每日AI新鲜事·10月21日早间版：MOSS生图与车载Gemini

今天AI圈又有不少新动静,硬件、云服务、车载助手、还有开源生图模型,全都挤一块了.

今天咱们主要聊这么几件,一是罗技鼠标官翻打折,二是Vercel的WebSocket正式可用,三是Gemini进了汽车,四是SaaS权限审查清单.深度这块聊两个,一个是MOSS-Image开源生图,一个是B站那套五百集Agent教程.

嗯,挺满.

那咱们就先从新闻开始,一条一条过.

第一条,The Verge上看到的,罗技G Pro X2 Superstrike无线游戏鼠标,官方翻新版在罗技的eBay店打六五折.这个鼠标有点意思,它没有传统的物理微动段落感,靠振动马达模拟那种咔哒手感.

这个方案在鼠标里确实少见.用触觉反馈代替机械结构,好处是手感可调,坏处就是贵,而且坏了不好修.

对,报道里也说它已经算上一代产品了,但核心卖点还是独一份.所以官翻适合尝鲜,降低试错成本.

不过得提醒一句,渠道是eBay不是官网,国内用户买的话,跨境保修这些得自己掂量清楚.

第二条,这个偏开发者.Vercel宣布他们Functions的WebSocket支持正式可用了.六月底开始公测,到现在CDN已经处理了三亿次连接,每天稳定扛一千五百万次.

这个数字说明它扛住了生产负载.重点是计费,Active CPU模式下只有真正处理消息才算钱,空闲心跳不烧CPU.

这不就是把长连接应用的成本门槛给打下来了嘛.而且原生支持之后,就不用再依赖Pusher、Ably那些第三方服务了.

对,架构能简化一大截.像AI聊天、流式传输、实时多人应用这些场景,全都直接受益.

第三条,TechCrunch的消息,Google把Gemini的Personal Intelligence功能往车里搬了,能结合Gmail、日历、地图、YouTube这些个人数据来回答.

车载语音助手以前就是执行简单指令,现在能结合日程和路线给上下文关联的回答,体验差别很大.

但这里我有个疑问啊,开车的时候让助手去读你的邮件,隐私边界怎么划?

这就是它的双刃剑.个性化数据是生态护城河,能提高切换成本,但跨服务数据访问的控制权问题也很现实.而且上线时间和支持车型都还没说.

所以车载AI的竞争,已经从能不能听懂,变成够不够懂你了.

接着还有两条偏企业IT的,来自Workos的博客.一条讲SaaS访问审查,说现在企业SaaS应用都破三位数了,权限散落各处,离职转岗之后权限回收经常没人能确认.

这个问题太真实了.文章给了一个四步框架,对账、记录、整改、验证.对账要以应用内数据为权威源,比对IdP账户,先把孤儿账户和过度授权揪出来.

记录这块它强调要固化决策人和业务理由,不然SOC 2、ISO 27001审计过不去.整改还得指定单一负责人,不能集体负责等于没人负责.

最后验证要重新拉权限快照,确认变更真生效了.这套流程说白了就是把权限管理从口头承诺变成可审计的证据链.

最后一条也是Workos的,讲员工身份和客户身份的区别.一个IT集中管,重安全合规;一个产品团队主导,重转化体验.

关键在B2B软件里这两类身份会在租户权限模型上撞车.文章建议共享底层身份基础设施,但策略层要分开,别强行统一.

它那句话我印象挺深,说身份就是组织边界在软件里的投影.

好,新闻先聊到这儿,接下来咱们进深度,聊聊最近B站上一个特别火的国产开源生图模型.

MOSS-Image,标题写得很猛,说国产开源生图模型杀出来了.五B参数,中文长文本和海报排版表现惊艳,单张RTX 4090就有望本地部署.

五B参数这个量级放在生图模型里是相当克制的.它真正的卖点我判断是两个,中文长文本理解,还有海报排版.

为什么偏偏是这两个?

因为这两块恰好是很多开源生图模型的软肋.英文提示词玩得转,一到中文长句就乱,排版更是老毛病,字糊在一起.

所以它等于是挑了最难的场景下手.那单卡4090能跑这点,对开发者吸引力应该很大吧.

非常大.你想,本地部署意味着数据不出门,调参自由,做垂直场景验证的成本一下就下来了.这对做设计工具、电商海报那类团队是刚需.

不过我看B站评论区也有另一种声音,说实测效果得看具体case,别被标题带节奏.

这提醒是对的.演示用的图肯定是精挑细选的.真正的考验是复杂排版加长文本,连续跑几十张,看稳定性怎么样.

那它这个时候火起来,你觉得是偶然吗?

不是.一个是国产开源这个情绪点,B站用户很吃这套.另一个是四零九零本地部署这个门槛,刚好卡在个人开发者和中小团队够得着的位置.

再加上中文长文本和海报排版,正好戳中国内做内容、做电商那批人的痛点.

对.所以我的判断是,生图模型接下来的竞争,不是比谁参数大,而是比谁在具体语言和具体场景里更靠谱.

总结一下就是,五B参数加中文长文本加单卡可部署,这套组合拳让开源生图的门槛和体验同时往前挪了一步.

第二个深度话题,还是B站,一个标题特别唬人的教程,全五百集,号称26年最全的Agent零基础教程,LLM、MCP、RAG全包,学完即可就业.

这个标题我先笑一下,但说真的,它火是有土壤的.Agent这块知识更新太快,很多人确实缺一条成体系的入门路径.

五百集这个量级,你觉得是优势还是劝退点?

两面都有.优势是覆盖全,从LLM基础到MCP再到RAG,能搭起完整框架.劝退点是太长,大部分人根本学不完.

而且学完即可就业这句,我是不太信的.教程能教工具,教不了工程判断.

这点我同意你.但你也别小看它的价值,对有基础的人来说,它可以当索引,快速把MCP、RAG这些散点串起来.

所以问题不在教程本身,在于大家把它当成速成班了.

对,把它当地图用是好事,当捷径用就危险了.真正能落地的Agent能力,还是得在项目里踩坑踩出来.

那这类教程现在这么火,是不是也说明市场对Agent人才的需求确实在往上走?

是的,需求是真的,但供给这块鱼龙混杂.我的建议是,教程看框架,动手做小项目,别指望看完五百集就能上手干活.

总结一句,五百集Agent教程是份不错的知识地图,但就业这件事,还得靠项目经验来兑现.

行,今天就聊到这儿,硬件云服务车载开源全都过了一遍,咱们中午见.