AI重写Photoshop等软件,订阅还值不值?

导读

AI辅助开发的Photoshop、Illustrator开源替代项目，与REA逆向工具引发软件复制讨论。基础功能更容易重做，但文件兼容、专业可靠性和维护仍有缺口：用户还会为什么付费？

xAI 于10月12日发布 The X Subscription，把 Grok、Grok Bot、Cursor 与 X Premium 放进同一份订阅。Grok 提供聊天、语音和图像视频生成，Grok Bot 提供能执行任务的AI助手，Cursor面向编程，X会员提供认证标识、创作者工具和减少广告等权益。官方表示新用户从发布当天可订阅，未来几天向全球开放；已有用户的切换入口会逐步出现在账单设置中。

官方列出五档：Free为0美元；Plus每月8美元；Premium每月30美元；Super每月100美元；Ultra每月200美元。免费档包含Grok每日访问、Cursor编程智能体的入门额度和标准X。30美元档包含 SuperGrok、Cursor Pro 与 X Premium+ 权益，官网称这三项此前合计约90美元/月。这里比较的是官网列出的原权益合计，并非每个人当前的账单。

付费档的Grok模型用量在Grok与Cursor之间共用一个池子。你在Grok应用、X里的Grok入口或Cursor使用Grok模型，都会消耗同一池额度；只使用一个产品时，可以把额度集中用在它上面。官网列出30、100、200美元档分别为Plus额度的4、15、50倍，并称额度按周刷新，用尽后可充值或等待刷新。

共享池不等于所有模型都包含在内。Cursor中的第三方模型在Premium及以上档位继续可用，但通过充值按API标价另收费。原Cursor计划里包含的第三方用量，在用户切换新计划前继续保留。对主要使用其他模型的人，比较订阅时还要把这部分费用算进去。

现有 SuperGrok、Cursor 和 X Premium 用户可以保留当前计划、价格与权益，也可在账户开放切换时升级，未使用的旧订阅时间按比例退款。旧计划停止面向新用户注册；官方表示未来会迁移剩余用户，但没有时间表，会提前通知。年度订阅可以保留到期，未来变化在续订时处理。

团队版按席位提供30、100、200美元档，包含单点登录、管理控制、合并账单和用量分析等功能。对个人读者，最直接的变化是减少订阅入口并共享Grok额度；是否更省钱，取决于原来订了哪些产品、使用哪些模型，以及自己的账户能否切换。

Meta发布 Muse Wonder 和 Muse Wonder Full。Artificial Analysis 的 Intelligence Index v4.3 评测中，两者在最高推理强度下分别得到52和56分，上一代 Muse Spark 1.3 为48分。推理强度是模型为作答投入计算的设置，分数描述这套评测条件，不能当成所有日常任务的表现。

评测显示，Full版在智能体任务上的进步较明显：Terminal-Bench 4.0 从33%提升到57%。智能体任务强调围绕目标使用工具、执行步骤；知识类评测仍有短板。Artificial Analysis 同时指出，部分领先幅度很窄，一些结果与竞争模型的置信区间重叠，不能据此判断稳定领先。

成本也上升。文章列出 Muse Wonder 每百万输入、缓存输入、输出token分别为4、0.20、20美元；同一智能指数任务成本约4.52美元，是前代约1.60美元的2.8倍。token是模型处理文本的切分单位。Muse Wonder已在Meta API与Muse Code上线，Full版目前只向Muse Code用户开放；模型评分、实际任务效果与价格需要一起看。

微软 CEO Satya Nadella 10 月 12 日在 X 上宣布，从下一个自然年起把 Maia 芯片家族扩展到多吉瓦（multi-gigawatt）级部署，让它成为微软自家产品和服务的首选推理系统，同时发布 Maia 300，称其每瓦 token 产出比主流 GPU 系统高 40%。

已经落地的是上一代：Nadella 表示 Maia 200 正在美国、欧洲和澳大利亚部署，在 Teams 和 Copilot 场景中每瓦 token 产出最高提升 1.7 倍。微软官方博客的配套文章题为"微软将把 Azure Maia 系统扩展到多吉瓦级部署"。能效数字来自微软自报；多吉瓦级扩展从明年启动，Maia 200 的部署则已在进行。每瓦token产出比较的是单位能耗处理量，不能直接换算成用户订阅降价。

据 Bloomberg 报道（Ars Technica 转述），Epic Games 在与迪士尼的 15 亿美元合作项目中转向"AI 先行"的开发方式，由 Anthropic 的 Claude 等模型编写全部代码并指导全部美术，人类开发者负责管理和引导生成内容。同一批报道也提到，这款合作射击游戏被无限期延期。报道未说明延期与开发方式转变之间是否存在因果关系。

QGIS增强提案仓库于10月7日合并QEP428（PR #387），把AI辅助贡献政策改为严格的 NOT ALLOWED。QGIS是开源地理信息软件，贡献者提交的代码需要维护者评审；这条消息涉及项目贡献政策，时间早于本期日报。

维护者在讨论中解释，AI生成内容的速度远超人工认真评审的速度，造成待审改动积压，或者合并前审查不足。讨论列举约50个标记“AI Assisted”的PR，其中约40个未合并就关闭。PR是向项目申请合并代码改动的提交。

政策边界仍受到讨论，包括文档、翻译和IDE补全是否属于限制范围。提案作者表示先收紧入口，再对具体场景逐案论证是否放宽。对准备向QGIS贡献的开发者，关键是按项目自己的政策判断，不能把其他仓库接受AI辅助的做法直接套过来。

