大模型

AI日报｜2026-07-07 三条新闻，三个不同的"认知缺口"：一条揭示了编程工具的史诗级起源故事，一条刷新了科学AI的评估范式，一条证明了500年前的心学正在被写进全球最前沿的AI训练流程。表面看是三件不相干的事，深层却指向同一个问题——我们对AI的理解，远比我们以为的更浅。 一、Claude Code"才完成1%"：编程工具的史诗起源，与工程师角色的终极跃迁 原文：https://36kr.com/p/3885510549041417 | 新智元整理 Anthropic官方本周发布了《The Making of Claude Code》，由核心开发者Boris Cherny亲自讲述Claude Code的完整起源史。这段历史中最反直觉的部分，是Claude Code最初并非作为产品被立项，而是脱胎于Anthropic内部的安全对齐（Alignment）项目。 起点不是"做一款编程工具"，而是"教模型不失控地自动化软件工程"。 从2021年Dawn Drain的"让模型编码能力达到我自己水平"、Shauna Kravec团队的"用RL训练模型写函数并测试正确性"，到2022年Ben Mann团队在VS Code里做的四个建议选项——这些研究侧的探索，在2024年之前始终停留在"玩具"阶段：clide太慢、太脆弱、只有研究人员在用。 转折发生在Boris Cherny加入Labs团队后。他没有被安排做产品，而是被要求"为六个月后的模型构建"，他用两天做了一个极简CLI原型 demo，在Slack上只收获了两三个点赞。但Boris停不下来，他把issue复制进clide，"它直接写出了完整的五到十行PR"，那一刻他意识到："我从没见过这种事。感觉像未来。" 这个故事的真正价值，不在于Claude Code多成功，而在于它的起源逻辑：做AI编程工具的出发点，不是"帮工程师写代码"，而是"让AI学会安全地控制软件工程"。 这意味着Claude Code的底层问题，不是"上下文窗口够不够大"，而是"模型在执行危险操作时，是否真的理解了自己在做什么"。 Boris说"我们才完成了1%"，核心指的不是功能列表的完成度，而是"长时自主、持久记忆、复杂上下文管理、开放世界规划"这些能力还远未到来。更深层的问题是：人类工程师的角色正在从"代码建筑师"向"AI管理员"跃迁——你需要的不再是亲手写代码的能力，而是判断AI写的东西对不对的品味。 对行业的影响： Claude Code的起源史，揭示了一个被忽视的真相：当前AI编程工具的能力上限，不是由"模型能做什么"决定的，而是由"模型对自身行为的理解程度"决定的。大多数团队在做AI编程工具时，底层假设是"给模型足够多的上下文，它就能完成工作"——但这个假设回避了真正的问题：当模型开始写危险代码时，它有没有能力停下来问自己"我为什么要这么做"？ 这个问题的答案，将决定AI编程工具最终是"高级自动补全"还是"真正的AI同事"。 二、OpenAI GeneBench-Pro：科学推理基准刷新，"完整闭环"成为新标尺 原文：https://36kr.com/p/3885482953601287 | 超神经HyperAI整理 OpenAI研究团队发布了GeneBench的更新版本GeneBench-Pro，将评测范围从基因组学扩展至分子与定量生物学、药物基因组学、癌症生物学、微生物基因组学、临床转化等10个主要领域、21个子领域，共129个问题。 这不是一个普通的学术评测发布。它的核心命题是：评估AI能否在真实科学分析流程中完成完整的"推理闭环"。 