AI资讯 | Meta 亿元挖角 OpenAI 核心研究员遇挫;腾讯元宝 AI 编程登场;OpenAI“热线电话”技能更新

新闻

作者：微信文章


AI NEWS

热点速递

腾讯元宝 AI 编程登场

OpenAI“热线电话”技能更新

Cursor推出月费Ultra服务

Meta 亿元挖角 OpenAI 核心研究员遇挫

港科大揭示MLLM正确率瓶颈

01

巨头棋局

AI大咖们的战略博弈

AI COMPANY

🤖 元宝 AI 编程初登场

腾讯元宝上线AI编程模式，支持双栏实时交互生成并预览代码，依托腾讯云CodeBuddy实现多语言免环境运行，在多场景及生态整合上形成差异化优势。

双栏界面实时交互：左侧对话生成代码、右侧同步预览运行效果，修改意见可即时更新。
依托腾讯云 CodeBuddy，支持 Python、C++、Java 等多语言在线运行，无需配置开发环境，代码即写即跑，同时实现 HTML 即时预览。
比 DeepSeek 交互直观，比 Copilot 场景更广，比豆包更适配办公 。

洞察解析
腾讯元宝 AI 编程模式以可视化交互和生态优势，打破传统编程高门槛壁垒，相较于竞品更注重场景拓展与大众普及，或将重构 AI 编程工具竞争格局。

🤖️ 谷歌最强大模型终问世

谷歌发布性价比突出的 Gemini 2.5 系列模型，其中 Flash-Lite 输入价格低至 0.7 元 / 百万 token，性能全面超越前代且支持 100 万 token 长上下文，已接入谷歌 AI 工具及搜索场景。

谷歌发布 Gemini 2.5 系列模型，Flash-Lite 输入 0.7 元 / 百万 token，支持 100 万 token 长上下文。
2.5 系列在编程、数学等任务超越前代，Pro 版 AIME 测试准确率 88%，部分领域稍逊 OpenAI。

基于 TPU v5p 训练，支持多模态，接入谷歌 AI 工具及搜索，Pro 版销量突出。

洞察解析
谷歌Gemini 2.5通过推理能力强化、百万token长上下文技术及Flash-Lite的低价策略抢占市场，与谷歌搜索和AI工具的生态整合加速了企业级应用落地，尽管其编程数学能力领先但图像理解仍弱于OpenAI，且TPU架构的技术闭环需要在商业化推进中平衡生态开放性。

🚀 OpenAI“热线电话”技能更新

OpenAI更新热线电话功能，支持通过WhatsApp短信生成图片，号码1-800-242-8478（T9对应ChatGPT），可链接账户获取更多生图次数，该服务去年12月已在美国推出语音通话，支持多设备且无需OpenAI账号。

功能更新：OpenAI 更新热线电话技能，用户可通过 WhatsApp 向 1-800-242-8478（T9 输入法对应 ChatGPT）发短信生成图片。

账户联动：将 ChatGPT 账户与 WhatsApp 上的 ChatGPT 链接，可获取更多生图次数。
服务回顾：该热线电话去年 12 月在美国推出语音对话功能，支持多类型设备接通，每月免费 15 分钟，可通过下载 App 延长通话，且 WhatsApp 接入无需 OpenAI 账号。

洞察解析
OpenAI 通过将图像生成功能集成至 WhatsApp 及优化热线电话服务，以低门槛交互方式（短信、语音）降低 AI 使用壁垒，推动 ChatGPT 向 “全民可用” 场景渗透，此举既拓展了移动端用户触达范围，也通过账号联动机制增强用户粘性，反映其加速 AI 技术大众化普及的战略方向。

📖   字节跳动+比亚迪：AI为新能源赋能！

字节跳动与比亚迪锂电池的合作通过 AI 技术与高通量实验的融合，加速动力电池核心技术研发，为新能源领域智能化创新提供了跨行业合作的典型范式。

合作共建实验室：字节跳动 Seed 及火山引擎与比亚迪锂电池共建 “AI + 高通量联合实验室”，探索 AI for Science 与高通量实验结合。

聚焦研发方向：针对动力电池的快充、寿命、安全等问题攻关，探索 AI 在电池新材料、新配方发现中的应用。

技术应用案例：比亚迪 “兆瓦闪充电池” 研发中采用字节跳动的电解液 AI 模型框架 BAMBOO，相比传统试错法可快速预测性能、缩小实验配方空间。

洞察解析
字节跳动以 AI 模型技术赋能比亚迪锂电池研发，通过 BAMBOO 框架实现电解液配方的高效筛选，凸显 AI 在材料科学领域缩短研发周期、降低试错成本的价值；双方合作标志着 “AI + 新能源” 跨界融合加速，有望推动动力电池技术突破并为行业研发模式提供智能化范本。

📖  Cursor推出月费Ultra服务

AI 编程工具Cursor推出月费 200 美元的Ultra订阅服务，模型使用额度达Pro版20倍且优先体验新功能。

Cursor 推高价订阅：AI 编程工具Cursor推出月费 200 美元的 Ultra 订阅服务，模型使用额度为现有 20 美元 Pro 方案的 20 倍，用户可优先体验新功能，该方案依托与 OpenAI 等模型厂商的多年合作协议。

业务增长强劲：Cursor 年化经常性收入（ARR）已达5亿美元，自2025 年 4 月以来新增 2 亿美元，被英伟达等大企业广泛使用，是史上最快实现 ARR 1 亿美元的公司之一。

