今天 AI 圈在拼落地，不是拼参数

Anthropic 把 Claude 塞进 Slack 当同事，内部 65% 的代码已经是它写的

这条我今天看了两遍。Anthropic 推出了 Claude Tag，不是新模型，是一个新用法：在 Slack 频道里 @Claude，它就像一个同事一样接活。

具体来说，Claude 会记住频道里的上下文，把任务拆成几步异步执行，还能主动提醒你哪些讨论没下文了。在 Anthropic 内部，产品团队 65% 的代码已经是内部版 Claude Tag 写的，这个用法还扩展到了查指标、处理工单和找 bug。今天起对 Enterprise 和 Team 客户开放 beta。

有意思的地方不在技术本身，在于这个产品形态。它不是给你一个聊天窗口让你跟 AI 对话，而是把 AI 塞进你已经在用的协作工具里。你不需要切换上下文，不需要专门去"用 AI"，它就在那儿，跟其他同事一样。

Anthropic 还配套发了一篇博客讲 agent identity 访问模型：Claude 在共享频道里以独立身份工作，不是模拟某个用户。管理员可以精细控制工具和渠道访问权限、设置 token 消耗限额，私有频道拥有独立身份，记忆和访问不跨频道流转。这个权限设计比"给 AI 开个账号"要细得多。

我会先打个折：65% 这个数字是 Anthropic 自己说的，外部团队能不能复现这个比例还不好说。但方向是对的——AI 进工作流，不是进聊天框。

豆包专业版能直接操控你的电脑，月费 68 元起

字节这步走得挺快。豆包今天推出了专业版，把能执行任务的 豆包 2.1 Pro 模型塞进了办公场景。它能直接操控你的本地电脑和浏览器，调用各种技能插件、设置定时任务，还内置了 Office 套件，甚至能生成带后端数据库的在线应用。

价格分三档：标准套餐每月 68 元（连续包月），加强套餐 200 元，高级套餐 500 元。免费用户只能用豆包 2.1 Turbo 版的办公模式，专业版才解锁 Pro 模型。

跟 Claude Tag 比，豆包走的是另一条路：不是嵌入已有工具，而是自己当操作系统。它能操控你的电脑，这个权限比在 Slack 里接活要大得多。但反过来，用户信任门槛也高得多——你愿意让一个 AI 直接操控你的电脑吗？

字节同时发了 Seed2.1 系列，面向真实生产力场景的智能体。Seed2.1 Pro 在 GDPval 基准获最高分，MobileWorld 手机 GUI 任务最高分，代码能力上开发者评测相比 Claude Opus 4.

6 获 59.1% 胜率。模型已在豆包、TRAE 上线，API 通过火山方舟提供。

上下文窗口和并发限制正文没提，性能先别急着下结论。但 68 元的定价，如果真能稳定操控电脑干活，对个人用户来说不算贵。

京东开源了一个会"边看边说"的模型，监控场景胜率 100%

京东放出了一个全栈开源的交互模型 JoyAI-VL-Interaction，能盯着视频流看，自己判断什么时候该开口说话。不像传统模型一问一答，它是边看边说，碰到复杂任务还能甩给后台 agent 处理。

在 58 个人的盲测里，对比豆包视频通话助手赢了 77.6%，对比 Gemini 赢了 87.9%，监控预警场景直接 100% 胜率。开源包里给了模型权重、交互数据集、训练方案和一套能直接部署的系统，支持摄像头、直播流等视频输入。

58 个人的样本确实太小，这个胜率不能直接当性能指标看。但"主动看视频流、自己决定什么时候说话"这个能力本身值得关注。传统模型是被动等指令，这个是主动感知环境变化。监控、老人看护、直播讲解这些场景，确实需要一个能自己判断"现在该说话了"的模型。

网易有道开源语音克隆：3 秒录音，14 种语言，不带口音

网易有道把语音克隆的门槛打下来了。Confucius4-TTS 模型，给它听 3 秒钟的录音，就能克隆你的音色，然后用你的声音流利地说出包括中、英、日、韩、法、德等在内的 14 种语言，而且没有那种一听就是老外在说话的奇怪口音。

官方给出的数据是克隆相似度超过 85%，任务准确度 97%。代码和模型全开源，Apache 协议，商用也不限制。底层采用 GPT 式语义大模型、SSL 预训练特征与 Flow Matching 框架。

这个数字得打个折看——测试集规模和具体评测条件正文没提。另外 54GB 的完整包对本地部署来说不算小，显存和硬盘需求也没说，想跑起来得自己试。但对做配音、数字人、短剧出海的人来说，这是个现成的工具。

Mistral OCR 4 加了定位和分类，但自称 SOTA 没放跑分

Mistral 今天发了 OCR 4，主要加了两样东西：bounding boxes（告诉你文字在页面哪个位置，不只是把字提出来）和 block classification（把段落、表格、图片分好类）。支持 170 种语言，定价每 1000 页 4 美元，Batch API 享 50% 折扣。

在 OlmOCRBench 上得分 85.20，独立标注者偏好率平均 72%。这个跑分是发稿后才补上的，之前官方只说自己是 SOTA 但没放数据。现在有了，但 72% 的偏好率不算碾压级。

对发票、合同、扫描件这类版面解析场景，bounding boxes 确实实用——定位后可以直接做布局还原。但价格和延迟跟竞品比怎么样，还得等第三方实测。

FastWan-QAD：单卡 5090 跑 5 秒视频只要 1.8 秒

Sky Computing Lab 放出了 FastWan-QAD，一个用"量化感知蒸馏"压缩过的视频生成模型。在单张 RTX 5090 上，端到端生成一段 5 秒 480P 视频只要 1.8 秒。模型权重、代码和博客都公开了。

这个速度确实快，比很多同类方案快一个数量级。但 480P 分辨率偏低，正文没提画质和动作连贯性，也没说量化后质量掉了多少。如果只是速度快但画面糊，实用性就打折扣了。

今日小信号

• Oracle 一年裁了 2.1 万人，省下的钱拿去还债和砸 AI 数据中心。信号很清楚：云基础设施比人贵，大厂没得选，只能砸钱抢算力。
• 五眼联盟发报告说 AI 让网络攻击门槛大降，几个月内普通用户也会遭殃。攻击者用 AI 批量生成逼真钓鱼邮件、伪造领导声音视频。但缺少具体攻击案例，更像预警信号。
• GitHub 联合开源联盟要求修改加州 AI 透明度法案 SB 942，现行草案要求开发者在下游用户未履行义务时撤销开源许可证，这与开源许可证永久不可撤销的性质冲突。联盟主张把义务放在部署模型的服务商身上。
• IBM 开源 CUGA 智能体框架，一个文件就能跑一个应用，附带二十多个现成例子。在 AppWorld 和 WebArena 两个基准上都拿了第一。
• Runway 一口气发了三个视频模型：Seedance 4K、Mini 和 Kling 3.0 Turbo。官方自称"全球最佳模型合集"，但缺少任何基准测试，新用户用优惠码 30RUNWAY 前三个月七折。