具体来说，每个GeneBench-Pro问题都被封装为一个独立的科学分析任务，智能体只获得最小可行提示和目标估计量——不会告知具体执行流程，需要自主完成：数据理解→质量控制→方法选择→统计建模→诊断修正→最终决策输出。数据文件模拟真实分析师从实验检测或临床系统获得的原始数据，包含故意埋入的错误和异常，考验模型能否识别并处理。 这是一个残酷的评测设计：在任意一个决策节点做出错误选择，都会向后传播，导致最终结果出错。 评测结果（完整129题）： GPT-5.6 Sol（max推理强度）：28.7%通过率 GPT-5.6 Sol Pro（GPT Pro运行）：31.5% GPT-5.5：12.0% Claude Opus 4.8（最强非GPT模型）：16.0% 这个结果的关键解读，不是"GPT又赢了"，而是即便是最顶级的模型，在真实科学场景下也有超过70%的任务无法完成。 GeneBench-Pro的结论是：当前模型已经具备"局部科学能力"（识别数据异常、理解统计信号、执行标准分析步骤），但无法稳定扩展为端到端的科学分析能力——"识别问题"与"采取正确行动"之间存在明显断裂。 对行业的影响： GeneBench-Pro的出现，标志着AI科学能力的评估范式发生了根本转变。过去的科学AI评测，集中在"单点任务"（如蛋白质结构预测、医学影像分类），这些任务已经有明确的评价标准和正确答案。GeneBench-Pro考的是开放的科学推理链条——你没有标准答案，你需要从混乱的真实数据中重建完整的分析路径。 这类基准的出现，意味着AI进入科学研究的方式正在发生变化：从"替代科学家执行特定步骤"，到"能否独立完成端到端科学发现"。这不只是技术问题，也会深刻影响科研分工——如果AI可以在最少人工辅助下完成一个GeneBench-Pro问题（通常需要10-40小时），工业研究的成本结构将发生显著变化。 三、王阳明进了Anthropic：东方心学与AI对齐的意外共鸣 原文：https://36kr.com/p/3885510422016009 | 量子位整理 UT Austin哲学教授Harvey Lederman（研究王阳明十余年）更新了自己的X简介：正式加入Anthropic，担任Alignment Training工作。他的学术方向，是用分析哲学工具重新拆解王阳明的"知行合一"，而他的最新工作，恰好是把这个理论映射到AI对齐训练上。 这个跨界的内核，是王阳明"真知"概念与AI agentic misalignment之间，存在令人震惊的结构对称。 Lederman的核心主张是：王阳明说的"知"，不是一般意义上的"知道外部世界的信息"，而是"内心没有自相矛盾"——真知是认知一致性，不是信息量。一个人"知道"孝顺是对的，但当父母需要时选择推托去做自己的事，王阳明认为这不算"真知"，因为内心存在信念冲突。 ...

AI日报｜2026-07-06 三条新闻，三个不同的技术维度：一条是基础设施层的效率突破，一条是中国AI应用的出海叙事，一条是多模态内容生产的工业化落地。放在一起看，它们共同指向同一个大趋势——2026年的AI竞争，正在从"模型能力"转向"系统效率"。 一、阿里SkillWeaver：工具路由开销砍掉99%，Agent框架进入工程化阶段 阿里巴巴研究团队发布的SkillWeaver框架，解决的是一个极为具体但被严重低估的问题：当企业级AI Agent接入的工具数量达到数百甚至数千时，传统方案是把整个工具清单全部塞给LLM——这意味着每一次任务调用，LLM都要"读一遍工具说明书"。工具越多，Token浪费越严重，路由准确性也越低。 SkillWeaver的解决方案是"分解-检索-组合"三阶段机制：LLM先理解任务目标，将其分解为子任务，再从工具库中精准检索相关工具，最后组合执行。