真正在做 AI 的人今天說了什麼。一頁讀完，約 7 分鐘。
open weights 已經不再是一個需要爭論的話題。Google 的加入,為過去一個月的公開實驗畫上了句號,也讓美國 AI 圈達成了一個四周前幾乎沒人認同的共識。另一條主線是「工廠」:Rauch 和 Nan Yu 都認為,你真正要造的是那套維護你產品的 agent 系統;而 Anthropic 這邊既釋出了 Claude Code 一個月降智的覆盤,也公開了把 agent 的大腦和雙手解耦的架構設計。
Anthropic 覆盤:Claude Code 一個月的降智,源於三個互不相關的變更
三個彼此無關的變更疊加在一起,看上去就像模型整體變笨了。3 月 4 日,Claude Code 預設的 reasoning effort 悄悄從 high 降到了 medium,現在 Opus 4.7 已經調回 xhigh;3 月 26 日的一次快取最佳化,本意是隻清理一次舊的 thinking 內容,結果每一輪對話都清一遍,這既解釋了「記性變差」,也解釋了用量額度消耗得更快;4 月 16 日又在 system prompt 里加了一句,把回覆限制在 100 詞以內,evals 成績因此掉了 3%。三個問題都已在 v2.1.116 修復,所有訂閱使用者的用量額度也已重置。
不到一個月,美國 AI 圈就在 open weights 上達成了共識
一個月前,支援 open weights 還很有爭議,現在看起來卻理所當然。Madhu Guru 把這歸功於一連串公開發生的實驗,每一個都從不同側面暴露了激勵機制、創新和地緣政治的問題:DeepSeek、Microsoft 與 OpenAI 的分手、GLM、Kimi、Fable,以及 OpenAI 和 Hugging Face 那場風波。他更想說的其實是方法論:在沒有地圖的領域裡,難題的答案只能從與現實的反覆碰撞中得來,而未來十年,AI 那些重大的社會性議題也會以同樣的方式塵埃落定。
Benedict Evans:模型都長得差不多,價值於是往上層轉移
現在有三到六家公司在做前沿模型,而它們的水平大體相當。Evans 認為這恰恰說明真正的進入門檻還不存在:一家實驗室可以徹底掉隊,然後又回到排行榜前列,這對實驗室來說是壞訊號,不是好訊號。他拿行動網路作類比:流量漲了一千多倍,每年資本開支兩千億美元,而所有價值都往上層跑到了 Uber 和 YouTube 手裡。談到失業問題,他對那些聲稱模型能完成律所一年級律師 93% 工作量的圖表毫不客氣:你既沒法衡量這位律師究竟在做什麼,也沒法衡量模型能不能做到,所以「這就是胡說八道」。真正的瓶頸不是能力,而是大多數人本來就不是做工具的人,看不到工具能解決什麼問題,也沒有條件去把它做出來。
Rauch:產品是那座軟體工廠,不是工廠造出來的 app
Rauch 的說法是,你的產品好不好,取決於你為它配置的那些能自主維護它的 agent,這和他所說的 Tesla 在製造環節學到的道理一樣。有新想法出現時,該做的不是臨時給 agent 寫幾句 prompt,而是把那座能啟動它、維護它、讓它成長的工廠搭起來。他自己的研究工作已經這麼跑了:一個普通的 research/ 資料夾,一份 AGENTS.md 寫清他喜歡的格式和最佳實踐,再加一個能把過往 session 裡的知識串起來的 agent CLI。沒有知識圖譜,沒有 app,靠 iCloud 或 git 同步;想分享某個結論時,agent 可以直接生成並部署一份 HTML 報告。
Claude Managed Agents 現在可以在你自己的邊界內執行工具
Managed Agents 現在可以在你掌控的 sandbox 裡執行工具,既可以是你自己的基礎設施,也可以是 Cloudflare、Daytona、Modal、Vercel 這類託管服務商。agent loop 仍然跑在 Anthropic 一側,而程式碼執行、檔案和各類服務都留在你的網路策略和審計日誌之後。目前處於 research preview 的 MCP tunnel 讓 agent 能訪問內部資料庫、私有 API 和工單系統,方式是透過一個輕量閘道器建立一條向外的連線,不需要入站防火牆規則,也不需要公網端點。自託管 sandbox 已進入 public beta,Amplitude、Clay 和 Rogo 已經在這套組合上做東西了。
為了不再丟 session,Anthropic 把 agent 的大腦和雙手拆開了
把 session、harness 和 sandbox 塞進同一個容器,會讓這個容器變成一隻「寵物」:容器一掛,session 也跟著沒了,而排查問題意味著要登進一臺同時存著使用者資料的機器。現在 Managed Agents 把三者當作彼此獨立的介面:harness 崩了可以用 wake(sessionId) 重啟,重放持久化的事件日誌;sandbox 掛了則表現為一次 tool call 報錯,Claude 可以重試。容器只在某次 tool call 真的需要時才建立,這讓 p50 的首 token 時間下降了約 60%,p95 下降超過 90%。安全上的收益同樣實在:憑證不會放在跑 Claude 生成程式碼的那個 sandbox 裡,git token 在初始化時就寫進本地 remote,MCP 的 OAuth token 則由代理後面的 vault 保管。
ChatGPT Work 的活躍使用者數已經超過 Codex
Sottiaux 說 ChatGPT Work 現在的活躍使用者已經比 Codex 多了。他還在力推一項已經在 ChatGPT app 裡上線的語音能力,按他的說法,這終於讓「對著電腦說話」變得有意義:「你一直都可以跟你的電腦說話,只是它不會給你什麼回應。這個 bug 我們修好了。」他覺得這在手機上是個改變遊戲規則的東西。
讓 Codex 整天跑著,12 個 subagent 去抓 200 個 bug
Steinberger 在 OpenClaw 發版前做了一輪大規模並行 QA,並把他用的 prompt 原文貼了出來:用真實 API key 跑完整的端到端測試,12 個 subagent 分工覆蓋不同功能,在不同埠上開 dev gateway 做壓力測試,用 worktree,自動提 PR,目標是找出 200 個 bug,每次都修根因、不許打補丁,同時持續維護一份 markdown 測試報告。變化在於穩定性:這套流程以前會在 compaction 的邊界上崩掉,或者模型開始偷工減料,現在它能撐住,還能發現複雜的行為層面問題。另外他提到 OpenAI 簽了那封信,而 Ant 一直沉默,並順帶說了兩句他覺得值得明說的話:競爭對生態是好事;大規模提供模型服務這件事很難。
既然能造軟體工廠,那就能造「造工廠的工廠」
Nan Yu 把工廠這個想法又往上推了一層:既然存在生產軟體的系統,那也就存在生產這些系統的系統。他還認為這個抽象其實和軟體本身關係不大。任何有「經過設計並被實現的意圖」存在的地方,不論是公共衛生還是法律,同樣的遞迴都成立。
Masad 用一個 finetune 過的 LLM,把國際象棋引擎做到了 1200 Elo 左右
Masad 上線了一個新的國際象棋引擎,他估計水平在 1200 Elo 左右,目標是在兩個硬約束下做到 2000 以上:只用一個小的 finetune 模型,不做自定義預訓練、也不改架構;走棋完全由模型生成,不借助任何象棋引擎。他明確說了,只要放鬆其中任何一個約束,這個問題都會容易得多。
來源資料出自 zarazhangrui 的開源專案 follow-builders，以 MIT 授權釋出。摘要由 LLM 依該專案的公開 feed 生成，摘要 prompt 亦改編自該專案。上面每一則都連結到原始出處。
摘要由程式自動生成。據此判斷前請先看原文。