号称「无限」的AI额度，美军一年就烧光了

01一张桌面显卡跑出无限可交互世界，开源世界模型开始对着游戏引擎的活儿动手

传统游戏怎么做出来？美术画素材，动画师做动作，程序员写物理和逻辑，一条流水线堆满人力。AlayaWorld的技术报告把这条流水线称作「劳动密集型」，然后给出另一种做法：世界模型直接从一句文本、一张图或一段视频里，即时长出可探索、能交互、还会持续演化的虚拟世界。

同一批开源工作里,三条信号指向同一个方向。ABot-World-0主打实时长程闭环交互，玩家的操作能即时反馈进画面，而且只要一张桌面级显卡就能滚动出无限世界，它的训练数据横跨3A游戏、仿真引擎和互联网视频。AlayaRenderer走的是另一条路，它不从文本或控制提示凭空生成画面，而是接收物理引擎导出的结构化世界状态，再渲染成RGB帧，好处是场景结构不会被模型改乱，物理规律仍然由引擎说了算。

这三者拼出的分歧,不在谁的画面更真，而在谁来生产一个可玩的世界。传统引擎里，世界的每一块都是人手工搭出来的资产;世界模型主张把美术、动画、物理、编程这四件重活压进一个生成过程，用户给个输入就往下滚。分歧也摆在明处：AlayaRenderer团队自己承认，原版模型太贵，跑不动实时部署，报告的一大半篇幅都在讲怎么把它压到能玩的速度。

02号称「无限」的AI token，美军一年就把配额烧光了

美军的士兵们最近收到一封邮件，被通知正在快速耗尽手里的AI token。他们用的本是号称「无限」的额度，结果一年就把够用好几年的量烧了个精光，供应商随即给他们设了使用上限。

需求这头撞上天花板的同时，工程那头正忙着把消耗压下去。一篇新论文提出的SWE-Pruner Pro，让coding agent自己动手裁剪读进来的工具输出，把无关的长上下文丢掉再进模型。

过去做这件事得额外挂一个代码分类器来判断哪段上下文有用。研究者发现，agent读工具输出时，内部早就编码了每段代码相不相关的信号，加一个小模块直接把这个信号读出来就够了，省下的token相当可观。

一边是配额被真实业务量提前耗尽，一边是把上下文当预算一样精打细算地裁。两条线指向同一件事：token和上下文预算已经是AI部署绕不开的运营天花板，谁上量谁先撞上。

03一句「骑自行车的鹈鹕」玩笑测试，正被AI实验室认真对待

每有新模型发布，开发者Simon Willison都会丢给它同一句话：「生成一只骑自行车的鹈鹕SVG」。这句话他用了好几年，最初只是个玩笑，如今成了圈内最出名的非正式测试之一。他晒出的鹈鹕结果，常常是Hacker News讨论帖里票数最高的评论。

出名到这个程度，麻烦也来了。一个跑分能帮公司说服用户，背后又押着数十亿乃至上万亿美元，谁能保证实验室不会偷偷针对这只鹈鹕做优化。社区给这种行为起了个名字，pelicanmaxxing。

于是有人动手验证。他搭出8种动物乘6种载具的48个提示词，让鹈鹕骑车只占其中一格，用七个前沿模型生成上千张SVG，再交给另一个模型打分，看鹈鹕这格是不是被特殊照顾了。

这不只是鹈鹕一个案例。一篇名为Apple-π的物理智能基准论文也在挑同样的刺：现有评测大多只看模型输出的画面是否符合物理，却不追究它是靠什么推理走到那里。这篇论文干脆把评测锚定在物理定律上，要求模型不只画对结果，还得走对过程。