本字幕由TME AI技术生成
大家好
欢迎收听best blog 早报
我是吉o
今天是二零二六年四月十七日
星期五
今天ai 圈像换了档
大势挤在了同一周
Anthropc 正式发布了最新的code opops 四点七
最后复杂工程任务的完成度又拔高了一截
好几家做ai 编程产品的一线团队已经把它定成新一代默认模型
Open ai 也在同一周把cocox 升级成了一个能直接操作mac 电脑
记住用户偏好
自动生成图像的智智体
从编程助手变成了贯穿整个数字环境的助理
Clrod d layer 则选了一整天时间
连续发了六七篇博客
放出了完整的一套面向智能体的基础设施
等于在告诉所有人
他们打算成为智能体时代的操作系统底座
这三件事放在一起看
其实说的同同一件模
Open ai 使用界面在变宽
平台底座在铺开
其直接操作在加体
接下来大概十分钟
我先展开三条条直得讲的大大系过遍遍
剩下七条入选的内容
最后额外聊六条今天也值得一读的补充材料
开始吧
我们先从今天最大的发布讲起
Anthorppic 的cloud oppos 四点七
四月十五日早些时候
Anthorpic 官方宣布cloud oppos 四点七全量上线
而次升级的定位非常清晰
不是在所有能力上都小步全面提升
而是专门针对复杂软件工程任务做了一次集中突破
官方博客里说的很直白
他们希望开发者能把原本需要紧密监督的那种硬火
放心的交给这个新模型去完成
他到底强在哪
官方给出了一大串合作伙伴的实测反馈
我挑几组数据给大家直观感受一下
Cursor 这家做ai 编程工具的公司
在他们自己的编程评测基准上
这个新模型的解决率从上一代的百分之五十八直接跳到了百分之七十
Notion
在复杂多步骤任务的内部测试里
通过率比上一代提升了百分之十四
而且工具调用出错次数只剩原来的三分之一
做自主渗透测试的xbo 团队提到
他们的视觉定位基准从原来的百分之五四点五直接拉到了百分之九十八点五
过去一直卡住他们的视觉识别问题几乎消失了
日本的raccotton 团队报告说
新模型在生产工程任务上的解决量是上一代的三倍
把这些数据合起来看
能很清楚的感觉到这一代模型在需要长时间运行持续自我验证的场景里提升最明显
除了写代码
他的视觉能力也在往上走
现在能读分辨率更高的图
在做仪表盘
幻灯片
文档这一类有视觉要求的任务里
审美也更到位了
Harvey 这家专做法律场景的ai 公司测完之后提到
新模型在他们那套法律行业基准上达到百分之九十点九
对合同里那种容易误判的条款
比如复权条款和控制权变更条款这种过去前沿模型普遍处理不好的情况
这在处理的明显更稳
另一家叫gangspark 的公司联合创始人特别强调
新模型的抗循环能力显著加强
也就是说
他不会在某个卡壳的问题上无限打转
对一个生产环境里的智能体来说
这件事往往比基准分数高几个点更重要
Rappdly 的总裁也给了一个很直接的评价
说对他们的用户场景来说
这次是一次很简单的升级决定
同样的质量
更低的成本
更高效的日志分析和调试
这些真实用户的第一手反馈比任何纯榜单数字都更能说明这一代模型的定式
价格保持不变
和上一代一样
每一百万字节token 输入是五美元
输出二十五美元
Api 平台亚马逊bedrock
谷歌云的vertex ai
微软foundary 今天全部可用
开发者在api 里指定最新版本的模型编号
就能调到这个新模型
还有一个值得留意的信号
Anthropic 在发布时顺带预告了一个能力更强的模型
代号是missiles preview
采
采用受限释水
这次oppo 四点七被拿来来当试编给微的网络络全拦截机制制试试
Anthropic 说他们会先用这个新模型来验证一整套防止滥用的机制
在考虑把更强的模型大范围开放做安全研究
合法的漏洞测试的
对
现在可以去申请他们新建的cyber verification 计划
把这些事儿放在一起看
对开发者今天该做什么其实挺清楚
如果你手上已经有一个基于上一代oppo 跑的智能体或者自动化化流线第四周能得过点操切切新模型型
尤其关注那些过去要跑十几分图第四从多步工具调用的复杂任务
