🤖 AINews

本周AI新闻聚焦产品开发生态转型：从单纯追求模型质量，转向模型+harness+工作流+UI+记忆+经济性的综合竞争。OpenAI Codex和Claude推出新功能如Appshots、auto mode和Sonnet 4.6。DeepSeek-V4-Pro大幅降价75%，性价比超越Gemini 3.1 Pro、GPT-5.5和Claude Opus 4.7。中国前沿模型持续追赶，竞争格局日益激烈。

RAEv2以表征优先的tokenization实现超过10倍收敛加速，显著提升文本生成质量。NVIDIA Gated DeltaNet-2以通道门控创新线性注意力，在13亿参数规模下超越KDA和Mamba-3。研究表明子词tokenization的收益有限，数据筛选在约1e30 FLOPs规模时可能无需过滤。OpenAI借助AI辅助证明Erdős数学问题引发学界讨论。

OpenAI用通用推理模型证明了长期悬而未决的Erdős单位距离问题，获数学家Timothy Gowers等验证，标志着AI形式科学的重大突破。Cohere同期发布Command A+（Apache 2.0许可），采用218B MoE/25B活跃参数架构，支持48语言，可在2×H100上运行，智能水平接近Claude 4.5 Haiku。

Google I/O发布三大更新：Gemini 3.5 Flash专注快速Agent和编码任务、Gemini Omni支持多模态生成与编辑、以及扩展的Antigravity 2.0 Agent Stack。Google月处理Token突破3.2万亿，同比增长7倍，月活用户超9亿覆盖230+国家。Gemini 3.5 Flash拥有100万上下文窗口和6.5万最大输出Token，领先Gemini 3.1 Pro高达12倍。

Agent基础设施快速发展：LangSmith Engine提供CI/CD循环支持，SmithDB实现低延迟可观测性。Cognition的Devin Auto-Triage以记忆和子Agent结构实现持久自动化bug分流。Anthropic改进Claude Code大代码库处理能力，OpenAI增强Codex远程执行和插件功能。社区强调验证、分解和反馈循环比提示词技巧更关键。Cursor Composer 2.5获高度评价。

Cerebras成功IPO，标志着其反向硬件策略获得市场认可。CFO Bob Komin强调公司可服务万亿参数模型，包括OpenAI 5.4和5.5内部模型，有力反驳了Cerebras仅支持小模型的说法。投资者Ishan N. Taneja称赞其坚持与执行力，芯片被称为"banger"。IPO验证了Cerebras在推理基础设施的长期战略。

OpenAI将Codex深度集成至ChatGPT移动应用，实现远程任务管理，并推出远程SSH、hooks和程序化令牌用于企业自动化。IDE生态向"Agent优先"用户体验转型：GitHub Copilot App预览和VS Code多Agent工作流窗口即将推出。开源Agent如Nous/Hermes集成Codex运行时，Kimi发布支持多编码Agent的web bridge扩展。LangChain发布SmithDB和LangSmith Engine。

Cline、LangChain、Notion、Cursor推进Agent基础设施：Cline SDK、LangSmith Engine、SmithDB可观测性提升12-15倍、Notion External Agents API集成第三方Agent。Agent UX趋势强调长时运行状态、流式和编排。Nous Research的Token Superposition Training实现预训练2-3倍加速。NVIDIA Star Elastic以360倍低于预训练成本进行后训练模型压缩。

研究级推理基准快速发展：64位数学家贡献439道新数学题，Medmarks v1.0医疗基准扩展至30个测试61个模型。Google DeepMind AI数学助手在FrontierMath Tier 4达48%。GPT-5.5 high/xhigh在程序合成任务超越Opus 4.7 xhigh。训练优化：SOAP/Muon风格更新减少训练步数，Lean4超优化器在A100实现1.8倍加速。

Thinking Machines预览全双工多模态交互模型，支持实时并发听、说、看、思、搜、反，标志着超越轮流对话的范式转变。OpenAI宣布成立部署公司，150名工程师加40亿美元初始投资，帮助企业部署前沿模型。同时OpenAI推出Daybreak安全计划，整合GPT-5.5和Codex用于网络防御，与Anthropic的保守网络安全策略形成对比。

