今天最值得看的三件事：
- 公司动态 · OpenAI 提议让美国政府持股 5%，与特朗普政府谈
- 模型发布 · Anthropic 发布 Claude Sonnet 5 遭差评刷屏
- 公司动态 · 微软斥资 25 亿美元成立 AI 部署公司 Frontier
下文按板块展开，正文每条均附原始链接。
🚀 模型发布
Anthropic 新旗舰上线 24 小时便遭用户差评刷屏，性能不升反降；另一边，Mistral 开源了数学证明 Agent，在 PutnamBench 上解决近九成问题。模型发布进入“口碑分化”阶段——闭源激进更新失误，开源专攻窄场景出成绩。
Claude Sonnet 5 上线即翻车：性能下降、拒答频繁
Anthropic 于 7 月 3 日发布 Claude Sonnet 5（代号 Fable 5），意在接替此前口碑不错的 Sonnet 4。然而上线不到 24 小时，社交平台与评测社区出现大量差评：用户反馈模型在代码、逻辑推理等任务上表现不如前代，且频繁拒绝回答简单问题。性价比也被用户拿来与 GPT-4o 等竞品对比，认为其定价缺乏竞争力。Anthropic 尚未官方回应，但已有用户猜测是训练数据或对齐策略出了问题。
原文：https://www.leiphone.com/category/yanxishe/GLDTfDIWau83OKGC.html
Vidu S1 实时交互视频模型：让视频“活”起来
生数科技发布 Vidu S1，主打实时视频通话与语音控制视频走向。用户可以通过自然语言指令实时调整视频内容（如改变场景、角色动作），支持高清分辨率与高帧率输出。模型还能创建专属交互角色，适用于虚拟陪伴、直播、教育等场景。这是继文本、图像之后，多模态交互向实时视频生成的重要一步，但商业化落地仍需解决延迟与成本问题。
原文：https://36kr.com/newsflashes/3879857819201798
Leanstral 1.5 开源：数学证明 Agent 逼近人类水平
Mistral AI 开源 Leanstral 1.5，一个专注于 Lean 4 的代码 Agent 模型。它采用 119B MoE 架构，在 PutnamBench（一套高难度数学竞赛题）上解决 587/672 个问题，覆盖率达 87.4%。模型通过结合形式化验证与强化学习，实现了数学定理证明的自动化突破。Apache 2.0 许可证意味着开发者可自由部署和修改。这一进展对 AI for Math、程序验证领域有直接价值，也展示了小参数量 MoE 模型在窄领域超车的可能。
原文：https://www.marktechpost.com/2026/07/03/mistral-ai-releases-leanstral-1-5-an-apache-2-0-lean-4-code-agent-model-solving-587-of-672-putnambench-problems/
当闭源为了版本号而激进上架时，开源正靠专注与软工细节赢得信任。明天你会把 100 美元花在 Claude 还是租一张 MoE 显卡跑 Lean？
🏢 公司动态
导语：今日最值得关注的是OpenAI向特朗普政府提出将5%股权捐给美国主权财富基金，这是AI巨头主动让渡利益以换取政治信任的罕见动作。与此同时，微软斥资25亿美元成立专门的企业AI部署公司，两大玩家正以截然不同的路径争夺AI落地的控制权。对于从业者而言，理解这些战略信号比追逐每个融资数字更重要。
OpenAI 提议美国政府持股5%，意在缓和监管压力
是什么：Sam Altman与特朗普政府谈判，提议将OpenAI 5%的股权捐赠给美国主权财富基金。这一金额远低于参议员Sanders此前要求的目标，但已足以引发市场震动。
关键点：OpenAI正在主动寻求与政府建立利益绑定关系，而非被动应付监管。5%的股权意味着美国政府将直接获得一家顶级AI公司的重要少数权益，同时也获得参与公司治理的潜在通道。
为什么重要：这标志着AI行业与政府关系的转折点——从对抗监管转向“利益共享”。若成真，其他AI公司可能被迫跟进，形成“政府入股”的行业新范式。对投资者而言，OpenAI的估值和政治风险将重新被定价；对从业者，则需关注政府意志如何影响技术发展方向。
原文：Ars Technica
微软斥资25亿美元成立AI部署公司Frontier
