GPT 5.6内测代号曝光，谷歌月付9.2亿美元租SpaceX算力

OpenAI动态：GPT 5.6内测启动与账号故障补偿

OpenAI内部已开启GPT 5.6新检查点的测试，内部代号为"Kindle Alpha"，同时停用了此前两个旧的检查点。在大模型开发中，"检查点"是模型训练过程中某个特定阶段的完整参数快照，研发团队通常保存多个检查点以便比较性能和回滚实验。一个GPT级别的模型训练可能持续数周甚至数月，期间会产生数百个检查点，每个检查点可能占据数TB的存储空间。研发团队需要在这些检查点之间进行系统性的评估比较，包括基准测试得分、人类偏好评分、安全性测试等多维度指标。使用内部代号是大型AI实验室的常见做法，既便于沟通，也能在信息泄露时降低外界对技术细节的推断。停用旧检查点通常意味着新版本在综合评估中已全面超越前代，同时也涉及巨大的存储资源回收。

据爆料者透露，泄露的模型测试效果图是在未开启思考模式下的产物，这意味着GPT 5.6在基础推理能力上可能已有显著提升。值得注意的是，当前主流推理模型存在基础模式和思考模式（Chain-of-Thought）两种工作方式，后者通过消耗更多计算资源进行显式逐步推理来提升准确率。思考模式的核心机制是让模型在生成最终答案前，先输出中间推理步骤，这种方式在数学、逻辑和编程任务中效果显著，但代价是推理延迟增加数倍、token消耗大幅上升。OpenAI的o1/o3系列和DeepSeek-R1都采用了这一范式。如果GPT 5.6在未启用思考模式时就表现强劲，说明其基座模型本身的能力已经大幅跃升，而非依赖推理时的额外计算开销——这在技术层面是更为根本的进步。这也意味着用户在日常对话中无需等待漫长的思考过程就能获得高质量回答，同时为启用思考模式后的表现留下了更高的天花板。

说个细节，OpenAI近期因系统故障误封了部分用户的ChatGPT账号。官方已陆续恢复账号权限，并对受影响的订阅用户给予延长一个月订阅的补偿。这一事件也提醒用户关注账号安全和平台稳定性问题。

此外，OpenAI旗下的Codex工具也迎来功能更新，新增了设置检索功能，同时完善了全屏对话、消息通知等多项细节功能，进一步提升开发者的使用体验。

均可以基于QAT进行优化

谷歌与SpaceX达成云计算合作

助力用户承接体量更大复杂度更高的任务

谷歌多线并进：Gemma 4量化优化与SpaceX算力合作

Gemma 4量化感知训练正式发布

谷歌在Hugging Face发布了Gemma 4的量化感知训练（QAT）检查点。量化感知训练是一种在模型训练阶段就模拟低精度推理的技术，与传统的训练后量化（PTQ）直接将32位浮点参数压缩为低精度整数不同，QAT在训练过程中插入"伪量化"节点，让模型学会在低精度环境下保持性能，从而大幅降低精度损失。

从技术细节来看，量化技术的核心挑战在于精度与效率的权衡。标准的FP32模型每个参数占用4字节，而INT4量化将其压缩至0.5字节，理论上可实现8倍的内存节省。但直接量化往往导致模型性能断崖式下降，尤其在长尾知识和复杂推理任务上。QAT通过在前向传播中模拟量化噪声、在反向传播中使用直通估计器（Straight-Through Estimator）来更新梯度，使模型权重在训练过程中自适应地向量化友好的分布靠拢。

所有不同尺寸的Gemma 4模型均可基于QAT进行优化，并支持定制移动端量化格式——这些格式可能针对ARM架构的NEON指令集或高通Hexagon DSP进行了专门优化。经过优化后，模型最低内存占用可降低至1GB，这对于端侧部署和移动设备运行大模型不能忽视——1GB的内存占用意味着即便是中端手机也具备了本地运行大模型的条件，为离线AI应用和隐私敏感场景打开了大门。

Gemini Omni模型正式开放

谷歌面向Plus、Pro和Ultra订阅用户开放了Gemini Omni模型，用户可在官网和移动端APP中使用。Omni模型代表的是原生多模态架构——模型从训练阶段就同时处理文本、图像、音频和视频等多种信息形式，而非将不同模态的模型简单拼接。

