跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

谷歌把 Gemini 最弱的模型下放到免费层,付费用户拿到其余部分

据 9to5Google 10 月 3 日报道的一份更新后的支持文档,从 10 月 9 日起,谷歌将把未订阅的 Gemini 应用用户限制在 Flash-Lite 模型上。免费用户将失去目前可用的 Flash 3.6 和 Pro 3.1。

人工智能与模型新闻林晓雯发布: 2026年10月4日6 分钟阅读资料来源 8
谷歌把 Gemini 最弱的模型下放到免费层,付费用户拿到其余部分

这是一次套餐层级的调整,不是关停。免费账户仍然保留 Gemini 应用,只是运行菜单里最小的那个模型。每月 4.99 美元的 AI Plus 订阅用户最终只能用 Flash-Lite 和 Flash,Pro 档位也从他们的套餐里消失。

9to5Google 在 10 月 3 日报道了这份支持文档,并称变更于 10 月 9 日生效。The Decoder 在 10 月 4 日的文章里列出了完整的层级阶梯。没有任何套餐只给 Flash-Lite。AI Plus 拿到 Flash-Lite 和 Flash。要用 Pro,需要每月 19.99 美元的 AI Pro,或者每月 99.99 美元和 199.99 美元的 AI Ultra。两家媒体在模型编号和价格上一致。如果说有分歧,那也是在动机上,而不是在事实上。

Pro 和 Ultra 买家多拿到什么

顶层套餐没有被拿走任何东西,反而加了一样。据 9to5Google,AI Pro 客户将获得 Deep Think 选项,它被描述为“最大并行推理”。在此之前,它只属于 99.99 美元和 199.99 美元的套餐。同一篇报道称,Gemini 应用看起来将在 10 月为“每个可用模型”增加“低”“中”“高”三档投入程度。它们取代目前单一的 Extended thinking 开关。投入越高,消耗的用户用量额度越多。

Gemini 4 Argon 落在哪一档,还是未知数。9to5Google 指出,谷歌最先向 AI Ultra 订阅用户宣布了 Argon。公司没有说明它算 Pro 模型,还是算 Pro 之上的新层级。The Decoder 推测,这次重组可能是在为 Argon 铺路,并称它的运行成本可能更高。两家媒体都没有拿到谷歌关于 Argon 定价的声明。

The Decoder 对实际损害的看法是:大多数普通的谷歌 AI 用户根本不知道自己跑的是哪个模型,而清楚这一点的重度用户多半早就在付费了。

这个判断有道理,同时也是这篇报道里没人测量过的部分。谷歌没有公布 Gemini 用户群在免费、Plus、Pro 和 Ultra 之间如何分布。两家媒体都没给出数字。4.99 美元这一档最有意思。这些订阅者为 Pro 权限付了钱,现在价格没变却失去了它,9to5Google 称谷歌会用邮件说明。

安全那条线在别处

如果问的是网络防御中的 AI,Gemini 层级这条新闻基本是个定价故事。这一轮里更具体的安全材料来自 OpenAI。它在 10 月 4 日公布了一起协同模型蒸馏行动的说明,并把最早的活动时间定在 7 月第一周。

OpenAI 的说明对没有发生的事写得很谨慎。它说,操作者“没有破解我们的加密、没有攻破数据库,也没有直接访问存储的用户对话”。他们做的是操纵模型交互。受保护的推理,也就是模型处理任务时的内部记录,可以被大规模地以可见形式复现。OpenAI 描述的一种手法是:把一段对话里的加密推理复制出来,再在另一段对话里让模型解密并转写。

帖子里的数字很具体。OpenAI 说它在 7 月 24 日和 25 日看到高流量尖峰。这些请求由 4000 多名用户发出的 16000 次请求组成,使用了相关的提取模式。涉及 15000 多名用户的集群的同类提示词模式活动,到 7 月 28 日已被完全阻断。OpenAI 把“活动的核心集群”归因于与 Kimi 开发者 Moonshot AI 有关联的个人。它表示尚不清楚所有操作者是否来自同一行为体。OpenAI 称已通过 Frontier Model Forum 与行业伙伴共享信息。它感谢那些通过负责任披露报告相关跨模型和对话压缩问题的独立安全研究人员。

最后这个细节比归因之争更重要。一家实验室确认外部研究人员在自己的产品里找到了真实的攻击路径,这和厂商说自己抓到了坏人,是两种不同的披露。OpenAI 称在发布前已确认这些路径真实存在。

Anthropic 更安静的一处改动

Anthropic 这一周的贡献是一项隐私设置,不是防御产品。BleepingComputer 在 10 月 4 日报道,Claude 的语音功能现在会向用户提示“允许我们使用你的语音数据来改进我们的 AI 模型”。提示框有“允许”和“暂不”两个按钮,设置里的隐私项下也有一个开关。它说明音频录音和语音聊天数据能帮助模型理解和回应语音,并称这些数据可以从设置中删除。

