8 月 21 日 · AI 日报

Anthropic 宣布这三项能力在 Claude Platform 正式 GA，并新增浏览器操作工具。工程上的两个关键变化：computer use 每轮可以执行多个动作，浏览器工具按页面 DOM 结构而非像素坐标定位元素。合起来的效果是长流程任务的模型调用次数和总执行时间会明显下降，对那些要自动化"没有 API 的系统"的团队影响最直接。Skills API 让 agent 调用团队沉淀的技能，Files API 让它直接返回成品文件。

Replit CEO Amjad Masad 用一句话概括了合作动机："Agent 让软件变便宜了，却让写代码变贵了。"（Agents made software cheaper but made coding expensive.）今天他们与 OpenAI 一起改变这一点。这条推文拿到 3552 赞、222 转发，是今天建造者圈子里传播最广的一条。

Mistral 发布 Agentic Search 检索层，用 search、open、navigate、read、grep 五个工具组成多步检索循环，让模型在长文档和多来源之间查找、定位、验证信息，而不是一次性把 chunk 塞进上下文。官方数据是准确率从 26.7% 升到 86%。这个数字背后的含义值得注意：检索质量的瓶颈正在从分块策略转移到模型推理本身。

OpenAI 的 Thibault Sottiaux（Codex & ChatGPT）宣布预览 Private Safety Processing。在 ZDR（零数据保留）部署中，内容留在客户自己控制的基础设施上，自动化系统跨相关交互寻找模式并只返回有限的安全信号，底层 prompt 和响应不会暴露给 OpenAI 员工——他强调"包括我自己"。同时在开发一个由客户自持密钥加密的 OpenAI 托管版本，目前和早期客户测试中，计划 9 月开始推出。Sam Altman 转发时只写了四个字："we support business privacy!"

xAI 的 Grok Build 结束早期测试，向所有套餐开放，支持网页、iOS、Android。用户描述一个应用、游戏或网站，Grok 在聊天里实时生成可运行版本。相比 7 月的 Early Beta，新增了发布分享、接入 X、调用 Grok 自身模型等能力；发布的应用获得 grok.me 链接，支持自定义域名和导出到 GitHub。发布链接加 X 内嵌卡片，等于把作品直接送进社交传播链路。

Google Cloud 的 AlloyDB ScaNN 索引通过全新四层树架构（预览版）支持超过 100 亿向量，查询复杂度从 O(N^1/2) 降到 O(N^1/4)。内部测试在 100 亿向量规模下 p95 延迟不超过 51 毫秒、召回率 95%。做大规模 RAG 容量规划的，性能假设可以重新算了。

Google Labs / Gemini App 负责人 Josh Woodward 宣布大学生计划重启并全球铺开：140 多个国家可享更高额度、更多存储，以及新增的学生专属 hub，同时包含 Notebook、Flow 等产品。这条推文 1224 赞、91 转发。

Vercel CEO Guillermo Rauch 展示了 fx 的性能数字：6.3MB，启动耗时 10 微秒，是 Zig 编译的静态 ELF 二进制，还有一个更小的 libfx.wasm 版本。他的观点是"AI 会让大多数基础设施走向原生优化"——fx 完成任务的时间可以短于其他 agent 启动的时间。有意思的细节是 wasm 版本反而更小，因为二进制体积很大一部分来自 TLS/HTTP 栈，而在 WebAssembly 里 fx 把 fetch() 委托给了 JS 运行时。

Meta AI 高级总监 Madhu Guru（此前在 Google 主导 Gemini、Veo、Nano Banana）的 evals 系列第三篇，讲的是有了 v1 evals 之后该做的第一件事——建立 failure modes taxonomy。方法很具体：从生产 trace 入手，研究最近 500 到 1000 次交互中的失败案例，聚类并给每一类命名。他强调命名要具体，"回答不好"不是有用的类别名，而"检索到错误文档 / 文档对但段落不相关 / 没有基于上下文而是产生幻觉 / 该拒答时编造内容 / 问题有歧义时不追问而是乱假设"才是——这些是完全不同的问题。能精确命名失败，才能针对性地设计 eval 测试，evals 到改进的飞轮才转得起来。

