字节跳动昨天在火山引擎 FORCE 大会上一口气放了好几个大招，豆包专业版上线、Agent Ready 基础设施发布、AI Coding 实践数据曝光，信息量相当大。再加上阿里 Qwen 开源了世界模型，OpenAI 和博通联手造芯片，今天的科技圈确实有点热闹过头了。

挑了 8 条值得聊的，一条一条来。

字节 AI 代码贡献率涨了 6 倍，但别急着高潮

字节技术副总裁洪定坤在 FORCE 大会上分享了一组数据，过去一年字节内部 AI 代码贡献率增长了 6 倍，tokens 消耗增长了 5 倍。

听着很猛对吧？但他自己也说了，过度关注单一指标可能失真。TRAE 团队代码超过 90% 由 AI 生成，可人均需求吞吐率只提升了 60%。

这个差距挺有意思的。90% 的代码是 AI 写的，但产出只多了 60%，中间那 30% 的差值去哪了？大概率花在了 review、调试、以及「AI 写的代码看着对但跑起来有问题」这类事情上。

坦率的讲，这才是 AI Coding 真实的状态，不是「AI 帮你写完所有代码你就自由了」，而是「AI 帮你写了初稿但你得花时间改」。洪定坤能把这个数据公开说出来，反而让我觉得字节在这块是认真的。

豆包出了专业版，这次是认真的

昨天豆包正式推出专业版，基于豆包 2.1 系列大模型。

这次的定位很明确，面向复杂办公和生产力场景。办公任务模式接入了能执行 Agent 任务的豆包 2.1 模型，支持操作本地电脑、浏览器、调用 Skills 技能、定时任务，还内置了 Office 办公套件，甚至能生成带后端数据库的在线应用。

你有没有注意到，国内大模型产品正在从「聊天机器人」往「工作助手」这个方向快速演进？豆包专业版就是一个很典型的信号。它不再是跟你闲聊的 AI，而是能真正帮你干活的那种。

免费用户也能用基础功能，这点值得肯定。

火山引擎搞了个 Agent Ready 基础设施

还是火山引擎 FORCE 大会的内容。这次他们推出了面向企业智能应用的 Agent Ready 基础设施，构建了 AI 云与 Agent 三层架构。

AgentKit 做了升级，提供了 Identity、Runtime、Sandbox、Evaluation 等模块，目标是让 Agent 可靠、可控、可评估。ArkClaw 也出了企业版。

这块我觉得方向是对的。现在做 Agent 的团队不少，但大部分还停留在 demo 阶段，真正能跑到生产环境的凤毛麟角。核心原因就是缺基础设施，身份管理怎么做？沙箱怎么隔离？效果怎么评估？火山引擎想把这些都标准化。

能不能做成另说，至少问题定位是准的。

Qwen 开源了 AgentWorld，让 Agent 学会「先预测再行动」

阿里通义千问推出了 Qwen-AgentWorld，号称是首个原生语言世界模型，覆盖 MCP、Search、Terminal、SWE、Web、OS、Android 七大领域。

这个模型基于超过 1000 万条真实交互轨迹训练，经过 CPT、SFT、RL 三个阶段。核心思路是让 Agent 在行动之前先预测环境的变化，而不是盲目试错。

「先预测，再行动」这个理念听着简单，但做起来很难。现在大部分 Agent 的工作方式就是「试试看，不行再换」，效率低不说，还容易搞出副作用。如果世界模型真的靠谱，Agent 的成功率和效率都能上一个台阶。

值得关注的是它覆盖了七大领域，不是只在某一个场景里能用。通用性如果能立住，含金量就高了。

OpenAI 和博通联手造芯片，代号 Jalapeño

OpenAI 与博通联合推出了定制 AI 芯片 Jalapeño，专为大语言模型推理优化。

这块芯片的目标很直接，提升推理性能、降低能耗、扩大部署规模。OpenAI 之前一直依赖英伟达的 GPU，现在开始自研芯片，说明他们对算力成本的压力感受越来越深了。

你想想看，ChatGPT 的日活已经到了一个恐怖的数字，每次对话都要烧推理算力，光靠买 GPU 的成本曲线是撑不住的。自研芯片虽然前期投入大，但长期来看能把边际成本压下来。

这也是为什么 Google 有 TPU、亚马逊有 Trainium、现在 OpenAI 也下场了。大模型公司做芯片，已经不是「要不要做」的问题，而是「不做就等着被卡脖子」。

GPT-5.5 Instant 更新了，聊起天来有趣多了

OpenAI 发布了 GPT-5.5 Instant 的新版本。官方的说法是「聊起天来有趣多了」，能更好地理解问题背后的意图，也能更可靠地处理复杂约束。

购物和本地推荐场景据说改善明显，响应更实用、更连贯。付费用户先上，免费用户第二天跟。

说实话我对「更有趣」这种描述有点无感，因为这东西太主观了。但「理解意图」和「处理复杂约束」这两点如果真的有提升，那对实际使用体验的影响是实实在在的。等实际体验了再说。

Mistral 出了 OCR 4，识别能力又上了一个台阶

Mistral AI 发布了 OCR 4，新增了边界框、块分类（标题、表格、方程式、签名等）以及逐页逐词的置信度分数。支持 170 种语言、10 个语系，还能单容器全自托管部署。

在 OlmOCRBench 上得分 85.20，独立标注者偏好率平均 70% 以上。

OCR 这个赛道以前大家觉得已经没什么可做的了，但大模型入场之后又有了新空间。Mistral 这次不只是识别文字，而是理解文档结构，标题在哪儿、表格怎么排、公式是什么，这种结构化输出对下游应用的价值比纯文字高很多。

而且支持自托管，对企业客户来说这个很关键，数据不出门。

Oracle 因为 AI 裁了 21000 人

Oracle 在截至 5 月 31 日的财年里裁掉了 21000 人，员工总数降到 14.1 万，降幅 12.9%。公司直接说了，AI 技术的采用导致了劳动力缩减。

同时重组成本达到了 18 亿美元，同比增长 481%。Oracle 还计划在 2026 年通过债务和股权筹集 450 到 500 亿美元，砸向云基础设施。

这个数字挺触目惊心的。21000 人不是小数目，而且 Oracle 没有藏着掖着，直接把原因归到 AI 上。以前大公司裁员还会找个「组织优化」之类的借口，现在连借口都不找了。

一方面疯狂投钱建 AI 基础设施，一方面砍人砍得毫不犹豫，Oracle 这波操作算是把「AI 替代人工」从口号变成了现实。这对整个行业来说都是一个信号。

以上就是今天的科技简报。字节系今天存在感拉满，豆包、火山引擎、AI Coding 三线并进。阿里的 Qwen 世界模型和 OpenAI 的自研芯片也都是值得长期关注的方向。

咱们明天见。