据The Information报道,微软Office 365套件即将引入Anthropic的AI模型,与现有的OpenAI技术并行使用,这标志着微软结束了多年来在Word、Excel、PowerPoint和Outlook等办公软件中独家依赖OpenAI生成式AI功能的时代。
据该报道称,这一转变源于内部测试结果显示,Anthropic的Claude Sonnet 4模型在特定Office任务中表现优异,特别是在视觉设计和电子表格自动化方面,这些正是OpenAI模型的薄弱环节。知情人士强调,此举并非谈判策略。
在这个展现AI行业复杂联盟关系的不寻常安排中,微软将通过亚马逊云服务(AWS)购买Anthropic模型的使用权,而AWS既是微软的云计算竞争对手,也是Anthropic的主要投资者之一。预计整合将在几周内公布,Office AI工具的订阅价格保持不变。
微软坚持表示与OpenAI的关系依然稳固。"正如我们所说,OpenAI将继续是我们在前沿模型方面的合作伙伴,我们仍致力于长期合作关系,"微软发言人在报道后向路透社表示。这家科技巨头迄今已向OpenAI投资超过130亿美元,目前正在就持续使用OpenAI模型的条件进行谈判。
追溯到2019年,微软与OpenAI的紧密合作关系使其在基于大语言模型的AI助手领域获得了先发优势,实现了在必应搜索中快速(尽管略显颠簸)部署基于OpenAI技术的功能,并在整个软件生态系统中推出Copilot助手。值得注意的是,英国政府最近的一份报告发现,在日常工作任务中使用Copilot AI并未给研究参与者带来明显的生产力提升。
另一方面,OpenAI也开始与其主要投资者保持距离。今年6月,尽管两家公司在AI领域竞争激烈,OpenAI仍与谷歌达成协议,使用其云计算基础设施,这标志着OpenAI战略转变,开始将计算资源多样化,不再仅依赖微软Azure。直到今年1月,Azure一直是其独家云服务提供商。
OpenAI还计划推出一个可能与微软LinkedIn竞争的求职平台,并计划从2026年开始与博通大规模生产自己的AI芯片,以减少对外部供应商的依赖。
这种多样化策略可能反映了OpenAI和微软在AI需求超过任何单一供应商能力的情况下不断演进的AI战略。除了引入Anthropic,微软还一直在开发自己的专有AI模型,并从1月开始通过其Azure云平台提供DeepSeek的技术。微软已经通过其GitHub Copilot开发平台提供包括Claude在内的多种AI模型。
对Anthropic而言,与微软的合作代表着对竞争对手的重大胜利。Anthropic由包括CEO达里奥·阿莫代(Dario Amodei)在内的前OpenAI高管于2021年创立,将其Claude模型定位为比ChatGPT"更易控制"的替代方案。亚马逊从2023年开始对Anthropic进行的40亿美元投资提供了资金和通过亚马逊云服务的计算基础设施——这些资源现在将被微软间接用于驱动其自己的产品。
Q&A
Q1:微软为什么要在Office中引入Anthropic的AI模型?
A:据内部测试结果显示,Anthropic的Claude Sonnet 4模型在特定Office任务中表现优异,特别是在视觉设计和电子表格自动化方面,这些正是OpenAI模型的薄弱环节。
Q2:微软引入Anthropic模型后还会继续与OpenAI合作吗?
A:微软表示与OpenAI的关系依然稳固,OpenAI将继续是其在前沿模型方面的合作伙伴。微软迄今已向OpenAI投资超过130亿美元,目前正在就持续合作条件进行谈判。
Q3:Office用户使用AI功能的价格会因为引入新模型而改变吗?
A:根据报道,尽管微软将在Office中引入Anthropic的AI模型,但Office AI工具的订阅价格将保持不变。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。