本周有两款值得关注的生成模型发布,AI智能体迎来一波语音与电话功能,订阅用户实际可用的服务额度也出现了一系列变化。OpenAI推出了Images 2.6,支持原生动画GIF生成和持久化参考图片。谷歌发布了Gemini Omni 1.2 Flash,将单段视频时长提升到15秒。Meta Muse上线了语音模式,Grok Bot学会了拨打电话。与此同时,Grok Bot用户的额度被大幅削减,Anthropic重组了Claude的订阅方案,OpenAI则把ChatGPT与Codex原本分开的用量池合并为一。对付费用户来说,现实问题已不再是哪个模型最新,而是每月订阅费现在到底能用多久。

OpenAI Images 2.6:GIF、速度控制与参考图保存

OpenAI宣布Images 2.6在ChatGPT、Codex及其API中上线。最抢眼的功能是直接在普通对话中生成动画GIF。例如,要求用彩色棉花糖拼出“Happy Birthday”字样,就会得到一段循环动画,界面还新增了播放速度选择器,提供0.25倍、0.5倍、1倍、1.25倍、1.5倍、1.75倍和2倍选项。实测中,生成和编辑各约需20秒完成。

编辑以对话方式进行,支持多轮。棉花糖GIF最初生成在木桌上,随后一句“把桌面换成草地”的指令就替换了背景,字样保持完好。上传一张人像并要求生成此人扮成跳舞中世纪骑士的GIF也能成功,带有梗图风格字幕的打扑克的猪同样如此。需要注意的一点是:梗图示例中的字幕文字在某些背景下不太容易辨认。

第二项重要新增是持久化参考。用户只需上传一次照片,告诉ChatGPT以一个简短的名字标签保存为参考,之后打开全新的对话,直接要求生成“该名字在冲浪”的GIF即可。模型会调用已保存的主体,无需重新上传。对于在多次会话中反复使用同一角色、产品或面孔的创作者来说,这似乎是一项实质性的体验改善。

面向开发者,OpenAI推出了两款API图像模型Flare和Sunburst,据该公司称,其生成速度比以往版本最多快50%。

Images 2.6提示词技巧

  • 以“Create a gif of [主体] [动作]”的句式提出请求,可稳定触发动画输出。
  • 如果动作显得过快或过慢,使用画布上的速度选择器调整。
  • 输入“Save this as a reference”并附上简单名称,即可保存常用主体。

谷歌Gemini Omni 1.2 Flash:更长片段与更严格的参考控制

谷歌的Gemini Omni 1.2 Flash登陆Google Flow和Gemini for Business。单个生成镜头的最长时长从10秒提升到15秒,谷歌称角色一致性更好、提示词遵循更准确、生成成本更低。

展示材料覆盖了多个用例:

能力 演示内容
虚拟试穿 一张人像换上多套服装,并完成360度转身
参考保真度 一段写着“GLOW LUMEN HALO”的3D文字场景,1.2 Flash在字体和光照上的还原优于1.1 Flash
自然语言编辑 骑士与王后身后的森林被替换为中世纪马厩和一匹白马
多角色音频 兰花温室中多只动物之间口型同步的对话
镜头控制 无人机式穿越镜头,从万神殿的穹顶天窗升起
微距细节 一段15秒的蜂巢讲解,带有跟踪卵、幼虫和蛹的动态标注

本次推送面向Google Flow的Ultra和Pro订阅用户,但并非所有人都能立即用上;在测试时,至少有一个Ultra/Pro账户的模型菜单仍只显示Omni 1.1 Flash和Veo 3.1系列。与1.1 Flash的对比和试穿片段均来自谷歌的发布材料,而非独立测试。

Grok Bot削减额度,以及如何在限额内生存

Grok Bot订阅用户反映,用量仪表在机器人闲置的情况下从50%直接跳到100%。埃隆·马斯克在X上确认这并非故障:相对于收入,Grok Bot的服务成本高得难以为继。目前没有公布修订后的具体额度数字或重置周期,活跃用户只能猜测自己还剩多少。

即便额度被削减,Grok Bot看起来仍是最适合深度自主智能体工作的平台之一。问题在于如何让现有的工作配置不把额度烧光。对一个重度使用账户的审计发现了两大消耗源。

