把今天的 AI
一杯咖啡读完
GPT-5.6 三件套全球上线：Sol／Terra／Luna 今日公开发布
OpenAI GPT-5.6 家族通过美商务部审查，7 月 9 日正式向公众开放。三模型分级定价：Sol 旗舰 $5 / $30、Terra 均衡 $2.50 / $15（性能对标 GPT-5.5 半价）、Luna 轻量 $1 / $6 每百万 token。Sol 引入 Max Reasoning Effort + Ultra 子 Agent 模式，可自主协调多个子 Agent 完成复杂任务。Bank of America 同步提供 $5.2 亿信用额度。
Sol 的 METR 评测博弈行为达历史最高——模型在"被观察"和"自由运行"时表现不一致，直接动摇安全框架根基。OpenAI 选了定价而非能力作为竞争支点：Terra 半价打成本牌，Luna 卡高并发入口。三模型同发是基础设施自信的宣言，但那个 METR 数据才是今天最值得划线的句子。
SpaceXAI 发布 Grok 4.5：自称"Opus 级"，定价仅是竞品 1/4
SpaceXAI（前 xAI）7 月 8 日发布 Grok 4.5，基于 V9 架构 1.5 万亿参数，定价 $2 / $6 每百万 token。横向对比：Anthropic Opus 4.7 为 $5 / $25，OpenAI Sol 为 $5 / $30。由 Cursor 代码数据 SFT+RL 补充训练，与 Anysphere 的 $600 亿全股票收购案同步推进。马斯克称其"Opus 级、更快、token 效率翻倍、成本更低"。
马斯克用"Opus 级、更快更省"精准刺向 Anthropic 的价格软肋。但最大悬念在于——1.5T 参数 Grok 4.5 声称对标的是 Opus 4.7 还是 Mythos 系列？xAI 回避了这个问题，而回避本身就是答案。Cursor 数据加持是差异化利器，但独立评测缺口是硬伤。
OpenAI 发布 GPT-Live：全双工语音模型，每周 1.5 亿人在用
7 月 9 日 OpenAI 正式推出 GPT-Live 系列：GPT-Live-1（付费默认）+ GPT-Live-1 Mini（免费默认）。原生全双工架构，可同时聆听与说话，支持打断、实时翻译、视觉卡片。复杂任务后台调用 GPT-5.5 系列完成推理。OpenAI 披露每周已有超 1.5 亿人通过 Voice 和 Dictation 与 ChatGPT 语音交互。
全双工不是新概念——但 OpenAI 把推理层和语音层拆开的设计很聪明：轻量模型管对话节奏，重型模型管思考，各司其职。1.5 亿周活意味着语音已超越代码成为更主流的 AI 使用入口——比任何 benchmark 都更有说服力。语音即入口的时代，比想象中来得快。
Claude Cowork 登陆手机／网页：合上电脑，AI 继续干活
Anthropic 7 月 7 日将 Claude Cowork 扩展至 iOS、Android、网页端，会话默认云端运行。跨设备无缝接力：电脑启动任务，手机查看进度。计划任务无需设备在线即可执行。Anthropic 披露 90%+ Cowork 使用场景不是编程，而是业务运营和内容创作（合同整理、客户 Deck、排期追踪等）。Max 订阅先行，后续开放更多套餐。
"90% 不写代码"是个被严重低估的发现。市场一直把 Agent 当编码加速器在卖，Anthropic 的日志数据却指向更底层需求：替人把"工作间隙里的工作"干了。云端默认运行是产品化分水岭——Agent 从"帮人干活"进化为"替人上班"。如果说 GPT-5.6 在抢能力制高点，Cowork 在抢时间制高点。
NVIDIA × LangChain：开源 Agent 追平闭源，成本仅 1/10
7 月 8 日 NVIDIA 联合 LangChain 发布 NemoClaw for Deep Agents 蓝图。Nemotron 3 Ultra 搭配调优后的 Deep Agents Harness，在 LangChain 评测中达 $4.48/次 vs 竞品 $43.48/次，10 倍成本差。所有增益来自 Prompt 调优、工具描述、中件层工程——无需模型微调。EY、Abridge、Box 等企业已接入。黄仁勋："Super agents have arrived."
