

> 导语
> DeepSeek 近日悄然开启新长文本模型灰度测试，支持高达100万 token 上下文，被视为 V4 发布的压力测试。然而，模型交互风格由“暖心”转为“高冷”，在提升信息密度的同时也引发了大量情感型用户的“戒断反应”。

## 风格突变引发的用户戒断反应

2月11日开启灰度更新，2月14日正式官宣，DeepSeek 的这波操作迅速引爆了社交网络。此次更新重点在于网页和 APP 端支持最高100万 token 的超长上下文，并将知识库更新至2025年5月。然而，引起最大讨论的并非参数，而是交互风格的剧变。

更新后的 DeepSeek 被大量用户吐槽“变冷淡”。它不再使用专属昵称，统一称呼为“用户”；在深度思考模式下，回复变为干练的短句，甚至被部分用户指责为“阴阳怪气”。相关话题在微博阅读量超6853万，习惯了此前“共情模式”的用户纷纷表示出现“戒断反应”。对此，DeepSeek 官方回应称，这是基于效率优先的边界意识优化，旨在去除干扰信息密度的语气词，满足用户获取清晰答案的核心需求。这一解释也得到了“效率党”的支持，认为其回复速度更快、逻辑更纯粹，并通过了著名的“洗车图灵测试”。

![Generated Image February 15, 2026 - 9_39AM (2).png](https://static.downly.cn/images/cbcc845f71096cc1366c856b7aca4a9f.png) <center>图源备注：图片由AI生成</center>

## 旗舰模型 V4 的颠覆性潜力

此次更新被业内普遍视为 DeepSeek V4 发布前的最后一次大规模技术预热，全网期待值已拉满。据悉，V4 模型预计将于2026年2月中旬春节期间正式发布。作为万亿参数级别的旗舰，V4 聚焦于编程能力的颠覆性提升。

内部初步基准测试显示，DeepSeek V4 在编程任务上已超越 Claude 和 GPT 等主流顶尖模型。其核心突破在于对极长代码提示词的解析能力，可一次性理解庞大的代码库上下文，这对企业级开发意义重大。此外，V4 升级了训练算法，使得模型在提升推理严密性的同时，实现了性能无退化。值得注意的是，DeepSeek 仍计划保持百万 Token 上下文优势，并以 Apache 2.0 许可证开源发布，承诺推理成本远低于西方竞品，这或许将彻底改变 2026 年 AI 编程赛道的竞争格局。

![Generated Image February 15, 2026 - 9_41AM.png](https://static.downly.cn/images/851d5c5202afbc48cf2674f0a235a67b.png) <center>图源备注：图片由AI生成</center>

前沿｜DeepSeek V4 前哨战开启百万级上下文测试，风格突变引发用户热议



> 面对 Windows 11 用户口碑下滑的现状，微软决定重新审视其 AI 策略。通过移除记事本 Copilot 按钮等不受欢迎的功能，微软正试图从“炫技式 AI”转向“实用性 AI”，以修复用户体验并提升系统的整体可靠性。

## 用户反馈倒逼策略调整

微软 Windows 总裁帕万・达武鲁里（Pavan Davuluri）近日公开承认，Windows 11 的用户反馈并不理想。自 Windows 10 停止主流支持以来，Windows 11 被寄予厚望，但实际上却因系统性能波动、可靠性问题以及日益臃肿的功能设计而饱受诟病。

特别是在 AI 功能的激进推广上，微软遭遇了显著的阻力。用户普遍反映，一些新植入的 AI 特性不仅没有提升效率，反而成为了干扰。例如，记事本和画图应用中强行植入的 Copilot 按钮被指“多余”，而涉及屏幕快照记录的 Windows Recall 功能更是引发了严重的隐私安全担忧。

![Google_AI_Studio_2026-02-02T03_03_59.713Z.png](https://static.downly.cn/images/49889fbf9a8bade49c1a78db81c9724b.png) <center>图源备注：图片由AI生成</center>

## 从炫酷到实用的减法艺术

为了回应这些负面评价，微软决定对其 AI 路线图做“减法”。这一调整的核心逻辑是：**剔除为了 AI 而 AI 的功能，保留真正解决痛点的服务。**

这意味着那些被视为“广告牌”式的 AI 入口（如无处不在的 Copilot 图标）将被简化或移除，而 Windows Recall 等涉及敏感数据的特性将经过更严格的审查和重构。微软意识到，技术上的炫酷如果不能转化为实际的生产力或体验提升，只会成为用户的负担。

## 核心战略并未动摇

值得注意的是，这次调整并不意味着微软放弃 AI 战略。相反，这是一种更成熟的战术修正。语义搜索、Windows AI API 等底层能力仍将是研发的重点。

微软希望通过优化现有的 AI 功能，使其更贴合用户的真实工作流。例如，利用 AI 优化系统资源调度、提供更精准的本地搜索结果等。这种“润物细无声”的 AI 体验，或许才是 Windows 挽回用户信心、重塑操作系统竞争力的关键所在。

