AI模型为何“失语”
近日，时代少年团粉丝发现向MiniMax模型询问“时代少年团队长是谁”时，模型会输出错误答案，但若询问队长相关经历则能正常回答。这一现象揭示了AI模型的一种新故障：模型内部实际上存储了相关知识，但在生成文本时却无法正确调用。 技术分析表明，该问题源于“训练不足词元”。大模型通过分词器处理文本，例如“马嘉祺”被切分为“马”和“嘉祺”两个token。在预训练阶段，模型已学会“嘉祺”这一token，但在后续使用精选对话数据进行指令微调（SFT）时，该token出现频率极低，导致模型在优化过程中逐渐遗忘如何输出它。这类似于人类认知中的“舌尖现象”和神经网络的“灾难性遗忘”——模型的知识表征仍然存在，但生成特定token的连接通路被高频token削弱或覆盖。 该案例表明，评估AI模型时，需区分“是否知道”与“能否正确输出”，传统的对错评测可能掩盖此类故障。这一发现也对多语言处理提出警示：资源稀缺的语言可能面临更严重的“失语”风险，因为其词汇在分词和训练中更容易成为低频token。 #AI #大模型 #语言模型 #技术故障 #NLP #人工智能 #MiniMax #舌尖现象
近日，时代少年团粉丝发现向MiniMax模型询问“时代少年团队长是谁”时，模型会输出错误答案，但若询问队长相关经历则能正常回答。这一现象揭示了AI模型的一种新故障：模型内部实际上存储了相关知识，但在生成文本时却无法正确调用。 技术分析表明，该问题源于“训练不足词元”。大模型通过分词器处理文本，例如“马嘉祺”被切分为“马”和“嘉祺”两个token。在预训练阶段，模型已学会“嘉祺”这一token，但在后续使用精选对话数据进行指令微调（SFT）时，该token出现频率极低，导致模型在优化过程中逐渐遗忘如何输出它。这类似于人类认知中的“舌尖现象”和神经网络的“灾难性遗忘”——模型的知识表征仍然存在，但生成特定token的连接通路被高频token削弱或覆盖。 该案例表明，评估AI模型时，需区分“是否知道”与“能否正确输出”，传统的对错评测可能掩盖此类故障。这一发现也对多语言处理提出警示：资源稀缺的语言可能面临更严重的“失语”风险，因为其词汇在分词和训练中更容易成为低频token。 #AI #大模型 #语言模型 #技术故障 #NLP #人工智能 #MiniMax #舌尖现象
AI模型为何“知道但说不出”？揭秘大语言模型的“舌尖现象”
近日，AI模型在回答“时代少年团队长是谁”时出现错误答案，却能流畅描述该队长经历的事件引发关注。这一现象揭示了AI大语言模型一种独特的故障：模型内部“知道”某个信息，但由于底层技术限制，在输出时却无法正确调取该信息，这与人类认知中的“舌尖现象”有结构相似性。 技术专家指出，这主要源于模型在训练过程中面临的“训练不足词元”与“灾难性遗忘”问题。大模型通过分词器将文本拆分为最小单元（token）进行处理，一些低频出现的专有名词（如人名“嘉祺”）可能未被充分学习或在后训练阶段被高频词“挤压”，导致其语义向量偏离正确的生成路径。当模型尝试输出时，便倾向于生成拼音或字形相近的错误词。 这一发现提示，评估AI不能仅看表面输出正确率，还需关注其内部表征的完整性。未来，开发更精细的评测方法与缓解“对齐税”的技术，是提升大模型知识调取可靠性的关键。 #AI #大模型 #人工智能 #科技新闻 #技术故障 #分词器 #训练不足 #灾难性遗忘 #马嘉祺
近日，AI模型在回答“时代少年团队长是谁”时出现错误答案，却能流畅描述该队长经历的事件引发关注。这一现象揭示了AI大语言模型一种独特的故障：模型内部“知道”某个信息，但由于底层技术限制，在输出时却无法正确调取该信息，这与人类认知中的“舌尖现象”有结构相似性。 技术专家指出，这主要源于模型在训练过程中面临的“训练不足词元”与“灾难性遗忘”问题。大模型通过分词器将文本拆分为最小单元（token）进行处理，一些低频出现的专有名词（如人名“嘉祺”）可能未被充分学习或在后训练阶段被高频词“挤压”，导致其语义向量偏离正确的生成路径。当模型尝试输出时，便倾向于生成拼音或字形相近的错误词。 这一发现提示，评估AI不能仅看表面输出正确率，还需关注其内部表征的完整性。未来，开发更精细的评测方法与缓解“对齐税”的技术，是提升大模型知识调取可靠性的关键。 #AI #大模型 #人工智能 #科技新闻 #技术故障 #分词器 #训练不足 #灾难性遗忘 #马嘉祺
