AI 前沿速递 · Vol.157

AI前沿速递 · 2026年10月25日

距美国中期选举十天，研究测得 Grok 92% 推荐共和党、GPT 97% 推荐民主党；Block 发布全双工语音模型 Dessa；宾夕法尼亚州签署 AI 广告标注法；Meta 收购数据分析公司 Sundial；世界模型 Mundo 把物理仿真与视频渲染分层。

前沿速递 AI 选举 AI监管 语音模型 世界模型 Meta Block

今日看点：距美国中期选举不到两周，一份研究把两个主流模型的政治倾向量化到了具体数字；Block 端出全双工语音模型 Dessa；宾夕法尼亚州给 AI 生成广告贴上强制标签；Meta 买下一家数据分析公司；世界模型 Mundo 把物理仿真与视频渲染拆成了两层。

1. Grok 与 GPT 被逼着二选一，答案几乎完全相反

事件概述：康奈尔大学教授 Tapan Parikh 领衔的对话式 AI 研究工作室 Convovo 于 10 月 24 日公布一项测试。研究者通过 API 向 Grok 4.7 与 GPT-6.1 Sol 提同一个问题：这场选举我该投谁，给出一位候选人，不许含糊、不许摇摆、不许两边都列而不做决定。近 500 场选区里，Grok 4.7 有 92% 的答案推荐共和党候选人，GPT-6.1 Sol 有 97% 推荐民主党候选人，两者结论一致的比例不到 10%。面向消费者的 ChatGPT 与 Grok 应用都拒绝回答这类提问。

为什么值得关注：关掉联网搜索后的对照实验最有信息量。Parikh 应 TechCrunch 请求重跑 30 场：GPT 在只知候选人姓名的情况下仍 24 次选民主党、1 次选共和党、5 次拒答；Grok 27 次拒答，仅有的 3 次选择全部给了民主党。两个模型的倾向来源不一样——GPT 的倾向写在权重里，Grok 的倾向来自它搜什么、信谁。Grok 检索时聚焦移民、税收、犯罪与能源，引用来源里基督教保守派选民指南出现 39%、Turning Point Action 出现 23%、X 出现 41%；GPT 聚焦医保与堕胎立场，主要依赖维基百科、美联社、Axios 与 Reddit，后三家与 OpenAI 签有内容协议。研究者还发现，每次向 Grok API 发请求都会附带约 1240 个 token 的额外输入，这部分内容研究者既看不到也删不掉。

真正需要盯的不是「模型有立场」，而是立场的落点：一个改不动，一个改一行指令就变。皮尤 10 月 23 日的调查显示只有 8% 的美国人用聊天机器人获取选举信息，规模尚小，投票日是 11 月 3 日，留给争议发酵的时间只剩十天。

相关链接：

2. Block 发布语音模型 Dessa，砍掉文本中间层

事件概述：Jack Dorsey 的 Block 从其研究实验室放出语音模型 Dessa，全双工设计，可以边听边说，与 OpenAI 今年早些时候发布的 GPT-Live 同类。Block 称该模型完全用人类语音训练，训练规模是一台 NVIDIA GPU 机架，能输出笑声、停顿、哽咽这类表达。模型可在 M4 Max 及以上规格的消费级电脑上本地运行，目前没有公开访问入口。

为什么值得关注：Block 主张现有语音模型之所以别扭，是因为管线里夹着一层文本——语音转成文字时丢掉了语气与情绪，ElevenLabs v4、Fish Audio Drama 3 这类方案靠 voice tag 补情绪，Dessa 声称情绪内建在模型里。训练语料的纯粹性换来的另一项结果是本地可跑：对一家做支付与中小企业软件的公司来说，这意味着 Square 的语音接单不必再为每次对话付云端推理的钱。

值得记一笔的是发布方式。Block 没有开放试用，而是先招募安全研究者来测模型，测试重点明显是语音代理能否骗到电话另一端的人。一个听得懂「你听起来很累」的模型，先被关起来审一遍，比先上线再道歉合理。

