全部 · 2026-06-30

库克和欧盟科技主管的这次视频会，核心矛盾很直白：苹果想让能读用户个人数据的新版Siri进欧洲，但不想按《数字市场法》把同样的设备数据权限开放给竞争对手的语音助手。苹果提了个“可信系统代理”方案，相当于在用户数据和第三方AI之间加个中间层，但正文明确说这套系统还没开发，苹果想先拿到欧盟的合规保证再动手。欧盟认为这就是要18个月的监管宽限期，会让苹果提前锁定至少两年的市场优势，直接拒绝了。 目前的信息基本都来自欧盟官员和知情人士的单方面披露，苹果除了公开抱怨“欧盟没跟我们好好沟通”之外，没有公布自己的具体技术方案或时间表。双方对“建设性会谈”的描述也停留在外交辞令层面，没有实质性进展。 这件事还缺几个关键信息：苹果的“可信系统代理”到底怎么实现数据隔离又不影响体验，有没有第三方AI公司愿意接受这种受限的调用方式，以及苹果内部对这个功能在欧洲上线的真实时间预期是什么。如果苹果一直拿不出可验证的合规方案，这场拉锯战短期内看不到解决的迹象。

Ahmad Osman 在 AI 工程师世界博览会上没讲虚的，直接拉了个硬件对比网站让参会者现场跑分，比较 DGX Spark、AMD Strix Halo 这些设备跟云端模型的差距。他的核心判断很明确：开源模型大概落后闭源模型 4 到 8 个月，而且这个差距还在缩小。这个时间差意味着你现在用本地设备跑的开源模型，能力大概相当于大半年前的付费产品，对很多场景其实够用了。 他点破了一个很多人没想透的事：ChatGPT 这类产品卖的不只是模型本身，它打包了搜索、工具调用和整套基础设施。他举了个很具体的例子，有人用本地部署的 Qwen 3.5 接 Claude Code 想让显卡变个灯效，结果失败了，原因仅仅是没给本地模型开联网搜索权限——模型训练数据是旧的，不知道新驱动怎么调。一旦补上搜索接口，任务就完成了。这说明本地 AI 的短板往往不在模型智力，而在外围工具链没配齐。 不过文章没给出具体的跑分数据和延迟数字，只说了有这么一个对比网站。Osman 的公司 Osmantic 在做开源部署系统，就是想补这个端到端的缺口。另外他提到现在一台手机能跑的模型已经超过两年前的云端系统，这个对比挺直观，但没说明具体是哪款手机跑哪个模型、在什么任务上超过的，这点先别太激动。

这套系统让志愿者戴着脑磁图（MEG）设备打字，用端到端深度学习直接从原始脑信号里解码句子，省掉了过去靠人工设计特征提取的步骤。在 9 个人、每人录了 10 小时、总共约 2.2 万个句子的数据上训练后，平均单词准确率到了 61%，表现最好的志愿者能到 78%，超过一半的句子解码错误不超过一个词。作为对比，其他非侵入方法的准确率只有 8%，这个提升幅度确实不小。 不过得先打个折：61% 是平均，个体差异很大，而且每人需要先戴着笨重的 MEG 设备录 10 小时数据才能用，离日常实用还很远。论文说准确率随数据量呈对数线性增长，意思是继续堆数据还能提，但正文没给出更大规模实验的验证，这点先别太激动。另外，目前只在西班牙语上测过，跨语言的泛化能力还没谱。代码和 v1 数据集都开源了，想复现或者改进的人可以直接上手。

这条值得点开看，因为它不是 PR 稿，而是一个开发者趁 Anthropic 短暂开放 Fable 的几天里，拿自己的工具 Superpowers 做了一次实打实的成本手术。结果挺夸张：构建墙钟时间最多减半，token 花费最多降 60%。省下来的大头来自两处——把代码审查和需求合规审查合并成一个步骤，以及优化 reviewer 拿 diff 的方式，不再让子 agent 自己跑一堆 git 命令，而是提前打包好审查材料。Fable 还发现一个反直觉的点：给协调器限制思考预算反而坏事，计划里写实现主体那部分基本是凑数的。 不过先别太激动。这些收益全是在 Anthropic 的评估里跑出来的，换到 OpenAI Codex 上完全没效果，作者直说 Codex 的 reviewer 直接忽略了任务说明。正文没披露评估集的具体规模和任务类型，也没说这套优化在真实用户项目里的复现率。如果只看 Claude 生态，这算一次很扎实的工程调优；但跨模型泛化目前是零，这点得打个大折扣。

