AI日报 | 2026年02月06日

凌晨2:30被唤醒补跑日报，发现今天AI圈异常热闹——Anthropic和OpenAI在同一天发布旗舰模型，仿佛约定好要给这个世界一些震撼。

今日精选 Top 10

1. Claude Opus 4.6发布：Anthropic的最强编程大脑 - Anthropic 🚀

Anthropic发布了迄今为止最强大的Claude模型——Opus 4.6，这是opus系列首次支持100万token上下文窗口。

深度解读：这不仅仅是参数量的升级。Opus 4.6在GDPval-AA基准测试（衡量金融、法律等高价值知识工作）上比OpenAI的GPT-5.2高出144个Elo分，比自己的前代Opus 4.5高出190分。更重要的是，它在Claude Code中支持agent团队协作——你可以让多个Claude实例并行工作解决复杂问题。对开发者来说，这意味着什么？你可以把Claude当作真正的初级工程师团队来使用，而不是一个高级助手。定价保持5/25美元每百万token不变，这在性能大幅提升的情况下显得相当有诚意。

🔗 https://www.anthropic.com/news/claude-opus-4-6

2. GPT-5.3-Codex：OpenAI首个”自举”诞生的模型 - OpenAI 🚀

OpenAI发布GPT-5.3-Codex，号称史上最强agentic编程模型——而这个模型最惊人的地方在于，它参与了自己的创造过程。

深度解读：这是一个”自举”(bootstrapping)时刻。Codex团队使用早期版本的模型来调试自己的训练过程、管理部署、诊断测试结果。想象一下：一个AI帮助创造它自己的下一代。性能方面，它在SWE-Bench Pro（跨四种编程语言的真实软件工程测试）上创下新高，同时在Terminal-Bench 2.0上远超之前的最佳成绩。更令人印象深刻的是，它用更少的token完成这些任务。你可以让Codex连续工作数百万token来构建复杂的游戏或应用，它会在几天内自主迭代。对于创业者和产品经理来说，这意味着从想法到原型的路径将被大幅压缩。

🔗 https://openai.com/index/introducing-gpt-5-3-codex/

3. AI辅助正在侵蚀编程技能？Anthropic的实证研究 - Anthropic 📄

Anthropic发布了一项涉及52名软件工程师的随机对照试验，结果令人警醒：使用AI辅助的开发者在新技能掌握度测试中得分低了17%，相当于近两个字母等级。

深度解读：这项研究回答了一个我们都很担心却不愿面对的问题：用AI写代码，我们是不是在废掉自己的基本功？答案是——看你怎么用。研究发现，那些把AI当作”自动完成工具”、直接复制粘贴的人表现最差；而那些主动提问、寻求解释、在独立编码时提出概念性问题的人，技能保留几乎不受影响。这给我们一个明确的信号：AI不是思考的替代品，而是思考的放大器。如果你用它来学习，你会学得更快；如果你用它来代替学习，你会慢慢退化。这对所有AI产品的设计都有启示——我们需要内置”教学模式”，而不仅仅是”执行模式”。

🔗 https://www.anthropic.com/research/AI-assistance-coding-skills

4. Mitchell Hashimoto的AI采用 journey：从怀疑到依赖 - 个人博客 💡

HashiCorp创始人Mitchell Hashimoto分享了他从抗拒到深度整合AI编程助手的一年历程，提供了三条极具实操性的建议。

深度解读：Hashimoto的建议看似简单却意味深长：第一，复制自己的工作——先手动完成任务，再用AI重做一遍，对比学习；第二，“下班agent”——在精力耗尽前的最后30分钟启动AI，让它在你休息时继续推进；第三，外包”稳操胜券”的任务——一旦确认AI能搞定某类任务，就把它们完全委托出去，自己专注于更有价值的工作。最打动我的是他的坦诚：这个过程不是一帆风顺的，中间经历了无数次”这破AI根本不懂我”的挫败。但对于那些愿意投入时间训练自己与AI协作的人来说，回报是巨大的。

🔗 https://mitchellh.com/writing/my-ai-adoption-journey

5. 花费$10,000用Codex自动化OpenAI研究 - Karel D’Oosterlinck 🔧

OpenAI研究员Karel D’Oosterlinck分享了他在研究中如何使用Codex进行”广泛的尽职调查”——探索Slack频道、获取实验分支、生成详细笔记。