你大概率会看到明显的一致性提升和错误下降
价格没变
不需要走预算评估流程
直接对线上流量跑一轮就能看出差别
第二件大事是open ai 的codex 升级
它和clode
Oopo 四点七几乎踩在同一天发出来
Open ai 官方一口气宣布了五件事
第一
Codex 可以直接和用户mac 电脑上的各类应用交互
从一个只会写代码的助手变成了能动屏幕上任何一款软件的智能体
第二
接入了更多第三方工具
第三
原生生成图像
第四
从用户过往操作里学习偏好
第五
可以管理那些需要反复执行或者长期跑的任务
Open ai 的首席执行官山漠奥特曼在配推文里特别点名
这一轮最核心的是电脑控制这项能力
你可以想象一下这个场景
你给codex 一条指令
它能自己打开你mac 上的x code
从一个旧项目里拔出需要的代码片理
在切到浏览器查一段官方文档
回到编辑器里改完代码
最后把结果存好
这一整条动作链过去要你自己切窗口
自己记忆上下文
现在可以教给它串起来
把这件事和前面的cloud open 四点七合起来看
两家今天的差异化路径符的很清楚
Anthropic 选的是让模型更会深度推理
更会做长时间的思考
强调的是纵深
Open ai 选的是让模型更会动手
覆盖更广的操作场景
强调的是横扫
一个往下扎
一个往窗铺
对普通用户来说
这种扩张带来的体验差异很直接
过去的编程助手
你得自己把上下文搬进聊天窗口
改完还得自己拷回编辑器
现在往cox 能自己更屏文
自己己操自己
记得你昨天说过喜欢深色色题题
这跟过去几年做工具的方向几乎是过来的
过去工具是给用户用的
用户自己跨窗口切换
现在是让一个智能体替用户跨窗口工作
用户变成审查者和决策者
当然
这里面也有让人警觉的地方
电脑控制这件事的含义是
智能体可以碰到你电脑上所有的文件
所有正在登录的账号
所有已经安装的软件
对做安全的人来说
这和把房间钥匙交给一个还不完全可控的东西没什么区别
Open ai 这次没有披露太多权限杀像的细节
后续如何做权限分级
审级日志撤回机制会是接下来几周的观察点
顺带提一句
这件事其实还有个今天也值得对照的侧面
今天另一条补充阅读里
苹果正在收紧appp store 的政策
限制了rapllet 等几款ai 编程类应用的更新
一家在放权
一家在收权
同一天刚好把智能体可以走多远这个问题的两端都亮了出来
从产品叙事上看
Colix 今天这个动作意味着open ai 正式把编程产品定义为用户数字环境里的智能体
同一不只是编辑器器外挂这条条线能走多远要看后续的打磨和信任建设
但方向今天已经明确下来
今天还有一条视频也值得配合看
Open ai 放出了一段标题叫codex 几乎能干所有事的演示
在里面直接展示了新codex 怎么本地调试mac 上的应用
怎么一边浏览网页一边改代码
怎么在对话里直接生成并插入图像
如果你对这个升级的真实使用感还没概念
那条视频是最直观的参考
第三件大事是cloud flag 的智能体平台日
他们今天一口气发了六七篇博客
乍一看很零散
但串起来看就是一套完整的平台基础设施
最核心的一篇叫ai 加gay 下下代代眼镜升级是智智体体设的的理层层
Cloud fay 要做的事情是把ai 加gay 从原来单纯的一个监控加限流代理升级成一个统一的模型调用层
简单说
你在cloud flaer 的workers 平台上写一行代码
就能随意切换七十多个模型
覆盖十二多家模型厂商
包括open ai
Anthropic
谷歌
也包括阿里云
字节
以及一系列做图改视频做语音的模型
所有这些模型共用同一套接口
同一笔账单
同一套监控
对做智能体的团队来说
最烦的几件事就解决了
模型评估
账单拆分
可用性备份
围绕这个推理层
Cloud fare 今天还放出了另外几块配套拼图
我挑三块最有意思系统统一块叫artifax
是一个兼容gate 的版本化文件系统
每个智能体绘画都可以自己开一个仓库
所以可可一口口从一个已知知的版本本开出一万个个支支
Cloud 的的说法很直接
接下来五年
能体体写出的代码量可能会超过人类过去写过的代码量总和
现有的源代码管理平台是给人用的
没办法抗住能能体这种每秒数千次的写入