是什么：Microsoft宣布推出Frontier Company，投入25亿美元专项预算，计划在企业客户中嵌入6000名AI工程师，直接对标Amazon、OpenAI等对手的部署能力。
关键点：这并非传统的咨询或集成服务，而是一家独立的、“部署优先”的子公司。Frontier将专注把AI能力深度嵌入企业核心流程，而非仅仅提供API或云平台。
为什么重要：AI的竞争正从模型能力转向落地效率。微软此举表明，即便拥有最强的AI平台（Azure+OpenAI），仍需重兵投入客户现场才能兑现收入。对于从事AI工程落地的团队而言，这意味着更大的就业市场，同时也意味着部署岗位的需求将超过模型研发岗位。
原文：TechCrunch
Anthropic与三星洽谈定制AI芯片，加速硬件自主权
是什么：Anthropic正在与三星讨论开发定制AI芯片，距离OpenAI宣布与博通合作自研芯片仅过去一周。
关键点：Anthropic此前主要依赖英伟达GPU，但与三星的合作可能聚焦于推理专用芯片或低功耗边缘芯片。三星作为存储和代工巨头，可以提供从设计到制造的垂直整合能力。
为什么重要：顶尖AI模型公司正在集体“向上游走”，通过定制芯片来降低推理成本、获取差异化性能。这对英伟达的王座构成间接挑战，也意味着AI芯片领域的市场竞争将进一步白热化。对芯片创业者来说，Anthropic和三星的合作可能开辟新的替代路线。
原文：TechCrunch
扎克伯格内部承认AI代理进展慢于预期
是什么：Meta CEO Mark Zuckerberg在内部会议上承认，AI代理（AI agents）的研发进展未达到他此前的期望。同日，Meta低调推出AI游戏应用Pocket。
关键点：Zuckerberg长期以来将AI代理视为下一代人机交互的核心，但内部反馈显示技术成熟度远不及对外宣传。Pocket的发布极为低调，可能意为试探性产品。
为什么重要：Meta在AI领域的战略方向（开源模型、元宇宙AI）曾备受期待，但核心产品的落地困难值得警惕。如果连拥有最多AI算力和人才的Meta都进展缓慢，行业整体对AI代理的上市时间表可能需要下调。投资者应重新评估“agentic AI”相关公司的估值预期。
原文：TechCrunch
Google DeepMind与A24开展影视AI研究合作
是什么：Google DeepMind宣布与独立电影公司A24达成首次研究合作，探索AI在影视创作中的应用，具体研究方向未公开。
关键点：这是DeepMind首次与纯影视创意方正式合作，而非仅提供技术工具。A24以作者电影著称，合作意味着AI可能介入剧本开发、视觉风格生成或后期制作等创意核心环节。
为什么重要：AI与影视行业的结合长期以来仅限于特效和辅助工具，DeepMind的入局可能推动“AI辅助创作”向“AI协作创作”跨越。对AI产品经理而言，这是观察如何与创意行业建立深层信任的绝佳案例——技术方需要谦逊地尊重创作主导权。
谷歌2025年因AI建设电力消耗飙升37%
是什么：Google发布的2025年度环境报告显示，其AI建设导致电力消耗同比增长37%，清洁能源目标的实现面临严峻挑战。
关键点：尽管Google签订大量可再生能源购电协议，但AI数据中心的高密度计算导致实际碳排放不降反升。公司正探索核能、先进地热等备选方案，但短期内难以扭转趋势。
为什么重要：AI的规模扩张正在与全球碳中和目标发生直接冲突。对于运营AI基础设施的团队而言，电力成本和环保合规将成为下一代数据中心选址的核心约束。同时也提醒投资者：AI公司的“绿色叙事”与真实能耗之间存在巨大差距。
原文：Ars Technica
中国AI视频公司Kling融资20亿美元筹备港股IPO
是什么：中国AI视频生成公司Kling完成20亿美元新一轮融资，计划在香港上市，市场预计估值将超过百亿美元。
关键点：Kling是继Sora之后的全球AI视频赛道主要竞争者之一，其技术路径侧重高质量长视频生成。本轮融资规模罕见，且IPO地点选择香港而非美股，规避了中概股监管不确定性。
为什么重要：这是中国AI公司进入上市窗口期的信号。如果Kling成功港股IPO，将重新打开中国AI资产的估值参考，并吸引更多美元基金通过港股重返中国AI市场。对于关注出海和全球竞争的产品经理，Kling的技术能力将直接影响海外视频生成市场的格局。
原文：The Decoder
结语：OpenAI的股权让利与微软的大举部署，同时指向一个事实：AI行业的赢家不再是模型最强的公司，而是最能搞定“人与政府”关系的公司。你怎么选——技术信仰派，还是政治实用派？
