这期前半场快速过了一轮模型和产品：Meta FAIR 把两个人的对话音频直接变成两个人的具身影像、华为盘古开源、 GPT-5 的消息来自 OpenAI 自己的播客。后半场用了将近一半时间讲同一件事——agent 怎么替你付钱。 虚拟卡、稳定币网络、PayPal 和微信支付宝的 MCP、怎么向商家证明"我是个人"，还有一套开放协议， 当时都在同一个季度里冒出来。
Meta 那段时间发了一大堆东西，但 FAIR 这边持续在出真研究。这期看的是 Seamless Interaction—— 输入两个人的对话音频加上各自的参考图，直接生成两个人对话时的具身影像， 表情、姿态、互相的反应都在里面。演示视频的效果在当时相当扎眼。
华为把盘古的 7B dense 和 72B MoE（16B 激活）都开了。从 bench 看，对标的是 Qwen3-32B、 GLM-Z1、Gemma-3-27B、Llama-4 Scout 那一档，属同级水平。
MoE 的配置有点特别：总量 72B、激活 16B，说明专家做得比较少但每个都挺大。 技术上没有太多新东西——分层并行、KV 压缩、几个自研算子、负载均衡、MTP， 基本都是类 DeepSeek 那套训练优化，也是华为天然擅长的部分。
这轮 GPT-5 的风声之所以比较可信，是因为它出自 OpenAI 官方播客第一期—— 主持人 Andrew Mayne 是 OpenAI 前工程师，用四十分钟采访了 Altman，质量不低。
里面被拿出来最多的是 memory：这是 Altman 说自己最喜欢的功能。另一条线是 用很多小模型去做 self-improvement、self-adapting，靠它们的持续提升拉动整体—— 小模型好 scale，做自适应更合适（这点和上一期讲的 SEAL 项目是一回事）。这里说的小模型是 B 级别， 不是几百 M 那种。
Menlo 的人做了一个用中国高考评测大模型的 benchmark。效果比想象中好， Gemini 2.5 最高能到 650 分——按分数是能上清华的。评测集主要是数学部分。
值得参考的是它的做法：并不是把高考原题原文直接扔进去，而是做了不少结构化改造， 题目本身是单独整理的一份数据集。想自己做类似评测的话，这部分比分数更有借鉴价值。
Airtable 上线了一个类似"做 App"的产品。逻辑上它是最有资格做这件事的——本职就是底层结构化数据， 而用结构化数据生成应用，最大的优势是数据本身可控、可管理。
但实测结果不理想。让它生成一个"全球 AI 人才追踪表"，出来的东西很一般， 比起 Lovable、Replit 这类差得明显。当时的期待是：如果这类能很好获取外部信息的产品 把两头整合起来，会很值得看——只是整合这件事本身非常难。
这类语音输入工具和手机自带的语音键盘最大的差别，是它会把无意识的口头禅、说错重来、重复的部分去掉， 直接输出一段质量还不错的文字。
更值一提的是它的位置：这其实是个入口。ASR 之后的内容可以直接灌进任何大模型， 贴到什么地方都行。最先受益的大概率是创作者——随时有灵感随时记，边走边说就把东西写了。
后半场整块讲的是同一件事：怎么让 agent 替你付钱。
动机很直接。订阅费是一种做法，但但凡能让 agent 替你付钱，整个 market cap 就大太多了。 典型场景比如：用户点一次，agent 就把一个团队的假期机酒全订完——这件事现在头部 agent 技术上已经做得不错， 卡住的是中间的付款环节。
这些支付网络演示的场景大同小异：稳定币与法币之间的快速兑换、跨境的资产转换。 比如你是家美国公司要付欧洲员工，你付 USD，网络帮你合法地变成欧元或欧元稳定币。
但顺着这个往下看一层，会看到这波稳定币真正在竞争的是另一件事：
让 agent 花钱，核心问题是授权：你不可能把自己的卡直接交给它。 当时几家公司给出的方案是虚拟卡——agent 只能刷这张卡， 而这张卡带预算和限额。
另外还看到一个叫 order intent 的东西，当时还没有放出任何文档， 但看起来是这条线上比较关键的一块。
PayPal 的 MCP Server 是当时最全的一个。但拆开看，它本质上 就是把现有那套给人类用的 API 包成 MCP，暴露给 agent。 你可以直接在 Claude Desktop 里说"用 PayPal 创建一张发票"，它会反问你几个信息， 然后生成一张让对方付 250 美元的账单。
国内这边，微信支付和支付宝的 MCP 也在同一时期出来了，思路类似。
agent 能花钱之后，反过来的问题是：商家怎么知道对面是人还是 agent？ 几家大厂比较早就在做 humanity verify 这类方案。
干得更早的是 Altman 的 World ID——扫虹膜，把生物信息变成一个能唯一代表你的凭证； 在支付或与应用交互时，通过 ZK 之类的方式向商家证明"我是个真人"，而不用交出虹膜本身。 如果某个应用在意这件事，就走这套验证；不在意就不走。
最后落到一个框架上。ACK 是一套开放的 agent 支付协议——开源项目加一整套协议文档， 它对"AI native money 该怎么做支付"的思考比那几家公司更 from the ground up，值得单独看。
而 Fintech Brainfood 那篇把未来的 agent 支付归成了几种模式，当时逐条对下来是这样：
一、agent 与人共同完成结账——绝大部分 agent 现在就是这样，
拿 Browser Use 或 AutoGPT 去买杯奶茶，结账那步人得参与或授权一下。
二、预授权钱包——不要人那么强参与，事先授权一个钱包（类似 Apple Pay 的位置），
agent 在额度内自己花。
再往后是更彻底的模式：agent 之间直接结算，人只看账单。