谷歌神秘图像模型Mondrian曝光，Sonnet 4.5将停用

谷歌新图像模型「Mondrian」现身Arena测试

AI竞技场（Arena）中近日出现了一个代号为「Mondrian」的神秘图像生成模型。该模型自称来自Google DeepMind，业内普遍推测这是下一代Nano Banana模型。

值得一提的是，AI竞技场（Chatbot Arena）是由UC伯克利LMSYS团队创建的开放式模型评测平台，采用「盲测对战」机制：用户在不知道模型身份的情况下与两个模型同时对话，根据回答质量投票选出胜者，并使用源自国际象棋排名体系的Elo评分系统进行动态排名。正因其评测方式贴近真实用户体验，各大AI厂商在正式发布新模型前，往往会以匿名代号将模型投入Arena进行「预热测试」，Mondrian此次现身正是这一惯例的体现。

「Nano Banana」是谷歌DeepMind图像生成模型系列的内部代号体系之一，延续了谷歌以水果或食物命名实验性模型的传统。谷歌在图像生成领域的技术路线主要依托Imagen系列（基于扩散模型）与Gemini多模态能力的融合演进，近年来已推出Imagen 3等商用级产品。Mondrian这一代号来源于荷兰抽象派画家蒙德里安，以几何色块构图著称，以此命名图像模型颇具寓意。

从已参与测试的用户反馈来看，Mondrian的表现相当亮眼——整体水平已经能够持平GPT图像生成模型MH2，部分场景下的表现甚至优于MH2。按照目前的时间线，该模型预计将在5月19日正式发布。如果消息属实，这将是谷歌在图像生成领域的又一次重要突破。

xAI推出编程助手Grok Build

桌面级编程工具直接对标Codex

xAI即将推出桌面级编程助手Grok Build，明确对标OpenAI的Codex等竞品。马斯克早在上个月就预告了Grok Build Beta版本即将发布，但不知何故延期至今。目前已有部分用户获得了内测权限。

OpenAI Codex是最早将大语言模型系统性应用于代码生成的商业产品之一，也是GitHub Copilot的底层引擎。随着各大模型编程能力的全面提升，AI编程助手已从单纯的代码补全演进为支持完整项目生成、调试、重构的「智能开发伙伴」。当前赛道玩家包括GitHub Copilot、Cursor、Windsurf、Devin等，竞争维度涵盖代码质量、上下文窗口长度和IDE集成深度。Grok Build选择以桌面客户端形式切入，意在提供更深度的本地开发环境集成，与纯云端API方案形成差异化竞争。

Grok Computer功能短暂曝光

更值得关注的是，有用户发现Grok网页端短暂出现了一个「Grok Computer」选项，该功能支持在本地和云端执行任务，这意味着Grok正在向通用计算代理方向发展。不过该功能很快被下架，显然还未准备好正式面世。

「Grok Computer」所指向的计算机操控代理（Computer Use Agent）是当前AI能力边界扩展的重要方向。该类技术允许AI模型像人类一样操作图形界面——截取屏幕、识别UI元素、模拟鼠标点击和键盘输入，从而完成跨应用的复杂任务。Anthropic于2024年率先推出Claude Computer Use功能，OpenAI随后发布了Operator产品。Grok Computer若能同时支持本地与云端执行，意味着xAI正在构建一个可跨越设备边界的通用任务执行层，这将是其生态系统中极具战略价值的基础能力。

从产品布局来看，xAI正在快速补齐工具链——从对话模型到编程助手再到计算机操控，试图构建一个完整的AI生态系统。

Anthropic计划停用Claude Sonnet 4.5

据了解，Anthropic打算停用Claude Sonnet 4.5模型，预计将在5月15日正式从Claude的APP中移除。不过API端暂时保持开放，给开发者留出了一定的迁移缓冲期。

这一决定并不令人意外。随着更新版本模型的推出，旧版本的维护成本与收益不成正比，逐步淘汰是行业常态。对于依赖该模型的开发者而言，需要尽快评估迁移方案。

OpenAI全面关闭微调服务API

OpenAI宣布了一项重大政策变更：由于GPT 5.5在指令遵循和格式一致性等方面已经足够强大，公司决定全面关闭微调服务API。

具体安排如下：

• 新用户：已无法使用微调服务
• 老用户：最晚可使用到明年1月份
• 已部署模型：将伴随基座模型同步停止（例如GPT 5.4停用时，基于5.4的微调模型也将同步关闭）

这一决策背后有深刻的技术演进逻辑。模型微调（Fine-tuning）是指在预训练大模型基础上，使用特定领域数据进行二次训练的技术手段，早期GPT-3时代几乎是实现垂直场景定制化的唯一可靠路径。然而随着模型基础能力的跃升，提示工程（Prompt Engineering）——即通过精心设计输入指令来引导模型行为——逐渐能够替代大量原本需要微调才能实现的效果。少样本学习（Few-shot Learning）、检索增强生成（RAG）和系统提示（System Prompt）的组合使用，使得无需修改模型权重即可实现高度定制化输出。OpenAI此举本质上是对「基础模型能力已足够强大」这一判断的商业化表达，但对医疗、法律、金融等需要严格输出格式和专业知识注入的垂直领域而言，微调仍具有不可替代的价值，这无疑增加了相关开发者的不确定性。

字节跳动AI基础设施支出上调25%

据报道，字节跳动计划将AI基础设施支出提高25%，调整后总额将达到约2000亿人民币。知情人士透露，上调支出主要有两方面原因：

1. 战略层面：继续加大AI方