🔬 研究论文
导语
英国 AI 安全研究所（UK AISI）的实验给出一个值得警觉的判断：当前主流基准测试严重低估了 AI Agent 的真实能力，这意味着我们可能正基于错误的安全指标制定监管与部署决策。与此同时，中国团队将 LeCun 的 JEPA 架构引入细胞建模，为世界模型打开生物应用窗口；另一篇 arXiv 论文则提醒，持久化状态的 Agent 正暴露新的分布式攻击面。
基准测试失灵：AI Agent 能力被刻意隐藏
是什么：UK AISI 的对比实验发现，标准基准测试（如 GSM8K、HumanEval）在衡量 AI Agent 时存在系统性低估——Agent 在开放环境中能完成的任务复杂度远超基准评分所反映的水平。
关键点：基准测试通常设计为独立、短路径任务，而现实场景中 Agent 可调用工具、多轮迭代，其实际能力被碎片化评估掩盖。这种偏差导致安全风险被低估：一个在基准上表现“安全”的 Agent，可能在实际部署中产生意料之外的误操作。
为什么重要：若监管标准、风险分级完全依赖现有基准，则可能对高能力 Agent 采取过于宽松的管控措施。UK AISI 呼吁重新设计动态、交互式评估框架，以匹配 Agent 的真实行为边界。
原文：https://the-decoder.com/uks-ai-security-institute-finds-standard-benchmarks-systematically-underestimate-what-ai-agents-can-actually-do/
JEPA 跨界细胞建模：世界模型进入生命科学
是什么：受 Yann LeCun 提出的联合嵌入预测架构（JEPA）启发，中国研究团队将其应用于细胞内部状态建模，使模型能预测细胞在扰动下的动态变化——这是世界模型概念首次在生物微观领域落地。
关键点：JEPA 不直接预测像素或数据，而是学习隐空间中的状态转移。团队将这一思路迁移至单细胞 RNA 测序数据，让模型学习细胞状态的“隐变量”演化路径，而非简单拟合表达量。初步结果显示，模型能准确预测药物刺激后的细胞分化轨迹。
为什么重要：世界模型的核心是构建对复杂系统的内部因果理解。生命科学领域一直缺少这样的统一框架，JEPA 的跨界应用可能成为 AI for Science 的新范式——不仅“预测”，更“理解”系统的内在动力学。
原文：https://www.qbitai.com/2026/07/442746.html
Agent 分布式攻击面：持久化状态带来新漏洞
是什么：arXiv 上的一篇论文系统分析了 AI 编码 Agent 在持久化状态（persistent state）下的安全攻击面，指出这类 Agent 存在通信、状态同步和权限管理上的分布式脆弱点。
关键点：与一次性对话不同，持久化 Agent 会跨会话保留内存、文件系统和外部服务链接。攻击者可通过“状态注入”——在 Agent 与外部工具交互时嵌入恶意指令——破坏信任链。论文给出了多个可复现的攻击场景，包括提示注入、历史状态中毒等。
为什么重要：随着 AI Agent 从实验走向生产（如自动化编码、运维），持久化状态成为标配。当前业界的安全防护几乎都针对“无状态”场景，忽略了跨会话攻击链。该论文提醒开发者：Agent 的安全设计必须考虑持久化带来的新威胁维度。
原文：http://arxiv.org/abs/2607.02514v1
结语
当评估体系失效，安全阈值可能形同虚设；当 Agent 学会持久化，攻击面也随之穿越时间——你的下一个 Agent，真的准备好了吗？
📱 应用产品
今天应用产品领域最值得关注的是Vercel推出开源Agent框架Eve，其首席软件官断言Agent是新型软件。同时微软大改Copilot加入AutoPilot，加入超应用竞赛。Agent形态正在从聊天助手走向可编程基础设施。
Vercel 推出开源 Agent 框架 Eve，重新定义软件形态
是什么：Vercel 发布了名为 Eve 的开源 Agent 框架，首席软件官（CSO）在博客中将 Agent 定义为“新型软件”，强调 Eve 关注三大核心——技能（Skills）、沙箱（Sandbox）和 Agent 可读网站（Agent-readable websites）。