OpenAI快速扩张GPT-5.5家族：gpt-image-2、GPT-5.5 Pro、GPT-5.5 Cyber均获好评。Codex演变为长时运行Agent运行时，新/goal机制在ARC-AGI-3游戏测试达61%成功率。开源领域：Zyphra发布AMD硬件训练的74B MoE开源模型ZAYA1-74B-Preview。推理基础设施竞争加剧，vLLM更新支持DeepSeek V4并增强量化。

OpenAI发布GPT-Realtime-2，配备GPT-5级推理能力的语音模型，支持工具调用、打断处理和128K上下文，在Big Bench Audio和对话动态基准获最高分。同时推出Chrome插件控制浏览器和多任务，以及GPT-5.5 Cyber安全版。Anthropic发布自然语言自动编码器解读模型激活，宣布成立Anthropic Institute推进AI安全研究。

Anthropic宣布与SpaceX新算力合作，大幅提升Claude产品容量。Claude Code的5小时速率限制对Pro/Max/Team/Enterprise用户翻5倍，移除峰时限制削减，大幅提升Opus模型API限制。通过SpaceXAI获得Colossus I访问权，Claude推理预计将快速爬升至Colossus。社区讨论计算瓶颈和用户对限制变更的反应。

OpenAI推出GPT-5.5 Instant作为ChatGPT和API新默认模型，提升事实性、智能、图像理解和个性化能力，支持记忆保存和Gmail集成。同时分享重建的WebRTC栈更新，目标是降低语音对话延迟。开发者工具扩展：TypeScript Agents SDK、沙盒Agent和开源harness发布。社区强调Agent表现取决于模型×harness×记忆/上下文策略的协同。

AI Twitter回顾聚焦竞争重心转移：从以模型为中心转向上下文管道和Agent编排。gpt-5.2-codex和gpt-5.3-codex通过提示和中间件调优显著提升基准。开源harness生态快速演进，多Agent协调和模型无关编排创新涌现。开发者工作流适应编码Agent，挑战在于Agent工作流的高Token成本定价模式。

xAI发布Grok 4.3，Intelligence Index得分53，超越Grok 4.20达4点，在GDPval-AA和τ²-Bench Telecom显著提升，但准确性权衡引发可靠性担忧。DeepSeek V4 Pro成为领先开源编码/Agent模型，100万上下文窗口，智能与Codex和Claude Code相当。开源模型如Kimi K2.6、MiMo V2.5 Pro和DeepSeek V4 Pro持续缩小与封闭模型差距。

OpenAI GPT-5.5在长时网络任务达71.4%通过率，匹配或超越Claude Mythos Preview，且在超过1亿Token推理中持续改进。Codex更新从编码工具扩展至通用工作面，速度提升42%。GPT-5.5 Pro在CritPt获小幅SOTA提升，成本和Token消耗较GPT-5.4 Pro降低约60%。开源领域Qwen3.6 27B在150B以下参数称冠，Intelligence Index得分46。

OpenAI将Codex从编码工具扩展为通用工作面，提供持久上下文、工具、集成和团队推广。商务/企业客户6月底前免费使用Codex独立席位。通过WebSocket模式在Responses API上实现Agent工作流最高40%加速。VS Code增强语义索引和跨仓库搜索。Cursor发布Cursor SDK支持程序化Agent基础设施。Harness工程研究将Terminal-Bench 2从69.7%提升至77.0%。

vLLM v0.20.0引入TurboQuant 2位KV缓存，内存效率提升4倍，延迟改善2.1%。支持多硬件平台：DeepSeek V4 MegaMoE on Blackwell、Jetson Thor、ROCm、Intel XPU。DeepSeek V4 Pro on B300硬件最高比H200快8倍。开源生态快速采用：Poolside Laguna XS.2（33B总/3B活跃MoE，单GPU可运行）和NVIDIA Nemotron 3 Nano Omni（30B多模态MoE，256K上下文）。

OpenAI放宽Azure独家协议，允许通过Google TPU、AWS Trainium和Bedrock分发，承诺至2032年。GPT-5.5基准改善但不全面，在编码、文档、数学和视觉任务排名各异。GitHub Copilot从订阅转向用量计费，6月1日生效。OpenAI开源Symphony编排层。小米发布MiMo-V2.5系列，100万token上下文。Kimi K2.6领跑OpenRouter排行榜。

