答鸭Signals

AI 日报

AI 从科研突破到安全与版权风暴：Astra、蠕虫式提示注入与音乐诉讼同日发酵

今天的 AI 新闻主线很清晰：模型能力继续向科研前沿推进，但安全、版权与治理的反作用力也同步加码。OpenAI 围绕 Astra 和数学突破的高调发布，与 Copilot 文档蠕虫、Suno 版权败诉和深度伪造监管进展一起，显示生成式 AI 正快速渗透到高价值工作流，也更频繁地触碰真实世界的边界。

Overview

当天导读

从 26 条资讯中筛选出 12 条

今天的 AI 新闻主线很清晰：模型能力继续向科研前沿推进，但安全、版权与治理的反作用力也同步加码。OpenAI 围绕 Astra 和数学突破的高调发布，与 Copilot 文档蠕虫、Suno 版权败诉和深度伪造监管进展一起，显示生成式 AI 正快速渗透到高价值工作流，也更频繁地触碰真实世界的边界。

OpenAI 把科研 AI 推到更前沿

Astra 被描述为能解决十项数学与理论计算机科学问题的下一代模型家族，若外部验证成立，这将是 AI 辅助科研的重要里程碑。[3517][3521]

关联报道 1 · 关联报道 2

Copilot 文档蠕虫暴露了企业工作流的新攻击面

研究员演示了隐藏在 Word 文档中的提示注入如何借助 Copilot 传播，说明 AI 助手可能把一次污染放大成多份污染。[3518]

关联报道 1

Suno 败诉强化了 AI 训练与输出的版权风险

慕尼黑法院认定 Suno 训练和复现受保护音乐构成侵权，并将责任归于平台本身，而不是用户。[3520]

关联报道 1

可信平台上的生成式伪造，正在变得过于容易

Google Earth 的假卫星图功能被迅速撤下，显示当 AI 内容直接嵌入高可信产品时，滥用会立刻出现。[3525]

关联报道 1

AI 正在改造科研软件和内容生产流程

编程代理已能显著加速科研软件现代化，Seedance 2.5 则把视频和音频生成进一步整合，扩大了端到端创作能力。[3523][3524]

关联报道 1 · 关联报道 2

今日总览

AI 叙事正在从“能做什么”转向“会造成什么后果”。一边是 OpenAI、字节跳动和科研团队继续把模型推向数学、视频和软件工程等更高难度场景；另一边，安全漏洞、版权裁决、地理空间伪造与监管禁令则提醒行业：能力扩张越快，风险外溢也越快。[3517][3521][3523][3524][3518][3520][3522][3525]

1. 前沿模型继续向科研和长时程任务推进

OpenAI 今日的两条主线都指向同一个方向：Astra 被定位为下一代重要模型家族，且内部版本据称已解决十项长期开放的数学与理论计算机科学问题；另一篇报道则强调，AI 正在真实参与数学发现，从反例构造到机器可验证证明都在加速。[3517][3521][3519]

这些进展如果经得起外部验证，意味着前沿模型不再只是写代码、总结信息，而是开始进入可核验的科研生产环节。与此同时，Astra 还被描述为面向长时程多智能体任务，并已进入美国政府审查视野，说明模型发布与政策治理正在更紧密地绑定。[3521]

2. 安全与滥用：AI 助手正在变成攻击面

本日最值得警惕的安全故事来自 Word 文档中的自传播式提示注入。研究员演示了隐藏在文档里的指令如何借助 Microsoft Copilot for Word 传播到后续文件，意味着“看不见的内容”也可能成为企业工作流中的持久威胁。[3518]

这类攻击之所以危险，是因为它不像传统越狱那样只影响一次对话，而可能随着报告、摘要和模板反复复制。对依赖 Copilot 起草内部材料的组织来说，一份污染文档就可能污染更多文档。[3518]

3. 版权与责任边界继续收紧

慕尼黑法院裁定 Suno 在训练与输出中都侵犯了版权，并驳回其合理使用抗辩，这对 AI 音乐生成服务是明确的司法信号。[3520]

法院还把责任放在 Suno 而不是用户身上，核心理由是模型、训练数据与系统设计都由公司控制。若这一判决在上诉中维持，AI 公司获取训练数据、构建模型和分配平台责任的方式都可能被重新定义。[3520]

