Large Language Models

主要新闻

1. 1

   Meta AI 现可通过 Muse Spark 1.1 规划和执行任务

   发生了什么：Meta 宣布推出更新版 AI 模型 Muse Spark 1.1，为 Meta AI 和 meta.ai 提供支持。该模型能够规划、执行并完成多步骤任务，无需重复提示。功能包括厨房改造规划、半程马拉松训练计划、生日晚宴协调、每日简报和研究综合——所有功能从今天开始在选定市场推出，未来数周内将扩展到 WhatsApp 和其他平台。 为何重要：该模型将 Meta AI 从回答问题转变为代表用户采取行动——处理重复任务、追踪日历冲突并自动提供持续更新。这代表 Meta 朝着所谓「个人超级智能」迈进，即能够理解背景和自动处理用户原本需要手动管理的事务的 AI，可能会改变人们委托日常规划和研究的方式。

   关注重点：Meta 从今天开始通过 Meta AI 应用和 meta.ai 在选定市场部署这些功能，未来数周内将推向其他国家和 WhatsApp。用户可以实时调整任务（调整重点、语调或内容），所有生成的内容——日程安排、幻灯片演示、心情板——都保存在一个地方，方便日后查看和分享。

2. 2

   智能体AI token成本到2030年飙升24倍；本地运行任务可削减87%账单

   发生了什么：一个简单的AI智能体每个任务消耗最多15000个token；复杂的多智能体系统使用20万到100多万个token。高盛预测到2030年，总token消耗量将大幅增长约24倍，达到每月120万亿。Dell在5月推出了Deskside Agentic AI，这是一个在公司工作站上运行生产级智能体的系统，使用开源模型，并从一开始就内置了治理机制。 为什么重要：从2023年中期到2026年初，token价格下跌了80%，但企业AI支出跃增320%，因为公司部署了更多智能体，消耗token量急剧增加。尽管单位token价格更低，总账单仍在上升。对IT团队来说，这种转变意味着基础设施、安全、预算和治理都必须改变——token策略现在已成为董事会级别的问题，而非仅仅是IT部门的决策。

   需要关注：Signal65和Futurum的分析显示，与公有云API相比，在本地运行智能体可在两年内节省高达87%的token支出，回本周期短至三个月。该系统可处理代码编写、研究和私有助手的工作流，支持30亿到万亿参数的模型，可在不需重新设计的情况下迁移到数据中心服务器。

3. 3

   独立事業家がAIに委ねてはいけない業務とは

   Fast Companyが、個人事業主（ソロプレナー）がAIに任せるべきでない業務について分析する記事を発表しました。 個人事業主はAIツールの活用で効率化を求める傾向にありますが、すべての業務をAIに委ねると、顧客関係や差別化要因となる専門知識を失う可能性があります。

   記事は、個人事業主が自分で保つべき領域と、AIに適した領域の線引きについて指針を示しています。

4. 4

   大型科技公司为开源权重AI模型进行辩护，面临监管审查

   发生了什么：主要科技公司正在公开为开源权重AI模型进行辩护——这类系统的底层代码和权重对公众开放——抵御潜在的监管限制或批评。 为什么重要：开源权重模型已成为闭源专有AI系统的竞争替代品，让研究人员和小型公司能够开发应用，而无需依赖大型科技公司的控制。大型公司的辩护表明，它们认为这种透明度在战略上具有重要意义，值得保护。

   需要关注：围绕开源权重模型的监管环境仍然不确定；政策制定者如何回应业界论据，将决定这些模型是否保持广泛可用，还是面临新的限制。

5. 5

   Apple Store アプリにAIアシスタント導入へ

   AppleがApple Storeアプリに、AIを活用したショッピングアシスタント機能を導入することを発表しました。 ユーザーが製品選びの際に、AIアシスタントから個別の推奨を受けられるようになることで、買い物体験がより効率化される可能性があります。

   具体的なリリース時期や対応地域については、本文で明記されていません。