EP29 · Claude Opus 4.7 · Codex 升级· Cloudflare 智能体 · 04.17 早报-ginobefun

EP29 · Claude Opus 4.7 · Codex 升级· Cloudflare 智能体 · 04.17 早报

歌手:ginobefun

专辑:BestBlogs

时间:2026-03-15

    使用手机浏览器「扫一扫」

    在手机上保存,获得更好体验

标签
歌词

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

展开显示全部歌词