近24小时 AI 热点预测：工作层、设备端与开放模型分发开始抢入口
AI 产品正在争夺工作层、设备端和开放模型分发入口；本文把六条新信号改写成未来三天可直接拍摄的选题，并标明 YouTube 覆盖缺口。
Sam Altman 在北京时间 7 月 26 日深夜描述了一次从手机发起的 ChatGPT Work 任务：规划 9 人周末旅行、搭建供小组协作的全栈网站、达成共识后预订行程，再起草 Gmail 邮件。几个小时后，他又说自己「想要一种新型计算机」。两条帖子放在一起看，未来三天最值得拍的主线已经从「模型多强」换成了「AI 会不会成为新的工作层和设备入口」。
来源与覆盖
| 预测方向 | 直接来源 | 进入判断的证据 |
|---|---|---|
| 手机发起的完整工作流 | @sama 关于 ChatGPT Work 的帖子 | 1,596,721 次浏览、12,515 个赞、1,213 条回复；帖子写明了从旅行规划到建站、预订和邮件草稿的完整任务链 1 |
| AI 原生计算机 | @sama 关于「新型计算机」的帖子 | 368,439 次浏览、2,176 个赞、269 条回复；只有方向性表态，没有产品规格 2 |
| 本地推理成本下探 | @_akhaliq 转发 @alecqfong 的实测说法；YouTube 邻近样本 | 转发内容声称本地跑 1 亿 token 的电费约 1 美元，但没有独立账单或复现实验；邻近视频把 Cost Per Intelligence、边缘设备和 Colibri Tiny Inference Engine 放在同一条内容里 3 4 |
| 开放模型的分发竞争 | @_akhaliq 转发 Google Gemma 官方帖 | Google Gemma 官方账号称本周下载量超过 9 亿，Gemma 4 超过 3 亿；这是官方自报的下载口径，不等于活跃用户或效果 5 |
| 开源模型从单点发布变成组合 | @_akhaliq 转发 Cohere | 帖子提到 Transcribe、Command A+、North Mini Code 都以 Apache 许可开放；转发正文被截断，具体版本和能力仍需回到 Cohere 原文核对 6 |
| Codex 的幕后叙事 | @danshipper | 他宣布将通过 OpenAI 内部人士访谈整理 Codex 发展史，计划数周后发布；这是即将到来的深度内容线索，不是新产品公告 7 |
X/Twitter 侧查询了 19 个唯一白名单账号，正文采用 6 条已取得具体帖子和发布时间的信号；账号之间仍有空时间线、身份错配、窗口外内容和非 AI 内容，不能把 19 个账号写成 19 个有效信源。主要时间窗为北京时间 2026 年 7 月 26 日 08:00 至 7 月 27 日 08:00，Gemma 的官方原帖发表于 7 月 26 日 00:32，但其在白名单账号信息流中的转发发生在 7 月 26 日 09:23，作为分发信号保留。
YouTube 侧没有完成两份报告中 55 个频道的全量频道身份、发布时间和互动快照闭环。已核验的邻近样本包括 Lev Selector 的视频，发布时间为北京时间 7 月 25 日 04:09，抓取时有 1,946 次播放、96 个赞、18 条评论；它的频道白名单归属本轮未确认，因此只作为交叉线索，不计入覆盖率。OpenAI 官方的《Building with ChatGPT Voice》频道身份已确认，发布时间为 7 月 24 日 03:40，抓取时有 35,739 次播放、1,055 个赞，但它更适合作为较早的官方背景样本，不用来宣称本窗口命中。YouTube 的播放、点赞和评论都是快照，没有上一轮同视频快照，不能计算增长率。
爆点一：从手机交代一句话，AI 开始接管一段临时工作流
来源与事实
Sam Altman 写道，他从手机向 ChatGPT Work 发出一段任务：利用聊天记录为 8 位朋友规划长周末旅行，给出三个方案，搭建一个让 9 个人协作决策的全栈网站，达成共识后完成预订，再在 Gmail 里起草邮件。他的结论是「it...just worked」。这是一位产品负责人对一次个人使用体验的自述，不是独立复现，也没有展示网站、预订和邮件草稿的完整过程。1
热度判断：高
