AX 严选 · 2026-07-15

xAI 这次开源的是 Grok Build 的全部源码，不只是某个组件。代码里能看到智能体怎么拼上下文、解析模型回复、调用工具，还有终端界面和技能、插件、MCP 服务器这套扩展系统。最实在的一点：你可以自己编译，指向本地推理服务，完全离线跑起来。 这对想搞清楚编程智能体内部机制的人来说是个直接参考，不用靠猜或看二手分析。但正文没提开源协议是什么，也没说后续维护节奏——是社区驱动还是 xAI 主导更新，这点会影响长期可用性。另外，代码质量、文档完整度、跟自家模型的绑定程度，都得实际拉下来跑才知道。如果是真的干净可复用，对做本地化开发工具的人挺省钱。

Anthropic 给 Claude Code 的 artifacts 界面组件加上了 MCP 连接器调用能力。简单说，以前你在 Claude Code 里生成的仪表盘或小应用只能展示静态内容，现在它们可以按每个查看者的需求，实时去外部系统抓数据或触发操作。这对做内部监控面板、数据查询工具的人来说是个实打实的效率提升，不用再手动刷新或导出数据。 功能只开放给 Pro、Max、Team 和 Enterprise 付费用户，公开分享的 artifacts 明确不支持，说明 Anthropic 在安全和成本上做了限制。但正文没披露具体支持哪些 MCP 连接器类型，也没提调用延迟大概多少、并发上限在哪。如果是接数据库或 API 网关，延迟和稳定性会直接影响体验，这点先别太激动。 还缺一个关键信息：单个 artifact 能同时挂几个连接器，以及调用失败时的降级策略是什么。这些决定了它到底能用在生产环境还是只适合原型演示。

Alex Turner 7月15号发的这篇长文，把他从谷歌DeepMind离职的原因讲得很直白：谷歌跟五角大楼签了一份AI合同，而且没加任何使用限制。他之前在内部推过一套“红线框架”，想给政府AI合同划出禁区，比如禁止用于自主武器或大规模监控。事情捅到了Jeff Dean和Demis Hassabis那里，他还试图在会议上拉Bengio、Russell这些AI圈大佬公开施压，但都没成。文章里点名了好几位保持沉默的AI领袖，语气挺失望。 这篇东西的价值不在技术分析，而是一份内部视角的记录。Turner把跟Jeff Dean的午餐对话、内部沟通的细节都写了出来，能看出一个研究员在巨头决策机器面前能推动的空间有多小。不过要留意，全文是他单方面叙述，谷歌和文中被点名的人都没回应，我们看不到另一边的说法。另外他没提下一步去哪，也没说这份合同具体涉及什么技术、金额多大——这些信息缺口让判断只能停在“他说的这部分事实”上。如果是真的，这份合同等于把谷歌2018年承诺的AI原则里关于武器的限制绕过去了。

Telegram 这次把无服务器跑到了自己地盘上：你的机器人代码直接在它的 V8 沙箱里执行，物理上紧挨着 Bot API 和内置的 SQLite 数据库。对开发者来说，最直接的好处是省掉一台 VPS 或云函数——以前为了响应一个 /start 还得维护一套常驻服务，现在一条 npx tgcloud push 就上线了。官方给的演示机器人（消息计数器）只有两个文件，schema.js 声明表结构，handlers/message.js 处理逻辑，确实轻量。 不过限制也很明确：目前只支持 JavaScript，正文没提 Python 或其他语言的时间表。数据库是 SQLite，没有外键支持，复杂查询和迁移策略得自己掂量。另外，代码跑在 Telegram 的封闭沙箱里，出站 HTTP 能用，但能做什么、有什么资源上限，文章没展开。这点先别太激动——适合轻量交互和原型，真要跑重业务逻辑，还得看后续的配额和计费细节。

OpenAI 这次把相当于最大规模后训练的算力全砸在安全上，训了个叫 GPT-Red 的自动化红队模型。它的工作方式就是自己跟自己玩攻防游戏，不断生成攻击 prompt 去试探目标模型，找到漏洞后把这些攻击样本收集起来，再拿去训练 GPT-5.6，让模型学会抵抗这些攻击。结果是在最难的直接 prompt 注入基准上，GPT-5.6 Sol 的失败次数比四个月前最好的生产模型少了 6 倍。文章给了几个案例，比如诱导模型泄露内部文件、转发 API 密钥、执行恶意构建脚本，看起来确实能抓到一些实际场景里的漏洞。 不过这篇公告的信息缺口也很明显。GPT-Red 到底多大、基于什么架构、训练配方是什么，正文一个字都没提。6 倍这个数字听起来漂亮，但基准测试本身有没有被针对性刷榜、测试集和训练数据有没有重叠，这些都没交代。另外，对抗训练通常会让模型在正常任务上掉点能力，文章只说“依然保持高能力”，没给具体数据对比。如果是真的，这确实是一条把安全投入和模型能力同步扩大的可行路径，但现阶段只能当方向性信号看。

WPS Comate 的思路不是做一个更聪明的聊天机器人，而是让 AI 直接接入公司的数据、系统和流程，按岗位去跑具体的业务任务。它包含六个模块：AI 岗位专家、技能生态、自动化任务、团队协作空间、Wiki 知识库和应用广场。个人用户现在就能下载体验，企业可以分阶段接入 WPS 365 和 Studio。数据安全方面，本地任务模式下文件留在本机，云端模式有企业授权和操作追溯。 不过，这篇发布稿没提最关键的两件事：价格和正式上线日期。六个模块听起来很全，但实际落地效果怎么样，正文也没给出任何案例或数据。如果是真的能打通企业内部的非结构化文档、结构化数据和 API 接口，对已有 WPS 生态的企业确实省事。但“企业大脑”那套联动 WPS AI Docs、AI Hub、Data Hub 和 API Hub 的描述，目前还停留在架构图阶段，能不能跑通复杂业务流，得看后续有没有真实客户站出来说话。

腾讯混元把 295B 参数的 Hy3 模型压成了 1-bit 和 4-bit 版本，通过 llama.cpp 加多 token 预测（MTP，一次预测多个词，推理更快）就能在单张 GPU 上跑。GGUF 格式文件已经挂在 HuggingFace 上，可以直接下载。 这件事值得关注的点是：295B 参数是个大家伙，通常需要多张高端显卡才能伺候，现在压到单卡能跑，部署门槛降了一大截。但正文没披露任何基准测试结果——精度掉了多少、推理速度多快、最低需要什么显卡，这些关键信息全是空白。没有这些数字，"单卡能跑"就是个模糊承诺，可能跑得动但慢到没法用，也可能精度掉得厉害。 我会先打个折：量化到 1-bit 通常精度损失不小，尤其在这种规模的模型上，得看他们用了什么量化方案、有没有针对性的训练补偿。建议等社区跑出实测数据再判断值不值得上生产。