4. 生成式内容的“可信外壳”正在被挑战

谷歌在 Google Earth 中短暂推出又撤下的伪造卫星图功能，说明生成式图像一旦嵌入可信平台，误导成本会急剧下降。[3525] 类似地，Fenix Flexin 的 Billboard 热单也因风格突变、音频瑕疵和素材异常而引发是否由 AI 生成的争议，反映“真伪难辨”已进入主流文化产品。[3516]

相关观察

  • Google 的案例不是“能不能伪造”，而是“把伪造变得过于容易”后的治理问题。[3525]
  • 音乐榜单上的 AI 怀疑，表明真实性争议已经从网络边缘内容进入商业主流。[3516]

5. AI 正在重塑软件工程、视频生产与内容分发

OpenAI 联合学术伙伴的实地报告显示，Codex、Claude Code 等编程代理已经能显著加速科研软件现代化，但仍需要人类核验科学正确性。[3523] 字节跳动则发布 Seedance 2.5，把最长 30 秒的视频与内置音频、更多参考输入整合在一起，进一步降低了创意视频生产的门槛。[3524]

与此同时，Reddit 首席执行官公开质疑 Google 的 AI Overviews 是否真正惠及内容发布者，说明搜索摘要正在重构流量与价值分配。[3526] Datasette Apps 0.2a0 则展示了更务实的一面：为 AI 代理增加不可见调试和权限感知列表，让代理工作流更接近生产可用。[3527]

结语

今天的信号不是单点突破，而是系统性转折：AI 正同时进入科研、软件、视频和搜索分发的核心流程；而围绕安全、版权与真实性的约束也在快速补位。接下来最重要的，不只是模型是否更强，而是这些能力能否在可验证、可控、可问责的框架下落地。[3517][3518][3520][3523][3525]

Stories

当日精选 8 条

01

OpenAI News

·#mathematics

OpenAI 宣称取得十项数学与理论突破

OpenAI 表示，其下一代主模型 Astra 的一个内部版本已经解决了十个长期未解的数学与理论计算机科学问题。公司称这些结果覆盖几何、密码学、复杂性等领域，并公布了 Lean 4 形式化证明供外部核验。

如果这些结论经得起验证，这将成为 AI 辅助科研的重要里程碑，尤其是在一些多年停滞不前的领域。它也表明前沿模型可能不再只是用于写代码或做摘要，而是开始参与可机器核验的深度理论研究。

OpenAI 宣布，它在数学和理论计算机科学的十个长期开放问题上取得了新的进展。公司称，这些结果涉及几何、密码学、复杂性等方向，而且相关主结果在至少十年里几乎没有实质进展。完成这些工作的，是 Astra 的一个内部版本，而 OpenAI 把 Astra 描述为其下一代主模型。此次发布的一个重点是，这些结果附带了 Lean 4 的形式化表示，方便外部研究者检查和验证证明。

OpenAI 还公开了一篇论文，介绍这些解法，并附带一份单独的 PDF，其中模型根据未公开的推理轨迹重建了证明是如何形成的。由于这意味着前沿模型可能参与了真正困难的理论研究，这一消息在数学和 AI 社区引发了广泛关注。与此同时，相关系统仍然是内部模型，加上报道中的成本数字与实际复现条件，最终影响还要看外部审查结果。更大的背景是，OpenAI 和其他 AI 实验室都在把模型展示到科研任务上，而这些任务过去通常被认为远超现有系统能力。

这项工作被描述为内部研究成果，而不是已经发布的产品；OpenAI 也没有给出 Astra 的开放时间、访问方式或产品说明。报道还提到，公司公开了一篇论文和一份由 LLM 生成的推导说明，用来重建证明是如何从未公开的推理轨迹中形成的。

查看单篇正文查看原文
02

The Decoder

隐藏在Word文档中的Copilot自传播蠕虫

·#ai-security

隐藏在Word文档中的Copilot自传播蠕虫

安全研究员 Håkon Måløy 演示了一种类似蠕虫的提示注入攻击，它可以隐藏在 Microsoft Word 文档中，并通过 Microsoft Copilot for Word 传播。该攻击利用肉眼不可见的指令——例如白色文字配白色背景、极小字号——而 Copilot 在处理时仍会读取这些内容，并在文档被再次用作来源时把它们复制到新文件里。

