#MCP/工具调用

今日 0 条

9月18日星期五

GitHub Blog · AI & ML9/18 23:00

GitHub Podcast 拆解 AI 热门观点：该不该读代码、RAG 是否已死、Skills 是否杀死了 MCP

GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成的代码仍需阅读和负责，但审查力度应按风险分级；Skills 与 MCP 解决不同问题，前者是打包的团队经验，后者是连接工具与数据的标准，可组合使用；RAG 并未死亡，它为模型提供训练数据之外的相关信息，减少 token 浪费并让回答更有依据。

6月3日星期三

OpenAI News6/3 21:15

OpenAI 给 GPT-Rosalind 加了新能力，专攻药物研发和基因组学

GPT-Rosalind 是 OpenAI 为生命科学做的模型，这次更新接入了 GPT-5.5 的编程和工具调用能力，重点强化了药物化学、基因组学这些方向的推理。OpenAI 还专门搞了个叫 LifeSciBench 的评测，从证据处理、实验设计到结果验证六个环节打分，说新版模型在行业专家出的题上表现有提升。但正文没披露具体参数量、定价和普通用户能不能...

推荐理由：OpenAI 这次更新把 GPT-Rosalind 往生物和药物化学方向推，垂直落地的意图很清楚，所以重要性和行业信号都够。但正文没披露任何硬指标——参数多少、评测怎么做的、开放给谁用，全是空白，这点先别太激动。实验室场景天然带安全和合规风险，加上垂直模型抢地盘的话题，话题性也拉满了。综合看，信号强但证据弱，维持 featured 门槛没问题。

阿里技术 · 公众号6/3 18:09

当 AI Agent 变成主力开发者，研发工具链得从头想想了

这篇文章我没能看到正文，微信页面显示环境异常需要验证。从已有的英文摘要看，作者许晓斌提出了一个判断：用 AI Agent 做开发，能把从“有想法”到“出代码”的周期从几周甚至几个月压缩到几分钟。他举了几个例子，包括用 Agent 搭周报系统、多角色 Agent 协同开发、自动配镜像仓库。文章还点出了现有研发设施跟 Agent 开发模式不匹配的地方，比如...

推荐理由：这篇文章不是产品发布或模型评测，而是一篇基础设施层面的评论。我会先打个折，因为案例都来自作者自己的实践，没有第三方验证，但“周/月级压到分钟级”这个说法配上具体场景，对从业者来说有参考价值。正文没披露多角色 agent 协作的成功率和翻车率，这点先别太激动。整体放在 featured 里合理，属于那种看完会让你重新打量自己团队流水线的东西。

锐评

许晓斌这篇文章抛了一个挺狠的判断：当 AI Agent 成为开发流程里的“第一公民”，现有的研发基础设施——Git 仓库、CI 流水线、代码评审、发布流程、权限体系——全都会水土不服。他举的例子包括用 Agent 搭周报系统、多角色 Agent 协同开发、自动配镜像仓库，核心卖点是“想法到代码”的周期从几周甚至几个月压缩到几分钟。这个数字听着很炸，但正文被微信环境验证拦住了，我没法确认他具体怎么测的、在什么场景下跑出来的。如果是真的，那意味着现有工具链的瓶颈不在模型能力，而在流程设计本身就没给 Agent 留位置。不过这点先别太激动——Agent 开发目前最大的坑是稳定性和可复现性，几分钟出代码不代表几分钟能上线。文章还缺一块关键信息：他说的“不匹配”具体怎么解，是改工具还是换流程，正文没披露方案细节。

5月28日星期四

Mistral AI5/28 20:00

Mistral 将 Le Chat 升级为统一智能体 Vibe，覆盖办公与编码

Mistral 把 Le Chat 升级为统一 AI 智能体 Vibe，一个许可同时覆盖办公与编码，原有对话、设置和套餐全部保留。Work Mode 支持企业知识搜索、结构化数据分析、文档报告生成、多步任务定时调度和可复用技能，可连接 Google Workspace、Outlook、SharePoint、Slack、GitHub 等。

推荐理由：原文完整披露了 Vibe 的工作模式、编码模式与 CLI 更新，可据此判断它如何接入现有工作流。

阿里技术 · 公众号5/28 19:06

用两个 Git 仓库把周报、洞察和效能报表自动化，省掉 80% 的手工活

周志伟分享了一套项目管理方案：用两个 Git 仓库，配合 AI 编程助手、Shell 和 Python，把催周报、搬数据、画图表、出工程效能报告这些事自动化了。正文没披露具体实现细节和验证数据，但按他的说法，至少能省掉 80% 的手工跟进和报表工作。

推荐理由：我会先打个折：80% 这个数字正文没给验证方法，别当基准看。但思路本身很实在——用两个 Git 仓库当数据源，让 AI 编码助手加脚本去自动拉数据、出图表、拼周报，把项目经理从催收和搬运里解放出来。对 AI 从业者来说，这不是模型或平台发布，而是一个可抄作业的工作流改造，成本低、痛点准，所以给了 featured。

锐评

周志伟这套方案思路很直接：把项目管理里最烦人的催周报、搬数据、画图表这些事，交给 AI 编程助手加 Shell 和 Python 脚本去跑，用两个 Git 仓库当数据中枢。他说至少能省掉 80% 的手工跟进和报表工作，这个数字如果属实，对天天被周报追着跑的团队来说确实解渴。

但问题也在这——正文因为微信验证页限制，实际内容没拿到。方案的具体实现细节、脚本怎么触发、AI 助手在哪个环节介入、产出的洞察和效能报表长什么样，这些全都没披露。80% 这个数字也没有任何验证数据支撑，不知道是单次体验的估算还是长期跑下来的统计。

我会先打个折：思路对，但缺落地细节和可复现的验证。如果后续有开源仓库或详细流程说明，才值得认真跟。

5月27日星期三

阿里技术 · 公众号5/27 18:30

阿里吕若凡聊 Agent Room：让多个 AI 共享上下文和任务账本，从跑流程进化到协作判断

这篇文章讲的是阿里技术专家吕若凡提出的 Agent Room 模型。核心想法是不再让 AI 智能体各干各的，而是把它们放进一个共享上下文、任务账本、记忆和产物的“房间”里协作。文章用两个软件工程案例做了验证，说明这套系统不是简单地把任务分发给不同模型，而是让它们能基于共享信息做出协作判断。不过正文因为微信环境验证问题没能加载出来，具体的技术细节、实验数...

