全部 · 2026-06-18

这条更新解决了一个很实际的痛点：以前用 MCP 连企业工具，每个员工得自己一个个授权，IT 部门管不了，个人账号和工作账号还容易混。现在把权限判断交给公司已有的身份系统（比如 Okta），管理员在后台设一次规则，员工登录客户端时该有的工具就自动配好，不用再跳转一堆授权页面。 技术上看，它用的是 ID-JAG 这种令牌交换方式，用户只登一次，客户端拿身份凭证去换各个服务器的访问令牌，中间不弹授权确认。Anthropic 的 Claude 家族和微软 VS Code 已经支持，Asana、Atlassian、Figma 等 7 个工具也接入了。 不过这篇公告没给任何定价信息，也没说其他身份系统（比如 Azure AD）什么时候能支持。如果是真的零额外成本，对想推 MCP 的团队会省很多事，但这点先别太激动，等具体落地细节出来再说。

Thomas Dimson 和 Joey Flynn 做了个网站，输入名字就能查它是否出现在 13 个主流模型的训练数据里，覆盖 GPT-5.5、DeepSeek V4、Llama 3.3 70B 等。它会返回一个“强度”分数，莫扎特、莎士比亚、泰勒·斯威夫特这些家喻户晓的名字都拿到了 996 分。 但问题在于，正文完全没交代这个分数是怎么算出来的。它可能是基于模型对名字的熟悉程度、生成文本的频率，还是直接查了训练集里的出现次数？也没说数据来源是真实的训练语料，还是通过模型行为反推的。如果是后者，那这个分数更多反映的是模型“知道”这个名字的程度，而不是它真的在训练数据里被喂了多少次。 另外，排行榜上前 20 名全是 996 分，几乎没区分度，说明这个分数要么上限太低，要么算法对名人一视同仁。想拿它当隐私检测工具的人得留个心眼——正文没披露方法论，这个数字只能当个趣味参考，别当成严谨的审计结果。

Noam Shazeer 是 Transformer 论文的作者之一，也是 Character.AI 的创始人，去年刚把公司卖给 Google 回去上班。现在他又跳去 OpenAI，帖子只说这是个“艰难的决定”，对 Google 团队很自豪，其他一概没提。 关键信息全缺：没说他去 OpenAI 负责什么方向、带不带团队、什么时候入职。考虑到他之前在 Character.AI 做的是消费级对话产品，跟 OpenAI 的 ChatGPT 直接竞争，这次跳槽可能涉及竞业或产品线安排，但正文没披露任何细节。 我会先打个折：这条新闻的价值目前只在“人动了”，不在“要发生什么”。等他或 OpenAI 公布具体职责再判断影响不迟。

OpenAI 赶在 IPO 前一周，从 Google DeepMind 挖来了 Noam Shazeer，他是“Attention Is All You Need”那篇论文的作者之一，也就是 Transformer 架构的奠基人。Shazeer 后来创办了角色扮演 AI 公司 Character AI，2024 年被 Google 以 27 亿美元重新买回去。同一周，OpenAI 还招揽了 Dean Ball，他曾在特朗普政府白宫科技政策办公室负责 AI 政策。 这两步棋的意图很直白：技术线需要一个有足够分量的招牌人物来撑场面，政策线则需要有人在华盛顿帮公司铺路。但 TechCrunch 这篇报道没写清楚最关键的信息——他俩具体担任什么职务、什么时候入职、向谁汇报。没有这些，就很难判断这是实权任命还是 IPO 前的门面工程。Shazeer 在 Google 的两次进出本身就挺戏剧化，他能不能在 OpenAI 待得住也是个问号。

OpenAI 赶在上市前签下 Shazeer 和 Ball，时机太巧了，很难不让人觉得是在给招股书加码。Shazeer 是 Transformer 架构的共同发明人，这个架构是现代大语言模型的基础，他之前创立的 Character AI 被 Google 以 27 亿美元收购，刚离职就来了 OpenAI，研发实力肯定加分。Ball 是前特朗普政府的 AI 政策官员，能帮 OpenAI 在华盛顿铺路。 不过正文没披露两人的具体职位、薪酬和入职时间，也没说 Shazeer 在 Google 的竞业限制怎么处理。这些信息缺口让实际影响打了折扣——人是签了，但能多快干活、能管多大事，现在还不清楚。对投资者来说，这更像一个叙事信号，别急着把它当成技术突破的保证。