帖子在采集时达到 159 万浏览、1.25 万个赞和 1,213 条回复，热度来自任务链的完整程度，而不是单个功能演示。过去的 AI 视频常把「写一个网页」当成终点，这条素材把网页放进了一个真实的多人决策流程里：找方案、建协作界面、等待共识、执行外部动作。
视频文案怎么写
开头不要讲 GPT 版本，直接问：「如果 AI 不只帮你写页面，而是帮一群人把旅行定下来，它需要接管哪些环节？」
把任务拆成四个画面：需求理解、临时网站、多人意见收集、外部预订。每一步都加一个验证问题：网站是否真的可访问，成员意见是否被正确汇总，预订前是否再次确认，Gmail 是否只是草稿而不是自动发送。这样拍出来的重点是工作流的边界，不是替产品背书。
素材搜索与剪辑建议
- 搜索词：
ChatGPT Work full-stack site group coordination、AI agent travel planning website、ChatGPT Work phone workflow。 - 素材渠道：Sam Altman 原帖、OpenAI 官方产品说明、一个不含真实个人信息的 9 人投票模拟页面。没有拿到真实执行记录前，不要剪出「已经完成预订」的确定镜头。
- 剪辑方式：手机录屏占主画面，右侧用流程节点显示上下文、工具调用、授权和人工确认。每次从「建议」进入「外部动作」时停顿半秒。
中美信息差判断
中文内容更容易把它讲成「AI 一键做网站」，海外讨论的传播点其实是临时协作和个人事务编排。适合抢先做的版本是「AI 会不会取代项目群里的协调者」，并把权限、确认和失败接管拍出来。
爆点二：AI 原生计算机的悬念，可能比下一台更快的电脑更好拍
来源与事实
Sam Altman 在回应一条关于 AI 设备的讨论时写道：「agreed feels big, i want a new kind of computer」。帖子没有产品名、发布时间、形态、合作方或硬件规格。它能证明的只有一个高影响力账号公开表达了对新计算形态的期待，不能扩写成 OpenAI 已经发布硬件。2
热度判断：中高，悬念强于事实密度
这条帖子的浏览量达到 36.8 万，269 条回复。它更像一个问题的点火器：当 AI 能持续读上下文、调用工具并替用户完成任务时，手机、电脑和聊天框的分工还合理吗？答案目前没有公开证据，正因为如此，视频应做成设计推演，不要做成爆料。
视频文案怎么写
标题可以写成：「如果 AI 真有一台新电脑，它最先应该删掉什么？」
先把今天的电脑拆成屏幕、键盘、窗口和应用，再提出三个可检验的设计约束：AI 是否持续理解环境，用户是否能随时打断，重要动作是否仍保留明确的授权界面。最后用手机、耳机、桌面端三种形态做反向设计，展示哪一种更适合长时工作。
素材搜索与剪辑建议
- 搜索词：
AI native computer interface、AI hardware context aware computer、agent first operating system、ambient computer interaction。 - 素材渠道：公开产品演示、计算机交互历史素材、原创 UI 原型。不要把概念图标成官方设备，也不要使用未经证实的供应链消息填空。
- 剪辑方式：用同一个任务在手机、桌面和耳机界面之间切换，画面上持续显示上下文是否丢失、用户是否知道 AI 正在做什么。
中美信息差判断
中文圈对 AI 硬件的内容常从外观、价格和销量切入，海外这条信号更适合从交互方式切入。真正有差异化的选题不是「谁会做 AI 手机」，而是「什么任务值得离开 App 图标和窗口系统」。
爆点三：本地推理的下一场竞争，可能是每解决一个任务要花多少钱
来源与事实
@_akhaliq 转发 @alecqfong 的说法，称使用 GLM 5.2 NVFP4 在本地运行 1 亿 token，电费约为 1 美元，并据此写出「推理正在接近免费」的判断。当前证据只是一条二次转发，帖子没有提供 GPU 型号、运行时长、功耗计量、token 统计方法或任务质量，因此不能把 1 美元当作可复现的行业成本。3