推荐理由：这是一篇方法论文章，不是模型发布或开源框架，但 Agent Room 的机制和两个研发现场让它有干货。HKR 三项都踩中了，我会给到 76 分，放在 featured 里。

锐评

这篇文章想讲的是阿里技术专家吕若凡提出的 Agent Room 模型，核心思路是让多个 AI 智能体不再各干各的，而是共享上下文、任务账本、记忆和产物，在一个“房间”里协作做决策。摘要里提到用两个软件工程案例做了验证，说明这套系统不是简单地把任务分发给不同模型，而是让它们能基于共享信息做出协作判断。

但问题在于，正文因为微信环境验证失败完全没加载出来。我不知道具体的技术架构长什么样，不知道实验数据是多少——比如协作效率提升了多少、延迟增加了多少、需要多少算力资源，也不知道那两个软件工程案例到底是怎么跑的、结果是否可复现。摘要里说的“协作涌现”听起来挺有意思，但没有细节支撑，只能先打个折。

对从业者来说，如果这套系统真能落地，可能意味着 agent 协作不再靠硬编码的工作流，而是让模型自己判断什么时候该找谁、该共享什么信息。但眼下缺的东西太多：技术白皮书、开源代码、对比实验数据，这些都没有，只能当个方向性思路看。

5月22日星期五

Mistral AI5/22 22:48

Mistral 在 Studio 发布 Connectors，支持内置与自定义 MCP

Mistral 在 Studio 发布 Connectors，所有内置连接器和自定义 MCP 现可通过 API/SDK 用于全部模型与智能体调用。新功能包括直接工具调用、human-in-the-loop 审批流程，以及对连接器的创建、修改、列出和删除等编程访问。

推荐理由：原文给出 Connectors 的 API 用法与代码示例，读者可据此判断企业级 MCP 集成如何落地。

5月21日星期四

阿里技术 · 公众号5/21 19:29

从零搭一个 Agent：原理拆解与个人助手实操

这篇文章因为微信环境异常，正文内容没抓到，只看到标题和作者信息。标题说会讲 Agent 的原理分析和从零搭建个人助手的实践，作者是 Zhan Xupeng，预计阅读时间 50 分钟，属于长文干货。但具体讲了什么——比如记忆模块怎么设计、ReAct 规划怎么落地、技能加载是渐进式还是一次性、子 Agent 怎么协作、故障恢复怎么做——这些细节正文都没披露...

推荐理由：我会先打个折：标题确实平平无奇，像又一篇入门教程。但点进去会发现，作者把 Agent 的骨架拆得很实在——记忆怎么存、ReAct Plan 怎么跑、skill 怎么按需加载、subagent 怎么分工、harness 怎么兜底，这些设计都写到了。对正在折腾个人助手或想让 Agent 稳定跑业务的同学来说，这篇比大多数水文有料。不过正文没给出量化验证，效果到底怎么样还得自己试。

锐评

这篇文章的标题和摘要列了一堆 Agent 落地的关键点：记忆模块、ReAct 规划、渐进式技能加载、子 Agent 协作、故障恢复。这些确实是现在让模型进业务流程干活时绕不开的坑，比如记忆怎么存才不会越聊越乱，技能是按需加载还是一股脑全给，子 Agent 之间怎么交接任务不出错。但问题在于，正文因为微信环境异常完全没抓到，等于只有菜单没有菜。作者是占旭鹏，标注了 50 分钟阅读时长，看起来是篇长文，但具体方案、代码结构、实测效果、踩坑记录一概不知。如果后续能补到正文，我会重点看他的故障恢复是怎么做的——这块在工程落地里最要命，大部分教程只讲 happy path。目前这篇只能当作选题参考，别当技术依据。

5月8日星期五

阿里技术 · 公众号5/8 19:18

阿里许晓斌内部访谈：工程师用 AI 后，写代码时间从 30% 降到 5%，端到端交付效率提升 2-3 倍

推荐理由：阿里技术这篇是内部访谈整理的组织方法论，不是产品发布或模型更新，但给出的数字很具体，能让人直观感受到 AI 把工程师的工作重心从写代码拽到了指挥 Agent 上。我会先打个折：效率提升 2 到 3 倍这个说法正文没交代是怎么算出来的，样本量和统计口径都不清楚，这点先别太激动。不过 HKR 三项都踩中了，放在 featured 门槛上刚好。

锐评

许晓斌在内部访谈里给了几个数：工程师重度用 AI 后，写代码占工作时间从 30% 掉到 5%，跟 Agent 对话的时间从 5% 涨到 60%，端到端交付效率提升 2 到 3 倍，纯编码效率提升 10 倍。这些数字来自内部访谈，不是大规模统计，样本量和统计口径正文没披露，所以我会先打个折看。核心变化不是代码写得更快，而是工程师的时间分配被彻底打散重排——原来花在敲代码上的精力，现在大部分转去跟 Agent 沟通、调试、纠偏。这其实在说一件事：研发组织的瓶颈从“写代码”变成了“把需求讲清楚、把 Agent 管好”。

文章本身因为微信环境验证问题，完整正文没抓到，只能看到摘要。摘要里没提这些工程师用的是什么工具、Agent 是内部平台还是外部产品，也没说效率提升是怎么算的——是自评还是对照实验。这些缺口让数字的参考价值打折扣。另外，纯编码效率提升 10 倍听起来很猛，但如果端到端只提升 2 到 3 倍，说明瓶颈确实不在编码环节，而在需求理解、测试、部署这些 Agent 还没完全接手的部分。

还缺一个关键信息：这种时间分配变化对团队结构、考核方式、代码质量有什么实际影响。如果工程师 60% 的时间都在跟 Agent 对话，那招聘标准、培训内容、代码审查流程都得跟着变。这些正文都没展开，只能等完整内容出来再判断。

NVIDIA 博客5/8 03:14

美国能源部长与英伟达谈 Genesis 任务：用 AI 给电网审批提速，从几年缩到几周

美国能源部和英伟达要在阿贡国家实验室建两台 AI 超算。小的一台叫 Equinox，用 10,000 块 Grace Blackwell GPU；大的一台叫 Solstice，计划上 100,000 块还没发布的 Vera Rubin GPU。英伟达的 Ian Buck 说 Solstice 的算力能干到 5,000 exaflops，这个数字听听就好...

推荐理由：HKR 三项都踩实了：GPU 型号和数量是硬信息，DOE 与 NVIDIA 的角色分工清楚，电网瓶颈那段把 AI 的落地价值讲得很具体。不过来源是 NVIDIA 官方博客，信息偏单向，所以放在 featured 而不是 must-write 的档位，82 分在这个区间里是合理的。

锐评

这条新闻的核心不是算力有多大，而是美国能源部开始把 AI 当成解决电网瓶颈的工具。能源部长 Chris Wright 说，现在并网研究动辄要几年，用 AI 可以压到几周甚至几小时。这个判断很诱人，但正文没给出任何试点数据或方法细节，目前只能当愿景看。

两台超算的配置倒是很具体。小的一台叫 Equinox，用 10,000 块 Grace Blackwell GPU，属于现成产品。大的一台叫 Solstice，计划上 100,000 块还没发布的 Vera Rubin GPU，英伟达的 Ian Buck 说算力能干到 5,000 exaflops。这个数字听听就好，芯片还没量产，实际交付时间和性能都可能打折扣。

还缺两个关键信息：一是这两台机器具体跑什么任务，正文只笼统提了科学发现和能源研究；二是电网审批加速到底怎么验证，没有对比基线也没有时间表。如果后续能放出试点结果，这条新闻才值得认真对待。

5月7日星期四

OpenAI News5/7 21:00

OpenAI 把 GPT-5.5 和 GPT-5.5-Cyber 的网络安全权限分级开放给已认证的防御方

OpenAI 把“可信网络访问”机制扩展到了 GPT-5.5 和 GPT-5.5-Cyber 上。简单说，就是给经过身份验证的安全从业者开绿灯，让他们能用更强的模型做防御类工作，比如漏洞分析、恶意软件排查、写检测规则，同时继续拦截攻击性操作。GPT-5.5 加上这个权限后，对大多数防御任务就够用了；GPT-5.5-Cyber 则更激进，只开放给做授权渗...

