AX 严选 · 2026-05-13

这份指南最实用的部分是那两个像素上限。Claude 4.6 API 截图长边不能超过 1568 像素，总像素控制在 115 万以内；Opus 4.7 把上限拉到长边 2576 像素、总像素 375 万。翻译成人话：如果你让 Claude 去操作网页或桌面软件，它靠看截图来理解界面，分辨率低了会点错按钮，高了推理成本直接往上蹿。Opus 4.7 放宽限制意味着它能处理更复杂的界面，但正文没给出具体延迟或成本对比数据，这点先别太激动。 指南还提到了一些让模型干活更稳的技巧，比如把操作步骤拆细、给模型明确的成功标准。但全文是官方博客，不是第三方评测，没有披露失败率或任务完成率这类硬指标。如果你真要在生产环境里让 Claude 去操作浏览器，建议自己先拿真实任务跑一轮，看看在像素上限附近，准确率和成本到底怎么 trade-off。

Anthropic 给付费用户加了个编程专用额度，6 月 15 日开始申领。这笔额度专门用于让模型跑代码 agent 的活儿——包括他们自己的 Agent SDK、命令行工具 claude -p、Claude Code 的 GitHub Actions 集成，还有第三方基于 Agent SDK 做的应用。说白了就是给付费用户一个固定的月度预算，让你不用每次调 API 都盯着账单心跳。 但这条公告缺的信息比给的多。额度具体是多少没写，是 100 次调用还是 100 万 token 完全不知道。用完之后的体验也没交代——是直接停掉、降速限流，还是弹窗让你加钱。不同付费档位之间额度是否一样，正文也没提。这些缺口直接决定了这条更新是真实惠还是营销动作。 另外注意，这个额度只覆盖 agent 场景的用量，不是通用的 API 额度。如果你用 Claude 做普通对话或非 agent 的代码补全，大概率不在这笔预算里。第三方应用能不能稳定吃到这个额度，取决于它们有没有老老实实走 Agent SDK，这点也得等上线后验证。

Runway 这次发布的 Agent，核心是把视频制作流程打包成一个对话式工具。你描述需求，它先出概念和故事节奏，确认方向后直接生成带多镜头、旁白、对白和配乐的成品视频。新用户有 1500 积分可以试做第一条，官方说主要瞄准品牌广告、社交媒体内容和独立短片，想解决传统制作又慢又贵的问题。 但这条新闻的信息缺口很明显。正文完全没提生成质量到底怎么样，多镜头之间的连贯性、人物一致性这些视频生成的老大难问题，一个字都没说。也没给任何对比案例，比如同样一个需求，用 Agent 和传统流程出来的东西差多少。几分钟出片听起来快，但如果要反复改、反复生成，实际耗时和积分消耗就不好说了。 另外，官方说它能理解品牌语境、跨模型工作，但没解释具体怎么实现。是接入了客户自己的素材库，还是全靠提示词控制风格？这些直接影响实际可用性。我会先打个折，等看到真实用户的成品和吐槽再说。

Anthropic 把 Claude 做成了一个能直接插进小企业常用软件里的服务包，覆盖财务、销售、营销等环节。它不是在聊天框里回答问题，而是能跑 15 个预设好的自动化流程，比如根据 QuickBooks 和 PayPal 的数据做 payroll 规划、月底对账，或者在 HubSpot 和 Canva 之间跑营销活动。正文强调了一个关键设计：所有发出去、贴出去或付钱的动作，最后都要人点一下批准，这降低了直接让 AI 操作资金和客户数据的风险。 目前看，这更像一个高度集成的自动化模板包，而不是一个能自由探索的通用 agent。正文没提定价，也没说这些工作流在真实业务里的准确率或失败率。引用的客户证言来自几家小公司，但样本量太小，只能当早期参考。我会先打个折：对小团队来说，把重复性后台工作串起来确实省时间，但实际效果很依赖你原本的数据在 QuickBooks 和 PayPal 里有多干净。还缺第三方压力测试和更透明的错误处理机制说明。