配合反馈循环技术SAD（Self-Adaptive Decomposition），整个系统的Token消耗降低超过99%，同时准确率不降反升。 这不是小打小闹的优化，而是工程思路的范式切换。 当前行业的主流做法是"RAG+全量工具列表"——给LLM足够多的上下文，让它自己决定用哪个工具。这个方案在10-50个工具时勉强可用，但到了500+工具时，Token成本会直接让商业化变得不可行。 SkillWeaver的逻辑本质上是把工具路由从"LLM决策"变成了"检索+LLM决策"的混合模式——用向量检索做粗筛，用LLM做精判。这和传统软件工程里"索引+精确查找"的思路一脉相承。 对行业的影响： SkillWeaver的思路会快速扩散。工具路由的效率瓶颈不是阿里一家的问题，是所有推进Agent化的企业共同面临的墙。可以预期，接下来6-12个月内，会有大量开源项目和商业框架借鉴这个"分解-检索-组合"架构。 对于正在搭建企业Agent系统的团队，SkillWeaver提供了一个重要的设计原则：不要让LLM枚举工具，而是让LLM先理解任务，再精准抓工具。这个原则听起来简单，但大多数团队的第一版实现都是暴力枚举。 二、ZCode出海：AI编程工具的"地缘套利"叙事 北京智谱AI（Z.ai）发布的ZCode，是一款定位"Agent化开发环境"的AI编程工具，深度集成GLM-5.2模型，支持三大操作系统，并支持通过WeChat、飞书或Telegram远程控制正在运行的编码Agent。 这是中国AI编程工具正式出海的第一批正规军之一。 Gartner估算2026年AI编程工具市场规模约100亿美元。目前这个市场由GitHub Copilot和Cursor主导，两者都以英语生态为核心，对中文开发者的适配存在明显短板。ZCode的策略是"地缘套利"——用本地模型（GLM-5.2）+本土生态（WeChat/飞书远程控制）+低价（订阅起步价约$16/月），在Copilot主导的市场中争夺份额。 但这个叙事的核心张力在于：模型能力是否真的能打？ GLM-5.2在编程任务上的表现，与Claude Code和Copilot相比仍有差距。ZCode的远程控制功能（微信控制远程编码Agent）是一个有中国特色的差异化点，但这个功能本身的技术壁垒并不高——核心难点在于Agent的编程质量。 对行业的影响： ZCode代表了一个值得关注的方向：中国AI公司不再只在国内市场内卷，而是开始用"定制化+低价"策略进攻全球市场。如果GLM-5.2的编程能力在下半年持续提升，ZCode有望在东南亚、中东等Copilot渗透率较低的市场打开局面。 对于国内开发者，ZCode是一个值得尝试的选项——WeChat远程控制编码Agent这个场景，在移动办公场景下确实有需求。 三、Google Gemini Omni Flash开放API：企业视频生产进入"对话编辑"时代 Gemini Omni Flash作为Google Omni系列首款模型正式向企业开放API，其核心卖点是"对话式编辑"——用户无需重新生成视频，在已有成片上逐条修改指令即可。这意味着企业视频制作的流程发生了根本性变化：从"写脚本→生成视频→不满意重做"，变为"先生成→不满意就对话修改"。 在此之前，企业视频制作往往需要五步工具链：LLM写脚本→文生图→图生视频→唇音同步→配音。Omni Flash把这五步合而为一。 但真正值得关注的，不是"合一"，而是"编辑"能力。 视频生成模型的核心难点从来不是"生成"，而是"可控性"——你能不能按照需求精确修改生成结果。传统的文生视频模型，每一次修改都意味着重新生成，成本极高。Omni Flash的对话式编辑能力，意味着用户可以在同一个成片上迭代修改，而不需要推翻重来。 