微软重构Windows AI战略 削减冗余功能回归实用主义


> **导语**
> 在AI商业化的十字路口，两大巨头展现出了截然不同的哲学。针对OpenAI近期测试广告的举措，谷歌DeepMind CEO德米斯·哈萨比斯罕见发声，直言“惊讶”，并阐述了为何在现阶段，保持AI助手的纯粹性比短期变现更为重要。

## 信任危机 助手与广告的天然矛盾

近日，在达沃斯论坛接受Axios专访时，哈萨比斯对当前AI聊天机器人的商业化路径提出了独到见解。面对OpenAI为平衡昂贵基建成本而针对非订阅用户测试广告的决定，他表达了深层的担忧。

“你想信任你的助手，那么广告该如何融入这种模式？”哈萨比斯一针见血地指出了其中的逻辑悖论。他分析认为，搜索场景与助手场景有着本质区别：搜索本质上是信息分发，用户意图与广告匹配度较高；而聊天机器人旨在成为处理高度私人事务的“得力助手”。在这种亲密且高度个人化的交互体验中，侵入式广告极易破坏用户建立的信任感。亚马逊Alexa此前在应用推荐上的尝试失败，以及OpenAI早期类似尝试引发的用户反感，都是前车之鉴。

![Google_AI_Studio_2026-01-23T02_50_50.245Z.png](https://static.downly.cn/images/9f6417ecd07a7eabc49ae8076a66224b.png)
<center>图源备注：图片由AI生成</center>

## 谷歌的定力 深耕个人智能体验

尽管广告营收占据了谷歌帝国的半壁江山，但哈萨比斯明确表示，谷歌目前并无计划在Gemini等AI聊天机器人中投放广告。相反，团队正将全部精力集中在**用户反馈**与**个性化功能**的深度开发上。

谷歌目前的策略是推动Gemini与Gmail、Google Photos及YouTube历史记录的深度打通，旨在提供真正懂用户的“个人智能”回复，从而提升工具的核心粘性。哈萨比斯强调，尽管团队也在思考商业化方案，但并未感受到来自管理层的变现压力。“我们将保持高度的科学性与严谨性，不会做出任何仓促的决定。”对DeepMind而言，确保AI助手的有用性与值得信赖，是目前远高于短期广告收入的战略优先级。

谷歌DeepMind掌门人谈变现：过早引入广告将以此损害AI信任



> 在巨头林立的 AI 云基础设施市场，初创公司 Runpod 凭借独特的“自举”模式杀出重围。从地下室挖矿起步到年度经常性收入（ARR）突破 1.2 亿美元，Runpod 证明了敏锐的嗅觉与开发者体验才是硬道理。

## 矿机转型云算力

Runpod 的起点充满了草根色彩。2021 年末，创始人 Zhen Lu 和 Pardeep Singh 在新泽西州的家中地下室挖掘以太坊。当加密货币挖矿红利消退，两人守着价值 5 万美元的显卡设备，做出了一个改变命运的决定：转型做 AI 算力托管。

作为资深开发者，他们敏锐地捕捉到了当时市场上 GPU 软件栈难用的痛点。于是，Runpod 被定位为一个强调速度、易用性和极致开发者体验的平台。这一差异化定位，让它在随后到来的生成式 AI 浪潮中抢占了先机。

![Google_AI_Studio_2026-01-19T03_07_00.240Z.png](https://static.downly.cn/images/864f5a98e2f10eccfdfe969239420298.png)
<center>图源备注：图片由AI生成</center>

## 社区营销与资本入局

在创业初期，Runpod 几乎没有任何营销预算。他们采取了最原始却最有效的策略：混迹 Reddit 社区，用免费服务器换取用户反馈。这种真诚的互动迅速积累了口碑，付费用户随之蜂拥而至。

令人称奇的是，Runpod 在早期完全依靠自有资金和营收滚动发展，在没有任何外部融资的情况下，仅用九个月就实现了 100 万美元收入。这种务实的基因，直到后来戴尔科技资本和英特尔资本注资 2000 万美元后依然得以保留。

如今，Runpod 已拥有 50 万开发者用户，客户名单中不乏 OpenAI、Perplexity 等行业顶流。它的成功故事提醒着创业者：在风口之上，除了资本的助力，对用户痛点的精准打击和极客精神，依然是通往成功的金钥匙。

拒绝VC到营收破亿 Runpod演绎地下室创业的算力突围

<video src="https://static.downly.cn/images/13-Steps-to-High-Efficiency-by-the-Creator-of-Claude-Code.mp4" controls width="50%">
  Your browser does not support the video tag.
</video>

> 在 AI 辅助编程领域，我们通常只把 AI 当作一个更聪明的自动补全工具。然而，Claude Code 的创造者 Boris Cherny 展示了一种完全不同的维度：他通过构建一套严密的系统工程，将自己从“代码撰写者”转变为“AI 军团指挥官”，实现了月产 4 万行高质量代码的惊人效率。