模模以可以一种新的底座专门给智能体用
第二叫
叫flaa i search
专门给智能体用的检索原语
第
什么叫检索原语
过去你要给一个智能体加搜索能力
要自己搭向量数据库
专己做分块索自自己写融合检aii arch 把这些都打包本统
所以叫检索数据
一次接口调用就能用上
还支持按客户或者按绘画动态创建实例
第三块是cloud flaer 的邮件服务
今天进入公测
他们的观察是电子邮件其实是这个世界上最朴实的接口
人人都有邮箱
不需要为每个场景单独做聊天应用
现在智能体也开始需要这个通道
客服智能体账单处理
智能体账户验证流程都在往邮件上签
Cloud flaer 这次放出了发送和接收两个方向
一个模型上下文协议服务器
还附赠了开源的收件箱参考应用
让你能快速搭一个能收发邮件的智能体
除了这三块
还有一个叫code mode 的模型上下文协议服务器
主打给智能体压缩调用成本
还有一篇长文专门讲cloud flaer 怎么把kimc 二点五这类超大规模模型放到workers 平台上跑
设计
硬件解耦
键值缓存
优化 推测
解码这些底层工程
把这六块放在一起看
Cloud 今天做的事其实是在智能体操作系统这个层面占一个位置
过去几年
如果你要做一个生产级智能体应用
要自己串的组件大致有这么几样
接入不同模型的代理层
存代码和文件的仓库
做检索的向量栈
收发消息的通道
连接外部工具的协议
Cloud flag 今天把这五样里面的四样一次打包出来
还配上了推理层的底层优化
这对谁影响最大
我觉得是那些正在自建这套技术栈的早期团队
如果你在一个创业早期
正在选要自己攒还是用一家厂商给的完整栈
Cloud flag 今天的正事
意味着他们把这个选项正式摆上了桌
再过半年
智能体应用的开发范式很可能会出现一次明显的向平台侧偏移
对已有业务来说也不完全是坏事
统一推理层让你做多模型策略时
代价明显下降
而artifies 和aii search 这种东西
本来就是很多团队在重复造的轮子
他们一旦标准化
行业整体的落地节奏会明显加快
三件精讲聊完了
接下来这几分钟我们快速过一遍今天另外七条入选的内容
第四条
Athorpic 官方还放出了一份在clode code 中使用opens 顶期的最佳实践指南
配合今天的模型发布一起看
里面几条可操作的建议很值得收藏
做长链路任务时
要显示给他任务边界
并加上让模型自己验证输出这条指令
做视觉任务可以直接扔高分辨率的图进去
不用手动压缩
每到需求模糊的地方让他主动反问而不是自己猜
Replate
Cursor 以及dephin 这几家合作伙伴的实战配置也都写了进去
每天在cloth code 里干活的朋友今天就可以照着调一次提示
第五条
Clode 团队另外还写了一份绘画管理和一百万上下文的深度使用指南
核心讲怎么把这个超大的一百万token 窗口用好而不浪费
重点是绘话管理
什么时候开新绘画
什么时候复用
怎么存档
怎么续接已有的对话
长对话里怎么让模型自己维护工作内存
每天泡在cloud code 里开发
第这篇可以当操作手册用
第六条
阿里云的code 团队源了一个新模型
叫q 问n 三六六三五b 版本
这是一个稀疏专家混合模型
总参数三十五b
但每次只激活其中的三b
通俗点说
他像一个有很多专家组成的团队
模型运行的时候
只唤醒跟当前任务最相关的几位专家
其他人休息
好处是推理成本低
适合在笔记本上本地跑
Simon wilson 第一时间在自己电脑上跑了一下为大家熟悉的鹈鹕矢量图基准测试的一轮轮
他说在他那台台笔本上本地q 环化画出来的鹈鹕比clode opops 顶期化的还好
中国开源团队继续保持每月一个新基线的节奏
第七条是一篇国内原创实践
践者是阿里云开发者的一位工程师
标题叫叫i 编程程单单智能体聊窗窗口转向多智能体控制
他的观观察
现在主流流aii 辑器本质上还是一个人和一个智能体一问一答的顺序写作
但他在日常工作里已经习惯了同时调度多个智能体并行干活
为此他做了一个叫maxus 的工具
定位不是再造一个ai 编辑器
而是一个面向一个人同时管理多智能体的网页控制台
代码审查代替了手动写代码
