AI Model Month is Already Delivering Big Gains

OpenAI 用内部模型解出百万美元难题 Navier-Stokes，被 NYU 教授质疑“偷看”用户上传数据，Meta 和 Google 新模型则拼速度和成本。

OpenAI 宣布用自家未公开的强力模型解出数学界的百万美元难题，却被学者质疑是否利用了用户上传的研究数据，引发信任危机。与此同时，Meta 和 Google 新模型在速度、成本和实际体验上激烈竞争。你会看到顶级 AI 公司在模型能力、数据伦理和产品落地上的最新博弈。

OpenAI 用内部模型解出 Navier-Stokes 方程，结果却引发学界对数据使用的强烈质疑。

• OpenAI 内部模型：OpenAI 用比 GPT-6 Astra 更强的模型，仅用一两周、花费数百万美元算出 Navier-Stokes 问题的解。
• 学者指控数据泄露：NYU 教授 Tristan Buckmaster 和 Anthropic 员工 Levend Alpagy 曾用 Codex 工具做相关研究，担心 OpenAI 模型“偷学”了他们上传的草稿数据。
• OpenAI 回应与信任危机：OpenAI 高管称没有直接访问用户数据，但承认用“去标识化数据”整体提升模型，学界批评其违背学术伦理，用户对数据隐私忧虑加剧。

Meta、Google、OpenAI 新模型在速度、成本和落地体验上展开激烈竞争，个人助理类 AI 也有新突破。

• Google Gemini 3.8 Flash：速度比同类模型快 20%-39%，单次任务成本创历史新低，但复杂任务表现不稳定，适合高频迭代场景。
• Meta Muse Spark 1.3：编码和智能测试能力与顶级模型持平，成本比 Opus 5 低 75%，工具调用和 token 消耗比前代减少 20%-25%，但免费用户需贡献数据用于训练。
• Meta Muse 个人助理：Muse 可管理邮箱、日程、购物等，运行在独立虚拟机，安全性提升，接入 WhatsApp、Meta Glasses 等渠道，主打“人人可用”，但用户对数据隐私仍有顾虑。

“每个模型都有自己的 trade-off，速度、成本、能力和数据隐私，关键是选对适合自己场景的那一个。”

• 用 AI 做专有研究或商业敏感任务时，务必了解平台的数据使用政策，必要时选择本地部署或明确拒绝数据用于训练。
• 选模型时别只看能力榜单，速度、成本和数据安全同样关键，根据实际需求灵活组合不同模型和工具。