谷歌把 Gemini in Chrome 推到亚太 7 国，代理浏览功能仍只给美国付费用户

谷歌把浏览器内置助手 Gemini in Chrome 开放给澳大利亚、印度尼西亚、日本、菲律宾、新加坡、韩国、越南 7 个新市场。除日本外，其余 6 国同时覆盖桌面端和 iOS。该功能今年 1 月在美国首发，3 月扩至印度、加拿大、新西兰，这次是第三轮扩区。

Gemini in Chrome 以侧边栏形式常驻浏览器，可跨多个打开的标签页回答问题。今年早些时候加入的 Personal Intelligence 模块能接入 Gmail 和 Google Photos 的数据做个性化回答，也能调用 Calendar 安排日程、Maps 查地点、Gmail 起草并发送邮件。侧边栏里还能用 Nano Banana 2 改图。

这次扩区不覆盖 Gemini in Chrome 的代理功能（agentic）。谷歌把能替用户操作浏览器、自动完成多步任务的这部分仍留在测试阶段，只对美国 AI Pro 和 AI Ultra 两档付费订阅用户开放。7 国新增用户拿到的是问答与账号助手形态，不是能自己点按钮、自己填表单的那一版。

信源：https://x.com/Google/status/2046393908629004443

Meta从Thinking Machines再挖两位创始成员，累计七人出走

Thinking Machines Lab（TML）是 OpenAI 前 CTO Mira Murati 去年创办的 AI 初创公司，估值 120 亿美元、完成过 20 亿美元融资，员工扩至 130 人。Business Insider 4 月 20 日独家披露，TML 又有三名员工转投 Meta：创始团队成员 Mark Jen 和 Yinghai Lu，以及研究员 Tianyi Zhang。Jen 是软件工程师，此前就在 Meta 工作过；Lu 先后待过 Meta 和 OpenAI，研究方向是 inference，直接决定聊天机器人的多步推理能不能跑起来；Zhang 不属于创始团队，署名过多篇被广泛引用的论文。三人都未在 LinkedIn 更新雇主，BI 通过两位知情人士确认此事。

算上这三人，BI 已确认至少七名 TML 创始团队成员跳到 Meta，其中包括构建并发布了 TML 旗舰产品 Tinker 的 Joshua Gross。OpenAI 也挖走了创始成员、安全工程师 Jolene Parish。

流入与流出方向正好相反。现任 CTO Soumith Chintala 是开源项目 PyTorch 的创造者，去年从 Meta 跳槽加入 TML。TML 同期还低调招入了在编程奥林匹克拿过三枚金牌的 Neal Wu。顶级研究人员仍愿意加入 TML，但创始团队里把研究做成产品的那批工程骨干被 Meta 反向挖走得最快。

信源：https://www.businessinsider.com/meta-attracts-more-thinking-machines-lab-talent-in-ai-shakeup-2026-4

Sierra 开源真实客服语音评测 μ-Bench，普通话错误率可达英语的 5 倍

客服 AI 公司 Sierra 开源多语言语音识别（ASR）评测集 μ-Bench，数据来自 250 通真实电话客服录音、4270 条人工标注语音，采样率 8kHz、单声道。过去公开的 ASR 评测要么只做英语，要么用录音棚里朗读的语料，对打算把语音 agent 接进多语言客服场景的团队几乎不可参考。μ-Bench 直接用真实通话填这个空档。

这次公开的是 Sierra 内部一整套评测的子集。内部覆盖 42 种语言、79 个地区变体和 13 家以上供应商，这次开源的是其中英语、西班牙语、土耳其语、越南语和普通话五个地区，以及 Deepgram Nova-3、Google Chirp-3、Microsoft Azure Speech、ElevenLabs Scribe v2、OpenAI GPT-4o Mini Transcribe 五家厂商的跑分。代码、数据集（挂在 Hugging Face）和一个开放榜单一并公开，欢迎其他厂商提交。