这表明提示注入并不只是一次性的越狱，而是在 AI 助手处理共享文档时可能表现得像自我传播的恶意软件。对于依赖 Copilot 起草、总结或改写内部文件的企业工作流来说，这显著提高了风险，因为一份被污染的文档可能影响许多后续报告。

一名安全研究员演示了 Microsoft Copilot for Word 中的一种提示注入技术，它可以在不需要用户直接操作的情况下，从一个文档传播到另一个文档。Håkon Måløy 的概念验证把恶意指令藏在 Word 文件里，使用白色文字、白色背景和极小字号，让载荷对人类读者不可见。可是，Copilot 在分析内容前会去除颜色和字号等格式信息，因此仍然能够读取并执行这些隐藏指令。用户如果让 Copilot 基于该文档生成新文件，隐藏指令就可能被复制到输出文件中。这样一来，输出文件本身就成了载体，只要再次被当作来源或模板使用，就可能继续感染后续文档。

文章举例说，一份从网上获取的被污染市场分析，可能会影响一份财务报告，并继续传播到更多报告中。报道称，微软已在 3 月 31 日确认这一行为，但两次修复尝试都没有成功。在 144 天仍无解决方案后，Måløy 公布了研究结果，但保留了具体载荷文本。报道将这一问题视为更广泛的、仍未解决的 AI 提示注入安全难题的一部分。

报道称，Copilot 在处理前会去除颜色和字号信息，这使得隐藏指令即使用户看不见也仍然有效。微软已在 3 月 31 日确认这一行为，但两次修复尝试都失败了；在 144 天未能修复后，Måløy 公布了研究结果，但没有公开具体载荷文本。

查看单篇正文查看原文
03

The Decoder

AI正在破解长期未解数学难题

·#ai-in-math

AI正在破解长期未解数学难题

这篇文章称，AI 系统如今已经能为长期未解的数学猜想构造反例并给出证明，其中包括 OpenAI 在 2026 年 5 月对“单位距离猜想”的反证。文章还提到，卡内基梅隆大学团队和其他研究者结合 SAT 求解器、语言模型生成的代码以及形式化证明验证，解决了更多开放问题。

这之所以重要，是因为它表明 AI 正从辅助计算转向参与原创数学发现，可能重塑数学研究的方式。随着一些任务变得更快、更自动化且可由机器验证，数学家的角色也因此面临新的问题。

这篇文章描述了 AI 辅助数学研究的迅速升温：模型不仅能寻找反例，还能发现更广泛的规律，并帮助把论证转化为机器可检查的证明。文中最重要的里程碑之一是 OpenAI 在 2026 年 5 月给出了“单位距离猜想”的一个反例，从而推翻了这个自 1946 年以来一直悬而未决的几何图论问题。文章说，这只是与匈牙利数学家 Paul Erdős 相关的数百个开放问题之一，但许多数学家认为它是 AI 参与严肃数学研究的最强案例之一。仅仅一周后，人类研究者据称改编了同一证明技术，并用它推翻了另一个重要猜想。文章还提到，Epoch AI 在 FrontierMath: Open Problems 上又宣布解决了第二个题目，这个基准来自重大未解数学问题。

OpenAI 的 Astra 模型也被描述为面向这类工作推出，并带有 10 个难度不同的解题示例，显示出实验室正有意把它用于数学任务。数学界对这些进展的反应并不一致：有些研究者把 AI 视为强大的生产力工具，也有人担心这一职业的未来。Abhishek Saha 说，在他的研究领域里，前沿模型已经至少相当于一个勤奋且可靠的博士生，而且使用 GPT-5.5 Pro 之后，他更像是在“指挥”而不是独自完成全部工作。Trefor Bazett 则认为，AI 与人类创造力可能带来数学的黄金时代，并引用了卡内基梅隆大学的一篇论文：该论文结合 SAT 求解器、语言模型生成的代码和形式化证明验证，解决了一个 Ramsey 理论问题。文章最后以 Timothy Gowers 的复杂心情收束：他承认 AI 已经在一些题目上比他更快，但被“掀翻桌子”的感觉仍然很奇怪。