团队开源了一个叫 psql_bm25s 的 PostgreSQL 原生访问方法，直接在数据库里做精确 BM25 检索，不用把数据搬出去再算。他们声称在标准基准上比 pg_search 快大约 23 倍，这对多智能体系统里频繁查资料库的场景确实有用——检索不卡，智能体干活就快，也不用额外搭一套检索服务烧钱。 但正文没披露具体测了什么数据集、跑在什么硬件上、查询类型是短词还是长句，这些都会影响 23 倍这个数字的含金量。另外也没提索引构建时间、内存占用和并发下的表现，这些是生产环境真正关心的。如果后续能补上这些信息，判断会更踏实。

Cursor 这次更新解决了一个实际问题：让云端 agent 不再困在单个代码仓库里干活。现在一个环境能挂多个仓库，agent 可以跨仓库改代码、跑测试，这对用微服务、代码散落在多个库的团队比较有用。Amplitude 的工程经理说他们已经在 Slack 里用 Cursor Automations 处理问题，agent 能自己判断涉及哪些仓库并提 PR。 环境配置改用 Dockerfile 来管，支持构建密钥，这样能安全访问私有包仓库。官方说缓存命中时构建速度能快 70%，这个数字是在缓存命中的前提下，实际收益要看你的项目结构和改动频率。不想手写 Dockerfile 的话，Cursor 可以自动检查仓库生成配置，但这个功能还在内测，稳定性未知。 正文没披露多仓库环境下的资源开销和计费方式，也没说 agent 跨仓库操作时的权限边界怎么控制。环境治理和安全控制的部分只提了审计日志和网络、密钥管控，具体能细到什么粒度没说清楚。这些信息缺口让“完全掌控”这个说法需要打个折。

百度把妙答从编程助手升级成应用和企业版，核心卖点是妙答应用 90% 的代码由妙答自己生成。这个数字如果属实，说明代码生成能力已经能撑起一个完整产品的大部分开发量，对开发者来说意味着写代码的门槛和速度都在变。但正文没披露这 90% 是怎么统计的——是按行数、文件数还是功能模块算的，也没说剩下 10% 的人工代码是不是集中在核心逻辑和安全部分。 另外两个数字也需要打折看：累计服务超 1000 万用户，没说是独立用户还是调用次数；应用总价值 50 亿人民币，完全没给计算口径，可能是按客户投入、市场对标或者内部估算，没法验证。企业版定价和与 GitHub Copilot、Cursor 等竞品的对比也没提，想评估性价比还缺关键信息。 整体看，百度在推一个“AI 自己写自己”的故事，但缺了统计方法、定价和第三方验证，目前只能当产品更新看，别急着当行业里程碑。

Google 发了台叫 Googlebook 的笔记本，核心是把 Gemini 做进系统层，不是装个助手插件就完事。这次说了三个功能：Magic Pointer 把光标变成一个 AI 入口，点哪都能弹出上下文建议和任务，相当于给鼠标右键加了 AI 菜单；Create Your Widget 让你用大白话描述需求，自动生成一个能聚合不同信息的桌面小组件，省去自己拖拽配置的麻烦；还打通了安卓生态，在电脑上直接调用手机 App 和文件。 从产品逻辑看，Google 想用 AI 重新定义人跟电脑的交互方式，把操作门槛降下来。但正文没披露任何实测数据，比如 Magic Pointer 的响应延迟、Widget 生成的准确率、跨设备调用的稳定性，也没提价格和上市时间。这些功能听起来实用，但到底好不好用、会不会吃资源，全得等上手。另外，安卓生态打通这事，Google 说了好几年，这次能不能做到无缝，也得打个问号。

Anthropic 给 Claude Code 加了一个 /goal 指令，让模型接到任务后持续执行直到完成，不再需要人在旁边一步步确认。这对开发者来说，相当于把“助手”往“干活的人”又推了一步，减少了来回交互的摩擦。 但这条帖子信息量很薄。正文没披露 /goal 的触发机制，是自动判断任务终点还是靠用户预设完成条件？也没提任务跑偏或陷入死循环时有没有熔断机制。另外，哪些 Claude Code 版本支持、是否涉及额外 API 调用费用，这些关键点一概没写。 我会先打个折：功能方向是对的，但实际体验取决于它怎么定义“完成”。如果只是简单循环重试而没有进度反馈或中断策略，那离真正的自主干活还有距离。等官方文档出来再看。