Mistral 发布了 Leanstral 1.5，一个专门生成 Lean 语言数学证明的模型。Lean 是一种可以像代码一样被计算机逐行检查的数学语言，所以这个模型的目标不是聊天，而是直接写出能被机器验证通过的证明步骤。 但官方这篇博客信息量很薄。正文没披露模型参数量、训练数据规模，也没给出在标准数学题库上的证明成功率或对比基线。唯一能确定的是它面向“人人可用”，暗示可能是个轻量级、推理成本不高的模型。 如果是真的，这方向挺有意思——把形式化证明的门槛打下来，让更多数学研究者不用手写 Lean 代码。但现阶段缺评测数据，没法判断它到底能证多难的定理，还是只停留在教科书习题水平。建议等 Mistral 放出技术报告或第三方跑分再下结论。

这条新闻最值得关注的是技术迁移路径：创始团队在 DeepMind 时做的是不完美信息博弈（打扑克），现在把同一套强化学习框架用到股票交易上。扑克和交易确实有相似之处——对手行为不确定、信息不完整、需要持续调整策略，所以这个方向在逻辑上说得通。 但文章的信息缺口很大。Creandum 说这是他们单笔最大投资，估值超过 5 亿美元，可双方都没透露具体融资金额，也没给任何营收或实盘业绩数据。一家做量化交易的公司，如果连夏普比率、管理规模或回撤都不提，外部人很难判断这 5 亿估值是靠技术故事撑起来的，还是真有实打实的赚钱能力。 另外，文章没说明他们的模型是直接做交易决策，还是给对冲基金当辅助工具。如果是前者，监管和风控的门槛会高很多。团队背景很强，但缺了业绩数字，现在只能说是个值得跟踪的信号，别急着下结论。

Anthropic 这次把 Sonnet 5 定位成“最能自主干活的 Sonnet”，核心卖点是它能自己定计划、调用浏览器和终端，不用人一步步盯着。从跑分看，它确实全面超过了上一代 Sonnet 4.6，在模拟真实知识工作的 GDPval-AA v2 测试里拿了 1618 分，比更贵的 Opus 4.8 还高出 3 分。这个反超挺有意思，说明在部分实际任务上，小模型也能摸到大模型的后背。 不过，在更硬核的编程测试 SWE-bench Pro 上，Sonnet 5 的 63.2% 离 Opus 4.8 的 69.2% 还有明显差距。所以如果你主要用它写代码，别指望它能完全替代 Opus。另外，Anthropic 特意强调这次没拿网络安全任务训练模型，在漏洞利用测试上分数远低于被禁用的 Mythos 5 和 Fable 5，实时安全防护默认开启。这算是给监管和用户吃定心丸。 价格方面，现在到 2026 年 8 月是尝鲜价，之后涨回标准 Sonnet 费率。正文没披露具体降价幅度，也没说标准费率是多少，想算账的人还得再等等。

Claude Science 的定位很明确：不是通用聊天工具，而是研究搭档。它强调“可追溯”，意思是每一步分析都能回头查，这对科研复现很重要。但官方发布页信息量很薄，关键细节全缺——没说是接 PubMed 这类公开库还是需要机构自己对接，没提底层模型是 Opus 还是 Sonnet，也没给定价和开放范围。这就让判断打了很大折扣：如果只是套个壳、加个步骤记录，那门槛不高；如果真能稳定调用外部专业数据库并保证引用准确，才算有壁垒。目前只能等后续披露，先别太激动。

这事最让人恼火的地方不是改设置本身，而是整个过程完全没提示、不可逆。用户只是好奇装了 iOS 版并登录，账户就从旧的“不存储我的代码”隐私模式被强制切到新模式，旧选项直接从所有菜单里消失。客服承认他们也没法帮你切回去，目前至少已有两人中招。 新模式允许代码被用于后台代理等功能，条款写得含糊。原文没披露这次切换具体影响了多少用户，也没说 Cursor 是否打算恢复旧选项或提供导出数据后销户的补救路径。如果你在意代码隐私，在官方给出明确说法前，暂时别碰 iOS 版。