Claude Code 这次加的 artifacts 功能，简单说就是你在终端里让模型干活时，它能顺手把当前进度——比如代码改了什么、系统架构怎么设计的、数据看板长什么样——直接生成一个带完整对话上下文的网页。队友不用装 Claude Code，点开链接就能看。这对团队协作挺实用，省去了截图、写说明、开会的步骤。 但官方博客写得比较克制，几个关键信息都没给。第一，这个功能是默认开启还是需要手动触发，正文没提。如果是默认开，那每次对话都可能多出一段网页生成的 token 消耗，成本会悄悄涨。第二，生成一个 artifact 到底吃多少 token，也没披露。对重度用户来说，这个数字直接决定用不用得起。第三，网页的交互能力到什么程度——是只能看，还是能编辑、能回传数据——也没展开。 我会先打个折：功能方向对，协作场景确实痛点明确，但在 token 成本和触发机制透明之前，别急着在生产环境里全量开。

Anthropic 给 Claude Code 桌面应用加了个 Artifacts 功能，它会把你的代码库、对话记录和连接器这些上下文，自动转成一个实时更新的网页，比如代码走查页面、事故看板或发布检查清单。团队里所有人看到的是同一个自动刷新的视图，不用再手动同步进度。页面默认只有组织内的人能看，内置版本历史，可以随时恢复。 这个功能目前只开放给 Claude Team 和 Enterprise 用户，通过命令行或桌面应用使用。正文没提 Free、Pro、Max 用户什么时候能用，也没说这个自动生成的页面能不能自定义样式或嵌入外部数据源。如果是真的能省掉团队内部做进度看板的功夫，那挺实用，但先别太激动——得看实际生成的页面质量怎么样，以及会不会把不该公开的上下文给漏出去。

这篇博客是一份操作指南，不是产品更新。它把控制 Claude Code 行为的五种方式梳理得很清楚：CLAUDE.md 相当于给模型看的项目说明书，告诉它代码风格和架构约定；技能是把重复任务写成固定步骤模板，让模型按流程执行；钩子是在模型操作前后自动触发检查，比如提交代码前先跑测试；规则直接约束模型能做什么不能做什么；子智能体则是把复杂任务拆开，分给多个独立模型并行处理。 整篇文章偏概念讲解，没有给出任何基准测试、延迟数据或成本对比。如果你已经在用 Claude Code，这些机制能帮你把模型管得更听话，但具体能提升多少效率、省多少钱，正文没披露。另外，子智能体这种并行拆分听着挺美好，实际落地时任务怎么切、切多细、中间结果怎么合并，这些工程上的坑文章也没展开。 对 AI 从业者来说，这篇值得看的是架构思路——怎么把一个大模型的行为拆成可配置、可检查、可分工的模块，而不是指望一个 prompt 解决所有问题。但别指望看完就能直接抄到自己的项目里，它更像一份设计蓝图，缺了实现细节和踩坑记录。

FERC 周四全票通过，要求美国六大电网运营商优先处理数据中心这类大用电客户的并网申请，数据中心自己承担全部并网费用。这相当于给 AI 基建开了条行政快车道，排队时间会缩短，但账单也全甩给了企业。委员会还让运营商考虑固态变压器、超导输电线路这些替代技术，不过没点名具体方案，落地时间表完全没提。 文章点出了一个关键缺口：FERC 只解决了排队流程，对更根本的电力供应短缺问题一个字都没碰。电本身不够用，光插队没用。正文没披露目前排队积压的具体规模，也没说这条快车道能省多少时间，所以实际效果还得看各电网运营商怎么执行。 还缺什么：新规会不会挤占居民和其他工业用户的并网资源，正文没讨论。数据中心自己扛全部费用，成本会高到什么程度，也没给估算。这点先别太激动，快车道修好了，车没油照样跑不动。