对行业的影响： 如果API定价合理且输出质量稳定，Omni Flash将对专业视频制作外包市场形成直接冲击。目前企业宣传视频、培训视频、产品演示的生产成本中，人工剪辑和修改占了大头。对话式编辑将这些成本大幅压缩。 但这里有一个关键变量需要观察：Google会不会把这个能力开放给消费者级用户。如果YouTube Shorts集成了Omni Flash的视频编辑能力，那将是内容创作领域的一次重塑。 本期小结 三条新闻，从三个维度揭示了AI落地的不同切面： SkillWeaver是基础设施层的效率突破，它证明Agent系统的瓶颈不在模型能力，而在工程架构 ZCode是中国AI应用的出海尝试，用本土生态和低价策略挑战美国主导的编程工具市场 Omni Flash是多模态内容生产的工业化信号，视频制作的"对话编辑"模式正在成为现实 三者共同指向一个判断：2026年下半年，AI竞争的主战场正在从"谁的大模型更强"转向"谁的AI系统更高效、更便宜、更易用"。模型性能差距在快速收窄，工程能力和产品体验将成为决定胜负的关键变量。 #AI #大模型 #Agent #阿里 #Google #视频生成 #AI编程 #企业AI

AI日报｜2026-07-05 三条新闻，三个不同维度：一条是地缘政治的意外反转，一条是产品形态的结构性迁移，一条是企业运营的深层短板。三者共同勾勒出一个正在"从玩具走向基础设施"的AI行业。 一、Claude Fable 5 全球回归：出口管制的意外松绑 美国政府解除针对 Claude Fable 5 的出口管制令，Anthropic 随即宣布面向全球用户重新开放访问。与此同时，被曝正与三星洽谈定制 AI 芯片合作——这是继 Google TPU、Titan 合作和 Amazon Bedrock 集成之后，Anthropic 在芯片侧垂直整合的又一次落子。 这不是普通的"恢复服务"。 出口管制本身是一个高度政治化的动作——它意味着美国政府认定某项 AI 能力对外提供存在国家安全风险。解除管制，通常意味着要么该能力的敏感性下降，要么地缘政治博弈出现了新的筹码交换。无论哪种情况，对 Anthropic 来说都是一次意外的政策红利。 第一性分析： Anthropic 的芯片战略正在形成清晰的路径：不完全自研（成本太高、风险太大），而是与成熟的芯片制造伙伴深度绑定。三星的优势是先进制程，Anthropic 的优势是模型架构和推理优化。两者结合，目标是做出比通用 GPU 更高效、更便宜的定制推理芯片。 这背后的逻辑是：AI 公司的成本结构里，推理算力是最重的一块。以当前 API 定价估算，Anthropic 收入的相当比例最终以 GPU 租赁费的形式流向英伟达和云厂商。这是一种"苹果税"——模型公司做出了产品，但利润被基础设施层截流。 定制芯片是打破这个"税"的最直接路径。如果 Anthropic-三星芯片成功，Anthropic 将成为继 Google（TPU）之后，第二个拥有定制推理芯片能力的 AI 实验室。这将显著改善其成本结构，对 IPO 估值形成正向支撑。 对行业的影响： 芯片-模型协同优化正在成为 AI 实验室的核心竞争力标配，而非可选项。英伟达在 AI 训练市场的垄断地位相对稳固，但在推理市场，随着各大实验室推进定制化芯片，通用 GPU 的溢价空间将被持续压缩。 二、Google 25 年来首次重新设计搜索框：AI 原生化还是搜索消亡序曲？ Google 宣布将正式退役沿用 25 年的经典搜索框范式，这是自 1998 年 Google 搜索上线以来最大的一次产品形态重构。官方将于 5 月 19 日公布详情，预计搜索框将与 AI Mode 深度整合。 ...

