問你一個問題：AI 這場局，到底是會收斂到少數幾家手裡，還是會散開到每個人桌上？這週的新聞很有意思，因為它同時給了你兩個方向相反的答案。一邊有人在把權力、資本、算力往中心擠；另一邊有人在用更小、更省、更本地的東西，把同樣的能力往邊緣推。把這幾條擺在一起看，會比單看任何一條都清楚。

一、SubQ 用非 Transformer 架構，把 context 撐到 1,200 萬 token

新創公司 Subquadratic 推出了 SubQ 1M-Preview，這是 Transformer 架構這幾年第一個像樣的商業挑戰者。它繞開了標準注意力機制那個要命的「平方級成本」——序列越長，計算量是平方倍往上飆——改用稀疏注意力，原生支援 1,200 萬 token 的 context，在大規模長文本場景下注意力快上 52 倍，成本大約只要現有頂尖模型的五分之一。

技術細節先放一邊，值得停下來想的是它戳到的那個點。過去這幾年，整個產業幾乎把全部賭注押在同一個架構上——Transformer 好用，所有人就一起往那個方向堆資源、堆參數、堆算力。但越多人押在同一個東西上，那個東西一旦撞到天花板，連坐的範圍就越大。一個單一架構撐起整個產業，效率很高，脆弱性也藏得很深。SubQ 不一定會贏，但有人開始認真往別的方向走，這件事本身就讓整個生態更禁得起意外。

原文來源：New AI Models May 2026: Architecture Took the Stage - WhatLLM

二、一個學術小團隊只靠 SFT，就在搜尋 agent 上刷出 SOTA

更打臉的是 OpenSeeker-v2。一個純學術團隊做的開源研究 agent，沒有那些工業級的重型訓練流程——沒有持續預訓練、沒有大規模強化學習——只用了監督式微調（SFT），餵的還是精選過的「高難度題目」軌跡，總共才一萬筆出頭的資料。結果在 BrowseComp 這個搜尋基準上，它刷出了 46.0% 的成績，把那些砸重本訓練的工業模型壓在後面。

這結果逆著直覺，但仔細想又很合理。換個角度問：要把一個模型練廢，最穩的方法是什麼？答案常常是「餵它一海量但平庸的資料」，讓它在大量簡單樣本裡學到一堆沒用的相關性。OpenSeeker 反過來做——資料少，但每一筆都是硬骨頭。這呼應一個在投資、在學習、在很多領域都成立的老道理：真正讓你進步的，是少數幾次處理高難度問題的經驗，不是一萬次重複你早就會的事。堆量是最容易、也最容易自我感覺良好的路，但它常常不是最有效的那條。

原文來源：Open-Source AI Projects May 2026 Roundup - devFlokers

三、Gemini 3.5 Flash 正式 GA：把「夠聰明又夠快」做成價格戰

Google 讓 Gemini 3.5 Flash 正式上架。定位很明確——前沿等級的智慧，但速度是同級模型的 4 倍，價格壓到每百萬 token 輸入 1.5 美元、輸出 9 美元，帶 100 萬 token 的 context，在 Terminal-Bench 2.1 上拿到 76.2%，編碼跟 agent 任務還勝過自家更貴的 3.1 Pro。

這條新聞沒有什麼戲劇性，但它代表的趨勢很實在：模型能力正在快速商品化。當「夠聰明又夠快」變成可以用低價大量供應的東西，比的就不再是誰家模型最強，而是誰能用最低的單位成本把它塞進每一個產品裡。對開發者是好事，選擇多、又便宜。但對那些靠「我的模型比較聰明」收高價的玩家，地板正在被一塊一塊抽掉。商品化從來不是某一天突然發生，是價格一檔一檔往下調，直到有天你發現護城河已經乾了。

原文來源：AI Updates Today May 2026 - llm-stats

四、Anthropic 拉著高盛、黑石組企業合資：資本往中心走的那一手

跟前面三條相反方向的力，這條最明顯。Anthropic 宣布成立一個專做企業 AI 服務的合資公司，創始夥伴是黑石（Blackstone）、Hellman & Friedman 跟高盛（Goldman Sachs），估值 15 億美元，Anthropic、黑石、Hellman & Friedman 各承諾投入 3 億美元。

模型在往小、往便宜、往開源散開的同時，錢跟通路卻在往幾家巨頭手裡集中。一家 AI 龍頭跟華爾街最老牌的資本綁在一起做企業生意，這是很聰明的佈局——它把技術能力接上了傳統金融最深的客戶網跟最厚的口袋。但這種綁定也意味著連動：當 AI 跟主流金融體系越纏越緊，未來某一邊出事，另一邊很難置身事外。效率跟韌性，在這裡又一次站在對立面。深度整合讓系統跑得更順，也讓它更難拆開。

原文來源：Anthropic tops OpenAI as most valuable AI startup - CNBC

五、OpenClaw 成 GitHub 史上最快破 30 萬星的專案

最後這條，是「往邊緣逃」那股力量裡最猛的一個訊號。OpenClaw——一個主打私有、本地掌控、能自主幫你管理數位任務的 AI 助理——衝上了 GitHub 史上成長最快的紀錄，到五月中就突破了 30.2 萬顆星。

星星數會灌水，但成長速度這個東西很難假裝。它真正反映的，是一股越來越強的需求：人們想要一個跑在自己機器上、資料不外流、不用看任何一家雲端供應商臉色的 AI 助理。這幾年所有東西都往雲端、往訂閱、往「把你的資料交給我們」集中，OpenClaw 的爆紅是一記反彈——當集中化走得夠遠，總會有人開始用力把東西拉回自己手裡。一個東西成長得越反常地快，越值得問一句：它到底踩中了什麼大家壓抑很久、卻一直沒被滿足的渴望？

原文來源：New AI Models & Open Source Projects May 2026 - devFlokers

如果你期待我在這裡告訴你「所以未來是集中還是分散」，那要讓你失望了——因為真正該帶走的，恰好是「別急著選邊」這件事。

集中跟分散不是會分出勝負的兩隊，它們是同一個系統呼吸的兩個動作。資本與通路往少數巨頭集中的同時，能力與工具正往每個人的桌面散開，這兩件事會長期並存、互相拉扯。看懂這點，你就不會被任何一篇「AI 終將被三家公司壟斷」或「開源終將顛覆一切」的爽文牽著走。真正穩的判斷，是同時押注在兩端：用得起巨頭提供的最強能力，也留一條能跑在自己機器上、不被任何人掐住脖子的後路。把雞蛋全押在哪一邊，哪一邊出事你都會很痛。