YouTube 的邻近视频《Exciting AI Updates Weekly - July 24, 2026》也把 Cost Per Intelligence、AI on small devices、Colibri Tiny Inference Engine 和 RAM 复用放在同一条内容中。视频发布时间为北京时间 7 月 25 日 04:09，抓取时有 1,946 次播放、96 个赞和 18 条评论，但频道白名单归属未确认。4
热度判断：中高，适合做算账型科普
「每百万 token 多少钱」已经不够用了。真正能影响创作者和企业选择的，是一次任务从输入到可用结果的总成本，包括模型调用、等待时间、重试、人工检查和电费。即使那条 1 美元的说法最后无法复现，它也把讨论从云端单价拉到了任务级成本。
视频文案怎么写
开头给出两种报价：云端按 token 计费，本地按电费和设备折旧计费。然后用同一套短任务跑三个版本，记录总耗时、总电量、失败次数、输出质量和人工修正时间。结尾再算「每个可用结果」的成本，而不是把 token 数直接当成生产力。
素材搜索与剪辑建议
- 搜索词：
GLM 5.2 NVFP4 local inference、cost per solved task local LLM、tiny inference engine edge AI、LLM power consumption measurement。 - 素材渠道：原帖、模型官方说明、功耗仪实拍、公开量化模型和自建测试。没有 GPU 与功耗数据时，字幕写「待复现」，不要写「本地推理已免费」。
- 剪辑方式：左侧显示云端账单，右侧显示本地功耗和时间；每次失败重试都计入总账，避免只展示最顺的一次。
中美信息差判断
中文内容更常把本地模型拍成「低配电脑也能跑」，海外信号正在把问题推进到「单位任务成本」。适合做成一条实测视频，比较中国模型和欧美模型时只比较同一任务、同一质量阈值，不用价格标签代替结果。
爆点四：开放模型的传播指标，开始从榜单转向下载分发
来源与事实
Google Gemma 官方账号称，本周 Gemma 系列下载量超过 9 亿，Gemma 4 单独超过 3 亿，并列举 Gemma、ShieldGemma、MedGemma 和 Gemma 4。@_akhaliq 在北京时间 7 月 26 日 09:23 转发了这条官方信息。下载量是官方自报的累计指标，不能直接等同于活跃部署、调用量、收入或模型质量。5
热度判断：高，数字容易传播但最容易被误读
9 亿下载比一张模型榜单更适合短视频开场，却也更需要拆口径：一次下载可能只是试用，多个版本可能重复计算，企业内部部署也不等于日常使用。真正值得拍的是「开放模型如何形成分发飞轮」，而不是直接宣布 Gemma 已经赢了。
视频文案怎么写
开场放出「9 亿下载」这个数字，紧接着问：「下载、部署、调用、留存，四个数字是一回事吗？」
画四层漏斗：下载文件、在设备上启动、被产品调用、持续产生任务。再选一个公开模型做小规模复现实验，记录从模型页到第一次有效输出要经历多少步骤。视频结论只回答「分发是否顺畅」，不替官方数据推导用户规模。
素材搜索与剪辑建议
- 搜索词：
Gemma 900 million downloads、Gemma 4 300 million downloads、open model distribution downloads deployment。 - 素材渠道：Google Gemma 官方帖、模型页、下载接口或公开部署案例。不要用下载量推导市场份额，也不要把累计下载剪成月活曲线。
- 剪辑方式：用数字翻页吸引注意，再立刻切到漏斗和口径注释。数字越大，注释越要留在画面上。
中美信息差判断
中文圈谈开放模型时常停在参数量、榜单和许可证，海外这条信号提供了另一个入口：模型能否被下载、部署和改造成垂直工具。中国创作者可以把「开源模型对比」改成「谁更容易从模型页走到真实应用」。
爆点五：开源模型不再只拼一个大模型，而是拼可组合的模型货架
来源与事实
@_akhaliq 在北京时间 7 月 27 日 04:13 转发 Cohere 的帖子。转发内容称，Cohere 今年已经发布 Transcribe、Command A+ 和 North Mini Code 等开源模型，均采用 Apache 许可；当前载荷在许可细节处被截断，正文没有给出每个模型的版本、参数、上下文长度或 benchmark。6
热度判断：中高，组合比单点发布更适合做对比