“单位距离猜想”是几何图论中的一个问题，自 1946 年以来一直未解，文章把 OpenAI 的结果描述为尤其重要，因为它解决了一个与 Erdős 相关的几十年难题。文章还强调，一些数学家已经把前沿模型当作生产力工具，而另一些人则担心 AI 最终会彻底改变甚至取代纯数学中的部分工作。

查看单篇正文查看原文
04

The Decoder

慕尼黑法院裁定Suno侵犯音乐版权

·#ai-copyright

慕尼黑法院裁定Suno侵犯音乐版权

慕尼黑法院裁定，AI 音乐生成器 Suno 因使用受版权保护的歌曲进行训练，并在输出中再现受保护的音乐元素而侵犯版权。法院驳回了 Suno 的合理使用抗辩，对部分争议适用美国法律，并认定责任应由 Suno 而不是用户承担。

这对 AI 音乐服务是一个重要的法律信号，因为法院认为，当模型能够复现被“记忆”的内容时，训练过程和生成结果都可能构成侵权。若该判决在上诉中维持，可能会重塑 AI 公司获取训练数据、设计模型以及为面向用户的生成工具分配责任的方式。

慕尼黑法院裁定，Suno 这款 AI 音乐生成器在训练过程和生成结果中都侵犯了版权。该案由德国音乐权利组织 GEMA 提起，GEMA 请求禁令、信息披露和赔偿，并且在大多数诉求上胜诉。案件围绕六首知名作品展开，其中包括 Kristina Bach 的《Atemlos durch die Nacht》以及 Frank Farian、Fred Jay 和 George Reyam 的《Rasputin》；法院明确指出，本案只涉及音乐作品本身，不涉及歌词。法院认定，这六首歌曲都可以在 Suno 的 3.5 和 4 版本模型中被复现，并将这种现象称为“记忆化”。

在测试中，GEMA 只输入了原始歌词、风格和标题，并没有指定旋律、和声、节奏或编曲，但 Suno 仍生成了法院认为能够识别出原作元素的结果。法院认为，考虑到这些歌曲的长度和复杂性，这不太可能只是巧合。法院还认定，侵权输出的责任应由 Suno 承担，而不是输入提示词的用户，因为 Suno 自己选择了训练数据、设计了模型架构并运营系统。法院同时驳回了 Suno 关于德国文本与数据挖掘例外的抗辩，并认为其所主张的美国合理使用也不适用于法院审查的训练行为，因此这项判决如果在上诉中维持，可能会成为 AI 音乐工具的重要先例。

法院表示，六首知名歌曲可在 Suno 的 3.5 和 4 版本模型中被复现；GEMA 的测试提示词只是输入了歌曲歌词、风格和标题等简单开放式内容。法院还驳回了 Suno 关于德国文本与数据挖掘例外和美国合理使用保护的主张，并指出该裁决目前尚未终局。

查看单篇正文查看原文
05

The Decoder

OpenAI 发布 Astra 并解决十道数学难题

·#openai

OpenAI 发布 Astra 并解决十道数学难题

OpenAI 据称首次正式确认其下一代重要模型家族名为“Astra”，并表示内部版本已经解决了十个此前未解的数学和理论计算机科学问题。该模型家族还被设计用于长时间运行的多智能体任务，并已向美国政策制定者进行过演示。

如果这一消息属实，这将标志着 AI 系统在长时程推理和前沿科学研究上的能力迈出重要一步，而不仅仅是处理短提示词。它也说明，模型发布未来可能越来越受到政府审查和政策监管的影响。

OpenAI 据报道正在开发一个名为 Astra 的新模型家族，被定位为公司的“下一代重要模型”，目标是处理可能持续数小时甚至数天的问题。该系统被描述为一种多智能体架构，也就是多个智能体协同工作，持续完成长周期任务，而不是只对单个提示词做出一次性回应。报道称，OpenAI 首席执行官 Sam Altman 已经在华盛顿向政界人士和监管者展示过 Astra。OpenAI 还表示，这一系统正在进入美国政府审查流程，未来在公开发布前可能需要获得官方批准。

公司最新发布的数学报告首次正式确认了 Astra 这一名称，并称其内部版本解决了十个数学和理论计算机科学中的公开难题。OpenAI 表示，这些问题在至少十年内都没有取得进展，而且多数问题的历史更久。结果涉及高维几何、编码理论、群论、量子复杂性、格密码和极值组合数学等多个领域。公司还称，其中一项证明建立了非 sofic 群的存在，从而解决了群论中的一个重大开放问题。