评测里真正有新信息的是指标。Sierra 提出一个新指标 UER（Utterance Error Rate，话语级错误率），把会改变原意的错误和无关紧要的错误分开算。传统的 WER（字错误率）把漏掉一声「呃」和听错一位电话号码算成同一种错，但对一个照着转写去执行动作的语音 agent，后者才会让流程出岔。Sierra 称两家 WER 相近的厂商，UER 可能差得很远，因为他们犯的错误种类就不同。

结果层面，Google Chirp-3 准确率领先但推理较慢；Deepgram Nova-3 的 p50 延迟快将近 8 倍，多语言准确率却垫底。普通话识别错误率可以达到英语的 5 倍，越南语在不同厂商间的差距也很大，这些差距只看英语基准是看不到的。

信源：https://sierra.ai/blog/mu-bench-an-open-multilingual-transcription-benchmark

贝索斯AI实验室据称接近380亿美元估值

《金融时报》援引知情人士称，杰夫·贝索斯参与运营的 AI 实验室 Project Prometheus 正接近完成新一轮融资。规模约 100 亿美元，投后估值约 380 亿美元。摩根大通和贝莱德参与了本轮融资。交易尚未最终敲定。

Project Prometheus 不是做通用聊天机器人。它主打能理解物理世界的 AI。目标是把模型用进工程、设计和制造流程。Axios 上月援引知情人士称，这家公司更想先切原型设计、材料和前期工程这类环节，不是直接用机器人替代工厂工人。

信源：https://www.ft.com/content/87ea0ced-bf3c-4822-8dda-437241570ded

Vercel安全事件更新：npm 包未被污染，新建环境变量默认即「敏感」

Vercel 官方账号 4 月 21 日上午宣布，称与 GitHub、Microsoft、npm、Socket 四方联合排查后，Vercel 在 npm 上发布的任何包均未被篡改，供应链「仍然安全」。Vercel 在 npm 上维护 Next.js、Turbopack、SWR 等开源库，合计每月下载量以亿次计，若被攻击者借员工账号投毒，影响会远超 Vercel 自身客户。这次核查排除了事件里最大的一项连带风险。

同日官方安全公告同步更新三处细节。受影响范围首次明确到字段级别。公告称，遭泄露的是未被标记为「敏感」的那部分客户环境变量，其在后台解密后以明文存储。是否有更多数据被带走，Vercel 仍在调查。给客户的建议里多了一条「删除 Vercel 项目或账号本身不能消除风险」。必须先轮换所有未标记为敏感的密钥，再考虑删除动作，攻击者拿到的凭证仍可直连生产系统。

产品侧改了默认值。新建环境变量现在默认即是「敏感」（sensitive: on）。老账号过去新增变量默认是普通类型，要手动勾选才启用敏感。这正是本次攻击者能读到明文变量的直接入口。Dashboard 同步上线了更密集的活动日志界面和团队级环境变量管理；所有安全建议里「启用双因素认证」被顶到最前。

信源：https://vercel.com/kb/bulletin/vercel-april-2026-security-incident

Claude Cowork 上线 Live Artifacts，仪表盘每次打开都会拉取当前数据重新渲染

Claude Cowork 现在可以生成 Live Artifacts：接到用户的应用和本地文件的仪表盘与追踪器，随时打开都会拉取一次当前数据重新渲染。每个产物自动保存到新的「Live Artifacts」标签页并带版本历史，换设备或在另一段对话里也能从原位置接着用。所有付费档可用。

信源：https://x.com/claudeai/status/2046328619249684989

腾讯 QClaw 海外版开启内测，通过 WhatsApp、Telegram 调用本地 Agent

QClaw 海外版开启内测，官网为 qclawsg.qq.com。首批上线美国、加拿大、新加坡、韩国，支持中、英、法、西、韩等多语言。内测期间每日赠送 4000 万 token，官方称价值约 700 美元。同时开放 20000 个「创始龙虾（Founding Claw）」名额，先到先得。