Sam Altman 改口称 AI 或不会引发就业危机
OpenAI 首席执行官 Sam Altman 曾多次大胆预测，称人工智能将取代大部分现有工作，导致“就业灾难”。但在近期澳大利亚联邦银行的一次虚拟访谈中，Altman 表示他“很高兴错了”，认为 AI 可能不会带来预期中的大规模失业冲击。他解释说，自己对初级白领工作受冲击的预估过高，如今意识到人类互动在工作中的重要性，这更新了他的看法。 与此同时，AI 行业正处在关键阶段，OpenAI、SpaceX 和 Anthropic 等公司计划上市并设定了高达万亿美元级的增长目标。然而，AI 的应用成本持续引发担忧，如 Uber 和 Nvidia 的高管指出 AI 开支难以节省人力成本，微软也因高昂费用取消部分 AI 许可证。经济学家对 AI 就业影响的看法仍存在分歧，凸显了技术发展与社会适应的复杂性。 #AI #就业 #SamAltman #OpenAI #科技新闻 #大模型 #经济 #职场
OpenAI 首席执行官 Sam Altman 曾多次大胆预测，称人工智能将取代大部分现有工作，导致“就业灾难”。但在近期澳大利亚联邦银行的一次虚拟访谈中，Altman 表示他“很高兴错了”，认为 AI 可能不会带来预期中的大规模失业冲击。他解释说，自己对初级白领工作受冲击的预估过高，如今意识到人类互动在工作中的重要性，这更新了他的看法。 与此同时，AI 行业正处在关键阶段，OpenAI、SpaceX 和 Anthropic 等公司计划上市并设定了高达万亿美元级的增长目标。然而，AI 的应用成本持续引发担忧，如 Uber 和 Nvidia 的高管指出 AI 开支难以节省人力成本，微软也因高昂费用取消部分 AI 许可证。经济学家对 AI 就业影响的看法仍存在分歧，凸显了技术发展与社会适应的复杂性。 #AI #就业 #SamAltman #OpenAI #科技新闻 #大模型 #经济 #职场
AI商业化重心从消费者转向企业服务，Anthropic收入暴涨印证新趋势
2026年初，AI行业商业化的结构性转向愈发清晰。一方面，以ChatGPT为代表的C端AI产品增长疲软，月活增速放缓，付费转化率长期低于5%，用户因产品同质化且切换成本低而缺乏付费意愿，导致价格战频发。另一方面，面向企业的AI服务却迎来爆发式增长。Anthropic的年化收入在五个月内从90亿飙升至450亿美元，其中超过90%来自企业API和Agent部署，其编程Agent成为增长核心。 企业买单的核心逻辑在于清晰的投入产出比（ROI）。AI能够替代初级程序员、客服等岗位职能，为企业大幅节省人力成本。行业数据显示，企业客户平均ROI可达3.7倍。风险投资明显向企业AI倾斜，大量C端创业者也转向企业赛道。B端市场凭借高毛利、高留存和深度集成带来的高切换成本，展现出强大的盈利潜力。这场转变标志着AI正从数字工具进化为数字劳动力，其本质不是复制互联网的流量逻辑，而更像是一场以替代脑力劳动为核心的“工业革命”。 #AI商业化 #企业服务 #Anthropic #ChatGPT #产业趋势 #人工智能 #投资趋势 #降本增效
2026年初，AI行业商业化的结构性转向愈发清晰。一方面，以ChatGPT为代表的C端AI产品增长疲软，月活增速放缓，付费转化率长期低于5%，用户因产品同质化且切换成本低而缺乏付费意愿，导致价格战频发。另一方面，面向企业的AI服务却迎来爆发式增长。Anthropic的年化收入在五个月内从90亿飙升至450亿美元，其中超过90%来自企业API和Agent部署，其编程Agent成为增长核心。 企业买单的核心逻辑在于清晰的投入产出比（ROI）。AI能够替代初级程序员、客服等岗位职能，为企业大幅节省人力成本。行业数据显示，企业客户平均ROI可达3.7倍。风险投资明显向企业AI倾斜，大量C端创业者也转向企业赛道。B端市场凭借高毛利、高留存和深度集成带来的高切换成本，展现出强大的盈利潜力。这场转变标志着AI正从数字工具进化为数字劳动力，其本质不是复制互联网的流量逻辑，而更像是一场以替代脑力劳动为核心的“工业革命”。 #AI商业化 #企业服务 #Anthropic #ChatGPT #产业趋势 #人工智能 #投资趋势 #降本增效
Crabbox推出"池"功能，优化AI代理与CI的运行时资源管理