OpenAI 表示，这十项结果涵盖高维几何、编码理论、群论、量子复杂性、格密码和极值组合数学，其中一项证明还建立了非 sofic 群的存在。公司称这些证明已用 Lean 形式化，生成全部十个解答所需的 token 按 API 价格计算约为 2,000 美元。

查看单篇正文查看原文
06

TechCrunch AI

明尼苏达州“nudify”应用禁令在xAI紧急申请中获准生效

·#ai-regulation

明尼苏达州“nudify”应用禁令在xAI紧急申请中获准生效

联邦法官驳回了 xAI 要求发布临时限制令的请求，允许明尼苏达州美国首个针对“nudify”应用的禁令在诉讼继续期间生效。法官多诺万·弗兰克表示，xAI 在法律签署后等待太久才寻求紧急救济。

这项裁决让一部州级 AI 深度伪造法律在合宪性仍待审查时就能开始实施，可能为其他州提供参考样板。它也进一步增加了 AI 平台和聊天机器人提供商防止未经同意的性化图像生成与滥用的压力。

联邦法官已经允许明尼苏达州新的“nudify”应用禁令继续生效，尽管 xAI 已经提起诉讼。美国地区法官多诺万·弗兰克驳回了 xAI 请求临时限制令的动议，而临时限制令原本会在法律生效前阻止其实施。弗兰克特别强调了 xAI 申请的时间，指出该公司是在 2026 年 7 月 29 日才提出请求，距离法律签署已经接近三个月，而距离 8 月 1 日生效只有三天。他认为，这种延迟说明所谓损害并不紧迫。

此次裁定并没有终结诉讼，只是意味着该禁令在案件继续审理期间仍可执行。xAI 主张，这项明尼苏达州法律是美国首个同类法律，而且“范围过宽”。该公司还称，州政府完全可以通过限制更少的替代方案实现同样目标。此案的背景是，今年早些时候，X 上的用户据称利用 xAI 的 Grok 聊天机器人生成并传播未经同意的性化图像，随后引发了调查和封禁。

弗兰克指出，xAI 于 2026 年 7 月 29 日提出临时限制令请求，距离法律签署已近三个月，而距离其于 8 月 1 日生效只剩三天。xAI 主张该禁令过于宽泛，且存在限制更少的替代方案；但法院此次裁定只涉及申请时机和是否给予紧急禁令，并未就案件实质作出判断。

查看单篇正文查看原文
07

The Decoder

AI 编程代理现代化科研软件

·#ai-coding-agents

AI 编程代理现代化科研软件

一份由 OpenAI 联合学术伙伴发布的实地报告称，Codex 和 Claude Code 等 AI 编程代理可以帮助现代化老旧科研软件，从维护和优化到完整重写都能覆盖。报告包含 8 个案例，主要来自生物学领域，显示这些代理大幅加快了开发，但科学结果仍必须由人类核验。

许多科研工具虽然关键，却最初只是为一篇论文快速开发出来，缺乏长期维护所需的工程投入。若 AI 代理能在安全前提下降低这些工具的现代化成本，就能帮助科研团队维持关键软件可用，但这并不能替代专家审查。

一份由 OpenAI 及学术伙伴共同完成的实地报告认为，AI 编程代理可以帮助现代化那些随着时间推移而变得脆弱的科研软件。报告聚焦 8 个案例，主要来自生物学领域，使用的代理包括 Codex 和 Claude Code，任务范围从维护、优化到更大规模的重写都有。许多工具最初只是为某篇论文编写的辅助脚本，但后来却变成了整个研究领域都依赖的重要软件，却一直缺乏正式的长期工程支持。一个较简单的例子是 GPT-5.5 为 cyvcf2 更新了过时的构建和安装流程，使其采用现代方式。更大的迁移案例是 MHCflurry，Claude Code 和 Codex 协作把大约 1 万行代码从 TensorFlow 迁移到了 PyTorch。另一个项目 rustar-aligner 则用 Rust 从零重写了 STAR，并在对 1 万条酵母短测序读段的测试中，与原工具在单端读段上达到 99.815% 的一致率，在双端读段上达到 99.883% 的一致率。这个比较还检查了两种程序输出中的多个其他字段，而且双方都没有出现“对方能映射而自己不能映射”的读段。