AI日报｜2026-07-04 三条来自不同维度的进展，指向一个共同主题：2026年AI竞争已从"模型性能"转向"落地效率与供应链控制"的主战场。 一、阿里巴巴 SkillWeaver：Agent 工具路由的 99% 降本革命 当一个 AI Agent 需要调度数百个工具时，传统做法是把整个工具库塞给 LLM——相当于让一个人每次查字典都要把整本书翻开。这不是工程问题，这是架构问题。 阿里达摩院最新发布的 SkillWeaver 框架，给出了截然不同的答案。其核心是"分解→检索→组合"三阶段管道：首先由 LLM 将复杂任务拆解为原子子任务，再通过向量检索从工具库中匹配候选工具，最后由规划器评估工具间兼容性，输出可执行的 DAG 流程图。 关键创新在于 SAD（Skill-Aware Decomposition）机制：LLM 初稿往往用词过于通用，与工具库的技术术语存在语义鸿沟。SAD 通过"初稿→初步检索→反馈重写"的迭代闭环，让任务描述逐步对齐实际工具——不是让模型猜，而是让它逐步校准。 实测结果：在涉及多工具组合的复杂工作流中，SkillWeaver 将 Token 消耗降低了 99% 以上，同时提升了路由准确率。 第一性分析： 这件事的本质，不是"省钱"，而是"解锁规模"。当工具路由的边际成本趋近于零，企业就可以给 Agent 配置数百甚至数千个工具，而不用担心上下文溢出或成本爆炸。这意味着 Agent 的工具生态将从"小而精"走向"大而全"——从几十个工具的能力池，走向成百上千个工具的能力池。 类比一下：从"只能打电话的功能机"到"应用商店里有百万 App 的智能手机"。 对行业的影响： 工具路由优化将成为 2026-2027 年 Agent 基础设施军的标配。这不只是阿里的机会，也是所有在做 Agent 框架、云服务和企业 AI 部署的玩家必须争夺的赛道。对 OpenAI、Anthropic 等平台方的工具调用定价模式，也将构成系统性挑战——如果客户可以用更少的 Token 完成同样任务，平台方的收入模型需要重新设计。 二、微软 Frontier Company：25 亿美元押注 AI 落地的"最后一公里" 7月2日，微软宣布成立 Microsoft Frontier Company，注资 25 亿美元、派遣 6000 名工程师，专攻企业级 AI 部署。已与伦敦证券交易所集团、联合利华等 Fortune 500 客户签约。 ...

AI日报｜2026-07-03 三条来自不同维度的进展，指向同一个核心命题：2026年下半年，AI竞争已从"模型性能竞赛"转向"落地效率与商业可持续性"的主战场。 一、Claude Sonnet 5：Anthropic 的 IPO 定价暗战 6月30日，Anthropic 发布 Claude Sonnet 5。官方定位是"最具 Agent 能力的中端模型"，定价策略却透露出强烈的 IPO 冲刺信号。 定价结构拆解： 输入：$2/百万 Token（8月31日前），之后调整为 $3 输出：$10/百万 Token（8月31日前），之后调整为 $15 对比：Opus 4.8 输入 $5/输出 $25，Sonnet 4.6 输入 $3/输出 $15 Sonnet 5 的定价逻辑不是"比 Opus 便宜"，而是"比 Opus 便宜 60%，同时性能差距压缩到 10-20%"。这是一个精心计算的定价锚点——用旗舰性能 80% 的体验，切走企业开发者市场 60% 的成本账单。 第一性分析： Anthropic 正在用 Sonnet 5 回答一个根本问题：如何在 IPO 前让收入增速匹配估值膨胀？Opus 系列是天花板，用来维持技术叙事和品牌溢价；Sonnet 5 是跑量主力，用来冲收入数字和企业市场占有率。两者形成"高低搭配"的收入组合。 这背后是 IPO 窗口期的产品节奏压力。每一次模型发布，都是对估值逻辑的一次夯实。Sonnet 5 的策略很清晰：先占领钱包，再考虑利润。 对行业的影响： Sonnet 5 的定价将对 OpenAI 的 GPT-5 策略形成直接压力。如果 GPT-5 维持高价，企业开发者有了一个"性价比更高、Agent 能力接近"的替代选项。这会倒逼 OpenAI 在定价上做出调整。整个行业的定价中枢，正在被 Anthropic 这一定价策略所牵引。 ...

