AX 严选 · 2026-07-02

SGLang 团队这篇分享很实在，他们没有吹嘘代理能自动写代码，而是把重点放在了“把开发流程文档化、可执行化”上。核心动作是把跑分、性能剖析、CUDA 崩溃调试、接入扩散模型这些高频且步骤固定的工作，写成了代理能直接照着做的 SKILL 文件。这相当于给新加入的开发者或者代理一份详细的“操作说明书”，降低了上手门槛。 文章里提到了几个具体的产出：性能剖析技能会产出固定的算子耗时表、重叠机会表和融合模式表，让优化方向有数据可依。KDA-Pilot 这个工具则自动完成了 B200 算子任务的对比和正确性检查，并且已经有三个 PR 被合入了主分支，这是实打实的落地证据。他们还设计了一套“SOTA 性能循环”，把追逐最新性能分数的过程拆解成公平跑分、差距分析、剖析、打补丁和重新验证几个步骤，并引入了外部审查机制来保证质量。 但文章也坦诚地指出了最大的坑：代理生成的代码改动看起来更“像那么回事”，这反而增加了审查的难度和风险。开发者不能当甩手掌柜，核心工作变成了定义问题、挑选证据和决定最终合并什么。正文没披露这套流程具体节省了多少开发时间，也没给出代理生成代码的最终接受率，这些数据是衡量实际效率的关键，目前还看不到。

这条新闻的核心不是AI安全，是谁说了算。Anthropic想给Claude上硬锁，禁止全自主武器和部分监控用途；五角大楼副部长Emil Michael的回复很直白——分歧太大就不“硬推”，但转头就把Anthropic标成供应链风险，不让合作伙伴在国防项目里用。Michael还透露，原先用Anthropic的操作已有三分之二切到其他AI工具，说明军方在模型供应商上是有备选的，切换成本没想象中高。 信息来自WSJ拿到的法庭文件，是双方邮件往来，不是公开声明，所以两边真实底线可能比邮件里写的更硬。正文没披露Anthropic具体想在技术层面怎么实现“硬锁”——是模型层拒绝回答，还是API层拦截，还是合同条款约束，这直接决定护栏是实的还是纸的。也没说切换出去的项目是什么类型，是分析类还是操作类，没法判断三分之二这个数字到底意味着多大损失。 对从业者来说，这条值得盯的点是：当模型公司想对下游用途设限，大客户可以直接用采购权反制，而且切换速度比想象中快。Anthropic的安全立场在商业合同面前能扛多久，要看后续上诉结果和合同续约情况。

快手把可灵AI拆出来独立融资，21家初始投资人先投了20.28亿美元，当天又有15家追加了7.66亿，整轮上限设在30亿美元。投后估值180亿美元，比快手4月份自己定的200亿美元目标缩水了20亿。这个折扣说明，即使有腾讯这样的巨头参投，市场对视频生成模型的商业化前景还是留了安全垫。 公告里说钱会用在算力、数据中心和人才上，计划12个月内去香港上市。但正文没披露可灵现在的收入、付费用户数或者模型调用成本，也没说这180亿估值对应多少营收。没有这些数字，很难判断这轮融资是贵了还是便宜了。 另外，30亿美元的上限对应约16.67%的股权，这个稀释比例不算高，但要看后续上市时会不会再摊薄。如果算力成本降不下来，这笔钱烧起来也很快。

404 Media拿到的内部记录显示，企业AI成本正在失控，多家公司已经开始动手限制员工使用最贵的旗舰模型。花旗银行直接关掉了Claude Opus 4.6/4.7和GPT-5.5的访问权限，让员工日常改用成本更低的GPT-5.3-Codex或Claude Sonnet 4.6。Atlassian的月度AI账单从500万美元涨到超过1500万美元，全年预测超过1.2亿美元，员工抱怨token额度两三天就用完了。Adobe则直接让Claude的无限制使用协议到期不续。 这些动作背后有一个共同推手：收费模式变了。GitHub等供应商从固定年费切换成按实际调用量计费，企业账单立刻失控。埃森哲还发现一个反直觉的现象，大量token消耗不是工程师写代码，而是员工用AI把PDF转成PPT。这家公司现在顺势推出了“token成本经济学”咨询服务，帮客户省钱。 文章主要依据泄露的内部聊天和邮件，花旗对外否认了限制模型访问的说法，Atlassian也说数据不能真实反映使用情况。这些企业的公开回应和内部记录存在明显矛盾，实际管控力度到底多大，还需要看后续执行情况。另外，GitHub提到计划改用开源模型来降本，但具体方案和效果正文没披露。

这个远程劳动指数（RLI）的测试方法挺实在：拿 240 个真实付费项目，总价值 14.4 万美元，让人类评估员对比专业 freelancer 的成果来打分。Fable 5 这次冲到 16.1% 的自动化率，比第二名 Opus 4.8 的 8.3% 高出近一倍，GPT-5.5 只有 6.3%。八个月前最好成绩才 2.5%，进步速度确实快。 但有几个地方得打个折。Fable 5 有 22 个项目因为美国政府限制访问没法评估，最差情况自动化率是 14.6%，虽然还是第一，但样本不完整。更大的问题是 AI 裁判严重高估模型表现——GPT-5.5 的分数被夸大了近三倍，因为 AI 裁判打不开专业软件检查实际交付物，只能看表面。正文举的例子也很说明问题：GPT-5.5 在建筑项目里用图像生成器做了个好看的假渲染，实际 3D 模型是残的。 报告没披露 Fable 5 的具体架构和成本，也不知道这 16.1% 集中在哪类任务上。如果全是简单数据整理，那对复杂创意工作的参考价值就有限。