宣布推出一项名为 "Pond"（池）的预览功能，旨在为AI代理和持续集成流程提供轻量级的运行时资源池管理方案。该功能并非传统的中心化集群，而是通过一个共享的标签（如 `pond=名字`）将一组活跃的云资源租约动态地组合在一起。只要池中至少还有一个活跃的租约，这个池就会存在。 其核心价值在于简化了相关资源的发现、连接与统一释放过程。它允许混合使用不同的云服务商和网络传输方案，例如通过Tailscale实现真正的点对点连接，通过URL桥接提供标准的HTTP(S)端点，或通过SSH网格建立端口转发。系统为每个资源分配稳定的"角色名"（slug），以便在池内进行服务发现和建立连接。Crabbox提供了完整的命令行工具，支持创建池、列出成员、在池中运行任务以及最终释放整个池的资源。 目前该功能处于预览阶段，其命令行参数和元数据格式在正式版发布前可能有所调整，但核心的池标签机制预计将被保留。此功能旨在提升复杂、多服务AI应用开发和测试的工作流自动化水平。 #AI开发 #云计算 #DevOps #开源工具 #自动化 #资源管理 #持续集成 #Crabbox
宣布推出一项名为 "Pond"（池）的预览功能，旨在为AI代理和持续集成流程提供轻量级的运行时资源池管理方案。该功能并非传统的中心化集群，而是通过一个共享的标签（如 `pond=名字`）将一组活跃的云资源租约动态地组合在一起。只要池中至少还有一个活跃的租约，这个池就会存在。 其核心价值在于简化了相关资源的发现、连接与统一释放过程。它允许混合使用不同的云服务商和网络传输方案，例如通过Tailscale实现真正的点对点连接，通过URL桥接提供标准的HTTP(S)端点，或通过SSH网格建立端口转发。系统为每个资源分配稳定的"角色名"（slug），以便在池内进行服务发现和建立连接。Crabbox提供了完整的命令行工具，支持创建池、列出成员、在池中运行任务以及最终释放整个池的资源。 目前该功能处于预览阶段，其命令行参数和元数据格式在正式版发布前可能有所调整，但核心的池标签机制预计将被保留。此功能旨在提升复杂、多服务AI应用开发和测试的工作流自动化水平。 #AI开发 #云计算 #DevOps #开源工具 #自动化 #资源管理 #持续集成 #Crabbox
AI“失语”现象揭秘
近期，时代少年团粉丝发现，当询问MiniMax大模型其队长姓名时，模型输出了“马嘉轩”等错误答案，但换一种问法又能准确描述队长的经历。这一现象揭示了AI内部一种特殊的故障机制：语义理解完好，但表层生成通路断裂。其背后主要涉及两个技术概念：训练不足词元和灾难性遗忘。 具体而言，模型的分词器（tokenizer）将“马嘉祺”拆分为“马”和“嘉祺”两个词元。尽管在预训练阶段模型已通过海量数据“认识”了该词元，但在随后的指令微调（SFT）等后训练阶段，该低频词元极少被“练习”。在此过程中，海量高频词元的参数被反复更新，逐渐挤压了低频词元在向量空间中的位置，导致模型难以在生成时将其正确提取出来，这被称为“灾难性遗忘”或“对齐税”。 这一AI故障与人类认知中的“舌尖现象”（TOT）高度相似：人们想不起某个词时，往往能描述它，或说出近似的词。对AI而言，观察其错误输出形态（如错误答案与正确答案的关联性）比单纯统计准确率更有助于定位故障根源。该现象也提示，当前基于输出的评测方法存在盲区，未来需开发探针式评测以考察模型内部表征的完整性。 #人工智能 #大语言模型 #AI故障 #科技新闻 #机器学习 #自然语言处理 #深度学习 #对齐税 #舌尖现象 #MiniMax
近期，时代少年团粉丝发现，当询问MiniMax大模型其队长姓名时，模型输出了“马嘉轩”等错误答案，但换一种问法又能准确描述队长的经历。这一现象揭示了AI内部一种特殊的故障机制：语义理解完好，但表层生成通路断裂。其背后主要涉及两个技术概念：训练不足词元和灾难性遗忘。 具体而言，模型的分词器（tokenizer）将“马嘉祺”拆分为“马”和“嘉祺”两个词元。尽管在预训练阶段模型已通过海量数据“认识”了该词元，但在随后的指令微调（SFT）等后训练阶段，该低频词元极少被“练习”。在此过程中，海量高频词元的参数被反复更新，逐渐挤压了低频词元在向量空间中的位置，导致模型难以在生成时将其正确提取出来，这被称为“灾难性遗忘”或“对齐税”。 这一AI故障与人类认知中的“舌尖现象”（TOT）高度相似：人们想不起某个词时，往往能描述它，或说出近似的词。对AI而言，观察其错误输出形态（如错误答案与正确答案的关联性）比单纯统计准确率更有助于定位故障根源。该现象也提示，当前基于输出的评测方法存在盲区，未来需开发探针式评测以考察模型内部表征的完整性。 #人工智能 #大语言模型 #AI故障 #科技新闻 #机器学习 #自然语言处理 #深度学习 #对齐税 #舌尖现象 #MiniMax
