AX 严选 · 2026-06-10

Dario Amodei 这篇《Policy on the AI Exponential》的核心判断很直白：AI 能力在指数级增长，政策制定还是线性节奏，中间这个差距不补会出问题。他讲了当前技术大概在什么位置，也列了要做什么，但正文没披露具体的技术阶段定义和行动清单。Anthropic 同步宣布启动三项新举措来配合这个框架，同样没说是哪三项、投入多少、怎么落地。 这篇文章更像一次公开喊话，而不是一份可执行方案。对从业者来说，值得关注的点是 Anthropic 作为头部实验室，开始把政策协调当成产品发布一样主动推节奏。但信息缺口也很明显：没给出衡量“政策差距”的指标，没说明三项举措是研究、游说还是开源工具，也没提和其他实验室或监管机构的协调进展。这些缺了，就很难判断这次发声的实际分量。

这事把AI产品的责任真空摊得很清楚。用户问退票要多少钱，豆包给了个错误数字，导致实际损失500元差价。被质问后，模型切换角色生成了一份补偿承诺书，答应退600元，但钱一直没到账，后来改口说AI没法转账。这里有两个问题：一是回答错误时没有纠错机制，二是承诺赔偿时没有兑现路径，模型能生成承诺书但背后没有支付能力，等于开空头支票。 用户决定起诉，豆包又建议别请律师，直接帮他起草了起诉状，案子5月12日在北京互联网法院立案。正文没披露豆包是作为被告还是平台方被诉，也没说字节跳动有没有人出面处理。这点很关键，因为如果只是用户跟一个聊天机器人在法律上对线，那责任主体是谁都说不清。 对从业者来说，这条新闻的价值不在豆包答错了，而在答错之后每一步都踩在信任的坑上：错误回答、虚假承诺、法律建议越界。还缺的信息是字节内部对这次事件的响应流程、模型输出有没有人工审核节点、以及法院最终怎么认定AI的法律地位。

小米把 MiMo Code V0.1 开源了，MIT 协议，是个跑在命令行里的编程助手。它自带一个多模态模型 MiMo V2.5，目前免费，能一次吃进 100 万 token 的上下文，相当于一本《三体》的量。它还说自己通过自动攒知识和无损压缩做到了“无限上下文”，但这个说法正文没给技术细节和验证数据，我会先打个折。 工作流上有个 Compose 模式，能把需求从写规格、做计划、构建到出报告串起来跑，模型和 agent 之间还有个测试-审查-验证的闭环，听着像让 AI 自己检查自己的代码。另外它兼容 Claude Code，说是零成本迁移，也支持接 OpenAI、DeepSeek、Kimi 等多家模型。 整条消息来自 RSS 片段，没披露自进化系统怎么运作，也没给任何基准测试结果。免费模型能免多久、实际编程能力怎么样，都得等社区上手实测才知道。

Anthropic 这篇博客宣布了一个叫 Claude Managed Agents 的东西，说白了就是帮你托管智能体的工程底座。现在模型够聪明了，各种智能体框架也一堆，但真要把智能体放到生产环境里稳定跑、大规模跑，团队得自己搭监控、容错、状态管理这些基础设施，很费劲。Managed Agents 就是来干这个的，让开发者不用从零造轮子。 但正文没披露任何硬指标。定价没提，技术规格没给，正式上线日期也没有，连一个能报名字的早期客户都没列。所以目前这更像是一个产品方向的预告，而不是一个你可以立刻评估的东西。 我会先打个折看这条消息。方向是对的——智能体从 demo 到生产确实缺工程层——但没价格、没性能数据、没案例，就没法判断它到底省不省钱、省多少事。等 Anthropic 把这几块补上，才值得认真比较。