本文将基于 Boris Cherny 的实战演示，详细复盘他的 13 步工作流，并补充我们对于高阶技能定制的第 14 步实践，深入剖析这套范式背后的技术哲学。

------

## 01. 并发多线程 (Parallelization)

### 🎥 Boris 的实战现场

Boris 的终端界面就像一个繁忙的指挥塔。他通常会同时开启 5 个并行的 Claude 会话（Tabs 1-5），每个 Tab 都有明确的职责划分：

- Tab 1：专注于数据库层面的重构任务。

- Tab 2：处理前端组件的视觉调整。

- Tab 3：运行单元测试并修复回归错误。

  为了解决“等待 AI 生成”的时间浪费，他利用系统的“通知铃声”功能。当后台某个 Tab 完成任务时，会发出提示音，他便立即切换上下文进行确认。这种方式消除了人类在等待 AI 思考时的闲置时间。

### 🧠 技术视点：工程师的“调度器化”

> 这标志着工程师的核心能力正在发生代际转移。

过去，我们的核心能力是“专注力”和“手速”；而在 Boris 的模式下，核心能力变成了**任务架构拆解（Architecture Decomposition）\**与\**上下文切换（Context Switching）**。如果不具备良好的架构思维，无法将一个大需求拆解为 5 个低耦合的子任务，那么开启 5 个窗口只会带来 5 倍的混乱。**并发的前提，是解耦。**

------

## 02. 端云协同 (Teleport)

### 🎥 Boris 的实战现场

Boris 演示了如何打破“本地终端”与“云端网页”的物理隔阂。他使用 `teleport` 命令配合后台任务符 `&`，将本地正在进行的终端会话“瞬移”到浏览器端的 Claude 界面。

- **场景切换**：当需要处理复杂的长文本阅读、查看图表或进行更自然的对话交互时，他切换到网页端。
- **状态同步**：在网页端确认好思路或生成文案后，所有的上下文和结果又能反向同步回本地终端，继续执行代码命令。

### 🧠 技术视点：交互模态的流动性

> 未来的开发环境将不再固守单一的 IDE，而是“数据流”的载体。

CLI（命令行）适合执行和精确控制，GUI（网页）适合阅读、规划和视觉反馈。Boris 的实践告诉我们：**上下文（Context）应当像流体一样**，根据开发者的认知需求，在不同的容器之间自由流转，而不是被锁死在某个软件窗口里。

------

## 03. 慢思考 (Thinking Models)

### 🎥 Boris 的实战现场

在处理复杂的逻辑重构时，Boris 并没有选择响应最快的模型，而是强制指定带有思维链（Chain of Thought）的 Opus 4.5 模型。

尽管这需要等待数分钟才能看到结果，但他强调，对于核心逻辑，必须让 AI 像人类高级工程师一样进行深度的推理。他宁愿花时间等待一个准确的方案，也不愿快速得到一个充满 Bug 的代码块。

### 🧠 技术视点：算力换人力的经济账

> 这是一个关于“信噪比”的决策。

在软件工程中，**生成速度 $\neq$ 开发效率**。修复一个由快速模型产生的幻觉 Bug，其耗时（定位、调试、修改）往往是生成时间的 10 倍以上。这里的策略是典型的“慢即是快”：用昂贵的推理算力，去置换昂贵的人类调试时间。**准确率（Precision）远比延迟（Latency）重要。**

------

## 04. 共享大脑 (CLAUDE.md)

### 🎥 Boris 的实战现场

Boris 展示了他在项目根目录维护的核心文件：CLAUDE.md。

这不是给人类看的 Readme，而是给 AI 看的“宪法”。文件中定义了：

- **架构规范**：如“本项目使用 MVC 模式，Service 层不应直接返回 DTO”。

- **编码细节**：如“日期必须使用 ISO8601 格式”、“禁止使用 `eval` 函数”。

- 路径映射：解释项目特有的黑话和目录结构。

  每次启动 Claude，它都会预加载这份文件，从而让一个通用的 AI 瞬间变成最懂该项目的“资深员工”。

### 🧠 技术视点：隐性知识的显性化

> 这是文档工程（Documentation Engineering）在 AI 时代的复兴。

传统团队中存在大量“部落知识（Tribal Knowledge）”，它们只存在于老员工的脑子里。`CLAUDE.md` 迫使我们将这些隐性知识显性化。这本质上是一种**轻量级的 RAG（检索增强生成）**，它解决了 LLM 的无状态问题，让项目具备了可传承的“记忆”。

------

## 05. 复利工程 (Compounding Engineering)

### 🎥 Boris 的实战现场

当 Claude 犯错（例如引入了一个被禁用的库）时，Boris 的做法令人印象深刻：他不仅仅是纠正代码，而是直接在 GitHub 评论区 @claude 下达指令：“你犯了一个错误，请把这条新规则更新到 CLAUDE.md 中，以后不要再犯。”

通过这种方式，每一次错误都转化为了文档中的一条新规则，确保 AI 不会在同一个地方跌倒两次。

### 🧠 技术视点：错误的资产化

> 我们正在目睹一种全新的“资产积累”方式。

在传统开发中，踩过的坑容易被遗忘；而在这种模式下，**错误被提炼成了系统的“养料”**。随着项目推进，`CLAUDE.md` 越来越完善，AI 越来越聪明。这不仅仅是在写代码，更是在训练一个不断自我进化、不断增值的数字资产。