早期的多模态AI系统采用管线式架构，即分别训练视觉编码器、语音识别模型和语言模型，再通过适配层将它们串联。这种方式的缺陷在于模态间的信息传递存在瓶颈，跨模态的细微语义关联容易丢失。原生多模态架构则从预训练阶段就将所有模态的token统一编码到同一个向量空间中，使模型能够学习到图像像素、音频波形和文本token之间的深层对应关系。相比早期管线式方案，原生多模态能更好地理解跨模态语义关联，例如准确把握视频中语音与画面的对应关系。

谷歌将该模型限定在付费用户层级，既是商业化策略，也反映了多模态推理所需的计算成本远高于纯文本交互——这对训练数据的多样性和对齐质量提出了极高要求，也是计算成本远超纯文本模型的主要原因之一。

谷歌与SpaceX达成月付9.2亿美元算力合作

据华尔街日报报道，谷歌与SpaceX达成了重磅云计算合作协议。合作约定从2026年10月到2029年6月，谷歌每月向SpaceX支付9.2亿美元用于租用算力。

这一合作的深层背景是全球AI算力供需严重失衡。当前英伟达GPU产能受限，各大云厂商的GPU集群排期已满。据估计，2024年全球用于AI训练和推理的GPU总算力仍无法满足需求，英伟达H100/H200芯片的交付周期一度长达6-9个月。各大科技公司纷纷采取多元化算力策略：谷歌自研TPU v5e/v6、微软投资核电站为数据中心供电、Meta大规模扩建数据中心。谷歌虽拥有自研TPU芯片，但面对Gemini系列模型训练和推理的爆发式需求仍显不足。

SpaceX虽以航天业务闻名，但其星链业务在全球部署了大量地面站和数据处理设施，积累了大量数据中心基础设施，其在电力获取、散热管理和网络互联方面积累的工程能力，使其具备了转型为算力供应商的基础条件。这笔合作也可能涉及SpaceX利用其发射能力部署太空边缘计算节点的远期规划。

这一合作对双方都有重要战略意义——谷歌能够补充自家TPU算力的不足，而SpaceX则可借此助力公司IPO进程。月付9.2亿美元、总合同近26个月的规模约合240亿美元，接近一些中型云计算公司的全年营收，充分反映出当前AI算力需求的巨大缺口，也印证了算力作为"新石油"的战略地位。

Anthropic与开源生态新动向

Claude Cowork限时额度翻倍福利

Anthropic开启了Claude Cowork限时福利活动，用户可用额度翻倍，优惠持续至次月。这一举措旨在助力用户承接体量更大、复杂度更高的任务，也体现了Anthropic在用户增长方面的积极策略。

Riverflow 2.5图像生成模型发布

图像生成模型Riverflow 2.5正式发布，文生图和图生图全系列能力均获提升。该模型搭载内置推理编辑逻辑，这代表图像生成领域的新趋势：模型不仅能生成图像，还能理解编辑指令的语义逻辑。

传统图像编辑模型（如Inpainting）通常基于掩码机制工作——用户手动标记需要修改的区域，模型填充新内容。而内置推理编辑逻辑的模型则能理解自然语言指令中的隐含约束，自动判断编辑范围和物理一致性。例如用户指示"把背景换成夜晚但保持人物光照自然"，模型需要推理出哪些像素该修改、哪些该保留、光影如何协调，这比简单的图像修复复杂得多。这背后需要模型具备空间推理（理解物体遮挡关系）、光照推理（判断光源方向和反射特性）以及语义分割（区分前景与背景）等多项能力的协同工作，本质上要求模型具备物理世界的常识推理能力。这一趋势正在模糊图像生成与图像理解之间的界限。

模型最高支持4K图像导出，Pro版本可在OpenRouter免费使用，为创作者提供了又一高质量选择。

英伟达Nemotron 3 Ultra免费开放使用

OpenCode宣布，英伟达开源旗舰模型Nemotron 3 Ultra现已在平台中免费提供使用，支持长上下文处理。不过截止时间官方暂未明确，感兴趣的开发者建议尽早体验。

总结与展望

从今日的AI行业动态来看，头部公司之间的竞争正在多个维度同时展开：OpenAI持续推进GPT系列迭代，谷歌通过算力合作和模型优化巩固生态，Anthropic则以福利活动争夺用户。算力资源的争夺已成为AI竞赛的核心战场之一，谷歌与SpaceX的合作规模充分说明了这一点。与此同时，模型轻量化（以Gemma 4 QAT为代表）和多模态能力的普及正在将AI从云端推向终端设备，这一趋势将深刻改变AI应用的分发方式和用户体验。