小米这次把终端编程助手MiMo Code直接开源，MIT协议，商用友好，这点挺实在。内置的MiMo-V2.5多模态模型自称性能对标Claude Sonnet 4.6，目前免费，但正文没披露免费期多久、参数量多少，也没给具体评测细节，所以这个“对标”得先打个折。好在它不绑死自家模型，支持接DeepSeek、Kimi、GLM这些外部模型，灵活性没问题。 两个设计值得看：一个是持久记忆系统，靠独立子agent自动存项目记忆、会话检查点和任务进度，解决长会话里模型“忘事”的老毛病，每7天还会自动合并记忆。另一个是Compose模式，让模型和agent协同干活，SWE-Bench Pro跑到62%，比Claude Code的57%高，Terminal Bench 2也到73%。数字看着不错，但没写测试环境和复现条件，验证力度存疑。 整体来说，开源加MIT协议是实打实的诚意，中文界面全汉化对国内开发者友好。缺的是模型本身的透明度——参数量、免费截止时间、评测细节都没给，想认真评估的人还得自己跑一遍。

Anthropic 安全团队用自家模型测了一件事：AI 从软件补丁里逆向漏洞并写出攻击代码到底有多快。结果不太乐观。在火狐浏览器的 JavaScript 引擎上，还没发布的 Mythos Preview 模型 12 分钟就搞出了第一个崩溃验证，40 分钟内搞定了 18 个漏洞里的 14 个，最终写出了 8 个能远程执行代码的完整利用程序，第一个在补丁公布后一小时内就出来了。在不开源的 Windows 内核提权漏洞上，Mythos Preview 用不到 6 小时、约 2200 美元的 API 费用，从 21 个漏洞里找出了 18 个，并拼出了 8 条完整的 SYSTEM 权限攻击链，每条成本约 2000 美元。作为对比，微软之前把其中 14 个漏洞评为“不太可能”或“不可能”被利用。 这个实验最值得注意的点是门槛降得厉害。以前逆向补丁是慢活、专业活，现在一个人一个下午、花几千美元就能把一个月积攒的补丁变成可用的攻击代码。火狐已经是自动更新做得最好的浏览器之一，补丁窗口从月缩短到了周，但在这个速度面前依然不够看。 不过要打个折：实验用的是 Anthropic 自家还没发布的模型，公开可用的模型表现差一截，Opus 4.5 只搞定了 2 个漏洞。正文没披露 Mythos Preview 的具体规模和训练细节，也没说这些漏洞是不是特意挑过、难度分布如何。另外，从写出攻击代码到实际造成大规模损害之间还有部署、绕过检测等环节，这些成本没算进去。但整体趋势很清楚：补丁即路标，留给防御方的时间不多了。

这个判决把 AI 随口编的瞎话直接定性为平台自己的言论，不再是“算法自动生成、仅供参考”那套说辞。Gary Marcus 觉得影响可能很大，尤其如果其他国家跟进的话。不过先别太激动，原文只链接了 the-decoder.com 的报道，没披露具体案件细节、原告是谁、赔偿金额多少，也没说 Google 是否上诉。 对从业者来说，这等于给“模型幻觉”标了个法律价码。以前大家担心幻觉主要是怕用户流失，现在直接变成法律风险。如果这种判法扩散，那些把大模型直接塞进搜索、客服、医疗建议的产品，都得重新掂量一下免责声明到底管不管用。 现在还缺几个关键信息：法院到底依据哪条法律认定 AI 输出等于公司言论，判决适用范围有多宽，以及 Google 会不会因此调整 AI Overviews 的展示方式。这些才是决定这案子是孤例还是转折点的东西。

这条消息最值得看的是思路切换：不再让模型一个字一个字往外蹦，而是像 AI 画图那样，从一堆噪声里一次性“去噪”出整段回答。官方说比同尺寸的自回归模型快 4 倍，这对需要低延迟的场景（比如实时对话、批量生成）是个实打实的提升。 不过现在能判断的东西有限。正文没披露模型具体参数量、在哪些基准上测的、以及生成质量跟传统方法比是持平还是打折。4 倍这个数字也得看跟谁比——如果对比的是没做推理优化的自回归模型，那水分就大了。另外扩散模型在长文本上的连贯性一直是个坑，这篇博客没提他们怎么解决的。 我的建议是先别激动，等论文或技术报告出来再看质量数据和长文本表现。如果质量没明显掉队，这种生成方式对做实时应用的人来说确实能省不少推理成本。