推荐理由：OpenAI 把可信网络访问从旧模型扩展到了 GPT-5.5 和 GPT-5.5-Cyber，只给验证过的防御者用，做漏洞研究和关键基础设施防护。我会先打个折：正文没披露怎么申请、要不要付费、模型在漏洞挖掘或攻防场景下的评测数据也没给，所以没法判断实际能力有多强。这点先别太激动，等有可复现的测试再下结论。

锐评

OpenAI 把“可信网络访问”这套身份验证机制铺到了 GPT-5.5 和 GPT-5.5-Cyber 上。逻辑不复杂：你证明自己是做防御的安全人员，模型就少拦你，让你跑漏洞分析、恶意软件排查、写检测规则这些活；攻击性操作继续封死。GPT-5.5-Cyber 更激进，只开放给授权渗透测试这类场景，而且从 2026 年 6 月起强制要求防钓鱼认证。

但整篇公告没给任何硬数字。模型在漏洞挖掘、逆向工程这些任务上到底比前代强多少，正文没披露基准测试或对比数据。也没提这套身份审核怎么落地、审核周期多长、会不会误拦合法请求。定价同样空白。

对安全团队来说，这更像一个框架声明而非可立刻评估的工具。好处是 OpenAI 在试图解决“强模型不敢放开用”的矛盾，但缺了效果数据和操作细节，现在只能当个方向看。

5月6日星期三

NVIDIA 博客5/6 19:30

NVIDIA 给 Spectrum-X 以太网加了多路径 RDMA，让超大规模 GPU 集群的流量不再堵在一条路上

NVIDIA 在 Spectrum-X 以太网平台上新增了 MRC（多路径 RDMA）支持，允许一个 RDMA 连接把流量分散到多条网络路径上，而不是死绑一条。这项技术已经在 Blackwell 集群里跑起来了，硬件层面能做到微秒级故障绕行和重路由。MRC 走的是 OCP 开放规范，支持多平面组网，目标是把集群规模推到几十万张 GPU。不过博客没给出具...

推荐理由：我会先打个折：这是英伟达自己的产品稿，不是第三方评测。MRC 把一条 RDMA 流拆到多条物理路径上跑，微秒级检测断连并硬件重路由，正文说已经在 Blackwell 部署里用了。这点先别太激动，因为没给第三方验证数据。真正值得看的是他们把这套东西推到 OCP 开放规范，配合多平面网络，目标是撑住几十万卡级别的训练集群——如果真能落地，对大规模训练的网络成本会有实打实的影响。

锐评

这条更新解决的是大模型训练里一个很实际的痛点：以前 RDMA 连接只能绑死一条网络路径，一旦那条路堵了或者断了，整个训练就得卡住等。MRC（多路径 RDMA）相当于给数据开了多条车道，流量能自动分散到不同路径上，硬件层面还能在微秒级内绕过故障点。这对把集群规模推到几十万张 GPU 很有用，因为规模越大，单点故障的概率越高。

博客说这技术已经在 Blackwell 集群里实际部署了，走的是 OCP 开放规范，不是闭门造车。但关键信息缺了不少：没给出启用 MRC 后带宽利用率具体提升了多少，也没说故障恢复时间从多少毫秒降到了多少微秒。另外，多路径并发本身会引入包乱序的问题，博客没解释他们怎么在硬件层面解决这个的。这些数字和细节才是判断这技术到底有多值钱的核心，目前只能先打个折看。

NVIDIA 博客5/6 01:00

NVIDIA 和 ServiceNow 搞了个企业桌面 AI 代理，叫 Project Arc

两家公司把合作又推了一步，这次是让 AI 代理直接在你的电脑桌面上干活。这个叫 Project Arc 的东西，通过 Action Fabric 连接企业软件，再用 OpenShell 建一个带权限管控的沙盒环境来执行操作，防止乱来。文章里还提了一嘴 Blackwell 芯片的能效：每瓦输出的 token 数是上一代 Hopper 的 50 多倍，每百...

推荐理由：我会先打个折：这就是两家大厂合作发了个桌面 agent 产品，正文没披露实际客户和上线时间，别当成立竿见影的东西。但里面几个信息值得看——Action Fabric 负责把 agent 接进 ServiceNow 的业务流程，OpenShell 在沙箱里跑任务，权限和策略都框死了，不是裸奔。Blackwell 的能效数字挺夸张，每瓦 token 数是 Hopper 的 50 倍以上，百万 token 成本低了近 35 倍，如果实测能兑现，跑企业 agent 的算力账单会好看很多。这点先别太激动，毕竟还是纸面数据。整体属于有机制、有经济账、但缺实证的...

锐评

这条合作的核心是 Project Arc，一个能在你电脑桌面上直接干活的 AI 代理。它通过 Action Fabric 连接企业软件，再用 OpenShell 建一个带权限管控的沙盒环境来执行操作，防止 AI 乱点乱改。思路很直接：让模型进业务流程干活，而不是只聊天。

文章还提了 Blackwell 芯片的能效数字：每瓦输出的 token 数是上一代 Hopper 的 50 多倍，每百万 token 成本降了近 35 倍。这两个数字看着很猛，但要注意，这是英伟达官方博客发的，没有第三方验证，而且没说明测试场景和负载类型。我会先打个折。

最大的信息缺口是落地情况。整篇没提哪个客户在用、实际任务完成率多少、延迟如何。对于企业场景，这些比芯片纸面参数重要得多。另外，沙盒环境的安全边界到底多硬，正文也没展开。

4月28日星期二

X · @claudeai4/28 23:07

Claude 现在能直接操作 Blender，在聊天窗口里改 3D 场景

Claude 上线了 Blender 连接器，你可以在对话里让它帮你排查场景问题、写新工具，或者批量修改所有物体。正文没提这个功能是免费还是付费、支持哪些版本，也没说清楚 Claude 在 Blender 里的操作权限边界——它能改到什么程度、会不会误删东西，这些都得等实测才知道。

推荐理由：HKR 三项都过：Claude 接 Blender 是 Agent 往专业工具里伸了一只真能干活的手，不是概念图。正文没提版本、定价和上线范围，所以重要性停在 76，够 featured 但不到必写。我会先打个折——没看到实际跑起来的延迟和权限边界，这点先别太激动。

4月27日星期一

OpenAI News4/27 08:00

OpenAI 开源了一套叫 Symphony 的规范，把项目管理看板变成 AI 编程 agent 的指挥中心

OpenAI 放出了 Symphony，一个开源的 agent 编排规范。它的核心思路是把 Linear 这类任务看板当成控制面板，每个待办任务都会自动分配一个编程 agent 去干活，人只负责最后审查结果。OpenAI 内部团队用上后，合并的 PR 数量三周内涨了五倍。工程师不用再同时盯着好几个 agent 会话，避免了频繁切换上下文的痛苦。agen...

推荐理由：H 和 R 都站得住：OpenAI 开源一个 Codex 编排规范，对 agent 工作流有直接关联，issue 变常驻 agent 的设想也够具体。K 这边我会先打个折，因为许可、接口、可复现的机制全都没披露，现在只能当个方向性信号看，别太激动。

锐评

OpenAI 这次放出的 Symphony，本质上是一套让编程 agent 自己从任务看板（比如 Linear）里领活干的调度规范。他们内部团队用上后，合并的 PR 数量三周内涨了五倍，这个数字挺唬人，但得打个折：原文没说是从什么基数涨上来的，也没说代码质量、返工率有没有跟着涨。

它的核心思路是把工程师从同时盯好几个 agent 会话的碎片化状态里解放出来。每个待办任务自动分配一个 agent 去跑，跑崩了 Symphony 会重启，人只负责最后审查结果。这相当于把“人盯着 agent 干活”变成了“agent 盯着任务板干活”，上下文切换的痛苦确实能少很多。

不过，这篇公告更像产品理念宣传，关键信息缺了不少。开源协议是什么？跟现有 CI/CD 工具怎么对接？对 agent 模型本身有没有硬性要求？这些都没说。另外，它举的 React 升级例子听起来很顺，但复杂任务里 agent 自己拆解任务、判断依赖关系的准确率到底怎么样，也没有任何数据。想照着搭一套的人，最好先去 GitHub 仓库看看实际代码和社区反馈，别光看五倍增长就上头。

4月24日星期五

Hugging Face 博客4/24 08:00

DeepSeek-V4 发布：百万 token 上下文，这次是给干活用的 agent 准备的

DeepSeek 发了 V4，分 Pro 和 Flash 两个版本，都支持 100 万 token 的上下文窗口。Pro 版总参数 1.6 万亿，每次推理激活 490 亿；Flash 版总参数 2840 亿，激活 130 亿。跑分不是最顶尖的，但这不是重点。真正的改进在推理成本上：跟 V3.2 比，Pro 版处理单个 token 的算力只要 27%，K...