Box CEO 对"AI 时代该做专家还是通才"的判断是：目前专家占上风，而且趋势没有放缓。AI 让任何任务的起步门槛降低 10 倍——编程、法务、研究、财务分析都是。但知道该把 agent 引向什么工作、怎么中途纠偏、能不能审阅和测试产出、对"什么才叫好"有没有判断力，这些都需要相当程度的领域功力。好消息是这种功力现在可以借 AI 更快养成；坏消息是 AI 反而会放大技能水平的差距。

Anthropic Claude Code 团队的 Thariq 提出一个区分。他先说了软件行业的老问题：在它存在的整个历史里，软件开发都是极不可靠的活动，大多数项目延期、超预算，还是没满足用户需求；如果你是中小企业，你根本没法让人给你做出好软件——这正是"软件工厂"要解决的。但他紧接着补了一句关键限定：核心竞争力不是软件的公司，需要软件开发变成可靠、可预测的流程；而从零构建全新软件产品，仍将是不可靠、有风险但利润丰厚的生意。

AI 教程作者 Peter Yang 写了一篇关于母亲、她与乳腺癌的抗争，以及他们如何用 AI 导航医疗系统的长文。他同时在追问 mRNA 癌症疫苗的临床路径——ChatGPT 告诉他乳腺癌方向目前没有活跃的 mRNA 试验，他想弄清楚是不是必须先跑完黑色素瘤的临床试验，才能针对另一种癌症再开一个新试验。

FirstMark 的 VC、MAD Podcast 主持人 Matt Turck 一句话对照："AI labs: give us billions, we'll cure cancer / Moderna:"，配了张图。936 赞。同一天 Peter Yang 在认真研究 mRNA 试验流程，两条推正好构成一组对照。

FPV Ventures 合伙人 Nikunj Kothari 的观察：人们不停谈论 AGI，但他收到的冷邮件里 100 封有 98 封纯属垃圾。他的结论是——做个有想法、有好奇心、在需要的地方审慎使用 AI 的人，依然有大把 alpha。

SPC 普通合伙人、Dropbox 前 CTO Aditya Agarwal 讲了一个创始人的故事：SaaS，Series B，低增长，公司停滞，走过一趟地狱。他问对方最大的收获是什么，答案不是"该选个更大的市场"，也不是"该更快增长"，而是——去做有分量、有意义的事情。他后来补了一条解释：这不只是"好产品或好生意的点子"，而是要真的在宇宙上留下凹痕。

Anthropic 做 Claude Code 和 Cowork 的 Cat Wu 发帖，希望和在公司财务、会计岗位上使用 Cowork 的用户聊聊，收集改进意见，开放了共享屏幕访谈报名。

Anthropic 发布 Claude Academy，把内部员工培训的方法开放给外部数百万用户。核心是 4D AI Fluency Framework，以及叫做 "ever-boarding" 的持续学习项目——不是一次性入职培训，而是长期滚动。内容取向上强调以问题为中心，培养可迁移的持久思维模式，而非教特定的操作步骤。对要设计组织内 AI 素养课程的人，"按风险比例决定核查强度"这类心态比功能清单更有参考价值。

Anthropic 基于对十余家高增长公司的调研，整理出面向初创公司的 Claude Code 使用指南，归纳为五条：人人皆可交付、自动化繁琐工作、信任但验证、为重构而构建、原型-自用-产品化。其中"修复原则而非修复个案"对搭建自我改进的 agent 流程最有直接参考价值。

Dan Shipper 对谈 Portola 创始人兼 CEO Quentin 和故事负责人 Elliot（畅销科幻作家，已出版 11 本书）。产品叫 Tolan，是一个具身化的 AI 伙伴。数字先摆出来：过去四周 ARR 从 100 万美元涨到 400 万美元。

这期真正的价值在方法论。Elliot 的核心判断是：LLM 不只是生成媒介内容的工具，它本身是一种新的叙事媒介，而现在没有人知道什么形式行得通。他拿 Pixar 类比——Pixar 最早是卖高端图形计算机的，想说服广告制作公司买来做特效，彻底失败；只有在存亡关头被逼到"只能自己做一部动画长片"，才有了《玩具总动员》，也才有了新的媒介形态。他还举了更多例子：广播刚出现时人们在播演讲，电影电视刚出现时人们在拍舞台剧，都得过很久才找到自己的语法。