------

## 06. 计划模式 (Plan Mode)

### 🎥 Boris 的实战现场

Boris 通过双击 Shift+Tab 进入一个特殊的“计划模式”。在此模式下，AI 被禁止写一行代码。

他和 AI 像两个在白板前的架构师一样，纯粹通过自然语言反复推演：“如果我们要改这个 API，会影响哪些文件？”、“数据库 Schema 需要怎么变？”。只有当计划被彻底确认无误后，他才会切换回执行模式让 AI 动手。

### 🧠 技术视点：决策层与执行层的分离

> 这解决了新手使用 AI 最容易犯的错：过早陷入细节。

Plan Mode 强行将**设计（Design）\**与\**实现（Implementation）** 剥离。这不仅通过思维链（CoT）降低了 AI 的幻觉风险，更重要的是，它强制人类保持在“决策层”。**AI 是手，你是脑，动手之前先动脑。**

------

## 07. 斜杠命令 (Slash Commands)

### 🎥 Boris 的实战现场

Boris 演示了他自定义的 /commit-push-pr 命令。

只需输入这一个指令，Claude 就会在后台自动执行一系列复杂的动作：检查 Git 状态 -> 分析变更内容 -> 生成符合规范的 Commit Message -> 推送到远程分支 -> 调用 GitHub API 创建 PR。原本需要敲击十几次键盘的流程，被压缩成了一次指令。

### 🧠 技术视点：流程的“模糊自动化”

> 这是对传统 Shell 脚本的降维打击。

传统的脚本是僵化的，参数必须精确匹配。而挂载了 AI 的 Slash 命令是**基于意图（Intent-based）**的。开发者只需要发出意图，AI 负责填充参数、处理异常。我们正在从“自动化（Automation）”向“自主化（Autonomy）”过渡。

------

## 08. 子智能体 (Sub-agents)

### 🎥 Boris 的实战现场

在处理特定任务时，Boris 会调用专门的“子智能体”。例如：

- `code-simplifier`：这是一个被设定了极强约束的 Agent，它只负责简化代码语法，绝不修改业务逻辑。

- verify-app：专门负责按照测试手册运行端到端测试的 Agent。

  主 AI 负责攻坚，子 Agent 负责扫尾，分工明确。

### 🧠 技术视点：单一职责原则 (SRP) 的 AI 实践

> 我们写代码遵循 SRP 原则，使用 AI Agent 也应如此。

一个通用的“全能 Agent”往往表现平庸。通过构建专门的 Sub-agents，我们可以针对特定任务（如安全审计、性能优化、文档生成）微调 Prompt 和工具集。这是**多智能体协作（Multi-Agent Systems）** 的实战雏形。

------

## 09. 钩子 (Hooks)

### 🎥 Boris 的实战现场

Boris 配置了严格的 Pre/Post-execution Hooks。每当 AI 生成代码准备写入文件之前，系统会自动触发 Prettier 或 Linter。

无论 AI 生成的代码格式多么混乱，在写入磁盘的那一刻，它都会被强制格式化为团队标准风格。

### 🧠 技术视点：最后一道防线

> 这是防御性编程在 AI 时代的必要延伸。

我们不能无条件信任 AI 的输出质量。Hooks 建立了一个**不依赖于 AI 自身道德约束的外部质量门禁**。这不仅解决了 AI 代码“能跑但很难看”的顽疾，更守住了代码库整洁度的底线。

------

## 10. 权限管理 (Permissions)

### 🎥 Boris 的实战现场

Boris 并没有让 AI 处于完全的“裸奔”状态（`dangerously-skip-permissions`）。相反，他精心设置了白名单：

- 读取类命令（`ls`, `cat`, `git status`）：默认允许，无需人类确认，保证交互流畅。
- 破坏类命令（`rm`, `upload`, `deploy`）：必须弹窗询问，且高危操作会被钩子拦截。

### 🧠 技术视点：基于行为的零信任架构

> 信任，但要验证（Trust but Verify）。

在 AI 能够自主执行命令的时代，安全架构必须从“基于身份”转向“基于行为”。这种配置既保证了探索性任务的效率，又锁死了破坏性操作的风险。

------

## 11. 万物互联 (MCP)

### 🎥 Boris 的实战现场

通过 Model Context Protocol (MCP)，Boris 让 Claude 连接到了 IDE 之外的世界。

他展示了 AI 如何直接读取 Slack 中的讨论记录来理解需求背景，或者直接查询 BigQuery 数据库来验证业务逻辑，甚至连接 Sentry 查看线上的实时报错日志。

### 🧠 技术视点：打破 IDE 的“数据孤岛”

> 当 AI 开始感知业务数据时，它才真正成为了“全栈”。

这预示着 **AIOps** 的到来——AI 不再仅仅处理代码文本，而是能够感知线上状态、用户反馈和业务数据。它正在从一个“编码工具”进化为一个能够感知上下文的“业务伙伴”。