DeepSeek-V4技术发布：1.6T参数MoE，490亿活跃参数，100万token上下文，采用混合注意力和压缩KV方案大幅降低内存。开源权重推理模型排名第2，次于Kimi K2.6，但幻觉率较高。NVIDIA Blackwell Ultra提供150+ TPS/用户，支持FP4和FP8量化单节点部署。OpenAI同步推出GPT-5.5和GPT-5.5 Pro API，100万上下文窗口，立即集成至GitHub Copilot和Cursor。

OpenAI推出GPT-5.5作为新旗舰模型，立即在ChatGPT和Codex上线，但API因增强安全要求延迟。模型改善Token效率，支持更长工具密集型多步执行。定价为GPT-5.4两倍：GPT-5.5为5/30美元每百万Token，Pro版为30/180美元。发布包括Codex重大升级：浏览器控制、文档处理和全系统听写。早期反应混合但总体积极，编码和长时任务改善。

阿里巴巴发布Qwen3.6-27B（Apache 2.0），思考/非思考双模式，在SWE-bench和Terminal-Bench超越更大的Qwen3.5-397B-A17B，支持原生视觉语言推理。OpenAI开源隐私过滤器1.5B PII检测模型。小米发布MiMo-V2.5-Pro，100万token上下文。Google Cloud Next发布第8代TPU（TPU 8t训练/TPU 8i推理），集群规模扩展至百万TPU，并推出Gemini企业Agent平台。

OpenAI发布GPT-Image-2，改善文本渲染、布局保真度、编辑、多语言支持和"思考"能力。支持生成幻灯片、信息图表、图表、UI模型和二维码，集成Figma、Canva、Adobe Firefly和Hermes Agent。基准显示GPT-Image-2领先图像生成任务+242 Elo。Hugging Face发布ml-intern开源Agent自动化后训练研究循环。Hermes演变为更丰富的本地/开源Agent平台。

Moonshot发布Kimi K2.6：1T参数MoE，320亿活跃参数，384专家，MLA注意力，256K上下文，原生多模态，INT4量化。支持vLLM、OpenRouter、Cloudflare Workers AI等多平台同日集成。基准顶尖：HLE w/ tools 54.0、SWE-Bench Pro 58.6、Math Vision 93.2。支持4000+工具调用、12+小时连续运行、300并行子Agent。开源Agent生态超10万GitHub stars。

Anthropic推出Claude Design，由Claude Opus 4.7驱动的原型设计工具，定位与Figma等竞争。基准显示Opus 4.7在编码和文本任务领先，效率和自适应推理改善。早期用户反馈部分回归和稳定性问题。OpenAI Codex更新引入先进计算机使用功能，实现桌面应用和企业软件的高速Agent控制，被视为迈向实际AGI Agent的进展。

Anthropic发布Claude Opus 4.7：最强Opus模型，编码和Agent性能显著提升，新tokenizer和改进的长上下文处理，新增xhigh推理层。基准大幅提升：SWE-bench Pro 64.3%、SWE-bench Verified 87.6%、TerminalBench 69.4%，Vals Index和GDPval-AA顶尖。新tokenizer，图像输入分辨率提升至3.75MP。迅速在Cursor、VS Code、Replit Agent、Perplexity采用。

Harness工程正在成为AI Agent开发的关键学科，强调文件系统、记忆、重试等组件超越单纯模型。OpenAI Codex将Agentic编码工作流扩展至代码库理解和Bug分流。工具趋势向多Agent编排、可观测性和远程控制收敛。GitHub Copilot、Cursor和LangChain推进这些能力。Hermes Agent v0.9.0引入本地Web仪表板和安全增强，社区 traction超越OpenClaw。开源Agent生态与日俱增。

Harness工程成为AI Agent开发关键学科，强调文件系统、记忆和重试组件超越模型本身。OpenAI Codex扩展Agentic编码工作流至代码库理解和Bug分流。工具趋势收敛于多Agent编排、可观测性和远程控制，GitHub Copilot、Cursor和LangChain推进这些能力。开源如Open Agents和DeepAgent提供模块化堆栈和运行时。

GLM-5.1在Code Arena升至第3，超越Gemini 3.1和GPT-5.4，追平Claude Sonnet 4.6。Z.ai保持第1开源模型。advisor pattern（廉价执行器+昂贵顾问）获关注，提升Haiku+Opus和Sonnet+Opus组合效率。Qwen Code v0.14.x引入编排功能：远程控制通道、计划任务、子Agent模型选择。模型路由因顶级模型特化成为产品级问题。