腾讯披露，海外版基于国内版 80 多项功能迭代，5 天完成开发，约 99% 的代码由 QClaw 自己写。所有数据在用户设备上本地处理；国内版已跑通的「龙虾管家（The Gateway）」安全模块同步移植到海外版，对 prompt、skills、执行脚本做实时拦截。海外版另开放 QClaw Playground（专家广场），预置健身教练、金融顾问、语言教师等角色，用户点选即用，不必从零写指令。

信源：https://mp.weixin.qq.com/s/c_H4s_0WMmyutfrwkaWhcw

谷歌DeepMind Inception组招5人，把SIMA、Genie从研究原型推向游戏产品

谷歌DeepMind Inception团队总监Alexandre Moufarek在X上放出5个招聘岗位：游戏设计师、高级产品经理、QA工程师、高级软件工程师和研究工程师（Staff级），链接统一指向Google Careers。Moufarek加入DeepMind前在育碧做过《幽灵行动：未来战士》和《看门狗》两款3A游戏，之后在软银负责Pepper家用机器人的产品。进入DeepMind后，他参与过Project Astra、SIMA、Genie和Gemini四条线。

关键在Inception这个团队的定位。DeepMind把它描述成「和研究团队并肩工作的创意、设计、工程团队」，目标是探索「以前没有AI时做不出来的游戏体验」。它不是研究组，而是把研究成果做成可玩原型的产品团队。

再看岗位构成。5个里有产品经理、游戏设计师和QA工程师，这三个位置过去不会出现在纯研究团队。DeepMind之前演示过SIMA 2和Genie 3的组合：前者是2025年11月发布的基于Gemini的3D虚拟世界agent，后者是可实时生成3D世界的世界模型，DeepMind把两者接起来，让agent在新生成的世界里执行指令。但SIMA 2至今只是「有限研究预览」，只向少数学者和游戏开发者开放。这轮招聘要补的，就是把研究演示做成能交付给外部开发者的产品。

信源：https://x.com/amoufarek/status/2046370200644173831

Anthropic招募STEM驻场研究员，暑期在旧金山测Claude做科研

Anthropic 挂出「Anthropic STEM Fellow」岗位。这是一项面向 STEM 研究者的暑期驻场研究员计划。项目从 6 月 15 日到 9 月 15 日，5 月 15 日截止申请。入选者需要全职在旧金山办公室工作，补贴约为每周 3800 美元。

Anthropic 希望这些驻场研究员和内部团队一起做三类事：给 Claude 设计更不容易刷分的科研评测，看它能不能规划实验、解读数据、理解具体机制；补数据和方法，专门盯能力缺口；把科学软件接进来，让模型在真实研究流程里跑。官方举的例子包括材料科学和气候科学。

岗位简介把目标写成「AI scientist」，也就是能自己推进科研的 AI 系统。

信源：https://job-boards.greenhouse.io/anthropic/jobs/5189848008

阿里云百炼上线 Token Plan 团队版，最低每月 198 元/坐席订阅多家模型

阿里云百炼上线 Token Plan 团队版，面向 AI 编程工具与 Agent 工具按坐席包月。套餐分三档：标准坐席 198 元/月 25,000 Credits、高级坐席 698 元/月 100,000 Credits、尊享坐席 1,398 元/月 250,000 Credits。超出额度时可加购共享用量包，每包 5,000 元换 625,000 Credits，有效期一个月。目前仅开放华北 2（北京）地域。

一个订阅下能切换的模型来自四家厂商：文本生成支持 qwen3.6-plus、智谱 glm-5、MiniMax-M2.5、DeepSeek-V3.2；图像生成支持 qwen-image-2.0 与 wan2.7-image 系列。所有调用以 Credits 统一抵扣，不再按模型分别计费。官方示例显示，qwen3.6-plus 一次总量约 5 万 token 的请求约消耗 4 Credits。