------

## 12. 长任务管理 (Ralph Wiggum)

### 🎥 Boris 的实战现场

对于那些极度耗时的任务（如全项目大规模重构、运行数小时的回归测试），Boris 使用了一个被称为 "Ralph Wiggum" 的后台挂机插件。

他将任务扔给这个后台进程，配置好“完成强提醒”，然后就去处理其他事情，甚至睡觉。在这些隔离环境中，他给予 AI 更高的自主权。

### 🧠 技术视点：异步生产力的解放

> 人类的时间是线性的，但算力是可以并发的。

通过将长耗时任务剥离给后台 AI，工程师实现了**算力与人力的解耦**。你不再需要盯着进度条发呆，这是对人类注意力的极致保护。

------

## 13. 反馈闭环 (Feedback Loop)

### 🎥 Boris 的实战现场

这是 Boris 演示中最精彩的部分：赋予 AI 眼睛。

当 AI 修改了前端代码后，它会自动启动一个浏览器实例，像真实用户一样点击按钮、输入表单、截图并分析控制台报错。如果发现页面崩溃或报错，AI 会根据错误信息自动修正代码，直到通过验证。

### 🧠 技术视点：从“开环”到“闭环”

> 这不仅仅是自动化测试，这是“自主纠错”。

目前的 AI 编程多是“开环”的（AI 写完 -> 人去测 -> 人反馈）。Boris 构建的是**闭环系统**（AI 写 -> AI 测 -> AI 改）。只要有了可靠的反馈机制（视觉验证、测试套件），AI 就能在不断的试错中收敛到正确结果，这才是 AI 能够独立完成任务的关键。

------

## 14. claude Code Skills 进阶实践

### 🚀 超越脚本的终极形态

Boris 展示了如何用 Slash Commands 和 MCP 连接工具，但这依然是零散的。通过研究 Anthropic 最新的官方规范，我们发现 Claude Code 真正的杀手锏其实是：**Agent Skills（代理技能架构）**。

这不是简单的写个脚本，而是定义了一种**标准化的能力封装协议**。如果说 `CLAUDE.md` 是公司的“宪法”，那么 Agent Skills 就是 Claude 的“岗位技能手册”。

### 🛠️ 我们的实践：构建标准化的 Skill 目录

我们不应满足于散落在各处的 Prompt，而应按照官方规范，构建可复用的 **Skill 文件夹**结构：

#### 1. 采用“三位一体”的目录结构

一个标准的 Skill 不是一个文件，而是一个目录：

- **`SKILL.md` (大脑)**：核心指令文件。包含 YAML Frontmatter（元数据）定义 `name` 和 `description`，以及 Markdown 格式的操作指南。这是 Claude 唯一“必读”的部分。
- **`scripts/` (肢体)**：存放 Python/Bash 脚本。用于处理需要精确执行、容错率低的逻辑（如数据清洗、格式转换）。这比让 LLM 自己写代码执行要稳定得多。
- **`references/` (海马体)**：存放 PDF 规范、API 文档或模版。这些是 AI 按需查阅的知识库。

#### 2. 利用“渐进式披露”机制 (Progressive Disclosure)

这是该架构最精妙的技术设计，旨在解决上下文窗口（Context Window）的限制：

- **静默态**：Claude 启动时，只加载所有 Skills 的 `name` 和 `description`（约 100 tokens），极度节省资源。
- **激活态**：只有当 Claude 判定当前任务需要该技能时（例如你提到“处理这个 PDF”），它才会动态加载该技能完整的 `SKILL.md` 指令。
- **执行态**：只有在真正执行细节时，才会去读取 `scripts/` 或 `references/` 中的具体文件。

#### 3. 设定“自由度” (Degrees of Freedom)

我们在编写 `SKILL.md` 时遵循“窄桥原则”：

- **低自由度**：对于发布生产环境的操作，我们提供固死的 `scripts/`，不给 AI 自由发挥的空间，确保 100% 的一致性。
- **高自由度**：对于“代码优化建议”类技能，我们只提供 Markdown 文本指导，让 Claude 发挥它的创造力。

### 🧠 技术视点：AI 的“Docker 化”时刻

Agent Skills 的出现意味着 **AI 能力的标准化和模块化**。

- **可移植性**：你可以把一个写好的 `data-analysis` Skill 文件夹打包发给同事，他的 Claude 瞬间就学会了如何分析公司特有的数据格式，无需任何 Prompt 调试。
- **程序性记忆**：以前我们通过 RAG 给 AI **陈述性记忆**（知识），现在我们通过 Skills 给 AI **程序性记忆**（方法）。

------

**结语**

Boris Cherny 的 13 步工作流，配合最新的 Agent Skills 架构，本质上是将程序员从**代码的实现者**，升级为了**代码生产系统的设计者与监督者**。

