今天 AI 圈在拼算力合同，不是模型

Anthropic 半年签下四笔算力大单，xAI 把自家超算整租给了对手

这条我会先打个折——今天 AI 投资圈最大的数字是 400 亿美元，但更值得看的不是金额，是结构。

Anthropic 在六个月内接连锁定了 AWS Trainium、Google TPU、SpaceXAI Colossus 1 和 CoreWeave 的算力，覆盖了市面上三种主流芯片架构。同一时间，xAI 把拥有 22 万张 GPU 的 Colossus 1 数据中心全部租给了 Anthropic，而自家 GPU 利用率只有 11%。这两件事拼在一起，信号很明确：Anthropic 不是在囤货，是在主动把算力推成大宗商品——多供应商、多架构、不押单一来源。

这种"云厂商深度绑定大模型公司"的合同，之前已经出现过两次。Microsoft 和 OpenAI 的关系是最早的模板，Google 自己也在跟 Anthropic 谈一笔最高 400 亿美元的投资，其中 100 亿美元立即投入，剩下 300 亿取决于 Anthropic 是否达到特定营收目标。但 Anthropic 这次的做法更激进——不是等一家云厂商慢慢建，而是同时从四家拿货。

比较骚的是，xAI 这边建了超算中心，自家 Grok 用不上，反而整租给竞争对手。这暴露了一个尴尬：建得太快，需求跟不上。马斯克确认 xAI 解散，Grok 和 X 平台相关业务全部并入新实体 SpaceXAI，同时 Claude 用户直接受益——Claude Code 的 Pro、Max 等多档计划的五小时速率限制翻倍，高峰时段限流取消，Claude Opus 的 API 速率也大幅提升。

这一笔很贵，但很 Anthropic。

DeepSeek 估值从 200 亿跳到 450 亿，国家队首次进场

这条信息量很大，但先别太激动——450 亿美元这个数字目前还只是谈判桌上的。

FT 报道 DeepSeek 正在谈一轮新融资，估值接近 450 亿美元，腾讯是意向投资方之一。但更重要的信号来自另一条：国家队领投，国家大基金首次公开投资本土大模型公司。这不再是普通的 VC 轮，而是官方把 AI 大模型正式纳入"半导体国家战略"的关键信号。

估值在数周内从 200 亿美元跃升到 450 亿，创始人梁文锋也参与出资。但正文被付费墙挡住，没披露具体融资金额、条款和营收数据。关键要看这个估值跟模型实际收入能不能对上——缺少营收数据，这点先打个折。

同一时间，Reddit 网友扒了 922 条 agent 任务的实际调用记录，发现 DeepSeek v4 省钱的关键不在标价，在缓存命中率。两个模型每个任务都要吃掉大约 96 万 token，但 DeepSeek 单任务成本只要 0.01 美元，Opus 4.7 却要 **1.

52 美元**。差距不在输入输出的标价，而在缓存：DeepSeek 的缓存命中率远高于 Opus，重复调用时几乎不花钱。如果这个数据能复现，对跑大量 agent 任务的团队来说，省钱点很明确。

月之暗面又融 20 亿，估值冲到 200 亿

月之暗面（Moonshot AI）又拿钱了，这次大约融了 20 亿美元，估值直接拉到 200 亿美元。标题说美团是领投方，但缺少具体投资人名单、各自投了多少、出让了多少股份，也没说钱打算怎么花。

不过有个数据值得看：公司年度经常性收入在短期内从 1 亿美元快速增长到超 2 亿美元，付费订阅和 API 使用量均在加速。2025 年前六个月融资总额超 39 亿美元，估值较去年 11 月增长约 4 倍，成为中国累计融资额最高的 AI 初创公司。

这个估值信号很直接——市场对中国 AI 创业公司的胃口还很大。但信息缺口也不小：美团具体投了多少、钱怎么花、营收能不能撑起 200 亿估值，这些都还没说。先别急着下结论。

Claude 现在能自己翻聊天记录总结规则了，Harvey 实测任务完成率涨了约 6 倍

这条有点意思。Anthropic 给 Claude 的托管智能体加了三个新能力：Dreaming（做梦）、Outcomes（结果校验） 和多智能体协作。

其中"做梦"是指让 Claude 在后台读取最多 100 段历史会话，自己总结规则来改进表现。一次演示里它把 530 万 token 的对话提炼成了 98 条规则。法律 AI 公司 Harvey 实测后，任务完成率比之前涨了约 6 倍。

但这里有个信息缺口：缺少具体基线和测试集。"暴涨 6 倍"听起来很猛，但不知道是从什么基线涨上来的、测的是什么任务、有没有对照组。这点先别太激动。不过方向是对的——让模型从自己的历史交互中学习，而不是每次都从零开始，这比单纯堆参数更实用。

