36氪
共 1035 条资讯-
库克送Siri最后一程
36氪的朋友们
-
ChatGPT将迎来史上最大改版，“AI只用来聊天的时代结束了”
36氪的朋友们
-
钉钉副总裁马锐拉离职
字母榜
-
重磅，传奇研究员 Karparthy 加入 Anthropic，你想知道的一切都在这里
<p>"I've joined Anthropic."</p> <p>Andrej Karpathy 发出了这条推文，这位顶级研究员的这条推文，像极了迈克尔·乔丹当年喊出的那句I”m back 。</p> <p class="image-wrapper"><img data-img-size-val="1080,538" src="https://img.36krcdn.com/hsossms/20260520/v2_eb26f1a88917459bbe7e04a2b537dae3@6391638_oswg165880oswg1080oswg538_img_000?x-oss-process=image/format,jpg/interlace,1" referrerpolicy="no-referrer"></p> <p>他写道："未来几年在 LLM 前沿会格外关键（especially formative），我非常兴奋地加入这里的团队，回到研发（get back to R&D）。"</p> <p>这是一个顶级研究员对自己未来三五年的明牌下注。而他下注的位置，正好是过去一年整个 AI 圈最不敢押的那一格——pre-training（预训练）。</p> <h3><strong>Karpathy是谁</strong></h3> <p>Karpathy为何传奇，源自于他经历了 AI 发展的每个关键节点和他的梦幻履历。</p> <p>2015 年，Karpathy 拿到 Stanford 的 PhD，同年加入 OpenAI，是那 11 个 founding members 里最年轻的一个。</p> <p>作为OpenAI创始核心成员，他深度参与初代大模型底层架构搭建，是GPT技术体系的早期开拓者，奠定了生成式AI的发展根基。入局特斯拉后，他掌舵自动驾驶AI团队，一手搭建纯视觉Autopilot体系，让智能驾驶实现规模化落地，成为全球视觉自动驾驶路线的标杆。</p> <p>离开特斯拉后，他二度回归OpenAI深耕大模型训练技术，后续独立创业探索AI教育赛道。其打造的Vibe Coding范式、CLAUDE.md开发规范风靡全球，斩获数十万GitHub星标，成为开发者通用标准，是公认的技术顶流与行业启蒙者。</p> <p>也就是说，他离开过 OpenAI 两次。一次去了 Tesla，一次去做了自己的公司。这次没有回 OpenAI——他选了 Anthropic。</p> <p>Anthropic 过去十年招人的故事一直是一条线——OpenAI 安全派出走。Dario、Tom Brown、Jared Kaplan、Sam McCandlish 全是这一脉，价值观分歧，集体离开，自立门户。这套叙事讲了五年，已经讲到 Anthropic 自己都有点疲惫。</p> <p>Karpathy 完全不在这条线上。他不是因为安全分歧走的，他是 OpenAI 创始成员里"工程能力派"的图腾——nanoGPT、llm.c、CS231n、Tesla AI Day——他几乎是过去十年"用爱发电的顶级研究员"的代名词。他这次不回 OpenAI、不去 SSI、不去给 Mira Murati 的 Thinking Machines 站台、也不去 xAI，最终选了 Anthropic。</p> <p>这意味着："现在做前沿 LLM R&D 的最佳去处"这件事，被一个安全叙事中立、纯粹从研究角度做判断的顶级研究员盖了一个章。</p> <p>这张盖章的杀伤力，超过 Anthropic 过去任何一次招人。它打的不是 OpenAI 的人才厚度，打的是 OpenAI 作为"研究公司"的招牌——你的创始人都觉得我们这儿更适合做研究，你怎么还自称研究公司？</p> <p>至于他自己挂念的 Eureka 和教育，他在推文最后留了一句"plan to resume my work on it in time"——会在合适的时间回来做。换句话说：当下不是合适的时间。</p> <h3><strong>他选了技术，而非资本</strong></h3> <p>这次跳槽的真正意义，是他被放在了 pre-training 团队。</p> <p>不是最近一年所有人都在追的 agent，是 pre-training——那个定数据配方、定 scaling law、定训练稳定性、决定 Claude 模型本体能力上限的位置。</p> <p>并没有选择最火热的 agent 赛道，Anthropic 是要进一步提升基础模型能力。</p> <p>过去这一年半，整个 AI 圈的资本叙事都在往后训练那边跑。"Pre-training is hitting a wall"——这句话从 2024 年下半年开始在 NeurIPS 走廊里传，到 2025 年初变成 The Information 的封面文章，再到 Ilya Sutskever 自己在公开访谈里说"我们认识的那种 pre-training 时代正在结束"，整个圈子已经形成了某种默契：scaling law 的边际效用在下降，下一波突破要看 RL post-training、要看 inference-time compute、要看 agent 的复合工作流。</p> <p>Karpathy 在这个时间点选 pre-training，等于把自己作为研究员的 reputation 押在反方向上。他没有写一篇长博客论证 pre-training 还有空间，他用职业选择直接表态——而以他在圈内的信用，这个表态比任何论文都更有说服力。</p> <p>要理解这件事的含金量，得知道 Karpathy 不是普通的 ML 研究员。<strong>他是少数把"大规模训练工程的脏活"和"LLM 第一性原理的直觉"打通的人</strong>。</p> <p>nanoGPT 这种把 GPT 训练浓缩到几百行 Python 的项目，需要对训练栈每一层的取舍