拒绝“聊天式”编程 - 深度解析 Claude Code 之父的系统化开发流



> 科技浪潮奔涌向前，AI领域风起云涌。本期资讯我们将聚焦多项重大突破：美团、阿里等巨头在模型技术上的新进展；从Perplexity推出革命性专利搜索工具，到苹果与谷歌在智能语音助手上的历史性合作；更有OpenAI的Sora 2视频工具向更多国家和地区开放。科技的每一次脉动，都在预示着一个更加智能、更加便捷的未来。

## 美团开源全能模型LongCat-Flash-Omni，实时交互定义AI新纪元

美团近日正式开源了其最新的LongCat-Flash-Omni模型，该模型凭借创新的ScMoE（稀疏混合专家）技术，成功实现了全模态的实时交互能力。这不仅仅是一次技术升级，更标志着多模态AI已经从理论走向现实，一个能够听、说、看、感的全能AI新时代正加速到来。

![image.png](https://static.downly.cn/images/2c9d0ea7f6c6517422a43028c3676c34.png)

<div align="center">图源备注：图片由AI生成</div>

## Perplexity推出专利搜索神器，自然语言解锁全球智慧宝库

您是否曾为繁琐复杂的专利搜索而头痛？现在，Perplexity公司推出的免费AI工具 Perplexity Patents 将彻底改变这一现状。该工具整合了多个平台的专利数据，用户只需通过简单的自然语言提问，就能快速、精准地找到所需的专利信息。虽然目前仍处于测试阶段，但它已向所有用户开放，预示着专利研究将变得前所未有的高效与便捷。

![image.png](https://static.downly.cn/images/4b56963eab7465790a84f9c1f07729cc.png)

<div align="center">图源备注：图片由AI生成</div>



## 阿里通义千问再进化，Qwen3-Max上线“深度思考”功能

阿里巴巴旗下的通义千问模型迎来了重磅升级。最新发布的Qwen3-Max模型，参数量已突破万亿级别，并在官网上线了创新的“深度思考”功能。该模式通过对复杂问题进行多步骤拆解和推理链分析，极大地提升了处理复杂任务的效率和准确性，尤其在代码生成和智能体（Agent）能力上取得了显著进步。

![image.png](https://static.downly.cn/images/e18f4de48fe71316f4c96c68b9c6b0e4.png)

<div align="center">图源备注：图片由AI生成</div>

## AI内容创作走向合规，Perplexity与Getty Images达成战略合作

在AI生成内容的版权争议声中，Perplexity AI迈出了关键一步。该公司已与全球知名的图片库Getty Images达成了一项多年的授权协议。未来，Perplexity的AI搜索工具将能够合法使用Getty海量的正版图片资源。此举不仅解决了内容抓取和抄袭的争议，也标志着AI行业正积极转向与内容创作者建立官方、合法的合作关系。

![image.png](https://static.downly.cn/images/34488bf3688621cc3768334c99f72e9e.png)

<div align="center">图源备注：图片由AI生成</div>

## 苹果Siri迎来史上最大升级，谷歌Gemini技术强势赋能

苹果正全力推进其“Apple Intelligence”项目，计划在明年3月推出迎来重大革新的新版Siri。据悉，这次升级将深度整合谷歌强大的Gemini技术，以提升Siri的智能水平和对话能力。同时，苹果还将发布配备扬声器和壁挂选项的新型智能家居显示屏，以及新款Apple TV和HomePod mini，这些设备将成为展示AI新功能的重要载体。

![image.png](https://static.downly.cn/images/cd42c0c348cb21cd95cd9e333776bfa0.png)

<div align="center">图源备注：图片由AI生成</div>

## OpenAI视频生成工具Sora 2扩大开放，亚洲市场首次接入

备受期待的OpenAI视频生成工具Sora 2，现已取消邀请码限制，正式向美国、加拿大、日本和韩国的用户开放。用户可以直接通过App Store下载并使用ChatGPT账号登录。这是该工具首次大规模扩展至亚洲市场。据悉，本次开放是一次限时测试，旨在评估服务器的承载能力并广泛收集用户反馈，为未来的全面推广做准备。

![image.png](https://static.downly.cn/images/5f228297599ba7cfb076ac229a6e11e3.png)

<div align="center">图源备注：图片由AI生成</div>



每日AI资讯1103：苹果谷歌强强联手，Sora 2震撼开放



> 导语：备受瞩目的GPT-5在万众期待中登场，其性能表现与颠覆性的定价策略在社区引发热议，多家平台已迅速跟进集成。与此同时，AI正以前所未有的速度赋能开发者生态，从终端命令行编程到多语言文档解析，创新工具不断涌现。AI的应用边界也在持续拓宽，已深入AI代理支付、太空医疗保障乃至病毒式视频创作等全新领域，一个更加智能化的未来正加速到来。

## GPT-5全面来袭 性能毁誉参半，低价策略或引发市场震动

OpenAI的最新旗舰模型GPT-5已正式发布并登陆Cline等平台，提供旗舰版、mini版和nano版以满足不同需求。早期用户反馈呈现两极分化，一方面，其在推理、代码质量和处理复杂任务上表现卓越，幻觉率的降低也获得普遍好评。但另一方面，不少用户指出其写作能力似乎不如前代，编程能力的表现也参差不齐，尚不能完全胜任所有复杂任务，且在不同设备上存在服务器不稳定的情况。