一面墙的定时任务面板正被关闭,少数几个直接连向电子表格、邮件和聊天图标

▲ 精简例程并改用直接应用连接器

消耗源一:后台例程

被审计的账户运行着24个定时例程。一个突发新闻监控每周运行85次,两个摘要机器人各自每周检查来源14次,无论有没有新内容。以下补救措施保留了大部分价值:

  1. 暂停扫描相同信息源的重复机器人。
  2. 把非关键的维护任务(如垃圾邮件文件夹检查)从每天一次降到每周一次。
  3. 新闻提醒限制在工作时间,而不是全天每30分钟一次。
  4. 通过单个协调机器人统一调度,而不是维持许多分散的循环。

一些社区成员建议在大约四个月后删除长期运行的机器人以重置其状态。这个建议似乎没有必要;精简例程就能实现可持续的用量,无需抹掉机器人的记忆。

消耗源二:机器人互聊与浏览器自动化

多个机器人彼此对话的群聊,或把子任务沿链条层层下发,都会迅速消耗token和会话限额。在新的限制下,这类多机器人协作对于重负载可能已不可行。更稳妥的模式是与每个专用机器人就其特定用途进行一对一的专属对话。

计算机使用操作是另一项高昂成本。这些操作在云端虚拟机中运行,由机器人以视觉方式浏览网站,例如在Salesforce登录页面输入凭据。Grok Bot的Connect Apps面板提供了Slack、Outlook、Google Sheets、Datadog、Vercel、1Password、Notion和Atlassian的直接集成,就用量而言,这些连接器比让机器人操作浏览器便宜得多。

Meta Muse新增语音,成为平价替代选项

X上有多位Grok Bot用户记录了把主要工作流迁移到Meta Muse的经历,称其每月$20的方案吞吐量远高于定价约$300的更高档竞品;有一条帖子提到了10亿token的数字。Meta还发布了一段预告,主角是一个佩戴功勋徽章的毛绒童子军形象,徽章似乎代表各项功能:一个信封代表名为Muse Mail的专属收件地址,一枚语音模式徽章,Ray-Ban Meta智能眼镜集成,以及马克·扎克伯格此前表示将在假日季前面向消费者推出的Muse Charm可穿戴设备。

语音模式现已可用,测试中在桌面端尝试失败后,从移动应用成功运行。一个自定义的Muse助手以小型3D毛绒形象应答,口型和表情与语音同步变化。值得注意的表现有:

  • 助手表示能清楚听到用户,并能处理常规对话操作,但任何视觉相关的内容都需要上传图片。
  • 要求更换声音时会弹出选择器,提供warm、smooth、Playful Whistle、Aria、Boomy Mountain和Engaging Plum等风格。
  • 声音会使用“嗯”之类的自然填充词,被打断时会立即停下。
  • 分享功能可导出该形象随热门曲目跳舞的循环短片。

这里的判断是:Muse的语音比Grok Bot或ChatGPT Voice更灵敏、情感表达更丰富,尽管Muse的原始推理能力不及GPT-6或Claude。它适合非正式任务、免提头脑风暴和大量随意使用,但在复杂的自主执行方面,看起来还无法取代Grok Bot。

Grok Bot现在可以替你打电话

Grok Bot的新通话功能让机器人代表用户拨打企业或个人的电话。与Muse的语音模式不同,用户听不到音频,而是在对话中看到实时文字记录。拨号前,机器人会询问背景信息,说明通话目标,并提醒如需更多细节可能会在对话中提示用户。确认卡片会预览号码、目标和背景,并附有绿色的Call按钮。

一人在餐桌旁阅读带倒计时输入卡片的电话文字记录,另一人正在接听电话

▲ 带人工介入提示的AI电话通话

在一次真实测试中,机器人致电一位业务伙伴,商讨一个每天运行两次的X时间线摘要例程是否应继续暂停。它自我介绍为通过录音线路致电的虚拟助手,准确说明了该例程的功能,随后遇到一个无法回答的问题:用户是否通过其他方式跟进时间线。机器人请对方稍等,将通话静音,并在对话中发布了一张带约60秒倒计时的卡片。用户输入的回复“我在手动查看”直接进入了口头对话,伙伴同意继续暂停该例程,机器人礼貌地结束了通话。