兼容主流 AI 编程工具：OpenAI 兼容端点可接 Codex、OpenCode，Anthropic 兼容端点可接 Claude Code、OpenClaw，DeepSeek V3.2 仅走 OpenAI 协议。图像生成模型需借助各工具的 Slash Command、Skill 等扩展机制调用。

使用范围有明确限制：只能在编程工具或 OpenClaw 类 Agent 中交互式使用。Dify、n8n、Coze 等自动化平台、应用后端和批量调用都不允许，违规会被暂停订阅或封 API Key。套餐订阅人专享，禁止多人共享，不支持退款。

信源：https://help.aliyun.com/zh/model-studio/token-plan-overview

前Stability AI创始人新公司Intelligent Internet推出Logos推理工具

前 Stability AI 创始人 Emad Mostaque 新公司 Intelligent Internet 发布 Logos，这是一套还在早期开发的推理工具。官网说，Logos 想做的，是帮人把复杂问题按最基本的规则一步步往下推，再把过程公开给人检查。公司这次先公开的是物理方向，数学、生物和经济学还没放出完整内容。

同时放出的第一份结果叫《Only One Postulate Needed》。团队拿狭义相对论做样例，声称只靠「相对性原理」这一条前提，就能推出必须存在一个固定的最高速度。实验要做的，只是测出这个速度到底是多少，不用再额外加一条「光速不变」的前提。

信源：https://ii.inc/web/blog/post/logos

DeepMind CEO哈萨比斯公开称赞Anthropic CEO Dario是其他AI实验室领导里最好的

当地时间 4 月 20 日晚，DeepMind 首席执行官 Demis Hassabis 与传记作者 Sebastian Mallaby 在旧金山对谈。活动由 City Arts & Lectures 主办，配合 Mallaby 今年 3 月出版的 Hassabis 传记《The Infinity Machine》造势。

Hassabis 直接评价竞争对手，称 Anthropic CEO Dario Amodei 是「其他实验室领导里最好的」（原话 best of all the other lab leaders）。

Mallaby 还估计 OpenAI 在未来 18 个月内破产的概率是 50%。他本职是金融史学者、美国外交关系委员会研究员，不是 AI 圈分析师。OpenAI 此前披露 2026 年预计亏损 140 亿美元，美国媒体据此推算公司可能在 2027 年现金告急。

关于 AI 末日风险 p(doom)，Hassabis 不愿给出具体数字，但坚持它非零。他批评 a16z 联创 Marc Andreessen 和 Meta 首席 AI 科学家 Yann LeCun 坚持 p(doom) 为 0 的立场「离谱」。p(doom) 是 AI 圈行话，指一个人对「AI 最终导致人类灾难」的主观概率估计。

信源：https://x.com/deedydas/status/2046443025975652484?s=46

Exa推出Agentic搜索接口Deep Max，同准确率下比对手快数十倍

Exa 推出面向 LLM 代理的高端搜索接口 Deep Max。一次查询会并发发起几十次 Exa 搜索，每次从不同角度切入同一个问题，再合并成答案。Agentic 搜索指 LLM 自主规划多轮搜索再综合回答，是 Perplexity、You.com、Parallel 等搜索 API 公司近一年的主要产品形态。

三项评测由 Exa 自测，与竞品同题对比。Deep Search QA：Deep Max 90%/64 秒，You.com Frontier 84%/5908 秒，Parallel Ultra 8x 82%/1703 秒。FRAMES：Deep Max 94%/11 秒，Parallel Ultra 88%/1457 秒。HLE-Search：Deep Max 80%/25 秒，与 GPT 5.4 准确率持平但耗时减半。被对比的原生搜索工具还包括 Gemini 3.1 Pro、Claude Opus 4.7。Exa 称「最多比最接近的竞品快 20 倍」。

速度归因于并行工具调用、压缩过的页面正文，以及 Exa 自研搜索栈单次调用 1 秒内返回。Deep Max 目前仅对接触销售的客户开放，正式发布时间和价格未公布。