RustQC 展示了代理在整合工具链上的价值，它把 15 个质量控制工具合并成一个程序，使运行时间从超过 15 小时降到不到 15 分钟。HelixForge 也类似，它用基于 GPU 的版本替换了一个基因组数据模拟工具，在完整流程上快了 59.6 倍，在主要计算步骤上快了 98.6 倍。不过，报告的核心警告是：代码跑得快，并不等于科学结论正确。代理经常给出看起来很合理、但实际上有错误的答案，因此研究人员仍必须依赖专家判断、独立测试和人工审查来发现细微 bug。比如在 bayesm 案例中，重写版本虽然快了很多，但早期版本在两个高级方法里出现了难以从输出中直接发现的错误。总体而言，这份报告的结论是：AI 编程代理已经能显著提升科研软件工程效率，但它们还不能独立判断科学是否正确。

报告给出多项显著加速案例，例如 RustQC 将运行时间从 15 小时 34 分钟缩短到 14 分钟 54 秒，HelixForge 在一项测试中比 BamSurgeon 快 59.6 倍。与此同时，作者强调代理可能“自信地出错”，因此仍需要独立测试框架和人工验证。

查看单篇正文查看原文
08

The Decoder

字节跳动 Seedance 2.5 支持30秒视频与音频

·#ai-video-generation

字节跳动 Seedance 2.5 支持30秒视频与音频

字节跳动发布了 Seedance 2.5，这是一款将视频和音频一次性生成的 AI 视频模型。它可以生成最长 30 秒的片段，并且支持多次延长，同时还能接收最多 30 张图片、10 个视频片段和 10 个音频文件作为参考。

原生音频生成和更长的视频时长，让 Seedance 2.5 更适合端到端的创意制作，尤其是广告和社交媒体视频。多参考输入能力也意味着它更适合在更复杂的生成任务中保持角色、场景和镜头的一致性。

字节跳动发布了 Seedance 2.5，这是其 AI 视频模型的新版本。该模型可以在一次生成中同时输出视频和音频，因此比起先生成画面、再补充声音的工作流更完整。文章称，它支持最长 30 秒的视频片段，而且还可以多次延长。除此之外，Seedance 2.5 还支持大量参考输入，用户最多可以上传 30 张图片、10 个视频片段和 10 个音频文件来引导生成结果。这样的输入方式主要是为了生成包含多个角色和不同镜头角度的复杂场景。

字节跳动还表示，新版本在纹理、光照和皮肤细节方面都有提升。公司用一部名为《The Missing Pair》的短片展示了该模型的能力，这部短片完全由 Seedance 2.5 制作完成。文章指出，对于广告和视觉内容制作来说，这种能力有望让团队在一个流水线里完成整套生产，而不必把多个片段再拼接起来。目前，Seedance 2.5 已经在即梦 AI 和豆包 Pro 上线，而通过 BytePlus ModelArk 提供 API 访问则要等到之后。文章还补充说，Seedance 2.0 在 Artificial Analysis 的带音频图生视频榜单上处于领先位置，并且《第九区》导演 Neill Blomkamp 也曾用 Seedance 2.0 制作过 AI 短片《Nightborne》。

该模型目前已在即梦 AI 和豆包 Pro 上线，后续才会通过 BytePlus ModelArk 提供 API 访问。字节跳动表示，纹理、光照和皮肤细节都有改进，并用一部完全由 Seedance 2.5 制作的短片来展示能力。

查看单篇正文查看原文
09

The Decoder

谷歌在滥用后撤下 Earth 伪造图像功能

·#google-earth

谷歌在滥用后撤下 Earth 伪造图像功能

谷歌曾短暂将 Nano Banana 图像生成功能加入 Google Earth 网页版，但在用户展示它很容易生成逼真的假卫星图像后，仅两天就将其移除。谷歌表示该功能属于实验性功能，只有在更强的防护措施到位后才会重新上线。

这一事件凸显了生成式 AI 如何被用来伪造地理空间证据，而人们往往会把这类内容视为权威信息，这会带来误导和政策滥用风险。它也说明，当 AI 工具被直接放进高度可信的地图和地球影像平台时，必须配套更强的安全防护。