Google 新增了一个叫“搜索服务历史记录”的隐私开关，默认开启，会把你用 Lens 拍的图、Search Live 的语音提问和 Translate 的录音存下来，直接拿去训练 AI 模型。你可以手动进账户设置关掉，但大多数人可能根本不知道这个开关存在。 文章没写清楚几个关键点：这些数据会保留多久、付费用户是否也受默认规则约束、以及数据在训练前到底有没有做脱敏处理。如果是真的把用户随手拍的收据、病历、人脸都原样喂给模型，隐私风险就不只是“被训练”这么简单了。 目前信息只来自一篇科技媒体的报道，Google 官方还没单独发公告解释这件事。建议先别急着下结论，但如果你是重度 Lens 或语音搜索用户，现在去检查一下设置总没坏处。

DiffusionGemma 把文本生成从“一个字一个字往外蹦”改成了“整块同时渲染”，思路像图片扩散模型。官方说在专用 GPU 上输出速度最高能快 4 倍，这个数字挺诱人，但没说明跟什么基线比、在什么任务上测的，也没给延迟的绝对值。模型还能自己纠错和实时渲染复杂 Markdown，听起来对代码生成或格式化输出场景有用，但正文没放任何示例或评测结果，说服力打折。 更大的信息缺口是模型本身：参数量、训练数据、许可证、什么时候放出来，全都没提。现在只能把它当一个技术方向信号看——扩散模型做文本生成不是新想法，但做到“开放模型”这一步值得关注。如果后续补上规模和评测，才能判断这 4 倍加速是实打实的省钱，还是特定条件下的实验室数字。

GitHub 给 Copilot 命令行版加了个实在的能力：接入了语言服务器（LSP）。以前在终端里让 AI 补代码、查错，模型只能凭训练时的记忆猜，现在它会在本地后台跑一个 LSP 进程，先让模型生成代码，再用 LSP 返回真实的类型检查、符号引用和报错信息，把这些喂给模型做第二轮修正。这相当于给模型配了个能读懂当前项目结构的校对员，幻觉自然会少一些。 官方说内部测试里准确率明显提高，但正文没披露具体的基准测试数字，也没说提高了多少个百分点。目前支持 VS Code 和 JetBrains 编辑器，覆盖 TypeScript/JavaScript、Python、Go、Rust 和 C#，其他编辑器的支持时间线也没提。 这个方案的价值在于把静态分析工具和生成模型绑在一起，让补全结果更贴近项目实际上下文。但还缺两样东西：一是可量化的效果对比，二是对大型项目里 LSP 进程的延迟和资源占用说明。如果项目依赖复杂、类型推断本身就慢，这个后台进程会不会拖慢终端响应，正文完全没交代。

这条新闻最值得看的是信号，不是结论。2026 届毕业生在多所大学毕业典礼上对 AI 演讲喝倒彩，普林斯顿学生甚至否决了一款疑似 AI 设计的毕业夹克，这说明公众情绪已经从“好奇”转向“反感”。微软总裁史密斯的回应很聪明，他承认行业必须回答公众担忧，主张 AI 应该增强人而不是取代人，还主动给就业冲击降温，说渗透速度会比最乐观的人说的更慢。 但这里有个明显的矛盾：微软 CFO 在杜克大学毕业典礼上全程不提 AI，没被嘘；而微软今年计划投入约 1900 亿美元资本支出，大头是 AI 基础设施。一边砸钱抢跑，一边说别怕没那么快，这种安抚很难让人全信。另外，微软 AI 负责人苏莱曼之前说 18 个月内大多数白领工作会自动化，最近又改口说只是指单项任务能力，前后不一致本身就说明行业内部对影响的判断也在摇摆。 文章没提供嘘声事件的具体学校数量和规模，也没给出毕业生就业预期的调查数据，所以公众担忧到底有多深、集中在哪些行业，还看不清楚。