Anjney Midha 在播客里抛出的核心判断很直接：AI 军备竞赛的瓶颈正从“抢 GPU”转向“用 GPU”。他提到 xAI 训练时的实际算力利用率（MFU）不到 10%，而谷歌当年把 95% 的利用率视为故障，目前业界顶尖水平也就 60% 到 70%。这意味着花大价钱堆的卡，大部分算力其实在空转或等待，是个系统工程没跟上的问题。 这个数字对比很扎眼，但正文没披露 xAI 这个 10% 是哪个训练阶段的数据，也没说明是单次故障还是常态。如果是真的，说明他们的基础设施调度、网络或并行策略有巨大优化空间；但也可能只是某个实验跑崩了拉低了平均值。这点先别太激动。 他还提到 DeepMind 有大量研究没发表，认为这是市场失灵；以及 Anthropic 从第一天就把写代码能力定为最高优先级。这些判断都指向同一个方向：模型能力竞赛的下半场，胜负手可能不在论文或融资额，而在工程纪律和系统效率。不过 AMP 自己的 1.2 GW 算力电网计划没给时间表，落地难度和资金缺口都还是未知数。

这个工具解决了一个实际问题：用 Claude Code 这类编程助手时，查到的资料、做的判断很容易散落在聊天记录里，下次就找不到了。LLM Wiki 的做法是让助手在干活过程中顺便把资料整理成结构化的维基，5 到 10 个代理同时从学术、技术、新闻和反面角度搜，能吞网址、PDF、Git 仓库甚至网页存档，最后交叉整理成带置信度评分的文章。所有产出都是纯 Markdown 文件，兼容 Obsidian，数据完全在你手里。 比较有意思的是它的"论文模式"——你给一个主张，代理会从支持、反对、机制、元分析和相邻角度分别搜，第二轮还会专门对抗确认偏误，输出的是一个判断而不是摘要。这点对做技术调研的人挺实用。另外它支持会话记忆和反馈筛选，只保留有价值的修正和偏好，不会把整个聊天记录都塞进去。 正文没披露代理具体用的是什么模型、每次运行的成本和延迟，也没给出置信度评分的具体算法。这些信息缺口让"10 倍性能提升"这个说法暂时只能打个折来看。另外多代理并行搜资料听起来挺费 token 的，实际开销得自己跑一下才知道。

这份标准把自动驾驶的监管从“随便说”变成了“硬杠杠”。最狠的一招是引入了 Safety Case（安全档案）机制，企业得用“声明—论据—证据”的结构，把仿真、场地和道路测试数据串起来，证明自己的系统到底安全在哪。这直接终结了过去车企靠模糊宣传抢市场的玩法。 标准对 L3 和 L4 做了区分：L3 盯着人机交接，司机没接管系统必须自己靠边停；L4 则要求系统不依赖远程操控就能自己处理风险。不过，正文没披露具体的测试场景数量和通过标准，企业到底要跑多少里程、覆盖多少 corner case 才算过关，这点还不清楚。 2027年7月实施，现有车型多给一年缓冲期。短期看，车企在冗余系统和安全档案上的投入会涨，但长期看，谁先跑通这套验证体系，谁就能在合规窗口期抢到身位。

Matthias Plappert 用一台 UFACTORY xArm Lite 6 机械臂、两个摄像头和一个 3D 鼠标，总花费不到 5000 欧元，在自己桌边搭了一套单臂操作研究平台。他对比了 2019 年在 OpenAI 做类似项目的经历：当时硬件成本是现在的十倍，还需要约 20 人的团队支撑。现在他一个人从零写控制软件，计划花几个月做开放研究，主要产出是研究日志，记录什么行得通、什么会失败。 这篇文章只讲了物理搭建和软件基础，没有披露具体模型或训练方法。他明确说目前不打算开源代码，因为维护开源项目太耗精力，想先把时间花在研究上。单臂设计也限制了任务类型，比如叠衣服这类活干不了，但他认为这反而能逼着策略学会利用环境来弥补硬件不足。 信息缺口很明显：硬件跑通了，但算法部分还是空白。他提到的“公开可用的基础模型”具体指什么、数据怎么采、训练管线怎么设计，正文都没交代。如果后续研究日志能持续更新，这套低成本方案对个人和小团队做实体机器人实验的参考价值会更大。

