Anthropic凭借11插件引发全球股市震荡 AI日报 20260206

开源音乐生成模型ACE-Step 1.5 ：商业级音质，支持ComfyUI，消费级硬件生成完整歌曲仅需不到10秒

ACE-Step 1.5 采用创新混合架构，从根本上改变了AI生成音乐的方式。其核心是一个全能语言模型，可将简单的用户指令转化为完整的歌曲蓝图，支持从短片段循环到10分钟长曲的各类创作需求。

• 商业级音质表现：在标准评估指标中，ACE-Step 1.5 的音质超越多数商业音乐模型，音乐连贯性评分达4.72。

• 极速生成效率：在RTX 5090显卡上，生成一首4分钟完整歌曲仅需约1秒；即使是RTX 3090，也能控制在10秒以内。

• 适配消费级硬件：仅需不到4GB显存即可运行。

• 支持50+种语言：严格遵循50多种语言的指令，其中英语、中文、日语、韩语、西班牙语、德语、法语、葡萄牙语、意大利语及俄语的支持效果尤为出色。

• 思维链规划：模型通过思维链推理整合元数据、歌词与描述信息，引导扩散生成过程，最终产出连贯性更强的长篇音乐作品。

ACE-Step 1.5 现已在 ComfyUI 中获得首日支持

PaperBanana：多智能体协作，谷歌x北大联手打造学术版Nano Banana

Nano Banana之后，谷歌又发布了PaperBanana，旨在把科研人员从耗时的论文插图绘制工作中解放出来。

学术插图是信息承载的核心，也是传播过程的关键瓶颈：既要准确呈现方法细节，又要符合版式、标注与可编辑规范。因此，高质量学术插图的产出长期被视为研究中的劳动密集环节。Nano Banana虽提升了图像质量与指令遵从，但单一生成模型仍难满足学术出版要求。

模拟研究人员制造论文图表从找顶会过往参考图，规划自己如何作图，到画图并根据参考图进行精调的过程，PaperBanana背后就是规划了5个分工明确的智能体协同工作：

• Retriever Agent（检索智能体）：从顶会论文库中，找到与你要画的图领域、结构最相似的参考案例。

• Planner Agent（规划智能体）：把论文文字描述，转化为包含所有模块、逻辑的详细绘图说明书。

• Stylist Agent（风格智能体）：总结学术审美规范，给说明书加上配色、排版等“美颜”标准。

• Visualizer Agent（可视化智能体）：根据说明书，直接画图或写代码出图，产出初稿。

• Critic Agent（批判智能体）：检查图的对错与美观度，提出修改意见，循环迭代3轮优化。

采用了“VLM-as-a-Judge”（大模型当裁判）的评估范式——让强大的视觉语言模型如Gemini-3-Pro作评判，将PaperBanana生成的图与测试集标准答案进行逐项对比。主要从：忠实性、简洁性、可读性、美观性，四个维度进行对比，其结果为：

• 在匿名的人类盲测中，研究员有72.7%的情况认为PaperBanana生成的图比基线模型更好。

• 在需要高精度的统计图表任务中，PaperBanana的“代码生成模式”在数值忠实性上与人类水平相当，而简洁性和美观性甚至略胜一筹。

a16z掌门人谈AI投资：我们正迎来史无前例的多重赢家时代

本文编译自a16z2026年1月13日的访谈，由Jen Kha对话Ben Horowitz，探讨了顶级风投机构的管理哲学与AI时代投资趋势：

• 科技企业很少能一开始就掌握所有信息。

• 如今我们正身处人工智能浪潮的初期阶段，但平庸公司与卓越公司的关键差异，往往在于是否允许员工进行创造性冒险，同时又是否过度追究责任。

• 我们最大的误区在于，总把目光聚焦在企业的某些短板上，而非关注其核心竞争力和卓越表现。要知道，虽然人人都能自诩擅长某项领域，但真正需要验证的是：他们是否真正在该领域独步天下？这才是值得投资的核心价值所在，而非盲目追捧那些“多面手”。

• 我们始终关注关键节点：他们如何展现能力？把握机会的敏锐度如何？赢得机会的效率怎样？整体表现如何？我们如何评估当前质量？毕竟有些项目能成功，有些则失败，但并非所有事情都完美无缺。

• 说到底，决策能力是关键在于什么让你擅长这个。这其实是智慧与判断力的结合，而判断力本身又是智慧和知识的融合。所以问题在于：你掌握了多少知识？又有多聪明？如何将这些知识转化为正确的判断？在组织中，知识往往与实际干活的人紧密相连。

• 人们通常并不是在找你，他们真正需要的是清晰。就像很多组织需要的，往往不是正确性，而是清晰度。有了清晰，你就能行动。

• 如果回溯到三四年前，当时人们普遍认为，大型基础模型就像超级智能大脑，能比任何其他技术都更胜一筹。但现实发展却并非如此。如今的实际情况是，这些大型模型确实提供了至关重要的基础设施，所有企业都在不同程度上依赖其发展。但值得注意的是，对于任何特定应用场景而言，不仅需要模拟人类行为的长尾效应，更需要深入理解这种行为模式的复杂性。

喝点VC｜a16z掌门人谈AI投资：我们正迎来史无前例的多重赢家时代