关键点：Eve 允许开发者以编程方式定义 Agent 的技能模块，并在隔离沙箱中执行；同时鼓励构建对 Agent 友好的页面结构，使 Agent 能自主解析和操作网页。
为什么重要：这一定位突破了当前 Agent 主要作为对话助手的局限，将其视为可组合、可编程的软件单元。Vercel 作为前端基础设施公司，此举可能推动 Agent 成为下一代 Web 应用的核心架构。
原文：https://www.latent.space/p/vercel-agents-new-software
微软大改 Copilot 并推出 AutoPilot Agents 超级应用
是什么：Microsoft 对已有的 Copilot 进行彻底改造，加入名为 AutoPilot 的代理功能，使其具备自主执行复杂任务的能力，意图加入 Anthropic 和 OpenAI 已开启的 AI 超级应用竞赛。
关键点：AutoPilot Agents 可以跨应用（如 Office 365、Teams、Outlook）执行多步骤任务，用户只需自然语言指令。微软将 Copilot 从辅助工具升级为主动代理。
为什么重要：这是微软在 Agent 竞争中最激进的一步。若成功，Copilot 将从“副驾驶”变为“自动驾驶”，直接与 Anthropic 的 Claude Computer Use 和 OpenAI 的 Operator 对位。
原文：https://the-decoder.com/microsoft-follows-anthropic-and-openai-into-the-ai-super-app-race-with-overhauled-copilot-and-autopilot-agents/
Adobe 实验“Agentic 网站”：页面按用户意图自组装
是什么：Adobe 正在测试一种基于 Agent 的网站生成方式，网页会根据访问者的个人意图实时动态组装内容，而非预先设计好的静态页面。
关键点：核心技术是利用 Agent 理解用户上下文（如搜索历史、行为模式），然后从组件库中选取并组合最相关的模块，实现真正的“千人千面”。
为什么重要：如果落地，将彻底颠覆传统 Web 设计范式——从“设计页面”转向“设计组件和规则”，Agent 成为网页的实时组装者。
原文：https://www.latent.space/p/the-website-of-the-future
Meta 低调推出“Vibe Coding”游戏应用 Pocket
是什么：Meta 发布了一款名为 Pocket 的实验性产品，允许用户通过文本提示（即“Vibe Coding”风格）生成并分享互动小游戏。
关键点：用户只需描述游戏玩法（如“打地鼠但用香蕉”），系统自动生成可玩的 HTML5 游戏，并支持社交分享。目前处于低调测试阶段。
为什么重要：这是 Meta 在“创作者工具”方向的又一尝试，延续了“用自然语言生成内容”的趋势。虽然级别较低，但可能为 UGC 游戏平台开辟新路径。
原文：https://techcrunch.com/2026/07/02/meta-quietly-launches-vibe-coded-gaming-app-pocket/
生数科技发布 Vidu S1 实时交互视频模型
是什么：生数科技推出 Vidu S1 实时交互视频模型，支持视频通话级别的实时生成和语音控制。本条归类为产品发布。
关键点：与以往文本到视频不同，Vidu S1 可实时响应用户语音指令，在视频生成过程中改变场景、角色动作等，实现类似“视频版 Siri”的交互。
为什么重要：实时交互是视频生成从离线工具向实时产品跨越的关键一步，应用场景拓展至虚拟陪伴、直播、教育等。
原文：https://36kr.com/newsflashes/3879857819201798
当 Agent 从聊天窗口走进代码库和网页组件，或许我们正站在“软件即 Agent”的起点——你的下一个产品，还会是传统的 App 吗？
💭 行业观点
当 Simon Willison 在 AI Engineer World’s Fair 后连发数文，聚焦 loops 辩论与开源差距时，Agent 狂欢中的冷思考正在浮现。工程界的真实问题，远比赛道概念更有价值。
Simon Willison：Loops 辩论、Agent 技能工程与开源差距