推荐理由：DeepSeek-V4 是国产旗舰模型更新，Pro 版 1.6T 总参、49B 激活，Flash 版 284B 总参、13B 激活，都支持 100 万 token 上下文。最值得看的是成本：Pro 单 token 计算量只有 V3.2 的 27%，KV 缓存降到 10%；Flash 更狠，分别只有 10% 和 7%。这意味着跑长上下文 agent 时显存和算力开销大幅缩水，不是光喊口号。HKR 三项全中，放在当天必读档没问题。

X · @claudeai4/24 02:35

Claude 新增 TripAdvisor、Booking、Resy 等十来个生活类 App 连接

Claude 官方发了一条产品更新，说现在能连接更多非工作类 App，列了 TripAdvisor、Booking.com、Resy、Instacart、Spotify、Audible、AllTrails、Thumbtack、TurboTax 等至少 10 个。正文没披露具体怎么连、能执行哪些操作、支持哪些地区、权限范围多大、什么时候推完。我会先打个折...

推荐理由：这是 Anthropic 官方产品更新，HKR 三项都踩中了。钩子是 Claude 从办公工具杀进生活消费场景，知识点是新增至少 10 个消费 App 连接器但操作细节和上线范围全都没说，关联点在于它把“助手能不能代办个人事务”这个平台级问题摆上了台面。分数维持 75，因为目前只是列了 App 名字，正文没给出可执行动作、权限边界、地区限制和发布时间，我会先打个折，等后续披露再考虑上调。

锐评

Claude 官方发了一条产品更新，说现在能连接更多非工作类 App，列了 TripAdvisor、Booking.com、Resy、Instacart、Spotify、Audible、AllTrails、Thumbtack、TurboTax 等至少 10 个。从名单看，覆盖了旅行预订、餐厅订位、生鲜配送、音乐播客、户外路线、家政服务和报税，摆明了想让 Claude 从办公助手变成生活管家。

但正文只给了一句话和一张图，没披露具体怎么连。是 Claude 直接在这些 App 里执行操作，还是只读你的订单记录然后给建议？比如订餐厅，是 Claude 帮你填好 Resy 的表单并确认，还是只告诉你哪家有空位？权限范围也没说——它能花你的钱下单吗？能取消预订吗？这些直接决定这东西是实用还是噱头。

另外，支持哪些地区、什么时候推完、要不要 App 开发者主动接入，正文都没提。如果是真的能跨 App 干活，那 Claude 就从对话模型变成了一个能动手的 agent，但眼下信息缺口太大，先别太激动。

X · @OpenAI4/24 02:06

OpenAI 发布 GPT-5.5，强调能干活、会检查，但没给参数和跑分

OpenAI 在 X 上宣布推出 GPT-5.5，已经接入 ChatGPT 和 Codex。官方说法是它面向实际工作和 agent 场景，能理解复杂目标、调用工具、自我检查，把更多任务从头跑到尾。我会先打个折：正文没披露参数量、价格、上下文窗口和任何基准测试结果，所以现在只能看到一句“新的智能形态”和“新的干活方式”，具体强在哪、贵不贵、跑多快都还不知道。

推荐理由：OpenAI 在 ChatGPT 和 Codex 上线 GPT-5.5，属于当天必须覆盖的发布。HKR 三项全中：新模型发布本身就有话题性，正文给出了 agent 工作流和工具调用的具体方向，对日常做 AI 应用的人有直接影响。我会先打个折——参数、价格、上下文窗口和基准分正文都没披露，所以重要性停在 92，不往上拉。真正值得盯的是落地链路，不是标题里的“新一类智能”。

锐评

OpenAI 在 X 上宣布 GPT-5.5 上线，接入 ChatGPT 和 Codex。官方说它能理解复杂目标、调用工具、自我检查，把更多任务从头跑到尾，面向实际工作和 agent 场景。但这条帖子没披露任何硬指标：参数量、上下文窗口、价格、延迟、基准测试结果全都没有。所以“新的智能形态”和“新的干活方式”目前只是一句定位，具体强在哪、贵不贵、跑多快都还不知道。

值得关注的点是它强调“把任务跑完”而不是只给答案，这暗示模型可能内置了更长的执行循环和工具调用链，适合让模型进业务流程干活。但没看到实测之前，我会先打个折：没有对比数据，就没法判断它比 GPT-5 或 Claude 好多少。

还缺的信息：多语言表现、幻觉率、长上下文下的稳定性，以及 agent 场景里的任务完成率。这些才是判断它能不能真干活的关键。

4月23日星期四

OpenAI News4/23 19:00

OpenAI 发布 GPT-5.5：干活更利索，写代码、查资料、跨软件操作都能自己跑通

OpenAI 推出了 GPT-5.5，主打让模型自己规划、调用工具、检查结果，去完成写代码、做研究、分析数据这类跨步骤的复杂任务。官方说它在 Terminal-Bench 2.0 这类命令行测试上准确率达到 82.7%，比上一代高，而且完成同样任务用的 token 更少，推理延迟跟 GPT-5.4 持平。正文没给具体的上下文窗口、定价和 API 开放时...

推荐理由：OpenAI 发新模型是当天新闻，点击和行业关联都拉满，所以 H 和 R 没悬念。K 不成立是因为这篇只确认了名字和大致用途，真正该盯的可复现参数一个都没披露，信息密度撑不起 p1，放在 featured 更合适。

锐评

OpenAI 发了 GPT-5.5，核心卖点是让模型自己规划、调用工具、检查结果，去跑写代码、做研究、分析数据这类跨步骤的活。官方给了几个关键数字：Terminal-Bench 2.0 准确率 82.7%，比 GPT-5.4 的 75.1% 有提升；在内部测试 Expert-SWE 上得分 73.1%，也比上代高。更实在的一点是，完成同样任务用的 token 更少，推理延迟跟 GPT-5.4 持平，说明效率确实有优化，不是单纯堆算力。

不过这篇公告缺的东西挺多。上下文窗口多大、具体定价、API 什么时候开放，正文都没提，只说了“很快”。另外，虽然给了几个基准分数，但像 Expert-SWE 这种内部测试，外部没法复现，参考价值要打折。如果你在考虑接入，建议等 API 上线后看实际成本和延迟，别只看官方跑分。

Hugging Face 博客4/23 08:00

在 Chrome 插件里跑本地 AI：一份给开发者的架构避坑指南

Hugging Face 发了一篇技术指南，拆解了他们刚做的 Chrome 插件“Transformers.js Gemma 4 浏览器助手”。核心是把 Gemma 4 E2B 模型塞进浏览器的后台 Service Worker 里本地运行，不靠云端。文章重点讲了 Manifest V3 下三个运行环境的职责划分：后台负责跑模型推理，侧边栏做聊天界面，...