谷歌在 Google Earth 网页版中上线了 Nano Banana 集成，允许用户基于卫星影像生成自定义场景，但这项功能在推出仅两天后就被撤下。该功能被描述为一种实验性的“重构”地点方式，用户可以通过 Nano Banana 2 编辑卫星图和航拍图。实际使用中，用户很快证明它可以被用来生成非常逼真的假卫星图像。文章举出的例子包括墨西哥边境的难民队列，以及加沙一所被炸毁的医院。谷歌表示，生成结果会标注为 AI 生成，而且不会在 Earth 内对其他用户可见。

尽管如此，用户仍然分享了违反政策的截图，说明仅靠标注并不能阻止滥用。谷歌表示，只有在加入更强的防护措施之后，这项功能才会回归。公司还承认，人们会把 Google Earth 视为可靠观察世界的工具。文章同时指出，即使没有这个功能，任何人也都可以用 Photoshop 或其他 AI 图像工具修改截图，但谷歌把这件事做得极其简单，还在无形中强化了这种想法。

该功能允许用户在卫星影像上用 Nano Banana 2 进行重构，例如把庞贝遗址变成繁忙的罗马街景，或把计划中的建筑放到空地上。谷歌表示生成图像会标注为 AI 生成，且不会对其他 Earth 用户可见，但截图仍被传播，并违反了公司的相关政策。

查看单篇正文查看原文
10

Ars Technica AI

Reddit首席执行官质疑Google的AI概览

·#ai-overviews

Reddit首席执行官质疑Google的AI概览

在Reddit的季度财报电话会议上，首席执行官Steve Huffman批评了Google的AI Overviews，并质疑它们是否真的能让Reddit或其他内容发布者受益。他的表态也呼应了致投资者的信件，其中强调了Reddit在AI工具普及背景下的价值定位。

这场争论反映了一个更广泛的问题：当搜索引擎用AI生成摘要直接回答问题，而不是把用户导向发布者时，价值究竟被谁拿走。如果AI Overviews减少了像Reddit这样的站点流量，就可能影响广告收入、内容发现，以及开放网络的商业模式。

Reddit公布了季度财报，而首席执行官Steve Huffman借此机会对Google的AI Overviews发表了评论。文章指出，他并没有只谈收入数字，而是在财报电话会议和致投资者的信件中一起阐述了Reddit在AI驱动的搜索环境中的战略定位。Huffman的核心批评是，Google自动生成的摘要似乎并没有给Reddit或其他内容发布者带来明确收益。AI Overviews会直接在搜索结果页总结答案，这意味着用户可能无需点击来源网站就能得到信息。

对于依赖搜索流量的发布者来说，这种“零点击”行为是一个关键担忧。文章把Huffman的表态放在一个更大的争论中来看：AI如何改变搜索平台与提供底层内容的网站之间的关系。报道还暗示，随着AI工具在网络上迅速普及，Reddit正在积极重新定义自己的价值主张。

Google将AI Overviews描述为自动生成的搜索摘要，旨在帮助用户更快找到信息，而且它在许多查询中会出现在传统搜索结果之上。Reddit的批评表明，公司认为Google所强调的用户便利性，与发布者实际获得的引流或变现收益之间并不对等。

查看单篇正文查看原文
11

Simon Willison

·#datasette

Datasette Apps 0.2a0 增加代理调试工具

Datasette Apps 0.2a0 新增了 `app_debug()` 工具，允许 Datasette Agent 将应用以不可见的方式打开在沙箱化的 iframe 中，并通过 JavaScript 对其进行测试。它还增加了 `app_list()`，用于列出用户有权限编辑的应用，方便代理直接对这些应用进行修改。

这让 Datasette Apps 在 AI 代理工作流中更实用，因为代理可以在不打扰用户的情况下对界面进行冒烟测试。新的列表与权限感知编辑流程，也能帮助代理只操作用户有权修改的应用，从而更安全。

2026年8月1日，Simon Willison 发布了 Datasette Apps 0.2a0，重点是改进通过 Datasette Agent 创建和编辑应用的流程。第一个变化是新增 `app_debug()` 工具，允许代理以不可见方式打开应用，并用 JavaScript 对其进行测试。第二个变化是 `app_list()`，它会返回当前用户有权限编辑的应用，方便代理对这些应用进行操作。Willison 指出，这个调试工具很有意思，因为它可以把应用加载到一个不可见的 iframe 中，并在沙箱环境里执行代理提供的 JavaScript。

