AX 严选 · 2026-06-03

Anthropic 这篇博客把他们内部怎么用 Claude 搭自助数据分析系统讲得很细。核心就是让不懂技术的同事用自然语言问业务问题，系统自动查表、写 SQL、出结果。他们搭了三层：底层把分散的业务指标统一成模型能懂的语义层，中间专门处理模糊提问和过期数据，上层用技能模块让 Claude 按公司规范干活。 文章给了两个关键数字：覆盖了 95% 的分析查询，准确率也在 95% 左右。这个数字看着漂亮，但得注意两点。一是这是 Anthropic 自己用自己模型，数据基建、语义层定义、验证流程都是内部高度定制过的，外部团队直接搬这套架构不一定能到这个准确率。二是正文没披露那 5% 失败案例具体是什么类型，是复杂跨表查询还是业务定义本身就模糊的问题，这部分信息缺口挺关键。 另外，文章没提这套系统的延迟和成本。自然语言转 SQL 再跑查询，如果底层数据量大，响应时间可能不短。对于想照着做的团队，建议先拿自己最常用的 20 个业务问题做小范围验证，别一上来就追求 95% 的覆盖率。

Miso One 放出了一个 8B 参数的开源语音合成模型，核心卖点是给一小段音频就能模仿说话风格，推理延迟标称 110 毫秒，对实时对话场景勉强够用。模型权重直接挂在 GitHub 上，音频不用上传第三方，这对在意数据隐私的团队是个加分项。 不过正文只说了这些，没披露克隆质量的具体指标，比如相似度评分、在不同口音或噪音下的表现。也没提中文支持情况，如果主要面向英文场景，国内开发者得自己调。官方说 API 之后会出，但价格和上线时间都没给，想直接接服务的人还得等。 我会先打个折：开源自部署是好事，但 8B 参数跑在本地对硬件有要求，110ms 延迟是在什么设备上测的也没说。想用在实时对话里，最好自己拿目标场景压测一下。

Suno这轮D轮融了4亿美元，估值冲到54亿，数字确实大，但官方公告几乎没给任何能验证公司实际状况的信息。领投方、跟投方、资金具体用途全都没披露，只说“让更多人玩上音乐创作”。没有用户数、付费率、版权合作进展或营收数据，光靠融资额和估值很难判断公司到底跑到了什么阶段。对从业者来说，这条新闻的价值在于确认AI音乐赛道还能拿到大钱，但正文没给业务指标，暂时只能当资本市场对方向的投票，不能直接等同于产品验证。想判断Suno的真实水位，还得等后续披露具体投资人背景和资金投向，以及有没有第三方数据能交叉验证用户规模和商业转化。

这条新闻的核心是微软和 OpenAI 从合作走向直接竞争，Mustafa Suleyman 在 Build 大会上说微软必须独立证明自己。但整篇文章没有披露具体产品计划、时间表或技术指标，只提到微软会把 AI 智能体（让模型进业务流程干活的工具）作为重点方向。没有性能数据、没有客户案例，也没有对比基准，所以目前只能把这看作一次战略喊话。 值得留意的是，微软手里有企业客户和办公场景的入口，如果真能把智能体落地到 Teams、Office 这些产品里，分发优势不小。但文章没说明微软是自己训模型还是继续用别家的底模，也没提成本结构。这点先别太激动，等有实际产品出来再判断。

微软这次 Build 大会的发布很密集，但核心看点就三个：第一个自研推理模型、一种新的微调方法、一个常驻后台的 AI 助手。MAI-Thinking-1 是个万亿参数的大模型，每次推理激活 350 亿参数，上下文窗口 12.8 万 token。微软内部盲测说比 Anthropic 的 Sonnet 4.6 更受偏爱，但一看公开跑分，大概跟 DeepSeek V3.2 打个平手。这个差距说明内部评测和公开基准之间有不小的落差，先别太激动。 另一个值得关注的是“Frontier Tuning”，用强化学习让企业拿自己的业务流程数据去调模型。微软说调完的模型性能可以摸到 GPT-5.4，成本只要十分之一。如果是真的挺省钱，但正文没披露具体测试任务和对比条件，这个“十分之一”得打个折。 最后是 Scout，一个常驻后台的办公助手，能自动处理日程和会议准备。这算是把 agent 概念直接塞进办公套件里了。不过目前没有实际用户数据或延迟指标，稳定性还不好说。整体看，微软在图像生成上确实追上了，但推理模型还在追赶，而且这次发布缺了明确的开放时间和定价信息。

这条消息值得关注的点在于，Nous Research 不再只发模型权重，而是开始做端到端的桌面产品了。Hermes Desktop 是一个开源的原生应用，让 AI 直接在你的电脑上干活，而不是困在聊天框里。这比单纯发布一个模型更考验工程能力，也说明他们想把“让模型进业务流程干活”这件事直接交到用户手里。 目前 Product Hunt 页面信息比较简略，只有 190 个投票和 1 条评论，正文没披露它具体能操控哪些软件、任务成功率有多高、以及背后调用的是本地模型还是云端推理。这些直接决定了它到底是真能用的工具，还是一个技术演示。另外，开源协议和后续的模型更新节奏也没提。 我会先打个折：公测版通常意味着稳定性还在打磨，别指望它立刻替代你手头的自动化脚本。但方向是对的——开源模型配上桌面操作能力，如果跑得通，对不想把数据交给云端 agent 的用户会很有吸引力。接下来要看社区反馈和实际能跑通的用例有多少。