如果一家公司同时覆盖语音转写、通用生成和代码任务，内容重点就不再是「又出了一个模型」，而是开发者能不能按任务拼装一套可控的模型货架。这个判断仍然需要 Cohere 原文和模型卡补齐，当前只能作为窗口内的产品路线信号。
视频文案怎么写
题目可以写成：「为什么开源模型公司开始像在摆一排工具？」
选一个语音任务、一个检索或写作任务、一个代码任务，分别检查模型许可、部署方式、输入输出限制和评测字段。再比较「一个大模型包打天下」与「三个小模型按任务分工」的延迟、成本和维护复杂度。
素材搜索与剪辑建议
- 搜索词：
Cohere Transcribe Command A+ North Mini Code Apache、open source model portfolio speech code、modular AI model stack。 - 素材渠道：Cohere 官方帖子、发布页、模型卡和 GitHub 仓库。转发正文不完整时，不要凭标题补齐版本号或性能排名。
- 剪辑方式：把任务放在左侧，把候选模型像工具栏一样排列在右侧；每换一个模型，显示许可证和可用字段，不用统一的夸张速度条。
中美信息差判断
中文视频常按公司和模型名做新闻播报，海外这条线更适合讲「模型组合如何进入产品」。可以对比中美开源模型的任务覆盖和部署门槛，但必须统一许可证、硬件和评测条件。
爆点六：Codex 的幕后史，可能成为下一轮 AI 访谈内容的高点击入口
来源与事实
Dan Shipper 宣布将暂停一周，整理 Codex 如何诞生的完整历史，并通过对 OpenAI 内部人士的深度访谈逐步发布线索，预计数周后上线。他没有披露受访者名单、采访内容或任何新的产品事实。7
热度判断：中，内容价值来自叙事稀缺性
这条帖子的即时互动远低于 Sam Altman 的两条帖子，但它给创作者提供了不同的内容形态：从追逐当天发布，转向追问一个产品在内部如何形成。只要后续材料能提供具体决策、失败方案和时间线，它就适合做长视频；在原文发布前，不能把「内部人士」写成任何具体观点。
视频文案怎么写
开场可以问：「Codex 是先有模型能力，还是先有一种新的工作方式？」
先画出已知的公开产品时间线，再把待确认字段单独放在画面右侧：谁做了关键决定、哪些方案被放弃、哪些能力来自模型升级、哪些来自工具链。等采访内容公开后，再把传闻和原始引语逐条对齐。
素材搜索与剪辑建议
- 搜索词：
Codex origin story OpenAI interviews、history of coding agents、AI product internal decision making。 - 素材渠道：Dan Shipper 后续文章、OpenAI 官方 Codex 文档、公开发布会和可核验访谈。没有原始文章前，不要用二手帖子拼接所谓内部时间线。
- 剪辑方式：采用时间线加采访引语卡片，原话与旁白用不同颜色区分；没有引语的位置保留空白，不用情绪化配乐制造内幕感。
中美信息差判断
中文 AI 内容的访谈常围绕创始人愿景，Codex 这条线更适合追产品决策、工程取舍和失败经验。它能补上中文圈「只看发布结果、不看形成过程」的空白，但前提是等原始长文落地。
未来三天的拍摄排序
- 先拍 ChatGPT Work：手机端真实任务链最容易让观众看懂，也最容易通过授权和失败接管做出区别于功能搬运的内容。
- 再拍本地推理成本：用功耗仪、任务质量和重试次数把「推理免费」拆成可验证的账。
- 第三条拍 AI 原生计算机：把 Sam Altman 的一句愿望做成设计实验，明确标注没有产品规格。
- 第四条拍 Gemma 分发：用 9 亿下载引出下载、部署、调用和留存的口径差异。
- 有工程条件的团队拍开源模型货架：等待 Cohere 原文补齐，再做许可证和任务组合对比。
- 长视频团队保留 Codex 幕后史：等采访原文发布后再决定是否升级为专题。
最值得追的变化不是又一个模型名称，而是 AI 正在同时争夺三种位置：替人处理一段临时工作，成为设备的默认交互层，以及以低成本模型进入真实应用。X 的 19 个白名单账号已完成查询，但 YouTube 的 55 个频道仍未完成全量身份和窗口闭环；本轮的 YouTube 视频只作邻近观察，不能用来计算频道增长率或覆盖率。
Related content
- Sign in to comment.