-
谷歌用 AI“杀死”谷歌，这场发布会看得人缺氧
<p>Gemini App 月活超 9 亿，<strong>月 Token 处理量每月 3200 万亿</strong>，Nano Banana 生成超过 500 亿张图片…… </p> <p>在今天凌晨刚刚结束的 Google I/O 大会上，Google CEO Sundar Pichai 上来就抛出了这些数字。 </p> <p>过去一年，AI 成了所有行业的主旋律，Gemini 在 Google 的定位，也开始从一个独一的 App，成了所有 Google 产品里的最重要的 AI 底层能力。 </p> <p class="image-wrapper"><img data-img-size-val="1080,608" src="https://img.36krcdn.com/hsossms/20260520/v2_9046aa0dcf094b76bc023c5815f21c69@1200352198_oswg43599oswg1080oswg608_img_000?x-oss-process=image/format,jpg/interlace,1" referrerpolicy="no-referrer"></p> <p>这次发布会也先从模型开始，进一步带到 Coding 和 Agent 产品。 </p> <p><strong>Gemini Omni 把 Google 的视频生成推向「世界模型」方向，Gemini 3.5 Flash 则是和 AI 编程工具一起推向 Agent 开发平台。</strong></p> <p>这两个能力随后进入 Google 的完整生态，搜索、Gemini App、Flow、Spark、Chrome、XR 眼镜和电商场景。 </p> <h2><strong>Gemini Omni 登场，视频界的「Nano Banana」时刻来了 </strong></h2> <p>发布会最先被重点展开的是 Gemini Omni。我们做了一组和 Seedance 2.0 的对比视频，看看两者的差别。 </p> <p>Google 则是将 Gemini Omni 描述为一个能够「从任何输入创造任何内容」的新模型。 </p> <p>它把 Gemini 的推理能力与 Google 既有的生成式媒体模型结合起来，目标是提升模型对世界的理解、多模态生成能力和编辑能力。 </p> <p class="image-wrapper"><img data-img-size-val="1080,615" src="https://img.36krcdn.com/hsossms/20260520/v2_a3cb5ee5629a4861a40f6dc5dc25766b@1200352198_oswg724998oswg1080oswg615_img_000?x-oss-process=image/format,jpg/interlace,1" referrerpolicy="no-referrer"></p> <p>Google 强调，Veo、Nano Banana、Genie 等模型已经能生成视频、图片和交互式模拟，但 Gemini Omni 更进一步，开始处理动能、重力等更接近物理世界的问题。 </p> <p>发布会现场展示的案例包括蛋白质折叠解释视频。用户只需要输入类似「生成一个关于蛋白质折叠的黏土动画解释」的提示，Omni 就能把抽象科学概念转化成视频内容。 </p> <p class="image-wrapper"><img data-img-size-val="1080,607" src="https://img.36krcdn.com/hsossms/20260520/v2_38c71c4c0dd5423dba3bcd3d17eed5c2@1200352198_img_000?x-oss-process=image/format,jpg/interlace,1" referrerpolicy="no-referrer"></p> <p>它还支持更自然的视频编辑。用户可以上传自己的视频，再用对话方式修改风格、加入元素、调整细节，甚至把一个普通圆形转成黑洞，把夜晚散步场景变成更具戏剧感的画面。 </p> <p class="image-wrapper"><img data-img-size-val="640,360" src="https://img.36krcdn.com/hsossms/20260520/v2_c42c8ad67edf41338e07d643009657f0@1200352198_img_000?x-oss-process=image/format,jpg/interlace,1" referrerpolicy="no-referrer"></p> <p>Google 的说法是，<strong>Gemini Omni 先从视频开始，之后会逐步走向「任意输入到任意输出」。</strong>这也是 Google 一直把 Gemini 设计成多模态模型的原因。 </p> <p>首个 Omni 家族模型 Gemini Omni Flash 已在上线到 Google 产品中，Omni Pro 会在之后公布更多信息。Gemini App 中的 Omni 功能也面向 Google AI Plus、Pro 和 Ultra 订阅用户开放。 </p> <p class="image-wrapper"><img data-img-size-val="1080,574" src="https://img.36krcdn.com/hsossms/20260520/v2_78d361c8958441ebbb5d363015cc3a13@1200352198_osw