Adobe 这次更新的核心是把“创意智能体”做成一个跨应用的跑腿助手，覆盖 Premiere、Photoshop、Illustrator、InDesign 和 Frame.io。用户说想要什么结果，它自己去完成多步骤的重复性工作，比如在 PR 里自动分素材、标采访问题、拼粗剪，在 PS 里换背景、按平台尺寸批量改图，在 Illustrator 里根据一张表格生成 50 个版本文件。这些功能瞄准的是生产环节里的体力活，而不是创意决策本身，定位比较务实。 目前所有功能都是公开测试版，After Effects 的助手还在私测，没有公开上线时间。Firefly 那边也加了面向单人创作者的工具，比如从描述生成品牌套件、把产品图转成短视频。另外 Adobe 的工具已经能在 ChatGPT、Claude 和微软 365 Copilot 里调用，Google Gemini 和 Slack 的集成也预告了。 值得留个心眼的是，正文完全没有提这些自动流程的准确率、出错后怎么回滚，以及实际能省多少人工复核时间。批量生成 50 个文件听起来很爽，但如果每个都要手动检查一遍，省下的时间可能没那么乐观。

这篇调查把 Anthropic 自研芯片 Mythos 的资金链和 SK 电信绑在了一起。SK 电信既是 Anthropic 的投资方，又签了云服务合作，WIRED 顺着这条线怀疑 SK 电信可能充当了向中国转运受限芯片的中间人。文章梳理了双方的合作条款和资金流向，但最关键的法律责任问题——到底有没有故意规避出口管制——正文没给出定论。 我会先打个折：目前披露的信息更像是一个合规灰色地带，而不是电信巨头主动帮 AI 公司偷运芯片。SK 电信作为韩国运营商，本身在中国有业务，跨境硬件流动本来就复杂，光凭投资关系和云合作就推断“绕开制裁”，证据链还不够硬。 还缺什么：美国商务部或韩国监管机构有没有正式调查、芯片最终流向的具体单据、以及 Anthropic 和 SK 电信对这批硬件用途的书面说明。这些没出来之前，先别太激动。

皮尤这份民调最扎眼的数据不是 63% 的人嫌 AI 太快，而是使用率和乐观程度完全脱节。ChatGPT 使用率从 2023 年翻番到 44%，近一半美国人已经在用聊天机器人，但只有 16% 认为 AI 对社会有正面影响。年轻人用得最凶（66%），悲观情绪也最重（48% 看衰）。这说明大家不是不用，是边用边怕。 30-49 岁群体每天至少用一次的比例最高（34%），约四成美国人拿 AI 干活，30% 觉得效率确实高了。但 66% 担心 AI 传假消息，这个担忧从 2024 年延续到现在，正文没给今年的新数据，不确定有没有变化。 这篇报道没提样本量、误差范围和调查方式，引用时得打个折。另外，民调只覆盖美国，不能直接套到其他市场。

这篇博客讲的是 Elastic 开源的一套智能体记忆方案，核心是用三个 Elasticsearch 索引分别存“发生过的事”、“关于用户的稳定事实”和“操作流程”。检索时把关键词和向量搜索的结果混在一起，再用一个精排模型重新打分，在 168 个问题的测试里，前 10 条结果的命中率平均 0.89。多用户隔离靠的是 Elasticsearch 的文档级权限，正文说没出现租户间数据泄露。 我会先打个折：0.89 的 R@10 是在他们自己构造的 168 个问题上测的，不是公开基准，泛化能力不好说。另外，文章完全没提每次检索要花多少毫秒、索引和查询的机器成本是多少，这对实际落地是硬指标。 设计上有些点挺实在。比如用“取代”而不是“删除”来更新矛盾信息，留了审计痕迹；给旧事实加衰减权重，避免老数据压过新数据；把原始事件定期合并成稳定事实，防止索引越滚越大。代码已开源在 GitHub，想复现的可以直接看实现细节。

OpenAI 说 GPT-5.5 Instant 在健康问答上进步很大，免费用户就能用。他们请医生做了个 3500 条回复的盲评，结果模型在准确性、沟通清晰度和完整性上的得分比真人医生写的回答还高，而且更少漏掉危险信号、不追问背景。后台监控也显示，过去两个月健康回复的事实错误率降了 71%。 这个结果挺直观，但得打个折。评测是 OpenAI 自己组织的，医生也是他们请的，评分标准怎么定的、医生之间打分一致性怎么样，正文都没细说。3500 条样本量不算大，能不能代表真实用户五花八门的问法，也要打个问号。另外，后台监控的“事实错误率”具体怎么定义、怎么测的，也没披露。 还缺什么？缺独立第三方的复现，缺真实临床环境下的安全性数据，也缺对“模型说错但看起来很有道理”这类更隐蔽错误的评估。健康建议容错率低，光靠内部评测还不够。