编程助手开始往"长链路、少盯屏"方向走

今天有几条都指向同一个趋势：编程助手从"人在旁边盯着"变成"扔给它自己跑"。

Amp 推出了新的命令行工具 Neo，核心变化是支持远程控制本地线程、自动压缩上下文（不用再手动清理对话历史），并开放了 Plugin API 来扩展工具和交互方式。安全策略做了个大反转：默认允许所有操作，把安全把关交给插件系统。官方说 CPU 和内存占用也降了不少，但缺少具体版本号、价格和实测性能数据——这点先别太激动。

Flue 是一个新的 TypeScript 框架，号称能帮你搭出类似 Claude Code 那种能自己跑流程的智能体。安装方式很特别：直接 fetch 一个 start.md 文件就能开始，挺有 Geek 范儿。但缺少许可证、版本号、维护者是谁，也没有任何跑分或对比数据，想用在生产环境还得再观望。

TACO 是一套不用额外训练的命令行输出压缩方法，让模型在执行任务时自己发现哪些终端回显是废话、哪些必须保留。它在 TerminalBench 1.0 和 2.0 上同时提升了任务成功率和 token 利用率，并发现 TerminalBench 2.

0 的原始提示里有 24.6% 到 44.1% 的低价值冗余。核心机制是"任务内进化规则 + 全局规则池"，让 agent 自己学会扔掉没用的上下文。

这三条放在一起看，方向很明确：编程助手不再只是"陪聊"，而是往长链路、少盯屏、自己管理上下文的方向走。但 Amp 和 Flue 都缺关键信息，TACO 是学术论文，离生产还有距离。

几个新基准：模型在系统工程和安全上还差得远

今天出了两个值得看的新基准，结果都不太好看。

SWE-Bench 作者 出了新基准 ProgramBench，让模型从零复刻完整软件项目，只给可执行文件和说明文档，不给源码和测试。评测不看单函数写得对不对，而是用模糊测试跑行为一致性，看整个系统能不能用。结果 Claude Opus 4.7、**GPT-5.

4**、Gemini 3.1 Pro 全部零完成率，一个都没跑通。这说明现在的模型离独立做系统工程还差得远，之前靠刷单函数题拿高分那套在这不管用。

EnterpriseRAG-Bench 放出了一个 50 万文档的语料库，专门用来测 RAG 在公司内部数据上的表现。它模拟了 Redwood Inference 的 9 种数据源，并围绕 10 种检索失败模式设计了 500 个问题。基线测试显示，BM25 在整体上优于向量检索，而基于 agent/bash 的检索方式虽然完整度最高，但成本和延迟也明显更高。这个基准对做企业级 RAG 的团队挺实用——不是刷榜，是模拟真实场景里的失败模式。

今日小信号

• OpenAI 和 Anthropic 分别成立企业 AI 服务合资公司：Anthropic 跟黑石等几家华尔街机构搞了个合资公司，总共融了 15 亿美元，每家出 3 亿。做法是先派小团队去客户那搞清楚 Claude 能在哪发挥最大作用，然后工程师再上手定制系统。OpenAI 那边动作更大，成立了一家叫 The Deployment Company 的子公司，估值 100 亿融了 40 亿。这不再是卖 API，而是派工程师进客户公司定制系统。模型公司开始亲自下场做企业服务了。

• Apple 因延迟推出 AI Siri 功能达成 2.5 亿美元和解：苹果同意支付 2.5 亿美元，和解一场关于 Siri 人工智能功能宣传的集体诉讼。诉讼指控苹果在 iPhone 16 发布前过度承诺了 Siri 的 AI 能力，但实际功能迟迟没上线。这笔钱怎么分、涉及多少用户，报道里都没提。

• Mira Murati 作证称 Sam Altman 就 AI 模型安全流程误导她：前 CTO 在 Musk 诉 Altman 案中宣誓作证，说 Altman 曾就一个新模型的安全流程对她撒谎。Altman 声称法务部门已批准跳过部署安全委员会的审查，但 Murati 发现事实并非如此。报道没透露具体是哪个模型。这件事的核心争议点在于 OpenAI 内部的安全治理到底有没有人真正在把关。

• Anthropic 在 Qwen 上试了新训练法，把模型乱说话比例从六成压到个位数：在预训练和对齐微调之间加一个叫 MSM 的训练阶段，在 Qwen2.5-32B 和 Qwen3-32B 上测试，模型乱说话的比例分别从 68% 和 54% 降到了 5% 和 7%。但正文被验证页挡了，细节看不到。

• 单张 RTX 5090 跑通 Qwen 3.6 27B 200k 上下文：一位 Reddit 用户在单张 32GB 显存的 RTX 5090 上，用 vLLM 跑通了 Qwen3.6 27B 的 NVFP4 量化版，10 次 200k 上下文跑分平均生成速度 73.6 tok/s，首 token 延迟 1.2 秒。但这是个人晒图，没第三方复现，先当参考。