行业竞争加剧：OpenAI 收购 Cursor 竞争对手 Windsurf，Anthropic 优化 Claude Code 工具并削减 Windsurf 对其模型的访问权限；Cursor 则加大自有模型研发，5 月推出 “Tab” 模型，支持多文件代码推荐。

洞察解析
Cursor 以高价订阅服务切入重度用户市场，依托与头部模型厂商的合作及自有技术研发实现高速增长，但 AI 编程工具领域正陷入 “模型厂商自研产品+收购竞争” 的混战，Anysphere 需在依赖外部模型与构建自主技术壁垒间寻找平衡，行业未来竞争将聚焦于模型深度整合与企业级服务能力。

🌏 OpenAI将关停GPT-4.5Preview API
OpenAI 因 GPT-4.5 API 高计算成本与战略聚焦需求，将于 7 月 14 日停用该服务并要求开发者迁移。

OpenAI 宣布 7 月 14 日关停 GPT-4.5 Preview API，开发者需在 26 天内迁移模型，该版本仍对个人 ChatGPT 用户开放。

GPT-4.5 API 成本高昂（输入 75 美元 / 百万 tokens），OpenAI 需集中算力推广性价比更高的主力模型（如 GPT-4.1），并通过 o3 API 降价 80% 优化资源。

开发者需重调提示词、重算费用模型，OpenAI 引导迁移至 GPT-4.1，其 400 亿美元融资背后的估值逻辑受模型迭代与算力成本制约。

洞察解析
OpenAI 关停高成本实验性模型，转向 “降本增效+主力模型规模化” 战略，暴露 AI 行业在技术创新与商业化落地间的算力成本矛盾，也倒逼开发者适应模型快速迭代的行业常态。

02

智策前线

AI行业的政策风云与新闻速递

AI POLICIES

🌏 Meta 亿元挖角 OpenAI 核心研究员遇挫

Meta 斥 1 亿美元高薪挖角 OpenAI 人才未果，反映出 AI 领域人才竞争已从薪酬比拼升级为技术愿景与创新文化的较量，凸显使命感在留住核心人才中的关键作用。

Meta 为新成立的超级智能团队，向 OpenAI 等顶尖 AI 研究员开出 1 亿美元签约奖金 + 高额年薪，试图挖角核心成员。

OpenAI CEO 奥尔特曼证实此事，称核心员工因相信其通用 AI 愿景及公司价值潜力，无人接受 Meta 报价。

奥尔特曼认为 Meta 忽视使命感，文化难孕育创新，强调 AI 竞赛需真正突破而非单纯高薪挖角。

洞察解析
AI 行业人才竞争白热化，Meta 以天价薪酬挖角却因缺乏技术使命感遇挫，凸显顶尖人才更看重企业在通用 AI 领域的突破潜力，而非短期经济利益，也揭示技术信仰与创新文化在高科技竞争中的核心价值。

📲 杨杰：AI + 时代硅基生命群体性涌现

中国移动董事长杨杰在 MWC 上海 2025 指出，“AI+” 时代推动硅基生命以智能终端等形态群体性涌现，其数量未来将超越人类并成为社会核心资源，开启碳基与硅基深度融合的文明新形态。

中国移动董事长杨杰在 MWC 上海 2025 演讲中提出，人类社会正从 “互联网+”“5G+” 时代迈入 “AI+” 时代，AI 技术推动硅基生命群体性涌现。

以传感器、处理器等为物理硬件，具备计算 / 感知 / 认知 / 运动智能，可通过智能终端、汽车、机器人等形态融入社会，承担决策、服务等职能。

硅基生命因快速部署、无限复制等特性，数量将超过人类，成为社会劳动力与智力资源的重要组成，形成新 “人口红利” 与 “360 行”。

洞察解析杨杰的观点揭示了 AI 技术驱动下 “碳硅融合” 的文明演进方向，硅基生命的规模化渗透不仅将重构劳动力结构，更可能通过与碳基生命的协同创造新经济形态，反映出科技企业对未来社会生产力变革的前瞻判断，也引发关于人机关系、伦理边界的深层思考。

03

创新纪元

AI研究的前沿进展与技术革新

NEWS

📖  港科大揭示MLLM正确率瓶颈

港科大等推出多模态定理证明基准 MATP-BENCH，MLLM 正确率仅 4% 揭示推理瓶颈。

港科大团队推出首个多模态定理证明基准 MATP-BENCH，要求模型结合图像与文本提取隐含前提，覆盖 1056 个高中至竞赛级几何定理，支持 Lean 4、Coq、Isabelle 三种形式化语言。

多模态大模型（MLLM）在 “端到端证明” 任务中表现薄弱，Lean 4 语言下成功率仅 4.26%，但 “定理形式化” 任务成功率达 45.16%，说明模型 “看懂题目” 能力优于 “逻辑证明”。

复杂逻辑推理与辅助线构造是主要障碍。需辅助线的难题中，模型尝试率随难度上升但成功率小于5%；闭源模型常因 “证明步骤无效” 出错，开源模型多现 “变量定义错误” 等基础问题。

洞察解析
MATP-BENCH测试显示，多模态大模型虽能完成定理形式化任务，但在复杂逻辑推导尤其是辅助线构造等核心证明环节表现极差，暴露视觉感知与符号逻辑跨模态转化的重大缺陷，亟需创新训练范式以提升AI的系统性推理能力。

想看更多精彩内容？

扫描下方二维码加入群聊



@本文为AI洞察局原创内容

未经授权, 禁止转载

进群、转载或商务合作联系后台

— 完 —