成为工作流中心
对关心ai 编程下一个形态的人
这是今天最值得读的一篇实践
第八条
也是个国内的开源作品
名字叫agents higher
他能q clouw 或者open 里跑的cloua i 智能体映射成三d 小镇里的npc
直接看到多智能体协作的过程
还附了用户创作编辑器让你自定义场景
作者给他起了个很形象的标签叫赛博云监工
表面是玩具
本质是在探索如何用空间化的界面理解智能体的并行行为
跟上一条的多智能体控制台放一起看
两个不同方向的尝试其实都在回答同一个问题
就是当你有十几个智能体同时干活时
你到底怎么看见他们
第九条是open ai 今天发布的生命科学专属模型gp terror 的的后故事视频形式
Silinopen ai 的两位研究员joy jal 和云云汪详细讲了这个life science 系列模型怎么搭起来的
怎么跟实验室工作流流对接
这个新模型具体能干什么
结合同一天官方宣布的gp terrsllink 推文一起看
你能看出open ai 正式进入生命科学这个垂直前沿模型赛道
这不是拿一个通用模型换个系统提示词就说是行业模型
而是一条独立的垂类产品线
第十条也是个视频
来自y coominator
标题叫机器人终于开始工作了
访谈对象是physical intelligence 这家公司的宽方
他花了差不多一个小时讲为什么物理世界的ai 寒武纪爆发正在发生
它给出了三个核心信号
真实世界数据规模越过了某个门槛
模型学到的策略越来越通用
仿真到真实世界部署之间的间隙正在关闭
关注巨身智能这个方向的人今天值得听一下
十条说完了
下面在额外聊六条今天也值得一读的补充材料
第一条
斯坦福hai 发布的二零二六版ai 指数报告中文精读版四百二十三页
整理出了十五条核心要点
覆盖ai 研发
技术 性能 经济
科学 应用 医疗
教育 产品 工众
舆论这九个领域
是今天一次性对齐行业叙事最高效的一份材料
提醒一下
别把它和mit 那份生成式ai 鸿沟报告混淆
是两份不同报告
第二条
百度工程师拆解coding agent 企业级落地的三大挑战
不同于个人开发者的视角
这篇从企业工程团队的角度分析了稳定性
人机边界
复杂度转移三件事
并分享了他们用规则体系
知识工程以及所谓规格驱动研发模式的内部实践
今天管研发团队的人可以用它做一次自检
第三条
Github 工程师讲他们如何用一种叫ebpf 的内核及监测技术
在部署过程中检测循环依赖并及时阻断
对做大规模部署
做持续集成平台的团队有直接参考
第四条
一篇关于ai 效率悖论的中文深度讨论
标题是ai 提效百分之二十
程序员却加班越来越狠
核心观察是
局部编码效率提升并没有转化为整体交付效率或者开发者福祉
反而让一些公司用代码行数
Token 消耗这种异化指标去衡量生产力
管研发团队的人应该读一下
第五条
苹果收紧app store 的政策
限制了replace 等几款ai 编程类应用的更新
前面讲cocox 是我提了一句
今天这篇就是完整报道
触发的是一个核心问题
Ai 生成的代码能不能直接打包成应用分发
和open ai 让cocox 操控mac 的扩张方向刚好形成对比
第六条
Se man weellson 那篇用新qn 画鹈鹕比cloud 画的还好的完整博客
前面素兰里讲过结论
想看完整对比图和它的测试细节的可以看原文
顺带提一句
Simon 这个鹈鹕矢量图基准已经成了英语社区里测新模型默认用的小实验
每次新模型发布
它基本都会跑一遍
长期数据也挺有参考意义
以上就是今天best blocks 早报的全部内容
今天三条精讲合在一起看
其实在说同一件事
Ai 正在从模型能力
使用界面平台底座三个方向同时加速
And roropis 在加深推理
让模型更会思考
Open ai 在拓广手脚
让模型更会动手
Crod flaare 在铺开地基
让做智能体这件事从自己攒轮子变成调一套api
这三条路线接下来半年怎么博弈
谁能率先把一套好故事落成真实的用户规模
可能就是下一个拐点
所有文章和视频的链接都在节目信息里
感兴趣的朋友可以打开收听页面点进去
我是吉诺
明天同一时间再见