响应延迟很低,节奏自然,不过声音带有一点闷闷的呼叫中心耳机质感。由此得出两条实用规则:确认前务必核对目标、号码和背景卡片;通话期间保持对话窗口打开,以免限时问题过期。

Anthropic与OpenAI的方案调整

Anthropic的做法与Grok Bot相反。Max 5x方案(每月$100)现在直接叫“Max”,Max 20x(每月$200)更名为“Ultra”。现有订阅用户自动过渡。实质性的变化是,Ultra订阅用户不再受5小时滚动会话上限约束,只保留总体的每周上限。整天运行Claude 3.5 Opus的重度用户可以在$200档位上灵活分配高强度工作负载,不会撞上短期的墙。

OpenAI向Pro订阅用户发邮件称,ChatGPT和Codex将从同一个合并配额中扣减。此前,ChatGPT把对话式的“Chat”、较重的“Work”任务和“Codex”编码分成不同的池,高级用户会先用完聊天额度来延长订阅的使用。Chat和Work标签页正在合并为单一输入框,根据意图切换模式:轻量的头脑风暴留在聊天中,可执行的创建类提示词则升级到Work。失去独立的池可能会降低高级用户的灵活性,但OpenAI将$200 Pro订阅用户的基础额度翻倍。每月$20的Plus用户没有获得增加,对该档位来说可能显得不平衡。

简讯

  • Atmee v2:由其开发者演示的实时视频数字人模型。在并排基准测试中,一段短片成本不到$0.01、耗时0.03秒,而Seedance 2.5为$0.50和233.6秒,便宜约10到100倍。演示包括一场无脚本的双数字人脱口秀和平板上的双向视频通话。这些数字人仍有点像僵硬的演员,但比早期版本像人得多。目前仅通过API邀请制开放。
  • Project Suncatcher:谷歌搭乘SpaceX任务发射了一颗原型卫星,搭载太阳能供电的TPU。桑达尔·皮查伊称,地面控制启动了TPU,在Gemma模型上运行了一条提示词,并收到了一首俳句:“Blue marble below, Data streams in silent grace, Starlight feeds my core.”这是单颗卫星的概念验证,不过谷歌的研究概述了可扩展的星座设计。
  • 个人理财:ChatGPT Voice现在可通过Fina连接器为美国用户接入银行和信用账户,严格只读。Anthropic在Claude中推出了由Plaid驱动的Personal Finance,用于预算问题、发薪后的现金流以及发现重复或周期性扣款;目前面向美国Pro、Max和Ultra订阅用户测试,Anthropic表示这些对话不会用于训练未来模型。
  • OpenAI新模型:一位OpenAI开发者宣布,ChatGPT dots将纳入GPT-6 Astra和GPT-6.1 Terra,以提升速度、改进智能体个性并扩大可用范围,可能包括Plus会员。
  • Perplexity Teammates:持久化后台智能体,如On-call Engineer、Legal Research Assistant和Storefront Manager,共享Perplexity的记忆、技能和插件,并能相互移交任务。面向Perplexity Max订阅用户在网页端提供,暂时免费,桌面和移动端随后推出。它与Manus Cue一道紧跟Grok Bot带火的多智能体架构,而ChatGPT dots和Claude Duet在社区中引发的热情似乎较为平淡。

本周要点

创意类发布很容易上手:试试用Images 2.6快速生成GIF,把反复使用的主体保存为参考,并查看Gemini Omni 1.2 Flash是否已出现在你的Google Flow模型菜单中。用量限额这条线需要更多审慎。如果你依赖Grok Bot,先审计每一个定时例程、砍掉机器人互聊、用直接连接器替换浏览器自动化,再考虑是否需要换平台。如果你想以低成本进行大量对话式使用,Meta Muse每月$20的方案及其新语音模式值得一试,但要明白它还不能替代重型智能体。Claude Ultra订阅用户现在可以更长时间连续工作,ChatGPT Pro用户获得了更多容量,Plus用户则应留意合并配额对日常使用的影响。各家服务的限额都在快速变动,与其依赖上个月的记忆,不如重新核对一下自己方案的额度。