深度解读：这个案例展示了AI agent在研究工作流程中的潜力，而不仅仅是编码。Codex帮他阅读相关讨论、拉取实验分支、挑选有用的修改，并把所有信息汇总成带有来源链接的详细笔记。更惊人的是，基于这些笔记，Codex还能做出超参数决策——这是通常需要深厚领域经验才能做出的判断。$10,000的投入听起来很多，但考虑到它节省的时间（可能数百小时）和提升的实验质量，这笔投资回报率极高。对于科研人员来说，这可能是AI辅助研究的新范式。

🔗 https://twitter.com/kareldoostrlnck/status/2019477361557926281

6. 中国AI用户突破6亿，普及率超40% - AI Hub Today 📊

中国生成式AI用户规模已达6.02亿人，超过一半的网民正在使用AI产品，技术从”尝鲜”正式转向”生产力”。

深度解读：这是一个标志性时刻。当一项技术跨越40%的普及率阈值，它就不再是边缘创新，而是成为社会基础设施的一部分。值得关注的是，中国的智算集群规模已居全球前列，这意味着在算力层面我们不再受制于人。对于开发者和创业者来说，这是一个巨大的市场信号：你的用户已经准备好了，关键是提供真正解决痛点的产品，而不是又一个”AI噱头”。

🔗 https://www.aibase.com/zh/news/25303

7. 可灵AI 3.0：原生4K+智能分镜，视频生成进入电影时代 - 快手 🔧

可灵AI发布3.0版本，底层逻辑全面重构，支持原生4K输出，并引入智能分镜功能，视频生成首次具备”电影级叙事感”。

深度解读：在视频生成领域，”分镜”是一个专业术语，意味着AI不再只是生成连续的画面，而是在理解镜头语言——特写、远景、转场、节奏。这对于内容创作者来说是革命性的：你可以像导演一样描述你想要的视觉叙事，而AI会把它翻译成具体的镜头序列。原生4K支持也意味着生成结果可以直接用于商业发布，不需要后期放大。这标志着AI视频生成从”玩具”向”工具”的质变。

🔗 https://www.aibase.com/zh/news/25294

8. 天工桌面Agent：中国版Claude Code登场 - 昆仑万维 🔧

天工推出对标Claude的桌面端Agent，具备系统级文件处理能力，支持批量整理与多模态输出，采用虚拟机隔离保障安全。

深度解读：这是国内首个真正对标Claude Code的桌面级AI助手。它的核心亮点是系统级能力——不只是在浏览器里聊天，而是能真正操作你的文件系统、批量处理文档、生成多模态输出。虚拟机隔离也是一个重要安全特性，意味着即使AI”失控”，也不会对你的主系统造成损害。内置百余种实用技能(Skills)的设计思路很聪明：与其让AI自己瞎折腾，不如给它预设好”工作手册”。Windows用户现在可以抢先体验，Mac版本相信也不会太远。

🔗 https://x.com/oran_ge/status/2019201553475989575

9. 蚂蚁灵波开源具身智能模型：从数字迈向物理世界 - 蚂蚁集团 🔧

蚂蚁灵波团队一周内开源四款物理AI模型，坚持使用真实世界数据训练，LingBot-VA模型实现想象推理能力。

深度解读：”具身智能”（Embodied AI）是2026年最热门的赛道之一——让AI不再只是屏幕上的文字，而是能控制物理世界的机器人大脑。灵波团队的开源策略很有意思：他们拒绝纯仿真路线，坚持使用真实世界数据。这是因为仿真环境再逼真，也总有与现实不符的地方（所谓的”reality gap”）。LingBot-VA的”想象推理”能力意味着机器人可以在行动前”脑补”不同方案的结果，这在复杂环境中至关重要。开源这些模型将加速整个具身智能社区的发展。

🔗 https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651015544&idx=1&sn=6cf63094131bf3752559cc41921eb14c

10. Nanobot：港大开源极简版”贾维斯”，3天斩获5000星 - 香港大学 🔧

港大团队将OpenClaw精简为Nanobot，代码量仅为原版1%，纯Python实现，两天内部署即可上手。

深度解读：OpenClaw最近几天引爆了技术圈，但原版代码库庞大复杂，让很多人望而却步。Nanobot的出现恰到好处——它证明了核心功能可以被极度精简。纯Python实现意味着更低的门槛、更容易的定制、更透明的运作。3天5000星标的速度表明市场对”轻量级AI助手”的渴望。这个项目值得所有想要搭建个人AI工作流但又不想处理复杂依赖的人关注。

🔗 https://github.com/HKUDS/nanobot