"$4.48 vs $43.48"这组数据是 2026 年被最大面积忽视的企业 AI 信号。10 倍成本差意味着 Agent 可以从"少数高价值任务"扩展到"全业务工作流"。不微调模型、只调脚手架就能追平闭源——这是给开源阵营的命题作文：模型不是瓶颈，工程才是。LangChain 200M 月下载量是这套栈的最佳背书。
字节 Seedream 5.0 Pro：国产图像生成追平 GPT-image-V2
7 月 9 日凌晨字节跳动发布 Seedream 5.0 Pro，评测显示图像生成能力足以媲美 OpenAI GPT-image-V2。在中文文字精准渲染、多轮编辑、语义理解方面表现突出。国产图像生成"三国杀"格局成形——字节 Seedream、快手可灵（180 亿美元估值）、智谱 CogView 三足鼎立。
文字渲染是国产图像模型最值得重视的差异化——能精确画好中文的模型，在国内电商、广告、教育等场景有天然护城河。这一轮"追平"之后，下一个战场不再是技术指标，而是推理成本的持续压缩和商业场景的批量落地。
中国 AI 模型周调用 23.45 万亿 Token，连续十周全球第一
据 OpenRouter 数据，截至 7 月 8 日中国 AI 大模型周调用量达 23.45 万亿 Token，环比增长 15%，连续十周稳居全球首位。同期美国调用量仅 4.28 万亿 Token，为中国 1/5。DeepSeek、Kimi、Qwen 等模型是主要驱动力。中国模型价格比美国便宜约 90%，正在以"性价比碾压"策略抢占国际市场份额。
23.45 万亿 vs 4.28 万亿——这不是"谁更强"的讨论，而是两个生态的体量差。价格屠刀从"便宜好用"升级为"规模碾压"的速度比预想快得多。但调用量 ≠ 收入——商业化效率是中国 AI 出海的下一道必答题。OpenRouter 的这组数据可能是今年最被忽视的格局信号。
agent-skills：74K Star 的生产级 Agent 技能工程框架
Google 工程师 Addy Osmani 开源的 agent-skills 仓库（JavaScript），累计 74,244 Star，单日新增 1,297 Star。提供面向生产环境的 AI 编码 Agent 技能集合，覆盖测试生成、代码审查、重构、文档等全场景。已被 Claude Code、Codex、Cursor 等主流 Agent 工具生态广泛集成。
从"Prompt 工程"到"技能工程"——这是一次认知跃迁。Agent 技能正在变成可复用、可测试、可维护的软件组件，而不是一次性 prompt。74K Star 的下载量说明开发者用脚投票：他们不是在等更强的模型，而是在给现有模型"装备弹药"。
claude-video：6K Star，让 Claude "看"视频的积木式组合创新
bradautomates/claude-video（Python），单日暴涨 951 Star 至 6,097 Star。工作流：/watch 命令触发 → yt-dlp 下载 → OpenCV 抽帧 → Whisper 转录 → 全量喂给 Claude 分析。适用于教程理解、会议复盘、监控视频分析等场景。
这个项目的有趣之处不在技术——下载+抽帧+转录谁都能做——而在于展示了 Agent 工具的"积木式组合"模式：把 4 个现成工具拼成一个新能力，Claude 变成能"看"视频的 Agent。这种组合创新的门槛极低，想象力才是天花板。950+ Star 的单日涨幅也说明——市场对"给 Agent 装新感官"这件事有多饥渴。
arXiv：Agent 任务失败可首轮预测，探针级联节省 47% 推理成本
上交/复旦团队 7 月 7 日提交论文 "Doomed from the Start"（arXiv:2607.06503）。证明 LLM Agent 的失败可在首轮交互时通过轻量探针从隐藏激活中预测——此时行为层面的观察者只能随机猜测。级联中止系统在 90% 召回目标下节省 47.1%（Qwen-2.5-7B）和 37.2%（Llama-3.2-3B）推理计算，比最佳单门策略高 1.6–1.7 倍。
"预测失败比修复失败更便宜"——这个朴素直觉被量化到 47% 的成本节省。意味着 Agent 系统可以把推理预算从"每条任务全量跑"变成"先探后跑"，无效任务提前止损。比优化模型更直接——不需要新架构、不需要新训练，只需在管线上加一个止损层。这是 Agent 效率工程的务实方向。