BleepingComputer 报道称该设置默认关闭。它和现有的“用聊天及 Claude Code 会话训练”选项是分开的。用户可以分享语音而保留文字,也可以反过来。这种分离才是值得注意的细节。这里的同意是细粒度的,这让它更容易被审查,也更容易让人忘记自己给过。

分类器作为安全工具

这里最直接有用的安全条目不是一次产品发布。Jerry Gamblin 说他供职于 CVE 项目的质量、自动化与消费者工作组。他指出,他帖子里的内容都不代表 CVE 项目的立场。他把 Cloudflare 的 Clef 模型跑遍了 2026 年 8 月 4 日到 10 月 3 日之间发布的每一条 CVE,共 27489 条记录。他对每条描述问两个问题:它是否确立了安全影响,以及它对防御者来说有多清楚。

他的结果是:在 Linux 内核之外,23736 条描述里有 989 条,也就是 4.2%,从未说明攻击者能做什么。内核是单独一类,因为它公布的政策把影响留给用户判断。它的 3753 条记录里,有 3661 条写明没有影响。这让全部 CVE 的数字变成 27489 条中的 4650 条,即 16.9%。他还报告说,单用 Clef Flash 过于严格。更大的 Clef 27B 模型在内核之外推翻了 2187 条被标记记录中的 1198 条,占 54.8%。在他手工标注的 129 条 CVE 上,这套两步方法抓住了他判定为“无影响”的 16 条中的 15 条。它从未误标他判定为有影响的那一条。

这些模型采用 Apache 2.0 许可,基于 Qwen 3.8 和 Qwen 3.5 微调。它们通过 Ollama 的 decision 端点本地运行,权重放在 Hugging Face 上。Gamblin 说他整个运行过程都在一台笔记本上完成,没有用 API 密钥。请把 4.2% 和 16.9% 当作一位研究人员用公开方法得出的测量,而不是 CVE 项目的官方统计。但方法是公开的,数据也是公开的,这已经比一周里大多数安全说法能给的多。

更小的信号

另外两条各值得一句话。Ideogram 在 10 月 4 日发布了其图像模型的 4.5 版。它主打原生 2K 分辨率下无瑕疵的多轮编辑,定价按图固定,从 0.008 美元到 0.22 美元,取决于质量模式。还有一篇 Lewis Mitchell 在 10 月 1 日提交给 arXiv 的论文报告了一个过滤结果。用一个不涉及模型的无参数熵率估计器来过滤训练文本,产生的唯一三元组多了 42%,词汇量多了 30%,重复少了 19%,都优于基于对数概率的过滤。实验是在 Llama-3.1-8B 上做的六代 QLoRA 崩溃实验,p 值低于 0.001。

这两条都不是网络防御故事。它们指向的,正是 OpenAI 那次披露所揭示的同一个底层问题。训练和精炼模型的流水线如今本身就是攻击面,无论输入是一条 CVE 描述、一份抓取的语料,还是另一个模型隐藏的推理。作为参照,模型规模早已到了 270亿 和 80亿 参数这样的量级,流水线上任何一环出问题,波及面都不小。

评论 0

资料来源

8
  1. 01Gemini app limiting what models free and AI Plus users can accessEN
  2. 02Google's new Gemini tiers cut free users to its weakest model and lock $5/month subscribers out of ProEN
  3. 03Disrupting a coordinated model-distillation campaignEN
  4. 04Anthropic asks Claude users to share voice data for AI model trainingEN
  5. 05Decision Models vs. CVE DataEN
  6. 06Ideogram 4.5: The most precise edit modelEN
  7. 07No Model Required: Text Entropy Rate Filtering Mitigates Iterative Fine-Tuning CollapseEN
  8. 08OpenAI's latest features take direct aim at the app store modelEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

林晓雯

林晓雯

人工智能、模型与技术

林晓雯负责FLASH24的人工智能、模型与技术方向,主要写科技、人工智能与模型、媒体与互联网三个领域。她习惯从论文预印本、开源代码库和厂商技术文档入手,先核对训练数据来源和评测口径,再决定是否落笔。遇到模型跑分,她会自己复现一遍小规模测试,并对照独立第三方榜单,确认数字没有注水。她常联系一线工程师和产品经理,也盯着各大会议截稿日,把不同版本的技术报告放在一起比。业余时间她玩3D打印、折腾老电脑,还关心模型从网络垃圾里学到的偏见问题,这让她对数据清洗格外敏感。她有一条原则:拿不到原始数据的性能宣称,不写。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。