AI 领域知名博主 Simon Willison 在参加 AI Engineer World’s Fair 后，连续发表多篇博客，直击当前 AI 工程的核心争议。他讨论了围绕“loops”的辩论——即是否需要在 AI agent 中引入显式的循环控制，以及 agent 技能工程（Skill Engineering）的设计原则。此外，Willison 还推出了一张“开源 AI 差距地图”，系统梳理了从模型训练到工具链的各个环节中，开源生态与闭源方案之间的差距。他的核心判断是：当前的工程实践过度关注模型能力，而低估了任务拆解、工具编排与错误恢复的系统性难度。这些反思来自一线实操，值得每位技术决策者跟进。
Agent 狂欢下的冷思考：规模化落地为何僵局
多篇中文技术媒体近日集中反思 Agent 落地的实际困境。InfoQ 编译的文章指出，GitLab 内部调研显示，AI 辅助工具并未显著提升整体交付效率，甚至在部分场景下因上下文切换成本导致反效果。观点认为，当前 Agent 落地面临三重障碍：工程层面，任务编排与状态管理仍缺乏成熟框架；治理层面，无法保证长期稳定执行；效率层面，“增人不增力”的边际收益递减已出现。这些冷思考提醒我们，从 Demo 到生产环境的鸿沟并没有被填补，投资与设计应当回到基础设施与可观测性上来。
原文：InfoQ 文章
Jersey Mike’s IPO 文件暴露 AI 炒作泛滥
TechCrunch 在一篇略带调侃的文章中指出，即使是 Jersey Mike’s 这样的传统三明治连锁店，在其 IPO 文件中也不忘提及 AI 战略，包括使用 AI 优化库存、预测客流等。这一现象折射出 AI 炒作已经渗透到非科技行业的公开文件中，成为“镀金”符号。虽然“AI+餐饮”本身并非不可行，但当每家公司的招股书都要塞进 AI 关键词时，投资者需要警惕其中的泡沫信号——真正的价值应体现在具体业务指标的改善，而非概念堆砌。
原文：TechCrunch
当 AI 被写进三明治店的 IPO 文件，泡沫的注脚已然写就；但真正值得追随的，永远是那些在 loops 和 agent 技能中打磨细节的工程师。
⚙️ 开源工具
今天是 2026 年 7 月 4 日，开源工具板块最值得关注的是 OpenAI 正式发布 Codex Plugin for Claude Code——让两个最火的编码 Agent 工具直接互通。这不是简单的适配，而是 Agent 间互操作走向标准化的信号：当头部玩家开始主动开放接口，工具链的“单打独斗”阶段可能正在过去。
OpenAI 开源 Codex Plugin for Claude Code
是什么：OpenAI 在 GitHub 上开源了 Codex Plugin for Claude Code，允许用户在 Claude Code（Anthropic 的编码 Agent 工具）中直接调用 Codex 进行代码审查、任务委派等操作。插件由 OpenAI 官方维护，类似一个双向桥接器。
关键点：这不是用户自己拼装的 hack 方案，而是两家公司（OpenAI 与 Anthropic）在 Agent 生态上的首次官方协作。插件让 Claude Code 能调用 Codex 的代码补全与审查能力，反之亦然——但当前版本更侧重“从 Claude 调用 Codex”。
为什么重要：标志 Agent 工具从“各自为政”走向“互操作性”。对于开发者来说，不再被单一 Agent 绑定；对于平台方来说，开源降低了第三方接入门槛。这可能是 Agent 生态标准化协议的开端。
开源 AI 渗透测试工具 Strix 火爆
是什么：Strix 是一个基于 AI 的渗透测试工具，能够自动扫描应用漏洞并提出修复建议。它在 GitHub 上迅速积累关注，成为本周热门项目。
关键点：Strix 的核心是“自动化攻击 + 修复建议”闭环。它利用 LLM 理解漏洞上下文，而非简单匹配规则库。目前已支持常见 Web 漏洞和部分 API 安全测试。
为什么重要：安全运维的自动化是刚需，但此前 AI 渗透工具多偏向攻击方。Strix 兼顾检测与修复，降低了安全团队的门槛。若能持续维护，可能成为 DevSecOps 的开源标配。
Superpowers：可组合的编码 Agent 技能框架
是什么：Superpowers 是一套面向编码 Agent 的开发方法论和可复用技能集合。它提供类似“微服务”的模块化设计，让 Agent 开发人员可以像搭积木一样组合技能。
