Gemini 3.8 Live发布，Google内部引入Claude编程模型

Gemini 3.8 Live：实时对话与视觉呈现的融合

Google推出的Gemini 3.8 Live把实时对话智能、流畅交互和视觉呈现整合进同一套Live体验，试图在多模态实时交互这个赛道上抢占先机。从公开的评测数据看，这套系统的竞争力主要体现在成本和推理能力两端。

评测图显示，Gemini 3.8 Live的输入音频每小时成本为0.84美元，在同类Live对比项中处于较低水平。对于需要长时间语音交互的应用场景来说，这个成本优势会随使用规模被放大，直接影响商业化落地的可行性。

在Arkham Banking基准测试中，开启Extended Thinking模式的Gemini 3.8 Live得分35.1%，在参与对比的模型中排名第一。Speech-to-Speech Index方面，标准版本为76%，Extended Thinking高档进一步提升到82.6%。这些数据勾勒出一个思路：在保持低成本的同时，通过"扩展思考"模式换取更高的任务准确率，让用户按需在响应速度与推理深度之间做取舍。

Extended Thinking（扩展思考）模式是近期多模态大模型中出现的一种推理机制。与标准推理不同，该模式允许模型在给出最终答案之前，先在内部执行更长链路的"思维链"步骤——类似于人类在回答复杂问题前先打草稿。其代价是响应延迟增加，优势则是在需要多步逻辑推导、数学运算或复杂指令遵循的场景下准确率更高。Arkham Banking基准是专门针对金融领域对话任务设计的评测集，考察模型在银行、贷款、合规等场景下的问答准确性，被视为衡量实时语音模型在垂直行业可用性的重要参考。Speech-to-Speech Index则综合评估语音输入到语音输出全链路的理解与生成质量，包括语义准确率、对话连贯性等维度。

OpenAI真人审核：改进模型背后的隐私争议

据404 Media调查、India Today转述，OpenAI雇佣了数百名合同工阅读并评估真实的ChatGPT对话，以此改进模型。这个名为Project Lily的项目，审核人员有时能看到完整的人机交流内容，其中可能包含用户的敏感个人信息。

Project Lily的审核人员有时能看到完整的人机交流。

审核人员的工作不止于阅读，他们还会概括用户意图、检查模型回答是否符合训练指令，并对多份模型输出进行评分。这种"人在回路"的方式对提升模型对齐质量确有帮助，但也把一个老问题重新摆上台面——用户在与AI对话时投入的私密信息，最终可能被真人逐字阅读。透明度和数据边界的问题，会持续成为大模型厂商需要回应的焦点。

与审核话题形成对照的是OpenAI在开源生态上的动作。其Codex for Open Source计划推出100美元的Pro方案，并将资助名额翻倍。该计划面向开源软件维护者，已获得资助的维护者也被鼓励重新申请，意在把AI编程工具的能力回馈给开源社区的长期贡献者。

**RLHF（基于人类反馈的强化学习）**是当前主流大语言模型训练的核心环节之一，而"人在回路"（Human-in-the-Loop）的数据标注正是其中不可缺少的一步。标注人员通过对模型多个输出版本进行对比评分，帮助训练奖励模型，进而引导语言模型向更符合人类偏好的方向优化。Project Lily所描述的工作流——概括用户意图、评估回答合规性、对多版本输出打分——与标准RLHF标注流程高度吻合。问题的核心在于：大模型的训练质量与数据标注规模正相关，而提升标注质量往往需要标注者接触真实用户对话，这与用户对数据隐私的合理期望之间存在结构性张力。目前各大厂商普遍在隐私政策中保留将对话用于模型改进的条款，但实际审核链路的透明度参差不齐。

Google内部引入Claude：巨头之间的微妙合作

Business Insider报道，Google已向全公司工程师开放Anthropic的编程模型，用于内部开发。具体使用的是Opus 5，入口被限制在Google的内部开发平台AntiGravity。

Business Insider报道，Google已向全公司工程师开放Anthropic的编程模型，用于内部开发。

这是一个耐人寻味的信号。Google自身拥有Gemini系列模型，却在内部编程场景中引入竞争对手Anthropic的Opus 5，说明在具体的编程任务上，工程师群体倾向于选择当下体验最好的工具，而非固守自家产品。这种务实态度也反映出，模型能力的差异在实际开发工作流中会被直接感知，厂商很难仅凭"用自家的"来维系内部采用率。

国内AI服务与硬件的密集更新

国内厂商在订阅计费和企业服务上继续加码。36氪报道，字节跳动将发布独立企业智能网盘A-Drive，目前已开启适用申请。A-Drive由火山引擎打造，主打连接AI应用，让文件与产物持续可用，并统一文件存储和团队协作。

A-Drive由火山引擎打造，主打连接AI应用。

火山方舟的Agent Plan已列出DeepSeek 4.1 Flash，并在9月15日至28日的活动中按五折计算积分。这个个人订阅计划提供全模态模型、四档规模，以及Agent用量查看，还兼容多种编程Agent工具。百度千帆个人版则展示了Mini、Lite、Pro、Max四档积分套餐，月价从4.9元到299.9元；换算成Token后，四档月额度分别为1000万、4200万、2.3亿和7亿Tokens。这种"分档订阅+Token额度"的定价模式正在成为国内AI服务的标准打法。

硬件方面，联发科发布天玑9600M和9600Pro，其中Pro采用2纳米工艺与2+3+3全大核架构，集成双NPU，并强调支持在设备端运行AI模型。端侧AI推理能力的持续增强，意味着更多AI任务有望脱离云端、直接在手机上完成。

**端侧AI推理（On-device AI Inference）**指在终端设备（如手机、平板）的本地芯片上直接运行AI模型，而非将请求发送至云端服务器处理。其优势包括：降低网络延迟、保护用户数据隐私（数据不离开设备）、在弱网或无网环境下仍可运行，以及降低云端算力成本。制约端侧推理的主要因素是芯片算力与能效——NPU（神经网络处理单元）的集成规格直接决定可本地运行的模型参数量上限。联发科天玑9600 Pro采用2纳米工艺并集成双NPU，正是在这一方向的持续突破。随着量化压缩技术（将模型精度从FP16压缩至INT4等）的成熟，10亿至70亿参数规模的语言模型已逐步可在旗舰手机上流畅运行，这为离线场景下的AI助手、实时翻译、本地代码补全等应用打开了空间。