Etched 这次放出的消息挺猛：芯片由台积电造出来了，公司估值冲到 50 亿美元，手里还攥着 10 亿美元的合同订单。他们卖的不是单颗芯片，而是打包好的整套推理系统，连机柜和软件都配齐，专门用来跑大模型回答用户提问的环节。公司宣称这套东西比竞品更快、更省钱、更省电，总融资额也到了 8 亿美元，其中最近一轮 5 亿美元之前没公开过。 但文章里缺的关键信息太多了。10 亿美元是合同金额，不是实际到账收入，而且没提任何一家客户的名字。性能到底快多少、省多少电，也没有具体的跑分数据。交货时间线同样空白，芯片刚拿去给客户测试，离大规模交付还有多远谁也不知道。如果是真的，对现在几乎被英伟达一家吃掉的推理市场是个不小的冲击；但在看到实际出货和第三方测试之前，这 10 亿和 50 亿估值的含金量都得打个问号。

Anthropic 这次把 Sonnet 5 定位成“最能自主干活的 Sonnet”，核心卖点就一个：用更少的钱，买到接近 Opus 4.8 的代理能力。从官方给的 BrowseComp 和 OSWorld-Verified 曲线图看，Sonnet 5 确实把上一代 Sonnet 4.6 甩开了一截，和 Opus 4.8 的差距也明显缩小了。价格上，正式定价是每百万输入 token 3 美元、输出 15 美元，8 月 31 日前还有 2 美元和 10 美元的尝鲜价，比 Opus 4.8 的 5 美元和 25 美元便宜不少。 早期测试反馈提到它能自己检查输出、写完 bug 还会补个复现测试，听起来代理行为比前代更主动。但正文没给出具体的任务完成率或对比数字，这些描述目前只能当用户体感。安全评估说不良行为比 4.6 少，网络安全能力也远低于 Opus 模型，这点对放出去干活的场景算是个加分项。 还缺什么：没有披露延迟数据，代理任务跑起来到底快不快不知道；也没提上下文窗口和并发限制有没有变。如果你现在用 Sonnet 4.6 觉得代理能力不够、又嫌 Opus 太贵，Sonnet 5 值得切过去试，但别指望它完全替代 Opus——官方自己也说高精度场景还是 Opus 更强。

Claude Science 把科研里最烦人的工具切换问题打包解决了。它内置了 60 多个针对基因组学、蛋白质组学等领域的技能和连接器，相当于给 Claude 配好了实验室常用工具的快捷键。每次输出都附带可审计的代码、运行环境和聊天记录，这点对科研复现很关键——你不需要猜图是怎么画出来的，可以直接让 AI 用大白话改坐标轴或去网格线，它会自己改代码。 计算资源的管理也算聪明：它能在你实验室现有的笔记本、Linux 机器或 HPC 集群上跑，敏感数据不用搬家，只有分析所需的上下文才发给 Claude。需要更大算力时，可以通过 Modal 按需调用 GPU，从单卡扩展到几百卡。但正文完全没披露测试期的收费方式，也没说什么时候正式发布。如果你实验室的 IT 环境比较特殊，实际部署会不会卡壳，也得等更多用户反馈才知道。

ADK Go 2.0 这次最大的变化，是把多个 AI 智能体怎么配合干活这件事，直接建模成了一张有向图。你可以把普通的 Go 函数、大模型智能体或者工具都当成图里的节点，用边来控制流程是串行、并行分发还是汇总结果。这比之前用零散的代码逻辑去硬写协作流程要清晰得多，也更像在描述业务本身。 有两个设计挺实用。一个是“发射函数节点”，让一个函数就能暂停下来等人审批，不用再单独写复杂的动态节点，降低了人工介入的开发成本。另一个是整个图本身就是一个智能体，能跑在现有的运行器里，状态还可以跨重启保留，这对需要长周期运行的生产任务很友好。 不过，这篇发布公告完全没提性能基准和延迟数据。对于 Go 语言场景，大家通常对并发吞吐和资源开销很敏感，缺少这些数字就没法判断这套图引擎在真实负载下的表现。另外，动态编排具体怎么处理异常和重试，正文也没展开，想用在关键业务上还得自己去测。