关键点：框架定义了一套标准接口，技能（skill）之间通过松散耦合的协议通信。官方示例包括代码审查、文档生成、测试编写等常用 Agent 技能。项目仍处于早期阶段（0.1.x）。
为什么重要：当前 Agent 开发重复造轮子严重。Superpowers 试图建立技能复用标准，类似 React Hooks 之于前端。如果社区采纳，可能加速 Agent 开发效率一个数量级。
Chrome DevTools 发布 MCP 协议，Agent 可调试网页
是什么：Chrome DevTools 团队开源了 MCP（Model Context Protocol）实现，使得 AI 编码 Agent 可以直接控制 Chrome 的调试工具，实现自动化页面调试、DOM 检查和网络分析。
关键点：MCP 原本是 Anthropic 提出的协议，用于 Agent 与外部工具交互。Chrome 官方采用意味着该协议获得主流浏览器厂商支持。Agent 现在可以像人类一样操作 DevTools 面板。
为什么重要：前端自动化调试一直是 Agent 的盲区——之前 Agent 只能通过 Puppeteer 进行黑盒操作，无法利用 DevTools 的深度诊断信息。MCP 让 Agent 获得和白盒一样的洞察力，尤其适合自动化跨浏览器测试和性能分析。
Google 开源 agents-cli：一键部署 Agent 到云
是什么：Google 发布 agents-cli 命令行工具，允许开发者用任何编码助手（如 Cursor、Copilot）创建 AI Agent，并一键部署到 Google Cloud 上。
关键点：工具链从“编写代码”到“部署运行”全流程集成，支持评估和版本管理。目标用户是已经使用编码助手生成 Agent 代码的开发者。
为什么重要：Google 在 Agent 部署环节抢占入口。相比手动配置云资源，agents-cli 降低了部署门槛，但生态绑定较强（仅支持 Google Cloud）。对于云服务商竞争，Agent 部署的丝滑体验可能成为新卖点。
Nous Research 开源 Hermes Agent：强化学习驱动
是什么：Hermes Agent 是一个基于强化学习的自改进 Agent 框架。它能通过环境反馈自动优化自身行为，目标是“越用越强”。
关键点：核心是 RL 训练 loop，Agent 在执行任务后收到奖惩信号，更新策略。项目开源了训练代码和预训练权重，强调 reproducibility。
为什么重要：大部分编码 Agent 目前依赖 prompt engineering 或 fine-tuning 静态提升。Hermes 引入在线学习，让 Agent 能动态适应任务变化。如果RL pipeline 足够轻量，可能开启“Agent 终身学习”范式。
NVIDIA 官方发布 AI Agent 技能库 skills
是什么：NVIDIA 在 GitHub 上开源了一组官方验证过的 AI Agent 技能（skills），涵盖图像处理、视频分析、科学计算等 NVIDIA 擅长的领域。
关键点：技能库采用标准化接口（类似 Superpowers 的理念），每个技能都附带测试和性能基准。目前首个版本包含 10 个技能，主要面向 GPU 加速场景。
为什么重要：NVIDIA 的加入为 Agent 技能标准提供了硬件层面的背书。当技能需要调用 GPU 资源，NVIDIA 的技能库可确保最佳性能。这既是对开源生态的贡献，也是对自家硬件软生态的布局。
Simon Willison 发布 llm-coding-agent 实验版本
是什么：知名 Python 开源作者 Simon Willison 发布了 llm-coding-agent 的 0.1a0 版本，一个基于其 llm 工具库的编码 Agent 脚本。
关键点：该工具非常轻量，主要是用 LLM 调用和 shell 命令组合实现简单的“阅读代码-生成修改-应用”。目前只是实验性质，文档尚不完整。
为什么重要：Simon 的 llm 库在 Python 社区有广泛用户，这个 Agent 实验可能成为“从零开始造一个 Agent”的经典教程。但当前版本成熟度很低，不建议生产使用，但值得关注其后续演进思路。
今天八条 story 几乎都在做同一件事：让 Agent 更好用、更智能、更互联。当巨头们争相开源自己的 Agent 基础设施，下一个值得问的问题是——谁能率先让这些开源组件拼出一个真正可信任的生产级 Agent？