信源：https://exa.ai/blog/deep-max

Intel放出阿里Wan 2.2的三款INT4量化版

Intel 首席 AI 工程师 Haihao Shen 宣布，Intel 已在 Hugging Face 上传阿里 Wan 2.2 视频模型的三款 INT4 量化版本：T2V-A14B（文生视频）、I2V-A14B（图生视频）和 TI2V-5B（文图混合生视频），全部用 AutoRound 压到 W4A16。Shen 自己就是 AutoRound 这套量化工具的主要作者。INT4 把每个权重从 BF16 的 2 字节压到 0.5 字节，权重体积约为原版四分之一。

A14B 两款原本用 MoE 架构，总参数 27B、每步激活 14B，官方文档称单卡跑 720P 至少要 80GB 显存；TI2V-5B 是稠密模型，原版就能在 4090 上跑 720P@24fps。量化后的实测显存和画质对比 Intel 没公布，需等第三方复现。三款模型的推理链路也没走主线 vLLM，README 指向 Intel 自家的 vllm-omni 分支（feats/ar-w4a16-wan22），要装这个分支才能起服务。

信源：https://x.com/HaihaoShen/status/2046353772625137879

腾讯云开源CubeSandbox，兼容E2B、单机跑2000个沙箱

腾讯云开源了 AI Agent 沙盒 Cube Sandbox，Rust 编写，Apache 2.0 协议。

沙盒是 Agent 跑代码的隔离环境，防止模型生成的代码误删文件、越权访问主机。目前 OpenAI Agents SDK、Manus、Perplexity、Hugging Face 等产品都在用类似架构，接口事实标准是 E2B。Cube 兼容 E2B 接口，业务代码不用改，只改一个环境变量，就能把 Agent 从 E2B 自家服务切到自部署的 Cube。

腾讯云公布了两组性能数据。单并发冷启动低于 60ms，50 并发时平均 67ms、P95 90ms、P99 137ms。单实例常驻内存低于 5MB（沙盒规格不超过 32GB 时测得），一台 96 核服务器可同时跑 2000 多个沙箱。同场景下 Docker 容器启动约 200ms、共享主机内核；传统虚拟机启动以秒计、单实例内存 20MB 起。

Cube 的做法是给每个 Agent 开一套独立的 Guest OS 内核，走硬件级隔离，同时把启动时间压到百毫秒内。加速靠资源池预置、快照克隆、底层锁优化；压内存靠 Rust 重写、CoW 内存复用、reflink 磁盘共享。项目还附带 CubeVS，用 eBPF 做沙盒之间的网络隔离。

规模化验证给了两个案例。Cube 原本跑在腾讯云 Serverless 体系里，承载过百亿级调用。元宝 AI 编程场景迁到 Cube 后，资源核时消耗降了 95.8%。外部客户里，MiniMax 在 Agentic RL 训练中靠 Cube 做到分钟级调度数十万沙箱实例。下一步规划是把事件级快照回滚也开源出去，提供百毫秒级状态回滚。

信源：https://mp.weixin.qq.com/s/5rWKipAQdibiBmmQBHXVWg

删除AI模型训练数据被诉，北京首次将训练系统纳入刑法保护

北京市人民检察院发布《北京市检察机关知识产权检察白皮书（2025 年）》，其中披露 2025 年全市检察机关办理涉人工智能、数据要素产业的知识产权案件 113 件。白皮书重点列出两宗 AI 领域首例案件。

东城区检察院办理了北京首例非法删除 AI 模型训练数据案。一名员工故意删除公司用于训练 AI 模型的大量数据，训练系统因此结构性破坏，经济损失重大。检察机关以破坏计算机信息系统罪提起公诉。白皮书称，该案推动把 AI 模型训练系统认定为刑法意义上的「计算机信息系统」。这一罪名过去主要针对服务器、数据库等传统信息系统遭入侵或破坏的情形，AI 训练数据与训练系统的刑事定位此前并不清晰。