这样，代理就可以对应用做冒烟测试，甚至测量不同元素的尺寸等信息。发布说明还提到，这一能力建立在 `datasette-agent 0.4a0` 新增的 `context.browser_task()` 机制之上。整篇文章把这些改动描述为面向代理驱动工作流的渐进式改进，而不是一次重大的平台转折。

调试流程使用 `opacity: 0` 的 iframe，并设置 `pointer-events: none`，因此应用在代理运行 JavaScript 时既不可见也无法交互。发布说明指出，这依赖于 `datasette-agent 0.4a0` 中新增的 `context.browser_task()` 机制。

查看单篇正文查看原文
12

The Verge AI

AI质疑笼罩Fenix Flexin的Billboard热单

·#ai-generated-content

AI质疑笼罩Fenix Flexin的Billboard热单

Fenix Flexin 的单曲《Rubberz》已经升至 Billboard Hot 100 第58名，但这首歌如今正遭到广泛猜测，认为它可能是 AI 生成的。《The Verge》指出，这首歌风格突变、音频瑕疵，以及可疑的歌词和封面，都让质疑声不断，尽管 Fenix 已经否认这些指控。

这个案例说明，关于 AI 真伪的质疑正越来越多地进入主流音乐榜单，而不只是停留在小众网络作品中。如果听众和平台无法可靠地区分人类创作与 AI 辅助作品，那么作品署名、可信度，以及主流榜单成绩的解读方式都会受到影响。

Fenix Flexin 最早因洛杉矶说唱组合 Shoreline Mafia 而为人熟知，如今他凭借单曲《Rubberz》在个人事业上取得了新的突破，这首歌已经登上 Billboard Hot 100 第58名。几乎在歌曲开始走红的同时，听众就开始猜测它大概率是 AI 生成的，甚至可能完全由 AI 制作。Fenix 虽然否认了这些指控，但文章认为他并没有做太多来消除外界的怀疑。怀疑的一部分来自这首歌风格的巨大转向：他过去主要做的是带有陷阱风格的西海岸说唱，而《Rubberz》却明显受到 80 年代英国合成器流行音乐影响。歌曲的旋律也带有 Morrissey 的影子，Fenix 甚至采用了伪装的英国口音，但文章也指出，仅凭这种艺术风格变化并不能证明 AI 参与。真正让人起疑的，是这首录音本身的质感。The Verge 提到，歌曲里有很多常见于 AI 音乐的瑕疵，比如镲片声音发脆、合唱部分像低码率 MP3、混响尾音不自然地突然断掉。

歌曲作者兼《Switched on Pop》播客联合主持人 Charlie Harding 还指出，背景人声会莫名其妙地进出，鼓组混响里有类似 64kbps Napster 时代下载音频的数字失真，而且这种失真常见于训练数据来自低质量、未授权 MP3 的生成模型。文章同时提到，针对音频本身的 AI 检测器并没有给出铁证，只显示有 20% 到 30% 的概率可能与 AI 有关，这也说明此类工具目前并不可靠。相比之下，单曲封面和一条庆祝成绩的帖子却被多种 AI 图片检测器以超过 97% 的置信度标记为 AI 生成。歌词也被多个文本检测器和模型识别出明显的 AI 特征，包括 Gemini、Claude，以及制作人和 YouTuber Curtiss King 的测试结果。文章认为，这些歌词虽然押韵整齐，但在语义上却显得机械且空洞，主要是简单的 AA、BB 押韵格式，缺少真正的叙事推进或意义连接。总体而言，报道并没有下定论说《Rubberz》一定是 AI 作品，但认为这首歌的风格、音质、歌词和配套素材都出现了足够多的异常，使得 AI 质疑难以被忽视。

文章列出了一些可能的 AI 痕迹：镲片音色脆弱、主歌人声像低码率音频、混响尾音突然截断，以及歌词虽然押韵整齐但语义空洞。针对音频本身，AI 检测器并没有给出明确结论，只判断有 20% 到 30% 的概率与 AI 有关；但图片和文本检测器则更激进地把封面、宣传帖和歌词标成了高概率 AI 生成。

查看单篇正文查看原文