晨启Tech

今天的 AI 新闻里，有两个数字挨在一起很有意思。 一个是 Meta 新开源模型的 816B 总参数和 1M 上下文。另一个是 Anthropic 对 Claude Code 的披露，约 90% 的代码由 Claude 写成。 前者还在把模型的能力边界往外推，后者已经把能力塞进了真实工程流程。模型竞赛当然没有停，但更值得开发者留心的，是 Agent 开始摸到浏览器、代码库、实验室和生产 API 这些原本很具体的地方。 今天最该看的四件事Meta 放出 Muse Spark Open，大，但别只盯着 816BMeta 发布 Muse Spark Open。这是一套开放权重模型，816B 总参数、每 token 激活 42B，支持 1M token 上下文和原生多模态，定位直接对准编码与 Agent 工作流。它已经进入 Hugging Face，也上架了 OpenRouter 和 Arena。 816B 很抓眼球，可部署的人真正要问的是激活参数、上下文成本、推理栈和工具调用稳定性。42B 激活参数让它并非完全脱离现实，但 1M 上下文也不等于每个 Agent 都该把仓库一股脑塞进...

今年 5 月到 9 月，Anthropic 的 monorepo 每日落地变更从约 2500 个涨到超过 30000 个。 这不是一个让人兴奋的效率数字。我看到它时，第一反应反而是，谁来读？ 如果一个团队还把 Code Review 理解为资深工程师逐行扫 diff，这个问题没有答案。Agent 生成代码的速度一旦跨过某个阈值，人会立刻从创造瓶颈变成排队瓶颈。PR 越堆越多，review 就越像机场安检，大家都在催队伍快一点，但真正危险的行李不会因此少一件。 Anthropic 在 10 月 15 日公开了 Claude Code 团队自己的做法。6 月到 9 月，他们合并的 PR 数量翻了一倍多，需要 revert 的占比却下降了四成以上。更值得读的不是那个结果，而是他们没有用一个更聪明的 reviewer 来替代人。他们把 review 拆成一条持续运行的验证链，让机器读大部分代码，让人把注意力留给机器不该替你做的决定。 我觉得这是 Agent 编程进入下一阶段的分水岭。 问题不再是模型能不能写出一个像样的 patch，而是当 patch 以分钟为单位涌进来，团队怎样仍然知道...

最近用 AI 做了三个 Mac 小工具，做完之后，我还挺有成就感的。 事情是从自动切换输入法开始的。之前用到的工具要付费，刚好又看到了 REA，我就想试一下：能不能让 AI 研究研究，帮我做一个？ 我平时一直在让 AI 写代码，但之前主要做网站。Mac 应用还真没这么试过。 结果做出来之后，我的第一反应就是：原来现在做软件的门槛，已经降到这个程度了。 我说的都是独立小功能，按自己的粗略印象，每个工具大约半小时。没有做成原版那么全，核心功能能用，对我就够了。 先做一个输入法工具试试第一个做出来的叫 InputPilot。 我想要的东西很简单：切到不同应用，能自动换成对应的输入法；也可以记住这个应用上次用的输入法。不想让它切的时候，就暂停。 InputPilot 的实际界面，可以给不同应用设置输入法规则。 我给 AI 的指令也没多复杂，大意就是：用 REA 分析这个应用，整理技术方案，然后照着方案做。 REA 可以帮助 AI 研究一个软件是怎么实现的。这里我用的是 Codex 配合 REA，先看懂，再写自己的版本。 等这个小工具真的跑到我的电脑上，有了自己的设置界面，能完成我想要的...

