OpenAI 数据说:agent 半年把 Codex 用成了生产力主力
OpenAI 自家报告显示 Codex 半年从尝鲜到主力——Research 部门内部用量涨 56 倍、70.2% 抽样用户做过 ≥1 小时任务、25.6% 超 8 小时。非开发者正成为企业 agent 增长主力,长任务能不能交给 agent 取决于边界清不清晰。
首页
紧跟 AI 行业热点事件,快速追踪解读,约 1000 字精炼分析。
OpenAI 自家报告显示 Codex 半年从尝鲜到主力——Research 部门内部用量涨 56 倍、70.2% 抽样用户做过 ≥1 小时任务、25.6% 超 8 小时。非开发者正成为企业 agent 增长主力,长任务能不能交给 agent 取决于边界清不清晰。
Mistral AI 发布首个具身模型 Robostral Navigate,8B 参数、单 RGB 摄像头即可自主导航,在 R2R-CE 基准上成功率 76.6%,超越多传感器方案。
美团开源 1.6T 稀疏 MoE 编码模型 LongCat-2.0,训练全程用国产 ASIC、零英伟达,曾以代号 Owl Alpha 在 OpenRouter 匿名霸榜约两个月,编码基准全面领先 Qwen3.6-27B。给普通开发者三点选型启示。
AI Agent 基准测试信任危机:SWE-bench 刷榜、自报成绩注水怎么辨别。第三方独立榜(Odysseys,Browser Use 87.4% 第一)vs 厂商自报,普通人找可信评测的四条检查。
OpenAI 自研推理芯片 Jalapeño,降低对英伟达 GPU 依赖。与谷歌 TPU、亚马逊 Trainium、微软 Maia 并论,算力自研浪潮对 API 价格与开发者的影响拆解。
7 月 27 日晚,月之暗面正式开源 Kimi K3 权重:2.8 万亿参数 MoE、100 万 token 上下文,全球最大开源模型,对标 Anthropic Fable 5。从 7 月 16 日发 API 到今晚放权重,杨植麟用十天把中美模型差距从 6-9 个月压到 3-5 个月。拆解规格、跑分、翻盘逻辑与白宫指控。
2024 年 Gemini 1.5 把上下文推到 100 万 token,到 2026 年中「百万级」已成头部模型标配,国产阵营卷向千万。拆解长上下文解决了什么、没解决什么(中间遗忘)、成本与大海捞针,给普通人三点选型建议。
2025 年 10 月 Anthropic 发布 Computer Use,让 Claude 能看屏幕、点鼠标、敲键盘直接操作电脑。大半年后 OpenAI Operator、Google Mariner、国产智谱 AutoGLM 接连跟进,Agent 正从「会聊天」走向「会干活」。拆解三个爆发条件与对普通人的三点启示。
字节豆包与阿里千问同步下线用户自建 AI 角色功能,因《人工智能拟人化互动服务管理暂行办法》7 月 15 日施行。平台无法全覆盖审核海量 UGC 智能体,一刀切下线。用户数字资产产权问题凸显。
马斯克称中国终将成为 AI 领导者,黄仁勋称中国注定产出卓越 AI 技术。Hugging Face 数据显示中国模型下载量 17.1% 首超美国 15.8%。中国配酿 AI 出口管制,攻守易位。