當各個實驗室都競相轉型為Anthropic模式（即專注於程式編碼和企業AI，產出更優質的PDF、PPT和試算表）時，看到GPT-Image-2持續推動更多創意應用，仍令人耳目一新，例如： 考量到Lego Rocky Space Friend在約會之夜極高的NPS分數，你可以想像一個低幻覺、具備研究能力、完全多模態推理的圖像模型會有多麼出色。 當然，它對教育也很有幫助： 或是流行文化： 或是精確、清晰的資訊圖表： 當然還有GPT-Image-2與Codex的組合，它作為Codex的一項技能，讓你在編寫程式碼的同時，可以迭代地生成各種素材： 就這樣，先前備受矚目的Claude Design，如今已不再是話題焦點。很簡單，如果你能「閉合」迴圈，你就能贏。 但這並非我們在此要提出的主要論點。我們真正關注的是一個非常實際且嚴肅的問題：如果我們放棄「支線任務」，認真追求AGI，並努力達成收入、效率和資金目標以避免中途夭折，那麼像Nano Banana、GPT-Image-2或Grok Imagine這樣的模型，是否仍是稀缺GPU資源的必要用途？ 答案正逐漸明朗：是的。這不僅僅是因為「閉合迴圈」的能力，更是因為僅憑文字、程式碼和結構化輸出生成所能做到的事情有限。當你擁有多模態的語音和視覺生成（包括透明度！）能力時，你才能真正展現AGI中「通用（G）」的精髓——畢竟，如果AI只能狹隘地取代所有程式設計工作，那又有何用？ 順帶一提，在圖像生成領域，過去「騎馬的太空人」很難生成，後來是「騎太空人的馬」，而現在，嗯…… 2026年4月26日至27日的AI新聞。我們查閱了12個Reddit社群、544個Twitter帳號，但沒有更多Discord資訊。AINews的網站允許您搜尋所有過往議題。提醒您，AINews現已成為Latent Space的一個專區。您可以選擇訂閱或取消訂閱電子郵件頻率！ --- **AI Twitter 回顧** **OpenAI 分發策略轉變、GPT-5.5 基準測試與 Codex/Copilot 定價信號** **OpenAI 放寬 Azure 獨家協議**：@sama表示，OpenAI更新了與Microsoft的合作夥伴關係，Microsoft仍將是主要雲端供應商，但OpenAI現在可以將產品推向所有雲端平台，產品/模型承諾將延長至2032年，營收分成則到2030年。@scaling01和@kimmonismus迅速推斷出其含義：OpenAI現在可以透過Google TPU / AWS Trainium / Bedrock進行分發，而Microsoft對OpenAI智慧財產權的授權也將變為非獨家。@ajassy證實，OpenAI模型將在未來幾週內登陸AWS Bedrock。@simonw指出，新條款可能意味著舊的AGI條款實際上已失效。 **GPT-5.5 全面升級，但並非完全主導**：@htihle的社群評估顯示，GPT-5.5在WeirdML的「無思考」模式下達到67.1%，高於GPT-5.4的57.4%，但仍落後於Opus 4.7的76.4%，且後者使用的token更少。LMSYS Arena的結果顯示，GPT-5.5在程式碼競技場排名第9，文件處理第6，文字處理第7，數學第3，搜尋第2，視覺第5，並在專家競技場排名第5。Arena也澄清，目前的評估涵蓋中/高階推理，而極高階推理仍在等待中。@gdb對GPU核心等困難程式編碼任務給予了正面回饋，但@htihle也報告了在「無思考」模式下出現「壓縮CoT洩漏」/格式錯誤輸出的情況。 **開發者經濟模式日益明確**：GitHub宣布Copilot將於6月1日轉為按用量計費，這是一個顯著的轉變，因為代理（agentic）工作流程會消耗更多的執行時間。與此同時，@Hangsiin記錄了Codex的使用倍數：GPT-5.4 fast = 2倍，GPT-5.5 fast = 2.5倍，而5.4-mini和GPT-5.3-Codex則便宜許多。@sama認為Codex每月20美元仍具強大價值。OpenAI還透過@OpenAIDevs開源了Symphony，這是一個協調層，用於將問題追蹤器連接到Codex代理，實現「開啟問題 → 代理處理 → 提交PR → 人工審查」的工作流程。 **小米 MiMo-V2.5、Kimi K2.6 與中國以代理為導向的開源模型推動** **MiMo-V2.5 是當日最大規模的開源發布之一**：@XiaomiMiMo在MIT授權下開源了MiMo‑V2.5-Pro和MiMo‑V2.5，兩者都具備100萬token的上下文長度。Pro模型被定位為複雜的代理/程式編碼模型，而較小的模型則為原生全模態代理。@eliebakouch的社群摘要提供了有用的技術細節：MiMo‑V2.5-Pro總參數約為1兆（1T）/420億（42B）活躍參數，使用FP8格式在27兆（27T）token上進行訓練；而MiMo‑V2.5總參數約為3100億（310B）/150億（15B）活躍參數，在48兆（48T）token上訓練，採用積極的交錯式SWA/全域注意力機制且無共享專家。小米還透過@_LuoFuli宣布為開發者提供100兆token的補助。vLLM和SGLang/vLLM迅速在發布當天提供了推論支援。 **Kimi K2.6 持續引領關注與部署**：@Kimi_Moonshot表示，Kimi K2.6現已在OpenRouter的每週排行榜上名列第一。次級報告將其描述為適用於程式編碼和長週期代理的模型，包括可擴展至300個並行子代理，執行4,000個協調步驟。實踐者對於速度/品質的權衡仍有不同看法：@teortaxesTex發現Kimi在Hermes中比DeepSeek V4慢得多，但有時能修復V4無法解決的錯誤。 **中國模型趨勢概覽**：多篇貼文指出，中國實驗室正積極推動半開源、以代理為導向、長上下文系統的發展：包括Qwen 3.6 Flash、DeepSeek V4/Flash、GLM-5.1的推廣（三倍使用量擴展），以及小米的MIT開源發布。一個重複出現的主題是，較小/較便宜的版本在實際代理基準測試中，往往表現優於其較大的同類模型。 **代理執行環境、協調**