一位在 WSL2 环境下使用 Linux 的用户报告，从 Codex CLI 0.157.0 起，打开交互式会话就会默认启动一个持久后台守护进程 codex app-server --managed-daemon，关闭窗口后该进程仍然驻留。相关 issue 编号为 #48195，报告时间为 10 月 12 日。这是来自单个用户在 WSL2 环境的一次报告。

这里的后台守护进程，指窗口关闭后仍继续运行的程序。该报告关注的是CLI版本与后台驻留行为，和昨天报道的默认上下文扩大属于不同变化；当前材料限于这一位WSL2用户的报告，不能据此认定所有系统都会出现同样行为。

Anthropic研究小型AI模型在没有数据中心条件下自主复制的可行性。实验显示，9B模型在9类受测硬件中的8类跑通推理，30B及以下模型已能完成复制所需的许多单步，但把它们串成端到端流程时仍会出错。B指十亿参数；能在设备运行模型，与能自主完成传播是不同层次。

团队用15台每台约55美元的Android电视盒，分布运行 Gemma4-26B-A4B，速度约0.39 token/秒。实验展示了廉价设备运行模型的可能性，同时说明速度很慢。文中的“自主复制”是模型在新设备上建立运行实例的研究任务。

在简化评测中，GLM-5.2及更强模型能完成端到端复制；其中节点之间的ADB端口没有认证，研究者因此把成功率视为现实条件下的上界。结果说明部分环节已有能力，不等于模型已在真实世界自主扩散。

据 The Decoder 报道，Science 上的一项新研究显示，Google DeepMind 的 AlphaProof Nexus 独立解出了 353 个开放 Erdős 问题中的 9 个，其中 2 个已悬置 56 年。除 Erdős 问题外，它还证明了 OEIS 整数序列数据库中的 44 个猜想，解决了一个代数几何中的开放问题，并改进了一个 min-max 优化（一种用于训练部分 AI 模型的技术）中已知界的上界。

方法上，AlphaProof Nexus 以 Gemini 3.1 Pro 为核心，用形式化证明语言 Lean 起草和修订证明；每改一次 Lean 就检查一次，错误信息引导下一次尝试。遇到更难的子问题时，它可以调用专门的证明工具 AlphaProof——但 DeepMind 表示，即使不调用它，也能解出那 9 个 Erdős 问题。研究团队在论文发表前就把解答公开到了网上。报道还提到发布方式上的对照：OpenAI 此前把数百个 AI 证明直接堆到 GitHub 而没有投稿期刊，Terence Tao 领导的 Association for Human Mathematics 因此呼吁抵制，DeepMind 这次把工作送进了同行评审。

Vapi 工程师 Lat Ware 自研了代码审查机器人 Pedantic Review Bot，并公开了它的效果与实验。在他开始写这个机器人时，Vapi 一个 PR 从打开到合并平均要 130 多小时；现在这个平均时间减半到 65 小时。这组数字来自 Vapi 自己的代码库，是内部使用的结果。

它的一个设计要点是"先证明再发言"：分析任务会检出 PR，在报告问题前先追踪调用方、运行它认为会失败的测试，或写一个小复现。分析和发评论是两个独立的 job——分析会话被剥掉 Git 凭据、把发现写成 JSON，第二个 job 校验该文件后发布评论，不执行 agent 写的任何东西。它只能评论，不能批准或推送，改不改由工程师决定。9 月 2 日到 10 月 2 日的一个月里，它审查了 1,694 个 PR，在 276 个中提出 363 个阻塞性发现，其中超过一半与构建、测试、CI 或部署有关。文章举的例子包括：一个把测试断言换成测试运行器根本不会收集的 Storybook 故事的改动，一个"报告成功却没运行任何测试"的基准，以及一次流量切分改动——后端先把流量切到新版本、之后才应用"0% 发布"，结果一个本该没有流量的版本拿到了全部流量。

作者还报告，9月2日至10月2日机器人审查1,694个PR，在276个中提出363个阻塞性发现，其中超过一半涉及构建、测试、持续集成或部署。阻塞性发现指需要解决后才适合合并的问题。文章同时说明，尚未跟踪这些发现哪些被接受或驳回，不能把发现数量直接当成有效缺陷数量。

一篇教程介绍了用 Claude Opus 5.5 配合 Claude Code、Blender、Unreal Engine 5 和 Meshy 做游戏的方法。核心思路不是让一个模型包办一切，而是给每个工具分配单一职责：通过 MCP（一种让模型调用外部工具的协议）连接 Blender 和 Meshy，由 Meshy 生成道具和角色、Blender 负责清理和摆放、Unreal 负责光照、物理和游戏本身，Opus 则在同一个对话里调度这三者。

流程上，作者建议先让 Opus 头脑风暴 5 个游戏点子再展开，并把自己的 GPU 型号告诉它以便压满画面性能。据这条教程，第一个完整构建大约花 4 小时、用掉每周 Max 套餐约 19% 的额度，之后因素材可以复用会快很多；这些是教程作者给出的经验数字。

Tessl 的博客文章提出用四类"你自己拥有的文件"来约束编码智能体的行为：CLAUDE.md 里的指令、.claude/rules/ 下的路径级规则、.claude/ 下的能力配置，以及 .claude/hooks/ 里的钩子。文章把这四类文件当作不依赖厂商、由项目自己维护的约束入口。

作者在同一个工单上对照测试：没有这些约束时通过8项检查中的1项，加入约束后通过8项。指令和路径规则改变模型读到的内容，能力配置限定可调用的工具，钩子则能在执行时返回拒绝。这是一个仓库和工单的演示，比例不能推广成其他项目的效果。

即使机械检查全部通过，审查者仍发现权限判断等缺陷。文章把这部分留给人工判断：规则文件和自动检查可以减少可检测的问题，不能替代对业务授权是否正确的审查。