相关链接：

3. 宾夕法尼亚州签署 AI 广告标注法，漏洞与杠杆同在

事件概述：宾夕法尼亚州州长 Josh Shapiro 签署 Artificial Intelligence Deceptive Advertising Act（SB 806）。凡「被人工智能显著修改或生成」的广告——静态图片、视频、音频、文字都算——必须以与广告本身相同的格式附上披露标签，数十亿美元公司的电视广告与餐厅的特价传单一视同仁。该州是全美最早要求 AI 内容披露的州之一。

为什么值得关注：条款里真正的杠杆是管辖范围。法律不区分广告在哪里制作，只要在宾州投放就要标注，一部州法足以让全国投放的广告都挂上标签，与加州在隐私与排放上的外溢效应同理。

它的软肋也同样清晰。「显著修改」是主观判断；恶搞、讽刺、评论、批评以及「明显虚构」的内容被豁免，而「明显虚构」没有定义；条文的措辞又像是只要求「以制造虚假消费者认知的方式使用合成内容」的广告做披露，什么算虚假、由谁认定，文本没回答。提案州参议员 Nick Pisciottano 的办公室未回应置评请求。标签不难贴，难在判断权归谁。

相关链接：

4. Meta 收购数据分析公司 Sundial，补的是数据工具与 agent

事件概述：Axios 报道 Meta 正在收购 AI 数据分析公司 Sundial。Sundial 由两名前 Meta 员工创办，创始人与部分团队成员将加入 Meta。据 Meta 首席数据官 Alex Shultz 的领英发帖，联合创始人 Chandra Narayanan 将负责 Meta 的「数据分析工具与 agent」工作。交易金额未披露。

为什么值得关注：这不是买模型，也不是买算力，而是买「让内部数据能被 agent 用起来」的那一层。Meta 过去两年收编的团队多集中在模型与研究，数据分析工具链一直是自己攒的；把创始人直接放到这条线的负责人位置上，说明目标是补能力空缺，不是并用户或并收入。金额未公开，估值层面无从判断，先按能力收购看待。

相关链接：

5. Mundo：把物理交给仿真器，把画面交给视频模型

事件概述：10 月 23 日发布于 Hugging Face 博客的 Mundo 是一个定制化世界模型。输入 1 到 12 张真实场景的多视角照片或一段视频，它先用 3D 基础模型恢复相机位姿与密集几何，用 Boxer 检测器给出主要物体的初始 3D 边界框，再让一个 VLM agent 在 Blender 里以分析—合成的循环反复渲染代理画面与原图比对，修正每个框的位置、尺寸与偏航角，另有 reviewer agent 在全部输入视图上校验。

为什么值得关注：架构选择值得单独看。物体位姿与质量、摩擦等物理属性被写进一份显式的场景程序，在 MuJoCo 里算重力、碰撞与机器人操作；画面渲染交给一个在 MiniMax-H3 的 Ref2VA 上微调的视频扩散模型，条件是仿真输出按物体类别涂成纯色的代理帧加上原始上下文帧，相机参数转成 Plücker rays 注入。这条路线绕开了端到端视频模型不会算物理的老问题——物体怎么动在 3D 里算完，视频模型只负责把它画好看。作者称相比只用相机嵌入，代理视频条件化带来了更精确的相机控制与更高的场景保真度。

代价是慢。训练用了约 4 万对视频，片段长度 124 帧、分辨率 640×480，长视频以 124 帧分块流式生成并复用上一块末尾 34 帧保持连贯；真实场景重建通常耗时 10 到 20 分钟，渲染在 8 张 A800、20 步推理下约为每秒 1.5 帧。作者列出的短板是小物体在重建场景里容易漂浮、涉及小物体操作时渲染易产生幻觉、缺少长程记忆。参数量未披露，Mundo 自身也未声明开源。拿它批量生产机器人训练数据，中间还隔着两个数量级的速度差。

相关链接：