Meta能把陌生人P进你的AI照片里，微软和DeepSeek忙着省钱造芯片

01在Instagram上，生成一张AI照片，再把陌生用户拉进画面——Meta超级智能实验室做到了

在Instagram上，你能生成一张AI照片，再把另一个用户拉进画面，哪怕对方根本不认识你。这是Meta本周推出的Muse Image模型的新能力，如今它驱动着Meta旗下几款应用里的图像生成工具，很快还会覆盖到Facebook。

Muse Image出自Meta超级智能实验室，是这个部门交出的第一款图像模型。它值得注意的地方不在画质，而在于它把「谁能出现在一张AI照片里」的决定权，从被拍的人手里，挪到了生成照片的人手里。过去这类工具生成的是虚构面孔，如今调用的是平台上真实、能被认出的账号，你被放进别人的画面，可能毫不知情。

这正是Verge一位专栏作者最近的担忧。他连刷两季美剧《A Man on the Inside》后发现，好莱坞无意间演出了智能眼镜眼下最大的文化难题：一个人能随手把身边真实的人变成素材，被拍的那个人却没有说不的机会。眼镜负责采集，模型负责生成，两头都绕开了画面里的人。

同一周，另一家公司走向反面。智能眼镜厂商Solos这次发布的新款干脆拿掉了摄像头，只靠语音和AI助手交互，重量也从上一代的三四十克压到了19克。一边在拼命扩张镜头能触达的范围，一边把镜头整个摘掉。

02Gemini API新增后台任务和远程MCP，agent的重心从「能做什么」挪到「别在生产里崩」

Gemini API这周更新了托管agent服务。新增能力里有后台任务、远程MCP接入等一批功能。Google给这次更新的定位不是让agent更聪明，官方原话是「让开发者构建可靠、能上生产的agent」。卖点从能力演示换成了可靠性。

同一周，OpenAI晒出的企业案例踩在同一条线上。主角是澳大利亚支付机构Australian Payments Plus。这家公司用Codex在繁琐的支付流程里提速。OpenAI强调的不是模型跑得多快，而是省了多少时间、质量怎么保，人的判断始终在中心。这是一套部署叙事，不是能力叙事。

MIT科技评论把这条线摊得更开。文章面向企业IT负责人，讨论要把agentic系统真正铺开，底层得先搭好哪些架构，以及在能力半年一变的当下，哪些投入过了半年还站得住。

03大模型真正的利润藏在推理里，开源GLM正把它抽走

主流叙事一直把AI讲成一门高毛利、高回报的生意，这承诺甚至具体到了普通家庭：OpenAI高管宣称，美国人将来能分享这门生意创造的财富，「一家人也能在OpenAI里分到一小份」被《金融时报》拿来当卖点。

一位分析师算的是另一笔账。他说市场有个根本误读：所有人盯着训练成本，以为几百万美元就能训出模型意味着资本开支时代结束。可烧钱的从来不是训练，那是花完就了结的一次性投入；持续消耗的是推理，它随需求增长，有实打实的边际成本。

利润恰恰藏在推理里。他估算，头部厂商按每百万token二十多美元收费时，相对算力的毛利率高达九成，整套商业模式全靠这层价差撑着。开源模型GLM 5.2正从这里下手：同等水平的模型一旦能近乎免费地自建部署，厂商那套定价就撑不住了。他把这称作真正的「DeepSeek时刻」。

而被许诺给每个美国家庭的那份回报，落到账面上不过三百美元。