今天的两条消息放在一起看，有点意思。 可灵把一镜到底的视频时长推到 30 秒，蚂蚁百灵则把一个 560B 的稀疏模型做到了 4 卡可部署。一个在追求更连贯的画面，一个在压低模型进入工程现场的门槛。模型能力还在涨，但技术竞争已经不只是谁的参数更大，谁能把能力做成可用的产品、可算的账单，才更接近下一阶段。 可灵 Kling 4.0 上线，30 秒视频终于不只是拼接感可灵 AI 发布 Kling 4.0，支持最长 30 秒的一镜到底生成，并把首尾帧控制扩展到最多 10 帧的多帧参考。来自数字生命卡兹克的实测提到，复杂动作衔接、大范围动态和全能参考的表现都有提升，1080P 的 30 秒视频约消耗 450 积分。 视频模型的难点从来不只是生成一张好看的关键帧。镜头多走几秒，人物身份、物体形状、光线方向和动作惯性都会开始互相打架。能把 30 秒直出做稳，真正有价值的地方是让创作者少一点剪辑补洞，多一点镜头语言本身的选择。 当然，积分价格也提醒了一件事。它距离随手批量生产还有成本门槛，专业创作和营销素材大概会先吃到这波红利。 来源，AIHOT 收录的数字生命卡兹克实测 Kimi K3 跑上 ...

一边是 816B 参数、1M 上下文的开放权重模型，另一边是能直接替你操作 Chrome 标签页的 ChatGPT。今天这批发布看起来很杂，放到开发者的工作台上却指向同一件事，模型正在从回答问题，变成进入真实工作流程。 真正该盯住的不是谁又刷了一个参数或跑分，而是边界往哪儿挪了。浏览器、代码审查、沙箱、视频工作流，这些原本由人手接力的环节，正在被产品一个个接进去。 今天最该看的三件事ChatGPT 开始摸到浏览器里的真实工作ChatGPT 为 Chrome 用户加入了标签页读取与控制能力。它可以读取当前打开的标签页并整理信息，在工作模式中还能控制标签页执行动作，例如发送消息。 这类能力的价值不在于替你点几下鼠标。过去聊天机器人拿到的是你复制进来的碎片，浏览器 Agent 拿到的是任务正在发生的现场，页面状态、上下文切换和最后那一步操作都在场。对于查资料、填表、跨站整理这些低价值但高摩擦的活，体验可能会先发生变化。 但权限也是这里最别扭的部分。浏览器里不只有工作资料，还有登录态、私人对话和支付页面。产品把能力交给模型之前，必须把授权范围、操作确认和审计记录做得足够细。能做不等于...

一个做竞品周报的 Agent，前面刚读完五家公司各几万行的市场数据，又看了几十篇新闻，最后只需要把报告排版好。它却带着全部原始导出、搜索结果和两版废稿，继续跟模型聊。 这不是模型上下文不够长的问题，是系统把仓库当成了聊天记录。 10 月 14 日，LangChain 在 Deep Agents 的一篇工程文章里把这个问题讲得很直。他们把长任务里的性能衰减叫作 context rot。模型并不是突然变笨，而是指令、工具输出、文件片段和中间草稿越积越多，真正该看的信号被噪声淹掉了。 我觉得这件事比又一个模型排行榜更值得开发者盯住。现在很多团队已经会用 LangGraph 编排节点，会接搜索、数据库和 Browser 工具，也会给模型配一个越来越长的 window。但 Agent 能不能跑完一个跨天任务，决定因素常常不在推理模型，而在每一段信息究竟该不该进入它的工作记忆。 上下文不是内存条，它更像手术台。 台上堆满东西，手术刀再锋利也没用。 长上下文最容易诱发一个误解模型厂商持续扩大 context window，工程团队自然会有一种冲动，把更多材料直接塞进去。需求文档、数据库导出、网...

一边是苹果准备把 Apple Intelligence 带进中国大陆，一边是国内应用对手机 Agent 的入口格外谨慎。今天的科技新闻凑在一起看，挺像一张正在收紧的接口图，模型和硬件继续往前跑，真正卡人的还是合作、数据与责任。 苹果智能的中国落地，走到了最后一段IT之家援引彭博社消息称，苹果计划在 12 月通过 iOS 27.3 向中国大陆用户推出 Apple Intelligence，阿里和百度被列为本地合作方。若消息兑现，苹果终于要解决一个拖了很久的本地模型与合规问题。 这件事不能只看成一次系统功能更新。对国内用户而言，AI 能否进入日常手机体验，取决于它能否接入本地服务、处理中文语境，也要经得住数据合规的审视。苹果选择本地伙伴，路径并不意外，难的是把体验做得不像两套拼起来的产品。 来源，IT之家 豆包手机助手碰到的，不是模型能力，而是应用入口36Kr 热榜出现了微信、淘宝、美团等应用拒绝接入豆包手机助手的消息，同一轮讨论里，36Kr 还把它概括为「第一款 AI 手机，被半个互联网拒了」。 从应用方的角度看，这个选择并不难理解。一个能替用户点击、下单、调用账号态信息的 Age...

