全部 · 2026-07-22

Kimi K3 在 AA-Briefcase 这个模拟真实知识工作的评测里拿了 1543 分，确实只比 Claude Fable 5 低 31 分，比上一代 K2.6 猛涨了 727 分。它的客观正确率和分析质量跟 Fable 5 打得有来有回，说明模型本身的分析底子不差。 但一跑起来问题就暴露了：平均每项任务要花 56 分钟、烧掉 10.57 美元，比 Fable 5 慢 2.5 倍，比 Opus 4.8 还贵。贵和慢主要来自它太“话痨”——平均每项任务要跟工具交互 83 轮，吐出 12 万 token 的输出，而 Fable 5 只要 67 轮。另外它做出来的东西在呈现质量上不如 GPT-5.6 Sol 和 Opus 4.8 好看，说明能干活但交付物不够精致。 正文没披露具体是什么类型的任务让它轮次这么高，也没说这 10 美元花在哪些环节。如果大部分成本是反复调用工具、自己给自己纠错，那后续优化空间可能不小。但眼下这个成本和时间，只适合那种“宁可等一小时也要结果对”的场景，离日常高频使用还有距离。

三星在跟法国模型公司Mistral谈入股，谈的估值是投后200亿欧元。这个数字让Mistral坐稳欧洲最贵AI模型公司之一的位置，但FT这篇报道没披露三星打算投多少钱、拿多少股份，也没说谈判什么时候能落地。 这笔交易如果成了，三星等于在模型层多了一个欧洲盟友，能对冲一下美国大模型公司的依赖。不过正文完全没提这笔钱是纯财务投资还是会有产品绑定——比如Mistral的模型会不会预装进三星手机、家电，或者跟三星的芯片业务搭上线。这点先别太激动，没写就是没写。 还缺几个关键信息：Mistral上一轮估值多少、这次涨了多少；三星是领投还是跟投；交易有没有监管审批风险。这些FT都没给，只能等后续披露。

Ronacher 这篇短文没讲技术，讲的是人被技术带跑偏的样子。他引了两个真实报道：一对年收入 55 万美元的夫妇，因为担心 Anthropic 员工抢先买走他们看中的房子，丈夫把育儿几乎全推给妻子，自己没日没夜地当公司里最会用 AI 的人；另一位创始人把每次约会都录下来，让 Claude 给自己的共情能力打分。这两个例子放在一起，指向同一个问题——科技本该给生活腾出空间，现在却反过来让生活围着 AI 转。 文章没有给出数据验证，也没有采访当事人，只是 Ronacher 的个人观察和判断。他引用的《华盛顿邮报》和《华尔街日报》报道原文我这边没看到全文，所以没法确认那两个案例的细节有没有被简化或放大。但核心判断是清楚的：省下来的每一小时，又被扔回一场没有终点的竞赛里。 这篇文章缺的是对“为什么停不下来”的进一步拆解。是公司考核机制逼的，还是个人焦虑驱动的，或者两者都有，正文没展开。另外，它也没讨论有没有反例——那些用 AI 省下时间后真的去陪家人、去休息的人。如果后续有调查数据能说明这种现象有多普遍，判断会更有分量。

周末传 Anthropic 要买机器人公司 Physical Intelligence，CEO 马上否认了，但 TechCrunch 核实后发现双方确实谈过收购，只是没谈拢。具体出价和谈崩原因都没披露，这点先别太激动。Physical Intelligence 本身来头不小，已融资超 10 亿美元，据说还在谈新一轮 10 亿、估值 110 亿的融资，它的 π0.5 模型在机器人研究圈用得挺广。 这条传闻能炸开，背景是今年 Anthropic 和 OpenAI 都在扫货式收购，大家容易把“谈过”直接当成“要成了”。正文没披露 Anthropic 看上的是团队、模型还是硬件能力，也没说谈判卡在价格、控制权还是监管风险上。如果后续有条款细节或双方对机器人路线的分歧，才能判断这只是一次试探还是战略转向的信号。

这条新闻讲的是美中可能在 AI 领域互相砌墙。特朗普政府部分官员想把智谱 AI、月之暗面等中国公司的开放权重模型列入实体清单，让美国公司没法用。理由是这些模型成本比西方闭源模型低，而且被怀疑是从美国模型“蒸馏”出来的——说白了就是觉得人家偷师学艺。另一边，中国商务部也在考虑限制外国公司获取关键 AI 和芯片数据。两边都在拿安全说事，但底下是商业竞争。Anthropic 和 OpenAI 的老板们支持强制测试甚至发牌照，而投资人比尔·格利直接怼回去，说这是闭源巨头想借政府的手干掉开源对手。 关键信息大多来自匿名消息源，比如 Axios 和《金融时报》的报道，具体限制措施、时间表都没敲定。正文没披露智谱和月之暗面模型的具体成本数字，也没给出“蒸馏”指控的直接证据。9 月美中要谈 AI 监管，但会谈能谈出什么，现在完全是未知数。 还缺什么？一是中国模型到底有没有侵权，需要技术层面的独立验证，而不是靠猜。二是如果真禁了，对美国开发者和企业的影响有多大，文章没算这笔账。三是中国这边的反制措施会具体落到哪些环节，目前只有模糊的“考虑”。

这篇文章最有价值的地方不是夸Claude Code多强，而是从1084条更新日志里扒出了产品演进的真实方向：工作单元从“对话”变成了“任务实体”。会话闲置不丢、更新后能原地重启、子Agent默认后台跑，这些改动背后是247条与后台、守护进程相关的更新，说明让模型持续干活比让它回答问题难得多。 另一个关键判断是“同一句批准，谁说的比说了什么更重要”。用户、父Agent、Webhook、定时任务传来的“可以执行”，权限完全不同。文章统计了90条权限相关更新，跨35个版本，团队在反复修补Shell方言和间接执行路径的解析偏差。这直接指向一个基建缺口：消息Schema不能只留role和content，必须带上来源与授权元数据。 文章也坦诚说了信息缺口：这些统计是作者用正则抓的，不是官方分类，不代表缺陷率或产品质量评分。公开日志无法揭示每次实验、特性开关和未记录的变动。如果你在做Agent基础设施，这篇值得看的是产品压力暴露出的三类能力缺口——作业运行时、来源追踪、模型外部验收——而不是把它当成功报告来读。

Cursor Router 本质上是个智能调度员，它不看模型品牌，只看你问的是什么、上下文多复杂、属于哪个领域，然后把任务分给最合适的模型。这个分类器用超过 60 万条真实请求训练，并在数百万次线上 A/B 测试里验证过。结果挺直接：Auto Intelligence 模式在用户满意度上追平了 Fable，但团队成本低了约 60%；Auto Balance 模式满意度超过 Opus 4.8，成本还低了约 36%。早期企业客户把请求从全走 Opus 4.8 改成走路由后，费用降了 30-50%，质量没掉。 不过这篇公告有几个信息缺口。第一，路由本身会引入判断延迟，正文完全没提这个开销有多大。第二，虽然说了训练和评估时考虑了缓存未命中的成本，但没给出具体的缓存命中率数据，实际省钱效果得打个折看。第三，所有对比都基于用户满意度评分，没有展示代码最终被接受或保留在代码库里的硬指标。这点先别太激动，等有更扎实的留存数据再说。