谷歌向约100家媒体付费使用其内容，各家金额差距悬殊

该试点项目推出还不到一年。据The Decoder 9月30日援引The Information的报道，媒体可以在Google Search Console中看到谷歌使用其内容的频率以及自己赚了多少钱。多位参与方告诉The Information，他们看不出这个数字是怎么算出来的。

各家拿到的钱差距很大。对几家中小型博客和网站来说，款项不到广告收入的0.1%。一些小网站几个月下来拿到的钱不到1000美元。另一头，一家媒体在几个月内拿到5万至6万美元，还有一家每年收入超过100万美元。同一篇报道称，动漫、游戏这类有稳定受众的细分题材似乎赚得更多。付款多少取决于每个来源对AI答案的贡献有多大。参与方还告诉The Information，金额会逐月变化，而且没有解释。

并不是所有人都在签约。

项目面临的法律压力

据The Decoder报道，一些规模较大的媒体拒绝加入，想以此迫使谷歌多付钱。它们的搜索流量本来就在下滑，多项研究显示AI Overviews大幅减少了用户访问开放网络的次数。监管层面的动作已经展开。2025年7月，独立媒体就AI Overviews向欧盟委员会提交了投诉；同年9月，《滚石》母公司Penske Media以流量和广告收入损失为由起诉谷歌。2025年12月，欧盟委员会启动反垄断调查，核查谷歌在使用媒体内容训练AI功能时，是否在未给予足够报酬、也未提供真正退出选项的情况下强加不公平条款。

据The Decoder报道，一家德国法院裁定，AI Overviews属于谷歌自己的内容，而不是对现有材料的摘要。如果这一解释扩散开来，媒体只要自己的作品出现在AI答案里，就有了索要授权费的法律依据。要追踪每个来源的确切贡献并不容易。管理这些付款会增加行政成本，授权费也可能侵蚀谷歌的利润率。

目前，谷歌通过选择性授权协议、退出功能以及一套由它自己决定什么内容值多少钱的付费模式来设定规则。The Decoder的Matthias Bastian把这种做法称为分而治之，制造出一种囚徒困境：少数媒体获益，大多数拿得很少或什么都拿不到，而退出的人对谷歌构不成多少压力，因为其他来源会填补空缺。这个背景并不新鲜。多年来，搜索导流对媒体一直不利。公开报道显示，截至2026年9月24日，媒体来自谷歌搜索的流量同比下降40%，更早的报道则提到一些小网站的跌幅约为60%。这些都不属于9月的试点项目，但媒体正是在这样的背景下被要求接受新的价码。

更广泛的工程讨论说明了什么

AI与媒体的故事不只是钱的问题。9月30日，Martinelli发表文章，认为AI编程智能体正把软件工程师推回1990年代的通用型角色：一个人负责需求、架构、代码和生产。这个论点对媒体同样成立，因为新闻编辑部和平台团队内部也在发生同样的变化：交接环节更少，自动化更多，规格说明成了项目里最重要的产物。当天Gerben Rijpkema的第二篇帖子从控制工程角度提出了相关看法：成功的AI系统都是围绕一个具体问题搭建的，通用型开箱即用工具往往失败。他在9月30日写道：“在成功的项目里，我最后设计的都是针对具体用例的架构；失败的那些则建立在开箱即用的AI工具之上，这些工具承诺用一套万能方案解决我所有的AI工程难题。”这句话同样适用于授权问题。谷歌的项目是一条管道，服务从动漫博客到大型新闻编辑部的各类媒体，而付款金额背后的算法，公司外部没人能查。

9月30日的其他发布说明周边工具变化有多快。

Modal公布了Quail的基准测试结果。Quail是查询感知的推理层，Modal称它在单块H100 GPU上、单个多表连接查询中每分钟处理超过十亿个token。这比同一硬件上的vLLM基线快10倍以上，在Modal上每十亿token不到6美分。在其AI-SQL基准测试中，Modal报告Quail的几何平均速度是vLLM的1.84倍。与此同时，Elastic在250条Amazon Shopping Queries和4754对已标注的查询/商品上测试了TypeSafe AI的Jev模型作为搜索重排序器，把nDCG@10从0.9351提升到0.9565，把Exact MRR从0.9201提升到0.9616。Jev定价为每百万输入token 0.042美元，输出token免费。平台侧推理更便宜并不能回答媒体的问题。如果说有什么影响，那就是让大规模复用内容的公司更负担得起。

同一周里更小的信号

9月30日，阿姆斯特丹自由大学的VUSEC研究组公布了Branch Target Reuse，一种针对即时编译器的Spectre-v2攻击。团队构建了两个针对Linux内核的端到端利用程序，每秒泄露8字节。配合指针追逐，这足以从正在运行的“su”进程中提取root密码哈希。文章指出，Linux内核中用于遮蔽立即值的bpf_jit_harden选项默认关闭。

Facebook的OpenZL项目于9月29日发布v0.3.0，带来新的LZ引擎和神经Compression Transformer。发布说明称，在868类数值流、34737个文件、17.9 GB的数据上，该Transformer平均比zstd -19压缩效果好35%，与训练过的OpenZL图相差在1.1%以内。Flow Engineering是一家成立三年的旧金山初创公司，销售用于硬件设计的AI工具。据TechCrunch 9月30日报道，该公司周三宣布完成5000万美元B轮融资，估值7.5亿美元。本轮由Valor Equity Partners的Antonio Gracias和Atreides Management的Gavin Baker共同领投，Sequoia Capital及前Sequoia合伙人Roelof Botha参与。Anduril、Rivian、Joby Aviation、General Motors PPU、RV Tech和Stoke Space被列为客户。

与此同时，OpenAI与Synopsys签署多年合作协议，共同构建用于芯片设计的模型GPT-Synopsys，把OpenAI的技术与Synopsys的电子设计自动化工具结合起来。据The Decoder 9月30日报道，两家公司表示客户数据不会用于训练，并将加密存储。与半导体客户的早期测试已经在进行。

对媒体来说，这些都没有改变核心的不对称。谷歌决定价格、条款和退出方式，而它所用内容的市场在任何正常意义上都不算市场。The Information的报道经The Decoder转述，是目前关于这套安排究竟付出多少的最清晰的公开图景，而这幅图景并不好看。