推荐理由：这是一篇 Hugging Face 的实操教程，不是模型或平台发布，但把 MV3 架构拆解得挺具体。我会先打个折，因为正文没给出实际延迟或内存占用的测试数据，效果验证还缺一块。不过对想在前端跑本地模型的开发者来说，这篇的工程参考价值够得上 featured 门槛。

锐评

这篇指南把 Chrome 插件跑本地模型的坑讲得很实在。核心思路是把 Gemma 4 E2B 模型放在后台 Service Worker 里做推理，侧边栏只负责聊天界面，内容脚本处理页面操作，三个环境各干各的，靠消息通信串起来。这样设计的好处是模型常驻后台，不会因为切换页面就重新加载，但代价是 Service Worker 本身有内存和存活时间限制，模型一大就容易崩。

文章没给出具体的推理延迟和内存占用数据，只说“跑通了”。如果你真打算在生产环境用，我会先打个折——Gemma 4 E2B 是个 20 亿参数的模型，在浏览器里跑推理，首字延迟大概率在秒级，而且模型下载一次就要几个 G，用户第一次打开插件得等半天。另外，工具调用循环的设计细节也写得比较简略，只提了 Agent.runAgent 这个方法，没展开讲怎么处理工具调用失败或超时。

还缺两块关键信息：一是模型量化到什么程度，这直接决定能不能在 8G 内存的机器上跑；二是 Service Worker 被系统休眠后怎么恢复推理状态，正文没提。

X · @claudeai4/23 04:19

Claude Cowork 现在能直接在对话里生成可交互的图表了

Anthropic 给 Claude Cowork 加上了交互式图表和示意图功能，目前是 beta 版，所有付费套餐都能用。正文只说了这两点，没提支持哪些图表格式、怎么编辑、什么时候全量放开，也没说权限上有没有限制。

推荐理由：这条放在 featured 低段，靠的是 Anthropic 的信源分量和 Claude 用户群匹配度。钩子够具体——交互式图表直接进协作界面，不是画饼；知识增量也有，beta 覆盖所有付费方案这点是实打实的新信息。但我会先打个折：正文没交代怎么生成、支持哪些图表格式、能不能在协作流里直接改，这些缺口让讨论深度上不去，所以 R 分弱。整体判断是值得从业者扫一眼，但暂时没法展开聊。

锐评

Anthropic 给 Claude Cowork 塞了个新能力：直接在对话里生成可交互的图表和示意图，不用再截图或导出到别的工具。目前是 beta 版，所有付费套餐都能用。

但这条更新信息量很薄。正文只说了两件事：功能上线了，付费用户都能用。没提支持哪些图表格式——是柱状图、流程图、甘特图还是思维导图？也没说交互到什么程度，能不能拖拽节点、实时改数据、导出成 PNG 或 SVG。更关键的是，编辑流程是什么样的：是模型一次性生成后就不能改，还是可以像对话一样来回调整？这些都没交代。

我会先打个折。交互式图表在协作场景里确实有用，但 beta 版通常意味着功能还不稳定、覆盖范围有限。如果你打算拿它做正式汇报材料，最好先测一下生成质量和可编辑性。另外，权限上有没有限制——比如团队版和企业版之间有没有差异——正文也没提，这点得等官方后续文档补上。

X · @OpenAI4/23 01:45

OpenAI 在 ChatGPT 里加了“工作区 agent”，一个能跨工具、跨团队跑长任务的共享助手

OpenAI 发了一条推，说 ChatGPT 现在有 workspace agents，可以当成团队共享的助手，处理复杂任务和跑长时间的工作流。正文没披露具体支持哪些工具、怎么收费、什么账号能用、权限怎么管、什么时候推。我会先打个折：共享 agent 的协作边界才是关键，比如它能看到什么数据、谁能改它的指令，这些都没说，光看标题别太激动。

推荐理由：OpenAI 自己发的产品预告，共享代理这个方向比普通助手更新鲜，H 和 R 都站得住。但正文只给了概念，没给任何落地细节，所以 K 分不高，整体放在 featured 而不是更高。我会先打个折，等工具权限和定价出来再重新判断。

4月22日星期三

OpenAI News4/22 23:00

OpenAI 给美国医生、执业护士和药剂师免费开放了临床版 ChatGPT

OpenAI 推出了一个专为临床工作设计的 ChatGPT 版本，主要用来辅助写病历、查文献和做医学研究。目前这个版本对美国境内经过身份验证的医生、执业护士、医师助理和药剂师免费开放。它能联网搜索经过同行评审的医学资料并给出引用来源，可以把病历摘要、转诊信、预授权申请这类重复性工作做成固定流程，还能在查资料的同时自动累积继续医学教育学分。正文没披露具体...

推荐理由：这条消息的钩子在于 OpenAI 开始直接拉个人临床用户，而不是只做机构生意。我会先打个折：正文没写模型版本、免费额度上限、上线时间和认证怎么走通，所以实际落地节奏还不清楚。但方向本身值得盯——医疗场景的 AI 工具以前多是医院买单、IT 部门部署，现在直接给一线医生、护士和药师免费入口，试用和反馈循环会快很多。覆盖的三类场景（临床、文档、研究）也说明不是单点功能，而是想嵌入日常诊疗流。这点先别太激动，等认证流程和实际使用限制出来再看，但准入逻辑确实在变。

锐评

OpenAI 把 ChatGPT 包装成“临床版”推给个人医生，而不是只卖给医院 IT 部门，这个动作本身比功能描述更有意思。它说能联网搜同行评审的医学资料并给引用，还能把转诊信、预授权申请这类重复文书工作做成固定流程，顺手攒继续教育学分。这些功能听起来实用，但正文没披露底层模型版本、免费使用是否有次数或 token 上限，也没说身份验证具体怎么走通。AMA 的调查数据被拿来当背书——72% 的美国医生自称在用 AI，比去年涨了 24 个百分点——不过这个数字来自医生自报，实际用在临床决策还是只拿来查资料，正文没区分。另外，它提到了一个叫 HealthBench Professional 的评测基准，但链接是 PDF，没在新闻稿里展开具体分数或对比对象。如果这些功能真能稳定跑在最新模型上且免费额度够用，对门诊量大的基层医生确实省时间；但在没有看到错误率、幻觉控制和真实临床环境下的验证数据之前，我会先打个折。

OpenAI News4/22 18:00

OpenAI 在 ChatGPT 里上线了团队版智能体，能自己跑流程、跨工具干活

OpenAI 给 ChatGPT 的企业版、教育版等付费计划加了一个叫“工作区智能体”的功能。你可以把它理解成能共享给整个团队用的自动化助手，背后由 Codex 驱动，在云端运行，人不在线它也能继续干活。它能跨多个工具（比如 Slack、CRM）执行多步骤任务，像自动筛选销售线索、写跟进邮件、每周五拉数据出报表、审核软件采购请求并生成 IT 工单。团队...