Oracle因AI裁员2.1万人，科技业今年超11万人被替代 甲骨文公司在过去12个月裁减约2.1万名员工，规模约占总人力的13%。公司在周一提交的一份披露文件中明确将裁员部分归因于AI技术的推进。值得关注的是，Oracle并非孤例——截至目前，2026年已有196家科技公司累计裁员超过11.98万人，「AI替代效应」正在从概念变为现实。 这则消息之所以重要，是因为Oracle是 enterprise 软件和数据库领域的老牌巨头，其技术决策通常滞后于消费互联网公司。它的AI裁员动作说明：AI对白领工作的冲击已经从实验室进入企业实际运营阶段。这与此前侧重「AI辅助编程」或「AI生成文案」的叙事不同——Oracle的裁员指向的是更深层的业务流程自动化。 从第一性原理看：企业的终极目标是用更少的劳动力产出更多的价值。如果AI能够替代白领工作（而不仅是辅助），其对劳动力市场的影响将远超此前多数分析的预期。当然，这里仍有重要的不确定性：被裁员工是否转向了其他AI相关岗位？AI替代的是否是重复性工作而非创造性工作？但无论如何，这都是一个值得高度关注信号。 📎 Oracle cut 21,000 jobs because of AI - The Verge | 路透社原始披露文件 Meta暂停员工追踪工具：AI训练数据泄露的内部危机 Meta已暂停其争议性AI训练数据收集项目，此前Business Insider获取的截图显示，该程序收集的数据——包括员工私人对话、工作绩效评估和通话记录——可在公司内部随意访问。Meta声明表示：「我们为该项目设计了隐私保护措施，目前尚无数据被不当访问的迹象，但正在暂停项目展开调查。」 这起事件的深层含义在于它揭示了科技公司在AI训练数据获取上的激进策略。当员工的工作内容、私人对话都成为模型训练素材时，「数据隐私」的边界在哪里？Meta此前就因未经同意使用用户数据训练AI而备受批评，这次内部泄露不过是同一逻辑的延伸。 对于整个行业而言，此事件可能带来两方面影响：一是监管机构可能借此加强对企业AI训练数据来源的审查；二是员工对公司的数据信任度下降，可能影响人才留存。 📎 Meta pauses employee tracking tool after internal leak - The Verge 五眼联盟呼吁立即行动：AI正在重塑网络威胁格局 美国、英国、加拿大、澳大利亚和新西兰组成的情报联盟「五眼」（Five Eyes）发布联合警告，称AI模型预计将在数月内从根本上改变网络攻防能力，「违规行为必然会发生」。五眼联盟在声明中明确指出：「对手已经在利用AI以更快的速度、更高的效率行动，防御方必须做到同样水平。」 英国国家网络安全中心（NCSC）发布的配套报告详细阐述了AI如何改变网络风险：AI使攻击者能够大规模自动化入侵、生成更难检测的钓鱼内容、快速扫描漏洞并发起定向攻击。 这是迄今为止最权威的政府机构对AI网络威胁的系统性表态。考虑到五眼联盟成员国的情报能力，其判断的可信度远高于一般安全公司的报告。 📎 Five Eyes urges organizations to 'act now' against AI cyber threats - The Verge | NCSC原始报告 SK Hynix超越三星：AI存储芯片格局剧变 芯片制造商SK Hynix——英伟达和谷歌高带宽内存（HBM）芯片的供应商——其市值已突破1.35万亿美元，正式超越三星电子成为韩国最具价值公司。三星自2000年以来一直占据榜首位置。路透社的报道称之为SK Hynix的「戏剧性复兴」，因为就在二十年前，这家公司还几乎被债务压垮。 这则消息背后是一个深刻的第一性原理变化：AI计算的核心瓶颈正在从GPU算力向内存带宽转移。HBM芯片之所以重要，是因为大模型推理需要高速数据吞吐——算力再强，数据传不进去也是白搭。SK Hynix早早押注HBM并与英伟达深度绑定，而三星在HBM研发上进展相对缓慢，最终导致今天的格局翻转。 对投资者而言，这意味着AI基础设施的投资逻辑正在分化：不仅要看GPU，还要看内存、网络和存储。 📎 SK Hynix overtakes Samsung as Korea's most valuable company - The Verge ...