今天有两条新闻，放在一起看有点刺眼。 一边，八个美国州把 OpenAI 告上法庭，指控 ChatGPT 曾引导青少年自伤或伤害他人。另一边，工程团队还在想办法让 Agent 在更长的任务里少忘事、少花 token、多干活。 模型能力继续往前跑，安全、审计和责任也得一起跑。只追前者，迟早会在后者上摔一跤。 监管开始问模型公司一个更具体的问题八个州起诉 OpenAI，焦点落在产品行为而非抽象风险当地时间 10 月 14 日，美国八个州的总检察长分别在州法院起诉 OpenAI。AI HOT 收录的 IT 之家报道显示，起诉方指控 ChatGPT 曾向包括青少年在内的用户提供自伤或伤害他人的指导，并以迎合式回应获取用户信任。 这类案件和泛泛讨论 AI 风险不一样。它会逼产品团队回答更难的问题，模型在哪些对话节点该拒绝，拒绝后怎样把用户带到真人支持，产品为了留存做的共情设计会不会反过来放大依赖。 真正紧张的地方不在模型参数。 很多团队会说，极端案例不能代表日常使用。这个判断没错，但消费者产品一旦覆盖足够多人，极端情境就不再是边角料。安全策略、危机干预和上线后的事件复盘，应该是产品的一部...

Google 的一组工程师最近让 Gemini 4 Argon 在 google/adk-python 这个约 20 万行的 Python 仓库里连续工作了 11 小时。 它给出了 6 项优化建议。人工审过后，真正合进主干的只有 2 项。结果也挺实在，长会话的内存 session 准备时间下降约 40%，包导入快了 21%。 不少人会把这条新闻读成一句熟悉的话，模型终于能自己优化大型代码库了。 我倒觉得，6 变 2 才是整件事里最有价值的数字。 它把 AI 编程从演示视频里那种「给任务，等奇迹」的想象，拉回了工程团队每天都要面对的地方。一个 Agent 不是因为写出了 diff 就完成了工作。它得理解性能目标，提出能被验证的假设，跑过足够可信的实验，接受 review，还要在合并以后留下可以回看的证据。 这听着不浪漫。 但一个能进入生产系统的 Agent，本来就不该靠浪漫。 11 小时里，最稀缺的不是 token先把事情说具体一点。 Google Developers Blog 对这次实践的描述并不是「无人值守直接改掉 20 万行」。Agent 在仓库里工作 11 小时，提出 6...

今天最有意思的，不是一家厂商又发了一个更大的模型。 面壁把一个 35B 的 MoE 多模态模型放进 3GB 内存里跑，千问则把眼镜和耳夹耳机直接摆上货架。模型能力还在往上卷，但国内产品开始更认真地回答另一个问题，能力到底要落在哪块屏幕、哪颗芯片和哪个使用时刻里。 这份简报挑了 8 条新闻，重点看端侧 AI、开发者工具和 AI 产品走向真实使用后的那些细节。 端侧多模态，MiniCPM-V 4.7 想把 MoE 带到设备上面壁智能与 OpenBMB 社区发布并开源 MiniCPM-V 4.7，包含 35B-A3B 和 1B 两个版本。官方给出的定位很直接，35B-A3B 版本可以在 3GB 内存的端侧环境流畅运行。 这组数字里真正值得盯住的是 A3B。总参数有 35B，不等于每一步推理都要把 35B 的计算成本带上。MoE 把激活参数压到 3B，才让端侧多模态从演示走向了更现实的工程讨论。 不过，能跑和好用中间还有一段路。设备上的量化损失、首 token 延迟、摄像头输入的稳定性，以及模型更新后的分发成本，都得由产品团队补齐。开源权重不是终点，反而是对端侧工程的考试开始。 来源，面...