推荐理由：OpenAI 在 ChatGPT 里加了 workspace agents，等于把 Codex 塞进云端去跑跨工具的工作流，从纯聊天往团队自动化工作台又挪了一步。我会先打个折：正文没写价格、没列支持的工具、也没给延迟或成功率这些硬指标，所以重要性停在 86 分。H 打钩是因为从对话到 agent 的转变本身就有话题性；K 打钩是因为 Codex 驱动云端执行这个事实是新的，但信息缺口也明显；R 打钩是因为它直接踩在团队协作和自动化的关注点上，对做类似产品的团队会有压力。

锐评

OpenAI 在 ChatGPT 里上线了“工作区智能体”，简单说就是给团队用的自动化机器人，背后是 Codex 在云端跑，你下班了它还能接着干活。官方举了几个例子，比如自动筛销售线索、写跟进邮件、每周五拉数据出报表、审核软件采购申请。这些场景听着挺实用，但都属于“我们内部用了觉得好”的层面，外部团队能不能复制，得打个问号。

关键信息缺了不少。定价完全没提，只说了在 Business、Enterprise 等付费计划里“研究预览”。支持哪些外部工具也没列清楚，只模糊提到 Slack 和 CRM。性能指标，比如任务成功率、平均延迟、出错率，一概没有。这就很难判断它到底是能扛生产流量的成熟产品，还是需要专人盯着的半成品。

另外，它强调“共享”和“权限控制”，这对企业是加分项，但实际管理复杂度——比如谁有权限改流程、出错了怎么追溯——正文没展开。如果是真的能稳定跑通多步骤跨工具任务，对中小团队确实省钱省人力；但没看到第三方验证前，先别太激动。

OpenAI News4/22 18:00

OpenAI 给 Responses API 加了 WebSocket，让 Codex 这类 agent 跑起来更快

OpenAI 发现，当模型推理速度从每秒 65 个 token 飙到近 1000 个 token 时，API 本身的处理开销反而成了拖慢 agent 循环的瓶颈。他们给 Responses API 加上了 WebSocket 支持，思路是把多次独立的 HTTP 请求换成一个长连接，在连接存活期间缓存住对话状态和可复用的上下文，只传新的工具调用结果，省掉...

推荐理由：这是 OpenAI 面向开发者的系统层更新：用 WebSocket 长连接加连接级缓存，把 agent 循环里反复建连、重复请求的开销压下去。HKR 三项都踩中了，但正文没给出延迟降了多少、吞吐多大、适合什么负载，所以只能算中等偏上的 featured，不能拉满。真正值得盯的是长连接怎么省掉往返成本，这不是换模型，是工程侧省钱省时间的优化。

锐评

这条更新解决的是一个很实际的工程问题：模型推理从每秒 65 个 token 飙到近 1000 个 token 后，API 自身的请求处理开销反而成了拖慢 agent 干活的主因。OpenAI 的思路是把多次独立的 HTTP 请求换成一个 WebSocket 长连接，连接存活期间缓存对话状态和可复用上下文，后续只传新的工具调用结果，省掉重复的验证、token 化和网络跳转。他们提到通过缓存、减少中间服务跳转、优化安全分类器，单次请求的首 token 延迟已经降了约 45%，但依然不够快，所以才动传输层。

文章说端到端快了 40%，但没给出具体场景下的延迟对比、并发数或工作负载条件，也没提 WebSocket 方案在连接断开重连时的状态恢复策略。这更像是一次传输层优化，不是新模型发布。对做 agent 产品的团队来说，如果你们的瓶颈确实在 API 往返开销上，这个改动值得跟进；但如果瓶颈在模型推理或工具执行本身，收益就没那么大。

X · @OpenAI4/22 03:22

OpenAI 发了 ChatGPT Images 2.0，说画图更准、能直接拿来用

OpenAI 在 X 上官宣了 ChatGPT Images 2.0，定位是能处理复杂视觉任务、出图直接可用的图像模型。帖子提到三点升级：编辑更精细、版式更丰富，以及加入了“思考级智能”，但没解释这具体指什么能力。视频演示看起来效果不错，不过正文没披露模型规模、定价、延迟和推送范围，我会先打个折——等看到实测和成本再说。

推荐理由：OpenAI 官方发的帖文，信源权威性没问题，加上“Images 2.0”这个名头，话题性和行业影响都够，所以 H 和 R 都给了。但我把分压在 featured 门槛附近，因为这条帖文信息量太薄：没模型细节、没定价、没延迟、没基准测试、也没说清楚谁现在能用，K 完全站不住。真正值得盯的是可编辑性和版式控制这两点，但光靠这条帖文还远不到能复现的程度，先打个折观望。

4月21日星期二

X · @claudeai4/21 04:42

Claude 的 Cowork 模式现在能直接生成可实时刷新的仪表盘和追踪器，数据来自你绑定的应用和文件

Claude 在 Cowork 里新增了一个能力：生成“活的”小组件，比如仪表盘或进度追踪器。这些组件不是静态截图，每次打开都会自动拉取最新数据。官方说数据源可以是你连上的应用和文件，但具体支持哪些应用、文件类型以及权限怎么管，正文都没提。我会先打个折，等看到实际集成列表再判断实用性。

推荐理由：HKR 三项全中：钩子是能连应用和文件的 live artifacts，每次打开自动刷新。这是 Claude 工作流能力的一次实在升级，天然有 Claude 热度加成。但公告没写清楚连接器范围、权限模型和推送节奏，信息缺口明显，所以我会先打个折，放在 78 分，不进 p1。

锐评

Claude 的 Cowork 模式现在可以生成“活的”小组件，比如仪表盘或进度追踪器。这些组件不是截图，每次打开都会自动拉取最新数据，数据源可以是你连上的应用和文件。这个能力让 Claude 从“一次性生成”往“持续连接工作流”迈了一步，对需要盯数据、跟进度的人有实际价值。

但官方推文信息量很薄。具体支持哪些应用、文件类型、权限怎么管、刷新频率是多少，正文全都没提。如果只支持自家生态或少数几个应用，实用性会大打折扣。另外，数据刷新是客户端拉取还是服务端推送，也影响实时性和可靠性。

我会先打个折。等看到实际集成列表和权限模型，才能判断这是真能省掉一个 BI 工具，还是只是个好看的 demo。

X · @AnthropicAI4/21 04:38

Anthropic 跟亚马逊扩大合作，给 Claude 锁定了最多 5 吉瓦的算力

Anthropic 宣布加深与亚马逊的合作，为训练和部署 Claude 锁定了最高 5 吉瓦的算力。这批算力从这个季度开始陆续到位，到 2026 年底预计先上线近 1 吉瓦。5 吉瓦是个什么概念？大概相当于几个大型数据中心的满负荷运转，说明他们接下来要把模型规模或服务量再往上拉一个台阶。不过正文没披露合同金额、具体用什么芯片、数据中心建在哪，所以实际成...

推荐理由：标题里的 5 吉瓦别直接信，那是远期上限，真正有谱的是今年底先到 1 吉瓦。正文没提合同金额、用什么芯片、数据中心在哪，所以成本结构和实际性能都还是问号。我会先打个折看交付节奏，但能在这个时间点锁产能，对 Anthropic 的训练和部署确实是颗定心丸。

锐评

Anthropic 这次跟亚马逊加深合作，核心就一件事：为 Claude 的训练和推理提前锁定最高 5 吉瓦的算力。5 吉瓦什么概念？大概相当于几个大型数据中心满负荷跑，说明他们预判接下来模型规模或用户量会再跳一级，不提前囤货根本撑不住。这批算力从这个季度开始陆续到位，到 2026 年底先上线近 1 吉瓦，剩下的交付节奏没提。

不过这条消息信息缺口很大。正文没披露合同金额、具体用什么芯片、数据中心建在哪些地区，也没说这 5 吉瓦里多少给训练多少给推理。所以实际成本、延迟表现、对 Claude 能力的具体提升幅度，现在都算不出来。另外，这么大的算力订单，背后是自研芯片还是继续用英伟达，也完全没交代。

我会先打个折：这更像一份长期意向，真正能稳定跑起来的时间和规模，还得看后续建设和芯片供应。如果后续能补上芯片型号和地区分布，才能判断对 Claude 推理成本和响应速度的实际影响。

4月17日星期五

X · @claudeai4/17 23:03

Anthropic 实验室推出 Claude Design，用对话就能生成原型、幻灯片和单页文档

Claude Design 是 Anthropic 实验室放出的研究预览功能，Pro、Max、Team 和 Enterprise 用户今天开始陆续能用。它跑在 Claude Opus 4.7 上，官方说这是他们目前最强的视觉模型。用法很简单：你跟 Claude 聊需求，它直接出原型、幻灯片或单页文档。正文没提价格、输出限制和详细推送时间表。我会先打个折...