Qwen3.7 这次主打推理和智能体能力，官方说法是“重大突破”，但正文只给了定性描述，没放任何硬指标。模型参数量、基准测试成绩、API 定价、开源还是闭源，这些关键信息全都没披露。Steven Hoi 出来介绍，说明阿里云内部对这个版本定位不低，但光靠“全面升级”四个字没法判断实际提升有多大。 从描述看，升级集中在三个方向：推理、工具调用、长链条 agent 任务。这三点确实是现在模型落地最卡脖子的地方——推理不够稳，工具调用容易出错，长任务跑着跑着就偏了。如果 Qwen3.7 真在这几块有实质改进，对做 agent 应用的团队会是好消息。但没给数字，就只能先当宣传口径看。 建议等开源仓库更新或第三方评测出来再下结论。另外，多模态交互负责人来介绍，但正文没提多模态能力，不知道是没升级还是没展开说。这点也缺信息。

Sensor Tower 估算 ChatGPT 在 5 月全球月活跨过 10 亿，三年做到这个量级确实比 Google Maps、TikTok 都快。但正文没披露估算方法，第三方数据机构的模型推演，我会先打个折看。 更值得留意的是 Claude 的势头：2026 年 Q2 月活 5600 万，同比涨了约 640%，而 ChatGPT 同期增速只有 62%。基数差很大，但增速差十倍说明市场远没到一家通吃的阶段。另一个信号是，美国市场装了 Claude 的 ChatGPT 用户，一个月后花在 ChatGPT 上的时间比之前八个月均值少了 5%。这个数字不大，但方向值得关注——用户开始用脚投票了。 文章没提付费用户占比、企业客户留存率，也没说这 10 亿里多少是 API 调用算进去的。光看月活容易高估实际商业价值，后续得看两家 IPO 文件里才会有的真实收入数据。

这条分享的核心是把 AI 智能体的开发流程从“人写代码”扭成“人定方向、智能体执行”，工作台从 IDE 搬到了终端和一份 plan.md 计划文件。整体走 Research → Plan → Work 循环，用 plan.md 来约束智能体行为，相当于给 AI 画了个行动边界。帖子总结了 22 条实战技巧，覆盖规划、并行执行、输入方式、远程控制这些环节，对想把智能体塞进实际业务流程的工程师来说，实操参考价值不低。 但要注意，原文来自 RSS 摘要，正文没披露完整的工具栈列表。22 条技巧的具体内容也只给了方向性描述，没展开细节。这意味着你没法直接照着搭一套出来，还得自己去补工具选型和集成方案。另外，这套方法对团队工程习惯要求不低——如果团队原本就不习惯用终端和 markdown 文件做项目管理，迁移成本会比较高。 整体看，方向判断没问题，但落地细节还缺一大块。建议等完整工具栈和案例放出来再评估要不要跟。

xAI 这次放出的 grok-imagine-video-1.5-preview，核心能力是把一张静态图变成最高 720p 的动态短片。你可以用自然语言描述想要的镜头运动、节奏甚至音效，模型会尽量保留原图的光影和细节，让视频像是原图的延续，而不是重新画了一遍。它还支持把多段生成的视频串起来，拼成更长的场景。 不过，官方这篇公告信息量很薄。没提生成一段视频要多久、成本多少，也没给任何跟 Runway、Pika 或 Sora 等同类模型的对比数据。720p 的分辨率在当下不算高，实际画面稳定性、物理合理性这些关键体验，光靠两个演示视频没法判断。 如果是真的能忠实还原原图风格，对需要快速出分镜预览或短视频素材的人挺实用。但正文没披露模型的技术细节、训练数据来源和内容安全策略，这些缺口让“预览版”三个字显得更实在——先别急着把它当生产工具，等有人大规模实测再说。

微软给新模型 MAI-Code-1-Flash 的发布卡里加了个新指标：平均 token 用量。这个模型在 SWE-Bench Verified 上拿了 71.6 分，但消耗的 token 只有 Claude Haiku 4.5 的三分之一。这意味着衡量模型得同时看两个维度：活儿干得怎么样，以及干这活儿花了多少钱。靠烧 token 刷榜、靠补贴打价格战的路子走不通了。 文章举了几个例子说明大公司也扛不住成本：Uber 四个月就烧光了员工 AI 预算，被迫设了上限；Salesforce 花了 3 亿美元买 Anthropic 的 token，同时冻结了工程师招聘。Artificial Analysis 的数据更直观：GPT 5.5 和 Claude Opus 4.8 在智能指数上只差 1 分，但跑完测试的成本差了 40%。 文章判断，模型公司以后得在性能和成本两条线上竞争，而应用层会更进一步，按“每个结果花多少钱”来定价。正文没披露微软这个新模型的具体定价，也没说平均 token 用量是在什么任务条件下测的，这点先别太激动。

xAI 和 Vapi 合作，把 Grok 设成了 Vapi 平台 12 个核心语音的默认引擎，也就是把文字转语音、语音识别这些能力直接嵌进了 Vapi 的开发者工具里。Vapi 说他们做了一次独立盲测，Grok 拿了第一，但正文没披露跟哪些模型比、评分标准是什么，只有一个 X 上的投票说 4500 多人里一半分不清 Grok 克隆的声音和真人原声。这个投票样本不大，而且是在自家平台发的，参考价值要打个折。 对开发者来说，好处是现在在 Vapi 下拉菜单里就能直接用 Grok 的语音能力，不用额外接 API。但文章没提延迟、成本和多语言支持这些实际落地要看的指标。如果团队已经在 Vapi 上跑业务，可以拿自己的场景测一下，看自然度和情绪表达是不是真比之前用的引擎好。另外，自定义声音克隆这些高级功能要走 Grok 自己的 API，不在 Vapi 默认选项里，这点要注意。