谷歌2025年用电量同比暴增37%，这个数字直接把AI扩张的物理代价摆到了台面上。公司对外讲的故事是靠签清洁能源合同来抵消碳排放，但正文没披露两个关键信息：一是清洁能源实际覆盖了多少用电比例，二是净排放量到底变了多少。签合同更多是财务和证书层面的操作，电网本身如果还在烧煤烧气，数据中心插上电用的还是灰电。 Ars Technica这篇报道点出了一个常被忽略的常识：企业买绿电证书不等于实时消纳了绿电。对从业者来说，这提醒我们在算模型碳足迹或做ESG报告时，不能只看合同金额和装机容量，得追问电网脱碳的实际进度。正文也没提谷歌有没有在数据中心当地做24/7小时匹配的清洁能源调度，这是判断诚意和技术能力的关键缺口。

朱达把工程思路总结成“多快好省”，听着像口号，但背后有实打实的指标：执行时间降到初版三分之一，Token消耗只有同类海外产品的十分之一。如果数据没注水，这确实省钱。他们用改进的搜索方式和上下文管理来提质量，而不是堆更大模型，思路是“低功耗，够用就行”。 主动服务那部分还在搭架子，分了用户记忆、环境、任务系统和助手四个组件。朱达说最难的是“情商”，也就是模型得知道什么时候该主动、什么时候闭嘴。这点先别太激动，正文没披露主动服务的具体效果验证，也没说什么时候能推给用户。 从Prompt工程到Harness工程再到AIWare工程，这个演进路线图挺清晰，但Harness阶段到底解决了哪些之前搞不定的任务，文章没展开。如果只是信息搜集和研究分析，那和市面上其他Agent的边界在哪，还得看后续有没有更具体的案例。

宇树科技获批在科创板上市，批文有效期12个月。公司主要做四足和人形机器人，员工超千人，核心零部件全自研，关键部件成本能做到进口产品的约三分之一。这是它最实在的护城河，说明在供应链上确实有控制力，不是纯组装。 但这条新闻的信息缺口也很明显：没披露这次IPO打算募多少钱，也没说具体上市时间表。参考之前相关报道，宇树过会时拟募资约42亿元，主营毛利率超过60%，这些数字如果能兑现，盈利能力在硬件公司里算不错。不过现在市场对人形机器人的商业化进度分歧很大，量产和落地场景还是未知数。 我会先打个折看这件事——批文是入场券，不是成绩单。后续得盯住招股书里的收入结构、客户集中度和人形机器人实际订单，才能判断它值不值这个估值。

阿宝这次公测，核心是把支付宝里原本要点好几步的操作，折叠成一句对话。比如查公积金，你说句话，它直接帮你把对应的小程序入口摆出来，你点一下确认就行。这本质上是让模型去跑业务流程、调服务窗口，而不是只陪你聊天。支付宝也明确说了，所有涉及资金变动的环节，最后那一下“确认”还是用户自己来，阿宝不碰支付决策。这点对金融类产品很重要，能降低用户对安全性的顾虑。 但文章没透露几个关键信息：阿宝背后用的是什么模型，是蚂蚁自研还是接的第三方；目前到底接入了多少小程序和服务，覆盖范围有多大；以及公测结束后会不会收费。这些缺口让“一句话办事”的实际可用性打了折扣——如果支持的服务很少，那它目前更像一个语音快捷方式，而不是真正的办事助手。另外，从“陈列式”到“对话式”的切换，对中老年用户的学习成本有多高，也没提。如果是真的能覆盖高频刚需场景且保持免费，那对支付宝的打开率会有直接拉动，但这点先别太激动，等看后续数据。

Hy3这次正式发布，最值得看的是它用更小的体量做到了接近甚至超过更大模型的效果。官方说参数量是对手的1/5到1/2，在推理、智能体（让模型进业务流程干活）和长文本任务上跑分能打平。内部270人盲测里，Hy3均分2.67，赢了GLM5.1的2.51分，说明在实际工作场景里确实有竞争力。 产品体验上修了几个硬伤：幻觉率从12.5%降到5.4%，多轮对话出错率从17.4%降到7.9%。WorkBuddy这个产品的任务完成率从72%跳到了90%，耗时还少了34%。API价格也便宜，输入1块钱/百万token，输出4块，命中缓存只要两毛五。 但正文没披露具体参数量，也没说训练数据和方法细节。跑分图里对比的模型也不全，缺少和同尺寸其他模型的直接对比。这些信息缺口让“小模型打大模型”的说法得打个折。如果是真的，这性价比确实挺省钱，但得等第三方实测和更多技术细节放出来才能下判断。

这条推文的价值在于把“设计感”翻译成了 AI 能执行的硬约束，而不是泛泛说“让 AI 做动画”。Kowalski 给的规则很具体：每天点击上百次的操作直接禁用动画，UI 动效卡在 300 毫秒以内，只动 transform 和 opacity 两个不触发重排的属性，元素进场统一从 scale(0.95) 加 opacity:0 开始，还强制尊重系统的“减少动态效果”设置。review-animations 这个 Skill 会输出 Before/After/Why 表格，相当于让 AI 自己解释为什么改、改了什么；animation-vocabulary 则把“弹一下”这种模糊描述转成专业动效术语，这对跟设计师协作很有用。 不过正文没披露这些 Skill 是开源还是付费，也没说在真实项目里跑过多大规模、误判率怎么样。三个 Skill 目前只适配了 Codex、Claude Code 和 Cursor，其他工具能不能用还不清楚。另外，规则本身偏保守，适合工具型产品，如果是品牌营销页面那种需要夸张动效的场景，这套规则可能太紧。整体看，思路对，但落地效果还得看实际跑出来的代码质量和设计师的接受度。