通州区检察院办理了北京首例利用 AI 生成模型侵犯著作权案。四名被告人未经授权以 AI 技术复制他人作品牟利，均以侵犯著作权罪被判刑。

2025 年全年，北京检察机关共办理知识产权案件 1195 件，同比上升 10.34%。

信源：https://www.21jingji.com/article/20260421/herald/7f400f89fae259a65973e06b6cc25ae9.html

Supabase推出@supabase/server简化SSR鉴权样板

Supabase 推出 npm 工具包 @supabase/server，版本 0.1.4，MIT 许可证。这个包把服务端渲染、API 路由、边缘函数场景下的 Supabase 客户端创建、cookie 同步、鉴权会话维护统一做掉，开发者不用再自己拼。

用法上提供一个叫 withSupabase 的高阶函数。开发者传入访问策略（示例里是 allow: 'user'，只放登录用户过），返回的处理函数会把配好的 Supabase 客户端挂到 ctx.supabase 上，业务代码直接 ctx.supabase.from('todos').select() 查库即可。

Supabase 联合创始人 Paul Copplestone 在 X 公布消息时提到，这是早期版本，正在征集测试者和反馈，团队另在做各框架的适配器。

此前在 Next.js 等 SSR 框架里集成 Supabase，开发者要自己写 cookie 读取、会话刷新、客户端传递，这些样板代码是社区长期吐槽的点。

信源：https://www.npmjs.com/package/@supabase/server

Meta联合CBRE办免费培训补数据中心光纤技工缺口

Meta 联合 CBRE 推出 LevelUp 光纤技工培养计划（LevelUp Fiber Technician Pathway），一个面向美国人的免费 4 周培训项目，目标是为自家数据中心工地和后续运营岗位输送光纤技工。项目由全球房地产与关键基础设施服务商 CBRE 承接运营，首批学员今年夏天开班。

课程组合课堂讨论、实操实验和团队练习，毕业生可通过 Meta 的承包商网络进入 Meta 在美的建设工地。Meta 目前在美运营或在建 27 座数据中心，官方披露这些项目自 2010 年以来累计提供超过 30,000 个建设期技工岗位和超过 5,000 个永久运营岗位（场站经理、工程师等）。

美国光纤技工乃至整个建筑行业正处于全国性短缺，而各家 AI 公司和云厂商的数据中心项目处于历史高位。Meta 这次直接自己下场办培训，为数据中心扩张自备技工供给。

信源：https://about.fb.com/news/2026/04/meta-cbre-invest-in-american-jobs-new-fiber-technician-training-program/

微软联合NABTU为北美数百万建筑技工开免费AI课

微软与北美建筑业工会联合会 NABTU（North America's Building Trades Unions）扩大合作，向分布在全北美的数百万熟练技工免费开放 AI 通识课程和行业认证证书。项目同时联手非营利机构 TradesFutures，后者在全美 34 个州把求职者接入建筑工会的学徒项目和岗位。

双方此前已有合作，这次在既有基础上把覆盖范围扩到整个工会技工群体。微软目前还与美国劳工联合会产业工会联合会 AFL-CIO、美国教师联合会 AFT 维持类似合作。

美国多个州和联邦层面正推进数据中心暂停建设的法案，焦点是数据中心的耗电和用水压力。微软这次拉工会入场，一头为社区接受度找本地代言人，一头为 AI 基建配套锁定技工供给。

信源：https://www.axios.com/2026/04/21/microsoft-construction-unions-partner-ai-boom

MCP协议曝设计级RCE漏洞，Anthropic拒绝改架构

安全公司 OX Security 近日披露，Anthropic 主导的开放协议 MCP（Model Context Protocol，AI 代理调用外部工具的事实标准）存在设计层面的远程代码执行漏洞。攻击者可在任何运行有漏洞 MCP 实现的系统上执行任意命令，拿到用户数据、内部数据库、API 密钥和聊天记录。漏洞不出在实现者的编码失误，而在 Anthropic 官方 SDK 处理 STDIO 传输时的默认行为，Python、TypeScript、Java、Rust 四个语言版本都中招。

