每日AI新鲜事·10月11日午间版：Haiku 5.5实测与AI造假危机

今天AI圈还挺热闹的, 从摄影比赛造假到学术论文越写越长, 再到Haiku 5.5的实测数据出来了, 各个方向都有新动静.

今天咱们主要聊这么几件, 一是尼康摄影大赛AI造假风波, 二是机器学习论文越来越啰嗦这件事, 三是美国小费文化的老问题, 四是一个十人初创团队自建本地推理服务器, 五是有人在问AI时代该做点有意义的事, 六是Claude Haiku 5.5的实测评测.

嗯, 今天料还挺足的.

好, 先来过新闻. 第一条, HN上今天有篇文章挺有意思的, 来自dpreview, 说的是尼康旗下一个摄影大赛爆出了AI造假丑闻.

就是有参赛者用生成式AI出图, 然后拿去参赛. 评委肉眼根本看不出来, 因为现在AI生成的图光影细节已经逼真到这种程度了.

这件事其实迟早会发生的. 摄影比赛这个场景太特殊了, 有奖金, 有名誉, 违规成本低, 规则又普遍跟不上技术发展, 简直是AI造假的完美温床.

而且你想想, 摄影这个媒介的核心价值就是"真实". 它跟绘画不一样, 绘画从来就是创作. 但摄影的身份一直是纪实, 一旦这个基础被动摇, 整个行业的公信力都会跟着崩.

文章里提到有几个应对方向, 比如C2PA元数据溯源, 或者要求提交RAW原片. 但感觉都不是万能解法?

对, RAW核验是目前相对靠谱的方案, 毕竟生成式AI很难伪造一张原始RAW格式的文件. 但这只能过滤一部分情况, 碰上AI图转RAW的工具出来就又失效了.

所以结论其实很无奈, 这不是单一技术能解决的问题. 规则设计, 技术核验, 溯源这几件事得同时推进, 而且还得持续更新. 这场猫鼠游戏不会结束.

说得有点悲观, 但确实是现实. 好, 第二条, 这个来自Reddit的机器学习板块, 有人发帖问: 机器学习的论文是不是越来越啰嗦了?

说以前论文八到十二页, 现在动不动四五十页, 而且写法也在变, 口语化表达渗进来了, 严格的数学推导越来越少, 换成了框图和描述性叙述.

这个帖子我也看到了, 评论区吵得很热闹. 有人说这是大模型时代的必然, 因为研究横跨好几个子领域, 实验对比需要大量消融分析, 页数自然就上去了.

但也有人说, 框图依赖直接损害了复现性. 你一张图说不清楚的东西, 补二十张也说不清楚. 而且口语化写作让科学声明和探索性直觉的边界越来越模糊, 读者根本搞不清哪句话是结论哪句话是猜测.

篇幅不等于贡献, 这话说得很直接.

对, 但背后有个现实压力, 就是顶会的页数限制催生了附录文化. 正文卡在十二页, 附录再挂三十页, 形式上合规了, 内容还是一样的堆. 这个问题根子在评审机制上.

好, 快速带一条稍微轻松一点的. 这条来自HN, 问的是美国小费文化. 有人问, 为什么美国人不起来反对小费这件事?

这条跟AI关系不大, 但逻辑挺有意思的. 因为美国小费文化背后其实是劳工法的问题, 联邦法律允许餐饮业给服务员发比最低工资低得多的底薪, 小费是这个薪资结构的一部分. 要废除小费, 等于要重构整个行业的薪酬模型.

而且文章里说这是个囚徒困境, 个人消费者拒绝给小费只会伤到服务员, 不会改变系统. 还有数字支付终端普及之后, 默认高小费选项把这个文化又扩散到了自助点餐的场景.

对, 最后文章说真正的改变只能靠立法或者头部企业带头重构定价, 不会靠消费者抗议实现. 这个分析框架我觉得蛮通用的.

第四条, 来自Reddit的LocalLLaMA板块, 有个开发者分享了给十人初创团队搭建本地AI推理服务器的实践方案, 总成本大概一万八千美元.

核心配置是四张AMD Radeon R9700 AI Pro显卡, 合计一百二十八GB显存. 实测在十六并发下, 聚合prefill吞吐可以到六千三到六千八个token每秒.

这个方案有几个细节值得注意. 一是他们用了MXFP4量化权重配合BF16的KV缓存, 这个组合在省显存和保长上下文质量之间做了个平衡, 不是暴力压缩.

而且就算跑到一百二十八K的超长上下文, 聚合解码速度还能维持在几百token每秒, 对十人团队的日常代码辅助和文档问答来说完全够用. 一万八千美元这个成本很有说服力.

最后一条新闻, 来自Reddit的ClaudeAI板块, 有人发帖说: AI让写代码的成本趋近于零了, 但大家做的还是游戏克隆和重复的SaaS产品, 能不能用AI去解决一些真正有意义的问题?