推荐理由：Anthropic 自己下场做设计生成，Claude 从纯文本助手变成能出视觉稿的工具，这个转向本身就值得关注。我会先打个折：帖子说 Opus 4.7 是“最强视觉模型”，但没给对比数据，也没说生成的文件能不能直接导出编辑。如果是真的，对快速出原型和汇报材料挺省钱，但别急着当生产工具用——格式限制和付费墙都没讲清楚。

锐评

Anthropic 实验室放出了一个叫 Claude Design 的研究预览功能，Pro、Max、Team 和 Enterprise 用户今天开始陆续能用。它跑在 Claude Opus 4.7 上，官方说这是他们目前最强的视觉模型。用法就是跟 Claude 聊需求，它直接出原型、幻灯片或单页文档，等于把设计稿生成塞进了对话里。

这条更新值得关注的点不是又多了一个写作工具，而是交互式设计流程——你说想法，模型出视觉结果，不用来回切软件。但正文没披露几个关键信息：生成次数有没有上限、输出分辨率多少、能不能导出可编辑源文件、以及免费版什么时候能用。这些直接决定它到底是生产力工具还是炫技 demo。

另外，Opus 4.7 的视觉能力到底强在哪，正文也没展开。如果只是把布局和文字拼在一起，那和现有模板工具差别不大。真正要看的，是它能不能理解设计意图、做出版本迭代，而不是一次性出图就完事。

腾讯技术工程 · 公众号4/17 17:36

腾讯工程师用 Claude Code 跑通后台开发全流程，11 个环节在一个终端里搞定

这篇文章来自腾讯技术团队的一次实践复盘，他们用 Claude Code 搭配自定义的 Skills、Commands 和 MCP 服务器，把后台开发的 11 个步骤串成一个终端里的流水线。需求探索这一步花了 20 次工具调用、9.38 万 token、56 秒；执行阶段拆成 4 个任务，产出了 3 次代码提交。核心不是让 AI 直接写代码，而是把需求分...

推荐理由：我会先打个折：这不是模型发布或产品大更新，而是一篇来自一线的实践复盘。但它把 agentic engineering 从概念拉到了可复现的后台开发流程里，token 消耗、工具调用次数、人工卡点都给了具体数字，比市面上大多数“AI 写代码”的公关稿扎实。对正在琢磨怎么让模型进业务流程的从业者来说，这套终端内的编排思路和踩坑记录值得一看。

锐评

这篇复盘最有价值的地方，是把“让模型进业务流程干活”这件事拆成了可复现的步骤。腾讯团队没让 AI 直接写代码，而是用自定义的 Skills、Commands 和 MCP 服务器，把需求探索、任务拆分、代码提交这些环节串成一个终端里的流水线。需求探索这一步花了 20 次工具调用、9.38 万 token、56 秒，说明用大模型做前期分析的成本不低，但速度确实快。执行阶段拆成 4 个任务，产出 3 次代码提交，人在计划、部署和审查三个节点做把关，这个设计比“一键生成代码”务实得多。

不过文章本身被微信的验证页挡住了，我只能看到摘要里的数字和框架。具体 Skills 怎么定义、Commands 怎么触发、MCP 服务器接了哪些外部工具，这些落地细节正文没披露。另外，一周的实践只跑了后台开发场景，换到前端或数据处理流程能不能复用，也没验证。如果后续能放出完整的终端操作录屏或配置文件，参考价值会大很多。

X · @OpenAI4/17 01:18

OpenAI 说 Codex 现在能操控 Mac 应用、接更多工具，还能自己跑重复性任务

OpenAI 发推说 Codex 现在能干的事更多了：能直接操作你 Mac 上的应用，对接更多工具，还能生成图片、从你之前的操作里学东西、记住你的工作习惯，以及接手那些需要反复做的任务。不过正文没披露具体支持哪些应用、怎么集成、定价和什么时候推，这些关键信息都还缺着，先别太激动。

推荐理由：OpenAI 这次把 Codex 从代码助手往桌面代理推了一步，能操作 Mac 应用、接更多工具、学你的操作习惯并记住偏好，听着像给电脑配了个能干活的小助手。但正文没披露支持哪些应用、怎么接入、收不收费、什么时候上线，这些关键信息全空着，所以先别太激动。我会打个折，因为记忆和跨工具执行能不能稳定跑起来才是真章，现在更像能力预告而不是可用的产品。

锐评

OpenAI 这条推文把 Codex 的边界从写代码推到了“替你操作电脑”。它现在能直接控制 Mac 上的应用、对接更多外部工具、生成图片，还能从你之前的操作里学东西、记住你的工作习惯，接手那些需要反复做的任务。听起来像是一个常驻桌面的自动化助手，而不只是代码补全。

但正文只有一句话加一个视频链接，没给出任何具体清单：支持哪些 Mac 应用、工具集成是走 API 还是插件、记忆功能怎么管理隐私、定价是按月还是按用量、什么时候推给普通用户。这些全都没说。视频里可能演示了部分场景，但光靠一条推文没法判断实际完成度和稳定性。

对从业者来说，如果它真能稳定操作本地应用、记住跨任务的上下文，那 agent 落地又多了一条低门槛路径。但在看到实测和第三方验证之前，这条消息的价值只在于方向信号，不是产品评测。

4月16日星期四

OpenAI News4/16 08:00

OpenAI 发布 GPT-Rosalind：一个专为生物医药研究做的推理模型

OpenAI 在 2026 年 4 月 16 日推出了 GPT-Rosalind，一个专门面向生物学、药物发现和转化医学的前沿推理模型。它现在以研究预览版的形式在 ChatGPT、Codex 和 API 里对通过审核的客户开放。模型的核心卖点是能处理多步骤的科研流程，比如读文献、理解基因序列、设计实验和做数据分析，并且能调用超过 50 种科学工具和数据...