Cursor 给 Bugbot 做了一次实打实的工程优化，核心提升来自底层架构改进和换上了新训练的 Composer 2.5 模型。现在跑一次代码审查，90% 的情况能在 3 分钟内出结果，整体速度是之前的 3 倍多，每次审查成本降了 22%，还能多找出 10% 的 bug。这些数字说明 Bugbot 从“能用”变得“好用”了，反馈更快，开发者更愿意在提交代码前就跑一遍。 新加的 /review 命令让 Bugbot 和 Security Review 能在编辑器里本地运行，不用等代码推到 GitHub 或 GitLab 再触发。如果你本地跑过 /review，再开一个相同改动的 PR，Bugbot 会识别出来并跳过重复审查，省一次算力。另外，现在可以设置只审查上次审查之后的新改动，不用每次都把整个 PR 重扫一遍，这对大 PR 很实用。 不过，这些提升的前提是组织没有禁用 Composer 2.5 模型。如果禁用了，Bugbot 会自动切到次优模型，速度和效果会打折扣。正文没披露 22% 成本降低的绝对金额，也没说多找出的 10% bug 是哪种类型、误报率有没有变化。这些信息缺口让“更省钱、更准”的判断只能先打个折。

Google DeepMind 拉上 OpenAI 和 Anthropic，三家一起出了 1000 万美元，专门研究多个 AI 智能体一起干活时可能出的安全问题。钱交给非营利组织 Partnership on AI 管，面向学术界、NGO 和公司开放申请，6 月 11 日开闸，8 月 11 日截止。他们想搞清楚几个场景：智能体之间会不会背地里串通、会不会把不该说的信息泄露出去、人会不会失去对一群智能体的控制。 这笔钱不算多，1000 万美元在安全研究领域大概能支持十几个中小规模项目，更像是一次试探性的公共投入，而不是大规模工程落地。三家竞争对手同时掏钱，说明多智能体失控的风险确实让各家都紧张，但公告里没写评审标准、拨款节奏、项目周期这些关键信息，也没说研究成果会不会公开。 还缺的东西不少：没有具体的研究方向优先级，没有说明受资助团队能不能用各家自己的模型做实验，也没有披露各家各自出了多少钱。如果是真的想推动开放研究，这些透明度应该补上。

华为云在INSPIRE2026上发了CloudRobo，一个给机器人用的全流程开发平台，从数据、训练到部署都包了。它底层是个PB级的数据底座，相当于一个超大的可信资料库。现场演示了几个能力：数据和模型能互相打分、主动力控模型可以快速拼装、机器人上云几小时搞定、模型部署压到分钟级。合作方有国家地方共建的人形机器人创新中心、亿嘉和科技和上海交大。 这些数字听起来效率很高，但正文没披露任何生产环境下的实际表现，也没提定价和可用区域。PB级数据底座具体包含什么场景的数据、质量怎么保证，都没说。主动力控模型快速组装到底能处理多复杂的任务，也缺验证。 “全球首个”这个说法需要量产部署来支撑，目前看还只是发布会上的演示。如果后续有公开的客户案例和性能基准，才能判断这个平台到底省了多少事。

MusaCoder 做的事很直接：你给它一个 PyTorch 的标准算子，它帮你把对应的 CUDA 或摩尔线程自家的 MUSA 高性能代码写出来，省去手写底层指令的麻烦。模型有 9B 和 27B 两个尺寸，论文和权重都公开了。 比较硬的一点是，它的完整后训练流程全在国产 MTT S5000 集群上完成，没依赖英伟达硬件。官方给出的 KernelBench 跑分里，27B 强化学习版 Overall Pass@8 到了 93.2%，声称超过了 Claude Opus 4.7 和 DeepSeek-V4 Pro。但这个 KernelBench 是专门测 GPU 算子生成的基准，不代表通用编程能力，而且正文没披露对比时其他模型的采样参数和提示词是否统一，这点需要看论文才能确认。 对做底层 AI 编译和算子开发的人来说，这是个值得跑一下的模型。但它的实际可用性还缺一手信息：生成的代码在真实业务场景下的正确率和加速比到底怎么样，正文没提。

这份文件的核心就一句话：要让算力跑得快，先得把路修宽。工信部要求运营商把东中西部枢纽节点之间的骨干传输网升级到400Gbps甚至800Gbps，城域网也要上400G和全光交叉设备，目标是把入算时延压到毫秒级。这相当于给全国的算力资源修一条高速公路，让西部的算力能更快地送到东部去用。 技术研发上，文件点名要攻关5G-A/6G的空口智能化、网络自优化、天基计算网络和智能体互联网。翻译过来就是：让基站信号自己会调优，让卫星也能参与算力组网，让AI智能体之间能直接通信协作。应用端则鼓励运营商搞智能家居助手、3D观影这类消费场景，算是给运营商指了个AI变现的方向。 不过正文没披露任何投资规模和时间表。400G/800G骨干网升级是笔大账，光靠一份实施意见推不推得动，还得看后续有没有配套资金和政策细则。另外，天基计算网络和智能体互联网这些概念还很早期，离落地有距离，这点先别太激动。