OpenAI 推出 Rosalind Biodefense 平台，深化 AI 在生物防御领域应用
OpenAI 正式推出 Rosalind Biodefense 平台，旨在通过前沿人工智能技术扩大其 GPT-Rosalind 模型的受信任访问权限。该平台主要面向经过严格审查的开发者以及美国政府相关合作伙伴，聚焦于生物防御、公共卫生和疫情防控准备等关键领域。通过 GPT-Rosalind 强大的数据处理和模拟能力，用户能够更高效地进行生物威胁分析、疫情趋势预测和应急决策支持，从而提升社会应对潜在生物风险的整体韧性。OpenAI 表示，这一举措将推动 AI 技术在公共安全中的负责任应用，为全球公共卫生体系提供智能化工具，助力构建更快速、精准的防御机制。 #OpenAI #Rosalind #Biodefense #AI #公共健康 #疫情准备 #科技新闻 #大模型
OpenAI 正式推出 Rosalind Biodefense 平台，旨在通过前沿人工智能技术扩大其 GPT-Rosalind 模型的受信任访问权限。该平台主要面向经过严格审查的开发者以及美国政府相关合作伙伴，聚焦于生物防御、公共卫生和疫情防控准备等关键领域。通过 GPT-Rosalind 强大的数据处理和模拟能力，用户能够更高效地进行生物威胁分析、疫情趋势预测和应急决策支持，从而提升社会应对潜在生物风险的整体韧性。OpenAI 表示，这一举措将推动 AI 技术在公共安全中的负责任应用，为全球公共卫生体系提供智能化工具，助力构建更快速、精准的防御机制。 #OpenAI #Rosalind #Biodefense #AI #公共健康 #疫情准备 #科技新闻 #大模型
DeepSeek永久降价V4 Pro模型，AI推理成本大幅下降
DeepSeek宣布将其旗舰模型V4 Pro的永久价格下调75%，输出令牌价格从每百万3.48美元降至0.87美元，输入令牌价格降至0.435美元。该模型拥有1.6万亿参数，采用混合专家架构，每次前向传递仅激活490亿参数，在SWE-bench Verified基准测试中得分80.6%，并以MIT许可证提供完全商业使用权。此次定价较GPT-5.5预估输出成本便宜约34倍，将永久改变企业AI工作负载的经济账，为高频RAG管道、代码审查代理等场景带来显著成本节省。 此次降价源于其架构效率而非市场压力。V4 Pro通过MoE设计大幅降低长上下文推理成本，并结合百万令牌上下文窗口和激进缓存策略（缓存命中输入价格极低），使降价在结构上可持续。其开源权重允许企业进行本地或离线部署，满足数据主权要求。对于仍默认使用高端闭源模型进行批量任务的企业，DeepSeek建议立即进行基准测试，因其在关键编码和推理任务上已接近前沿模型水平，且成本优势巨大。 #DeepSeek #AI成本 #大模型 #MixtureOfExperts #开源AI #企业AI #降价 #推理优化
DeepSeek宣布将其旗舰模型V4 Pro的永久价格下调75%，输出令牌价格从每百万3.48美元降至0.87美元，输入令牌价格降至0.435美元。该模型拥有1.6万亿参数，采用混合专家架构，每次前向传递仅激活490亿参数，在SWE-bench Verified基准测试中得分80.6%，并以MIT许可证提供完全商业使用权。此次定价较GPT-5.5预估输出成本便宜约34倍，将永久改变企业AI工作负载的经济账，为高频RAG管道、代码审查代理等场景带来显著成本节省。 此次降价源于其架构效率而非市场压力。V4 Pro通过MoE设计大幅降低长上下文推理成本，并结合百万令牌上下文窗口和激进缓存策略（缓存命中输入价格极低），使降价在结构上可持续。其开源权重允许企业进行本地或离线部署，满足数据主权要求。对于仍默认使用高端闭源模型进行批量任务的企业，DeepSeek建议立即进行基准测试，因其在关键编码和推理任务上已接近前沿模型水平，且成本优势巨大。 #DeepSeek #AI成本 #大模型 #MixtureOfExperts #开源AI #企业AI #降价 #推理优化