值得注意的是，OpenAI为GPT-5制定了极具竞争力的定价，引发开发者社区的积极反响，此举或将掀起一场AI模型市场的价格战。为推动应用，AI代码编辑器Cursor已宣布向其付费用户提供限时免费的GPT-5体验。

![image.png](https://static.downly.cn/images/6683d2b470b68f256d6ac542bbca7b8e.png)

## PyTorch 2.8重磅更新 为英特尔芯片带来推理性能大飞跃

最新发布的PyTorch 2.8版本将为AI开发者带来显著的性能提升。此次更新重点优化了量化大语言模型在英特尔CPU上的推理性能，可将端到端延迟减少20%以上。此外，新版本还实验性地支持了用于Intel GPU的XCCL分布式后端，并增强了对SYCL的支持以及XPU设备的A16W4模式，这将为使用英特尔硬件的开发者提供更高效、更强大的AI计算能力。

![image.png](https://static.downly.cn/images/9d604e79561fd3d79bf0bd2892b21b47.png)

## 告别图形界面 Cursor CLI 将AI编程带入终端新时代

AI代码编辑器Cursor正式发布了其命令行界面（CLI）版本，让开发者能够直接在终端中利用强大的AI能力。通过Cursor CLI，开发者可以轻松完成代码生成、自动化脚本编写、文档更新和安全审查等任务。相比图形界面，CLI版本提供了更强的灵活性和可组合性，能够与现有的开发工作流无缝集成，进一步提升开发效率和代码管理的智能化水平。

![image.png](https://static.downly.cn/images/9813ec1223ad73de917ffcd0cd3e96e1.png)

## AI代理支付难题获解 Lava Payments融资打造“一键通付”钱包

初创公司Lava Payments在种子轮中成功融资580万美元，致力于解决当前AI代理支付碎片化的问题。该公司旨在通过一个统一的数字钱包和积分系统，让AI代理能够代表用户更顺畅地在互联网上进行交易。Lava Payments专注于为AI原生经济构建支付基础设施，其“一键通付”的愿景有望为AI代理的广泛应用扫清支付障碍。

![image.png](https://static.downly.cn/images/462d41e4672435bda254ebbcc842fa14.png)

## 1.7B轻量模型dots.ocr登场 挑战多语言文档解析极限

一款名为dots.ocr的1.7B参数轻量化多语言视觉-语言模型横空出世，在文档智能处理领域发起了新的挑战。该模型采用统一架构，实现了业界领先的文档布局检测和OCR能力，能够高效、精准地解析包括中、英文在内的100种语言的文本、表格和公式，并能正确处理阅读顺序。尽管在处理极端复杂的表格和图片内容上仍有提升空间，但它已为文档智能化处理提供了极具潜力的革新方案。

![image.png](https://static.downly.cn/images/074466d2816597050db08719a6cfd2d2.png)

## 亚马逊打造AI“模型超市” Bedrock平台主张“选择至上”

亚马逊云科技（AWS）正通过其Amazon Bedrock平台推行“选择大于一切”的战略，旨在打造全球最大的AI模型聚合平台。该平台不仅提供了如OpenAI的开源模型，还引入了Anthropic等业界顶尖公司的最新模型。AWS的目标是为企业提供多样化的模型选择，以满足不同业务场景的特定需求，并通过模型间的组合使用，实现“1+1>2”的效果，强力推动生成式AI应用的普及与发展。

![image.png](https://static.downly.cn/images/62072ea1779a47508aee5ab6de77c8aa.png)

## “脑腐”视频一键生成 OpenArt推出病毒式内容创作新工具

由前谷歌员工创立的AI初创公司OpenArt近日推出了一项新功能，旨在帮助内容创作者轻松制作在社交媒体上广为流传的“脑腐”（brainrot）风格视频。这类视频通常以快节奏、高信息密度和强烈的视觉冲击力为特点。OpenArt的新工具通过AI技术，实现了这类病毒式视频的一键生成，为创作者提供了一种全新的内容生产方式。

![image.png](https://static.downly.cn/images/d0da2ee3b84f0d40deffce54efab2586.png)

## NASA携手谷歌 为火星宇航员配备AI“随行医生”

为了保障未来前往火星的宇航员的健康，美国国家航空航天局（NASA）正与谷歌合作，共同打造一款先进的AI医疗助手。这款多模态工具集成了语音、文本和图像处理能力，运行在谷歌云的Vertex AI环境中。它能够帮助宇航员在漫长的太空旅行中进行健康监测和初步诊断，确保他们在远离地球的极端环境下也能获得可靠的医疗支持。

![image.png](https://static.downly.cn/images/8dccc3ddfe26475175561a4f9b6014dd.png)