STDIO 是 MCP 的一种传输方式，让本地进程通过标准输入输出通信。官方 SDK 里的 StdioServerParameters 会按配置里的命令参数直接启动子进程，开发者如果没额外做输入清洗，任何能走到这一步的用户输入就会变成系统命令。OX Security 把攻击面归成四类：配置界面直接注入命令；拿白名单里允许的命令加行标志绕过清洗（例如 `npx -c <命令>`）；在 IDE 里用提示注入改写 MCP 配置文件，让 Windsurf 这类工具无需用户交互就跑起恶意 STDIO 服务；以及借 MCP 市场的 HTTP 请求偷偷塞进 STDIO 配置。

OX Security 给的数字：受影响软件包累计下载超 1.5 亿次，公开可访问的 MCP 服务器超 7000 台，合计暴露最多 20 万个实例、涉及 200 多个开源项目。团队累计提交 30 余份责任披露、拿到 10 个以上高危或严重级 CVE，覆盖 LiteLLM、LangFlow、Flowise、Windsurf、GPT Researcher、Agent Zero、DocsGPT 等 AI 框架与 IDE；测试过的 11 家 MCP 包仓库里有 9 家能被这种手法塞进恶意配置。

披露后，Anthropic 回应称这是「预期行为」（by design），STDIO 的执行模型属于「安全的默认设计」，并把输入清洗的责任划给开发者，拒绝在协议或官方 SDK 层面改动。DocsGPT、LettaAI 等厂商已自行发补丁，Anthropic 参考实现的默认行为未变。

MCP 已是 AI 代理接外部工具的事实标准，OpenAI、Google、微软都在跟进。根子没修的情况下，任何沿用官方 SDK 默认方式接 STDIO 的 MCP 服务，即使自己没写错一行代码，也可能成为攻击入口。

信源：https://thehackernews.com/2026/04/anthropic-mcp-design-vulnerability.html

Moondream推出微调服务Lens，企业出数据即可得定制VLM

Moondream 上线商业化微调服务 Lens，把强化学习和监督微调封装成按量付费 API。客户只需提交自己业务场景的标注图像，后台自动完成训练，产出一个贴合该场景的专属 VLM（视觉语言模型，能读图并用文字回答的 AI 模型）；官方称十几张图的样本就足以看到效果。训练好的模型可直接通过 Moondream 云端调用，也能用自家推理引擎 Photon 本地部署。

这是 Moondream「开源小模型打底、商业服务做增值」路线的关键一环。通用 VLM 到了体育直播、医疗影像、工厂质检这类细分场景就容易水土不服，Lens 把「搭 RL 训练流水线」这件事从客户那边接过来，门槛压到几十张标注图加几十美元训练费。

公司公开了三组对比数据。NBA 直播画面中检测持球球员，基础模型经常给出大量误检框；RL 微调后 F1 从 28% 提升至 79%，误报框从 61 降到 2，训练耗时 54 分钟、费用 16.89 美元。街景照片识别所在国家的任务里，每国 25 张微调样本让准确率达到 71.1%，超过 GPT-5.4 的 69.8%。医学影像方面，微调后模型对青光眼严重程度分级的准确度是 GPT-5.4 的 2 倍，训练 47 分钟、花费 15.68 美元。

首个合作方是做网络遥控云台摄像机的厂商 PTZOptics，用 Moondream 实现追踪特定目标（例如「穿红衣服的人」）、画面内容清点和异常告警。Moondream 此前发布过推理引擎 Photon，官方数字是 H100 上 20 毫秒推理延迟。Lens 主攻准确度、Photon 主攻速度，加上可本地运行的开源模型本体，Moondream 把 VLM 落地的速度、精度、部署三条线凑齐了。

信源：https://moondream.ai/blog/lens-moondreams-finetune-service