 关键区别在于「原生集成」——不是五个独立模型拼接，而是在单一架构中统一处理。Cosmos3 使用了 Omni-modal Transformer (OMT) 架构，所有模态被映射到一个共享的隐空间，通过模态特定的 tokenizer 编码后进入统一的 Transformer 主干。 这意味着 Cosmos3 可以处理跨模态的推理任务，例如： 输入一段视频 + 文字描述 → 输出 3D 场景重建 输入 LiDAR 点云 + IMU 数据 → 输出物理仿真视频 输入一张工程图 → 输出零件 3D 模型 + 装配动画 Super vs Nano：646 亿 vs 157 亿 Cosmos3 提供两个规模版本，均完全开源： ...

Vera Rubin 是什么：不只是一颗 GPU NVIDIA Vera Rubin 不是一个单纯的 GPU 迭代。它是 NVIDIA 面向 Agentic AI 时代的完整计算平台，包含三个核心组件： 组件 名称 定位 制程 CPU Vera AI 专用 ARM CPU 3nm (TSMC N3E) GPU RTX Spark 消费级/工作站 GPU 3nm (TSMC N3E) 数据中心 GPU DGX Spark 数据中心级 AI 加速器 3nm (TSMC N3P) 这三者的组合构成了从 PC 到数据中心的完整产品线。NVIDIA 不再只是卖 GPU——它在卖一套以 AI 为中心的计算架构。 Vera CPU：NVIDIA 的 ARM 野心 Vera 是 NVIDIA 自研的 ARM 架构 CPU，采用 3nm 工艺，这是 NVIDIA 首次大规模进入 CPU 市场。 ...

Dreaming V3 是什么：从手动记忆到自动合成 OpenAI 在 2026 年 6 月推出了 Dreaming V3——ChatGPT 历史上最大幅度的记忆系统升级。名字中的「Dreaming」借用了人脑睡眠期间记忆巩固的机制：系统在对话结束后，于后台自动分析对话内容，提取关键信息合成持久化记忆。 与之前版本的根本区别 维度 V1 (2024.2) V2 (2025.3) V3 (2026.6) 记忆形成方式 用户手动指令 半自动 (重要信息提示) 全自动后台合成 记忆类型 事实性偏好 事实+偏好+事件 事实+偏好+事件+推理模式+情感倾向 记忆容量 100 条 500 条 无限 (分层压缩) 跨对话 ✅ ✅ ✅ 跨设备 ✅ ✅ ✅ 记忆检索 全量扫描 向量检索 层级化检索 + 关联推理 用户控制 查看/删除 查看/删除/分类 查看/删除/分类/加权/遗忘曲线 V1 和 V2 本质上是「记忆便签」——用户说「记住我喜欢用 TypeScript」，ChatGPT 存一句话。V3 是真正的记忆系统——它会在对话后自动分析：「这个用户在讨论 React vs Vue 时，总是从性能角度切入，偏好性能优先的方案」——这种推理模式的提取是前两代做不到的。 自动记忆合成机制 Dreaming V3 的核心是一个三阶段的记忆合成管线： 阶段 1：对话后分析 (Post-Conversation Analysis) 每次对话结束（用户关闭会话或 30 分钟无活动）后，系统启动后台分析任务： ...

OpenAI 重组 2026：从非营利到营利的关键转折 一、治理结构演变 OpenAI 的治理结构经历了从非营利实验室到营利巨头的根本性转变。 1.1 时间线 时间 事件 影响 2015 非营利OpenAI Inc.成立 承诺开源、造福人类 2019 成立OpenAI LP（营利实体） 微软投资$10亿，利润上限100x 2023.11 董事会罢免Altman事件 暴露治理结构缺陷 2024.12 公布重组计划 非营利→营利性PBC转换 2025.6 特拉华州批准PBC转换 法律障碍清除 2026.3 重组正式完成 非营利董事会失去控制权 1.2 重组后的结构 OpenAI Inc.（非营利，持有股份） │ └── OpenAI Global, LLC（营利PBC） │ ├── 微软（持股49%，利润分成） ├── 员工期权池（约9%） ├── Altman（持股约7%） ├── 其他投资人（约35%） └── 非营利OpenAI Inc.（持股约0%（已稀释）） 关键变化： 非营利董事会从多数控制权变为 无实质控制权 利润上限（原100x回报）被 取消 Altman 首次获得股权（约7%，估值$210亿），成为有史以来最富有的科技创始人之一 PBC（公益公司）形式要求在利润和公共利益间平衡，但约束力远弱于非营利 二、Altman 权力集中 2.1 权力维度 维度 2023年前 2026年现状 股权 0% ~7% 董事会席位 CEO（可被罢免） CEO+董事会主席 投票权 无特殊权利 通过持股和盟友控制多数 军民两用政策 受非营利董事会约束 自主决定 投资决策 需董事会批准 个人可主导重大投资 2.2 关键人事布局 Altman 在重组过程中完成了对管理层的全面掌控： ...

Siri 的十五年：从语音助手到智能体 2011 年 10 月 4 日，苹果在 iPhone 4S 发布会上推出了 Siri。彼时的 Siri 被定位为"智能语音助手"，能设定闹钟、查询天气、发送短信。十五年后，在 WWDC 2026 的主题演讲中，苹果用整整 40 分钟讲述了 Siri 的重生——这是这款产品历史上最重大的一次架构重构和功能升级。 核心变化可以概括为三个维度：产品形态重构（独立 App）、能力跃迁（深度耦合 Google Gemini）、平台战略（Apple Intelligence 全面升级为开发者可用的 AI 操作系统）。 独立 App：Siri 不再是"系统附属功能" 从系统级到应用级的历史性转身 iOS 27 中最直观的变化是：Siri 拥有了独立的 App 图标和完整的应用界面。用户可以像打开微信、照片一样直接打开 Siri，进入一个类似 ChatGPT 的对话界面，支持文本、语音、图片多模态输入。 这看似简单，实则是一次架构哲学的转变。过去十五年，Siri 始终作为 iOS 系统级功能存在——长按侧边键唤起，以悬浮球或底部弹层形式出现。这种设计的优势是"随时可用"，劣势是"能力受限"：Siri 无法拥有自己的 UI 体系、无法支持复杂的多轮对话流、无法展示富媒体内容。 独立 App 带来的能力扩展 维度 旧版 Siri（iOS 26 及之前） 新版 Siri（iOS 27） 入口 长按侧边键 / “Hey Siri” 独立 App + 侧边键 + 语音唤起 界面 悬浮弹层，无独立 UI 完整应用界面，支持分屏、小窗 对话 单轮为主，最多 3-5 轮 无限轮次，支持上下文记忆 输入 语音为主 语音 + 文本 + 图片 + 文件 输出 纯文本 + 系统动作 富文本 + 卡片 + 内嵌应用 历史 无对话历史 完整对话历史，可搜索和回溯 独立 App 化还意味着 Siri 终于可以拥有自己的设置面板、通知中心、Widget 和 Live Activity。开发者可以通过 SiriKit API 将自己的 App 功能深度嵌入 Siri 对话流中。 ...