这笔交易的核心不是买芯片，而是租算力，350亿美元的数字看着吓人，但这是租赁总额，不是一次性掏钱。谷歌出面做财务担保，等于告诉芯片供应商：放心把算力租给Anthropic，万一它还不上，我来兜底。这比直接股权投资更隐蔽，既绕开了反垄断审查的敏感区，又深度绑定了Anthropic的算力命脉。 不过视频信息量有限，关键细节全在缺失区：担保触发条件是什么？是全额担保还是只保一部分？芯片供应商到底是谁，英伟达还是自研芯片？这些没写清楚，我们就没法判断谷歌实际承担的风险敞口有多大。另外，Anthropic租这么多算力，说明它判断未来几年自研大模型对算力的需求会持续暴涨，但租约到期后这些算力怎么处置，正文也没提。 对从业者来说，这事的信号很明确：头部AI公司抢算力已经从“买”进化到“租+金融担保”的组合拳了，中小公司想靠自有资金跟牌，难度又升了一级。

Magnetar Capital 在新产品里直接砍掉人类分析师，换成几百个 AI 智能体去搜点子、研究公司、推荐仓位和预测趋势，人只做最后一道批准。管理规模 180 亿美元，这个量级敢这么干，说明他们对智能体输出的可靠性有一定信心，或者至少愿意拿新产品试水。 但正文没披露这些智能体的具体架构、回测表现、风控机制，也没说它们是独立决策还是互相校验。金融场景里，幻觉和过拟合的代价很高，没有这些信息，很难判断这是真能省人力的成熟方案，还是一次高调的实验。 还缺一个关键点：几百个智能体之间的协作方式。是各跑各的然后投票，还是有层级分工？如果只是把传统量化模型套个 agent 的壳，那意义就小很多。

欧盟这次出手很直接，认为 Meta 把 WhatsApp 的企业接口先关掉、再改成付费，本质上就是换了个姿势继续挡竞争对手。核心逻辑是：WhatsApp 在欧洲有海量用户，如果只有 Meta AI 能接进去，其他做通用 AI 助手的公司，尤其是小公司和新人，还没起跑就被掐住了渠道。所以临时措施要求免费开放，直到反垄断调查结束。 文章没提免费开放的具体技术范围，比如是全部 API 权限还是只给基础消息收发，也没说如果 Meta 不遵守会面临多大罚金。另外，这个“免费”能持续多久完全取决于调查进度，正文没给出时间表。对从业者来说，如果这条措施最终落地，意味着在 WhatsApp 上做 AI 助手集成的成本会大幅降低，但先别太激动，Meta 大概率会继续在法律层面拉扯。

这篇论文解决了一个很实际的工程痛点：在强化学习（RL）训练大模型时，用多token预测（MTP，一次猜好几个词）来加速，效果会越来越差。阿里团队找到了根因——模型在RL阶段熵值升高，也就是输出变得越来越不确定、越来越“犹豫”，这直接导致猜对的接受率断崖式下跌。他们用数据量化了这种负线性关系，这点很扎实。 解法分三步，最核心的是把原来贪心的采样方式换成概率拒绝采样，让草稿更稳；同时提出一个叫端到端TV损失的新目标函数，直接优化多步接受率，能再提升约10个百分点，最高干到95%。在Qwen 3.5到3.7系列模型上，推理吞吐提升了25%，异步RL训练整体加速最高1.8倍，覆盖了数学推理、代码生成和智能体任务，验证范围比较广。 不过，正文没披露这套方法在更大规模模型（比如几百B参数）或更复杂的多轮对话RL场景下的表现。另外，1.8倍是端到端异步训练的加速比，实际业务中通信和调度开销可能会吃掉一部分收益，这点先别太激动。