每日AI资讯0809：GPT-5引发价格与体验风暴，AI深入编码、支付与太空探索新前沿



> 近期，OpenAI的ChatGPT Agent在公开演示中表现未达预期，引发业界对其Agent能力的质疑。与此形成鲜明对比的是，国内AI大模型如 Manus、Kimi、Minimax 等，在多模态与Agentic任务上展现出卓越能力，在复杂场景处理上表现出色，赢得了广泛关注。

## OpenAI Agent演示失利，引发能力质疑

在近期备受瞩目的OpenAI发布会及随后的公开演示中，其ChatGPT Agent未能如业界期待般展现出在复杂、多步骤任务处理上的强大实力，甚至在某些关键环节出现了令人沮丧的失误。这次演示的“翻车”事件，迅速在全球AI社区和科技媒体中掀起波澜，促使人们开始重新审视OpenAI在Agent技术方面的实际进展是否与其声名相符。

演示中，当ChatGPT Agent被要求执行涉及跨应用、多逻辑推理的复杂任务时，暴露出诸如任务理解不准确、执行路径混乱、以及无法有效调用外部工具等问题，未能流畅且高效地完成预设目标。这与其在纯文本生成等领域所展现的卓越能力形成了鲜明对比，也使得业界对OpenAI通用AI Agent的商业化落地和实际应用前景产生了疑问。

![image.png](https://static.downly.cn/images/a1b7e18ca16064f0d933c7db81329a54.png)

## 国产AI Agent崛起：Manus、Kimi、Minimax大秀实力

与OpenAI Agent演示的失利形成鲜明对比的是，以Manus、Kimi、Minimax为代表的国产AI大模型，近期在多模态理解和Agentic任务处理方面展现出令人惊艳的实力，赢得了广泛赞誉。这些模型在处理复杂场景和执行多步骤任务时的优异表现，充分彰显了国产AI在技术研发和实际应用上的快速进步。

*   **Manus** 在其演示中，展现了强大的跨应用调度和复杂任务规划能力，能够精准理解用户意图，并在多个软件平台间无缝切换，完成从信息收集、数据分析到报告生成的全流程任务，展现出高水平的自主执行能力。
*   **Kimi** 则凭借其在长文本处理、海量文档阅读理解以及多维信息整合方面的优势，在需要深度知识理解和信息提炼的Agent任务中表现卓越，能够迅速从冗余信息中抽取核心要点，并进行有效总结与归纳。
*   **Minimax** 在多模态交互和个性化Agent构建方面独树一帜，其Agent不仅能理解复杂的语音指令和视觉信息，还能基于用户反馈进行自我调整和学习，实现更自然、更智能的人机协作，特别是在创意生成和复杂场景模拟方面表现出色。

这些国产AI Agent在处理真实世界问题时，展现出更高的鲁棒性、更强的灵活性和解决问题的效率，特别是在中文语境和特定应用场景下，其性能甚至在某些方面超越了国际同行。这标志着国产AI Agent正在加速追赶，并在AI Agent领域形成独特的竞争优势。

![image.png](https://static.downly.cn/images/21c42a34927e9bd49f6ef41f9b8ee436.png)

## 全球AI Agent格局：挑战与差异化竞争

OpenAI Agent的此次演示受挫，不仅是个例，也折射出全球AI Agent技术发展所面临的共同挑战，即如何将实验室的理论突破真正转化为大规模、可靠且高效的实际应用。构建一个真正能够理解复杂人类指令、自主决策、并在真实世界环境中高效完成任务的通用AI Agent，其技术难度远超想象。

与此同时，以Manus、Kimi、Minimax为代表的国产AI Agent正在积极探索并走出一条适合自身优势的发展路径。它们不再仅仅是追随者的角色，更在结合中国市场的独特需求和应用场景，发展出差异化的竞争优势。例如，在长文本处理、多模态理解、垂直行业Agent应用以及更深层次的人机协作方面，国产AI Agent展现出独特的适应性和创新性。

未来的AI Agent竞争，将不再仅仅是算力或模型参数规模的简单比拼，更将聚焦于Agent在实际任务中的稳定表现、对用户意图的深度理解、与外部工具的协同效率，以及能否真正解决用户痛点和创造实际价值。

![image.png](https://static.downly.cn/images/aad5683def0e9789b6096b55ac4d77b0.png)

## AI Agent的未来：机遇与重塑并存

尽管OpenAI Agent的此次演示未能尽如人意，但这并不能阻碍AI Agent作为人工智能领域重要发展方向的趋势。AI Agent有望深刻改变人机交互模式、自动化工作流程和智能决策方式，将人类从繁琐重复的任务中解放出来，专注于更高层次的思考和创造。

国产AI Agent的异军突起，则为全球AI Agent领域注入了新的活力和可能性。它们的成功实践证明，通过持续的技术创新、深度场景理解和差异化策略，完全可以在全球AI舞台上占据一席之地。未来，随着技术的不断成熟和应用场景的持续拓展，AI Agent将逐步渗透到我们生活的方方面面，重塑工作和生活方式。

![image.png](https://static.downly.cn/images/113b56aa2b8dbe2336b6450849f1bc78.png)



搜索结果: 用户反馈