这个感慨很真实. 那篇帖子里作者提了几个方向, 比如用零知识证明做创意确权, 搭互助供需匹配平台, 还有AI辅助的新型治理框架.

他有一个区分我觉得很关键, 就是AI作为辅助评估工具, 和AI作为制度设计者但由人类执行, 这两种模式是有本质差异的. 前者是工具, 后者是在重构权力结构.

技术能力民主化之后, 真正的稀缺变成了提出正确问题的眼光. 好, 新闻先到这儿, 接下来我们深入聊聊最近B站上特别火的一件事, Haiku 5.5的实测评测.

B站上这两个视频互动量都很高, 一个互动分一万七千多, 一个七千多. 主题都是Claude Haiku 5.5的实测. 李博, 你对这个模型怎么看?

我的结论是, Haiku 5.5这次是真的出乎意料. 以前Haiku系列的定位很清楚, 就是快, 便宜, 能力中规中矩. 但5.5这一代的基准测评出来之后, 你会发现它在某些任务上已经超过了肥鲸鱼的水平.

等一下, 你说的肥鲸鱼是指哪个? 这个梗我懂, 但我们听众可能不熟.

就是GPT系列里偏重量级的那些模型, 通常指GPT-4o这个级别的. 视频标题里就是这么对比的, 说Haiku 5.5比肥鲸鱼强, 还比它便宜, 这个落差才是最让人惊讶的地方.

价格这块我们之前也提到过, Haiku 5.5在Amazon Bedrock上的定价比上一代便宜了大概七十五%, 而且价格区间已经跟Gemini Flash的定位很接近了. 这不就是直接对标了吗?

对, Anthropic这次的策略挺明确的. 把Haiku 5.5做成一个能力超出预期但价格又压到极低的产品, 同时推进跟AWS的深度绑定. 这不只是模型迭代, 是在争夺中低端推理市场的份额.

你想想, 现在AI API价格战打成这样, GPT-6低端产品在压价, Gemini Flash在压价, Haiku 5.5跟上来也是必然的. 但关键是能力有没有跟上, 这才是这批评测视频真正回答的问题.

那你觉得实测结果怎么样? B站上那个五则测试例的视频, 有没有让你觉得哪个测试项特别有说服力?

最有说服力的是代码辅助类的任务. Haiku 5.5在代码补全和文档理解上的表现确实超出了小模型应有的水平. 这跟之前我们说的Anthropic在Claude Fable 5里积累的能力向下渗透有关系.

不对吧, 但它毕竟是轻量级模型, 真的遇到需要深度推理的任务, 应该还是有明显上限的吧?

这个你说得对, 这也是评测视频里能看出来的. 碰上多步骤复杂推理, Haiku 5.5跟Sonnet或者Opus级别的模型还是有差距的. 它的定位是高频, 低延迟, 成本敏感的场景.

比如实时客服, 代码自动补全, 文档摘要这些场景, 用Haiku 5.5完全够用. 但如果你要做复杂的多跳推理或者需要长链条思考的任务, 还是得换更重的模型.

那这就引出了一个很有意思的问题, 随着轻量级模型的能力越来越强, 什么样的任务才真的还需要重量级模型?

我觉得这个边界在持续收缩. 以前你觉得需要Opus级别的任务, 现在Sonnet就能搞定. 以前Sonnet才行的任务, 现在Haiku 5.5也能应付. 这个能力下沉的速度比大多数人预期得快.

所以对开发者来说, 选模型这件事变得更有意思了, 不是直接选最贵的就完事了, 得先想清楚你的任务到底需要多少推理能力.

对, 而且从产品设计的角度来说, 很多应用场景其实可以做分级路由, 简单任务走Haiku 5.5, 复杂任务自动升级到Sonnet或者Opus, 这样成本控制就灵活多了.

B站上还有个视频比较不一样, 是DeepSeek^广告和工作细胞联名的金曲创作, 叫帮倒忙吧D小鲸, 互动分也有三千七百多. 这说明AI这个话题已经不只是技术圈在关注了.

这个我觉得挺有意思的. DeepSeek这个品牌在中文互联网上的流行度已经到了能跟国民级IP联名做音乐的程度, 这是模型品牌出圈很少见的现象. 大多数模型用户都不知道自己在用什么底层模型.

总结一下今天聊的, Haiku 5.5这次实测给出了一个很明确的信号, 就是轻量级模型的能力边界在快速扩张, 而价格还在持续往下走. 对用户和开发者来说这是好事, 对整个市场来说这场价格战还没结束.

对, 而且我觉得更值得关注的是能力下沉的速度. 今天Haiku 5.5在某些任务上超过了上一代重量级模型, 那明年的Haiku 6会在哪里? 这个节奏如果保持下去, 整个推理市场的格局会很不一样.

好, 今天就聊到这儿, 周日好好休息, 晚上见.