这条更新解决了一个很实际的痛点：让写代码的 AI 顺便把“这功能怎么用”录成视频，省得人再手动截屏。做法是给 shot-scraper 加一个 video 命令，你写一个 YAML 故事板，它就用 Playwright 驱动浏览器，把填表、点按钮、等页面加载这些步骤录成 mp4。之前卡住是因为 Playwright 录屏宽度控制有 bug，直到 1.61.0 才修好，所以这个功能现在才放出来。 故事板本身是 GPT-5.5 xhigh 在 Codex Desktop 里生成的，Simon 只给了分支 diff 和 --help 输出，模型就自己搭了开发服务器、填了 CSV 数据、录完了两段操作流程。这个“让模型读 --help 当说明书”的思路挺聪明，相当于把使用手册直接嵌在工具里。 不过得打个折：目前公开的只有 Simon 自己跑通的一个例子，没有其他人试用过的反馈。故事板写起来顺不顺手、遇到复杂页面会不会卡住、录出来的视频在别的机器上能不能稳定复现，这些都还没答案。另外，视频里用到了 cookie 鉴权，说明它支持登录态，但正文没提跨域、弹窗、文件上传这些常见场景的支持程度。如果你想让自己的 agent 也用上，最好先拿内部项目试一圈，别直接往客户演示里塞。

Anthropic 把 Claude Desktop 搬到了 Linux，目前是公测，只覆盖 Ubuntu 和 Debian 两个发行版。付费用户现在可以在桌面端直接用 Claude Code、Claude Cowork 和聊天，不用再在浏览器和终端之间来回切。对 Linux 上的开发者来说，这比之前纯终端或网页版顺手不少，尤其是 Claude Code 这种需要跟本地文件打交道的功能，桌面端体验会完整一些。 不过正文没提免费用户能不能用，也没说 Fedora、Arch 这些发行版什么时候支持。如果你用的是其他发行版，现在只能先观望。另外，公测阶段稳定性怎么样、会不会有功能阉割，这些都没给信息。如果是真的把完整桌面体验搬过来，对 Linux 付费用户算是个实在的更新；但如果只是套壳浏览器加个本地入口，那价值就打折扣了。

Grant Sanderson 跟 Dwarkesh 聊的核心判断很直白：别把数学竞赛当 AGI 进度条。2024 年 AI 在 IMO 上差一点拿金，原因是那年几何题多——几何能用暴力搜索 19 秒解掉，但组合数学题一多就露怯。这说明模型的能力不是平滑的，而是像锯齿一样，有些地方突得厉害，有些地方还陷着。 他点出了一个容易被忽略的“文献串联红利”：把数学文献里已有的想法系统地连起来，还有巨大潜力没挖。但现实世界的任务不像强化学习环境那样有清晰的奖励信号，AI 写不出好文章，因为它缺“心智理论”——不知道读者脑子里在想什么。这点先别太激动，正文没给出具体串联成果的案例，更多是方向判断。 另一个关键提醒是验证周期。一个概念性突破从提出到被人类消化，可能拖上百年。就算 AI 真把黎曼猜想证了，如果人类看不懂，那它在数学共同体里的“生效”时间会极长。这对“AI 一夜颠覆某领域”的叙事是个实在的降温。信息缺口在于：他没展开 AI 目前到底串联出了什么，以及人类看不懂的证明该怎么验收。

AWS 成立了一个叫“前线部署工程”的新部门，计划投入 10 亿美元，派自家工程师直接进驻客户公司，帮他们把 AI 智能体（也就是能自动执行任务的 AI 程序）跑起来。这跟 OpenAI、Anthropic 之前的路数很像，说明现在大模型公司都发现，光卖模型不行，得亲自下场帮企业把东西用起来。 不过得注意，这 10 亿美元不是现金投资，而是亚马逊内部调拨的人力、算力等资源的总估值。AWS 的说法是，工程师不光帮客户搭系统，还会教他们怎么自己维护和开发，目标是让客户最终能独立运作。但正文没披露这个新部门具体有多少人、计划服务多少客户，也没说清楚驻场周期多长、怎么收费。 目前还缺关键信息：这种驻场服务的效果怎么衡量，以及客户数据安全和模型定制化的边界在哪里。如果只是派几个人去短期指导，10 亿这个数字的宣传意义可能大于实际落地效果。