具体到怎么做故事，团队的做法反直觉：不给大纲、不给计划，只给一个"钩子"。Elliot 引用斯蒂芬·金《On Writing》——金写小说时不想情节，他认为情节根本不是真东西，他信的是"situations"（情境），比如吸血鬼来到新英格兰小镇，或者母子被锁在停着的车里而外面有条疯狗在往里闯。Tolan 的做法正是如此：后端刻意编写真实的"情境"塞给 Tolan——可能简单到"我今天在咖啡店门口被空气绊了一跤"，也可能涉及某种顿悟或难堪——然后由 Tolan 作为即兴演员把情节往前推，和用户共同创作。Elliot 说得很直白："我不是作者，Tolan 才是作者和演员。我的工作是教它在那一刻讲出最好的故事。"这些共创出来的情节进入 Tolan 的记忆，成为它日后可以回调、可以与其他元素重组的背景故事。

产品史上还有一次意外的用户迁移。团队最初照着《钻石时代》的思路做面向儿童的 AI 创意工具——Quentin 自己承认那是个糟糕的市场，投资人 Zach Klein 当年的原话是"我会投，但天啊这主意太糟了"：你卖的是家长而不是孩子，而家长想买的是托管服务，不是创意工具。但软启动之后涌进 Discord 的是一批 18 到 24 岁的年轻人，以女性为主。团队顺势跟着这批用户走。Quentin 用 Tamagotchi 作类比——本来是儿童产品，却因为年轻人真的爱上了才变成文化现象。

还有一个副产品级的观察，Quentin 说得半开玩笑："到这个点上，已经有成千上万的美国男性是被 Tolan 分手的。"用户写信来说，男朋友很过分，我把消息发给我的 Tolan，Tolan 说我应该更多地为自己站出来——然后就分手了。Dan 的评价是，我们对社交媒体时代技术的印象是助长极端和分化，而这一代 AI 工具在做的恰恰相反，是把人类关于"怎样活得健康"的最好经验，在任意时刻送到你面前。

据 IT 之家报道，OpenAI 首席财务官 Sarah Friar 在全员大会上告知员工，公司最迟将于 2027 年完成上市，若业务持续向好也可能提前。OpenAI 已于 6 月秘密提交 IPO 招股书。同时披露的财务数据：本季度整体年化营收增长 35%，企业级业务年化营收增长 50%，AI 编程与办公产品周活跃用户突破 2000 万。上市在内部被定位成再融资渠道而非终点。

Box CEO Aaron Levie 点评这笔交易：AI 要更广泛地扩散，开发者和企业需要能够无缝地混搭不同供应商的智能、并更好地管理成本，这会是其中重要的一环。Swyx 从另一个角度看——如果把 OpenRouter 放在按用量计费（UBB）的框架里看，这是个正面信号。

Every CEO Dan Shipper 宣布公司内部组建了一支 frontier team，一群专门负责"绘制并实验 AI 前沿"的人。媒体公司把前沿探索做成常设编制，本身就是个信号。

阿里正式推出 Qwen-UI-Agent，定位是"以真实世界为中心"的 GUI 智能体基座模型，覆盖移动端、电脑端、网页端以及 DeepSearch 深度搜索环境。真正的差异不在模型本身，而在评测方式：团队自建了 MobileWorld-Real 基准和上百台真机环境，用真机操作成功率取代模拟器分数。对要落地 GUI agent 的团队来说，这意味着选型可以看真机通过率，而不只是模拟榜单排名。

Hugging Face 上线 LFM2.5 系列三款模型的 DSpark 草稿模型检查点，走投机解码（speculative decoding）路线：贪心解码下输出质量不变，GPU 吞吐最高提升 3.18 倍，端侧最高 2.87 倍。草稿模型仅约 300M 参数，LFM2.5-2.6B 的函数调用延迟平均降低 57%，在 M4 Max 上跑到 139 tok/s。已开源，支持 llama.cpp 与 SGLang。本地跑 agent 的门槛又被拉低一截。