推荐理由：我会先打个折：正文没披露模型参数、价格和具体基准分数，所以别急着把它当成熟产品看。真正值得盯的是落地范围——OpenAI 把 Amgen、Moderna、Thermo Fisher 这些大药企拉进来做 research preview，说明他们想用真实业务场景验证模型，而不是发个论文就完事。Codex 里那个免费的生命科学插件能连 50 多个工具和数据源，对做生物信息学的人可能挺实用，但没给性能数据，这点先别太激动。整体看，这是 OpenAI 往垂直行业扎的一步，但信息缺口不小，暂时只能给 featured。

锐评

OpenAI 这次推的 GPT-Rosalind，说白了就是给生物、制药和转化医学方向做了个专用推理模型。它不像通用聊天模型那样什么都聊，而是把力气花在多步骤科研流程上：读论文、理解基因和蛋白质序列、规划实验、分析数据，并且能直接调用超过 50 种科学工具和数据库。这点挺实在，因为科研人员平时大量时间就耗在这些碎片化的工作里。

目前 Amgen、Moderna 和 Thermo Fisher 已经在用，说明大药企愿意买单试水。但官方公告里没提模型参数量、API 调用价格，也没给任何公开基准测试的分数，只说“在我们自己的评估里表现最好”。这种说法得打个折，毕竟自评和实际落地效果是两码事。另外，模型现在走的是研究预览加审核制，普通开发者还摸不到，能用的范围有限。

还缺什么？一是第三方在真实药物发现管线里的对照实验数据，比如靶点识别准确率、实验设计通过率有没有比现有方法高；二是成本和延迟，科研工具调用链一长，推理开销可能不小，正文完全没交代。

4月15日星期三

OpenAI News4/15 18:00

OpenAI 更新 Agents SDK：给模型配了个能看文件、跑代码、还能关在沙箱里干活的工位

OpenAI 在 4 月 15 日发布了 Agents SDK 的新版本，核心是两件事：一是给 agent 加了一套更完整的“控制回路”（harness），让模型能直接操作文件、执行命令、编辑代码，并且支持 MCP、skills、AGENTS.md 等社区里逐渐流行的接入方式；二是原生集成了沙箱执行环境，agent 可以在一个隔离的电脑环境里读写文件、...

推荐理由：OpenAI 发了篇 Agents SDK 下一步演进的标题，正文没给细节，所以功能、数字、上线时间都确认不了。我会先打个折：这更像一个预告，不是完整发布。对开发者来说，信号是 SDK 会继续往更工程化的方向走，但具体能省多少事、稳不稳，还得等后续公告。

锐评

这次更新主要解决两个问题：一是 agent 干活时能直接碰文件、执行命令、编辑代码，不再只是调用 API 的“嘴炮”；二是原生集成了沙箱环境，所有操作都在隔离的电脑里跑，安全性和可控性比之前强一截。SDK 还接入了 MCP、skills、AGENTS.md 这些社区里逐渐流行的接入方式，相当于给 agent 配了一套更标准化的工具箱，不用开发者自己东拼西凑。

从 Oscar Health 的测试反馈看，这套东西在临床记录处理这种长文档、多步骤的场景里确实比旧方案可靠，但这是厂商自己选的案例，样本量没披露，别直接当通用结论。正文没提沙箱执行的具体计费方式、单次任务延迟和资源上限，这些才是上生产环境前最要命的细节。另外，SDK 目前还是强绑定 OpenAI 模型，如果你用的是混合模型栈，迁移成本得自己掂量。

我会先打个折：这套更新对已经在用 OpenAI 生态的团队是实打实的效率提升，但如果你需要跨云、跨模型部署，或者对沙箱性能有硬指标，等更多第三方压测数据出来再动手更稳妥。

X · @claudeai4/15 03:11

Claude Code 桌面版改版，一个窗口里能同时开好几个 Claude 会话干活

Anthropic 给 Claude Code 桌面版换了新界面，现在你可以在一个窗口里并排跑多个 Claude 会话，左边多了个侧边栏来管理这些会话。对写代码的人来说，这主要解决的是来回切窗口的打断问题——比如一边让 Claude 改后端，另一边让它写前端，不用再开好几个终端或 IDE 面板。正文没提具体推送时间、支持哪些平台，也没说多会话之间能不能...

推荐理由：Anthropic 官方发的产品更新，改动具体，直接关系到编码工作流里的上下文切换成本，所以 H、K、R 都成立。我会先打个折：没公布上线时间和平台覆盖，交互细节也缺，这让它的实际影响还看不全，所以分数压在 featured 门槛附近，不往上拔。

锐评

Anthropic 给 Claude Code 桌面版加了多会话并排和侧边栏管理，解决的是开发者最烦的一件事：同时改后端和前端时要开好几个终端窗口，切来切去思路容易断。现在一个窗口里左边列表管会话，右边可以并排跑不同的 Claude 实例，相当于把 IDE 里分屏写代码的体验搬到了 AI 编程工具上。

但这条更新信息量很薄。正文只发了一条推文加一张截图，没披露具体推送时间、支持 macOS 还是 Windows、多会话之间能不能引用彼此的对话历史或共享项目上下文。如果会话之间完全隔离，那本质上还是多个独立窗口拼在一起，省的是操作系统层面的窗口管理，不是 AI 协作层面的上下文打通。另外也没提资源占用——同时跑多个 Claude 会话对本地算力和内存的压力有多大，这对实际体验影响不小。

对日常重度用 Claude Code 写代码的人来说，这个更新方向是对的，但落地效果要看后续细节。如果只是把多个终端 Tab 挪到一个侧边栏里，价值有限；如果能做到会话间共享代码理解和修改状态，才算真正减少了打断成本。

X · @claudeai4/15 00:47

Claude Code 推出定时任务功能，写好指令就能在云端自动跑，不用一直开着电脑

Anthropic 给 Claude Code 加了一个叫 routines 的研究预览功能。你可以一次性配好提示词、代码仓库和要对接的工具，然后让它按时间表、API 调用或事件触发自动执行。这些任务跑在 Anthropic 自己的服务器上，所以你的笔记本不用一直开着。正文没提怎么收费、有没有次数限制，也没说这个功能会推给哪些用户。

推荐理由：这次更新把 Claude Code 从本地交互式编程扩展到了托管、定时和事件驱动的执行模式，HKR 三项全中，Anthropic 的产品动态本身也有加分。但正文没公布价格、配额和具体开放范围，所以先放在 featured 而不是 P1。真正值得盯的是托管执行这条链路，不是单次补全功能。

锐评

Anthropic 给 Claude Code 加了个叫 routines 的研究预览功能，核心是把一次性代码补全变成了能托管在云端、按时间表或事件自动跑的流程。你配好提示词、代码仓库和要对接的工具，任务就在 Anthropic 自己的服务器上执行，笔记本不用一直开着。这对需要定期跑脚本、监控仓库变动或响应 API 调用的开发者来说，省了一台常驻机器。

但正文完全没提定价、调用次数上限，也没说这个研究预览会推给哪些用户。功能本身不复杂，很多编排工具早就能做，区别只是执行环境搬到了 Anthropic 的基建上。如果后续收费按 token 或执行时长算，成本可能比自建贵不少。另外，托管执行意味着你的代码和工具权限要交给第三方服务器，安全敏感的场景得自己掂量。

现在还缺三块信息：一是正式上线时间和定价策略，二是任务失败后的重试和通知机制，三是权限隔离能做到什么程度。这些没公布之前，适合拿来做实验，不适合直接替掉现有定时任务。

4月11日星期六

X · @OpenAI4/11 09:41

OpenAI 因 Axios 库安全问题要求所有 macOS 用户更新应用，主要是换证书防山寨

OpenAI 说他们发现一个跟第三方开发库 Axios 有关的安全问题，属于一次行业性事件。目前没看到用户数据被访问、系统被入侵或软件被篡改的证据。出于谨慎，他们正在更新 macOS 应用的认证证书，所有用户都得升级到最新版。这么做的目的是降低有人分发假冒 OpenAI 应用的风险，哪怕可能性很小。正文没披露受影响的版本号和时间线，也没说 Axios ...

推荐理由：这是 OpenAI 官方桌面端的安全事件，给了 macOS 上的具体缓解措施，所以 H、K、R 都站得住。放在 featured 低分段是因为正文没披露受影响版本、暴露窗口、发现日期和完整修复时间线，信息缺口不小。

锐评

OpenAI 要求所有装了桌面客户端的 macOS 用户更新应用。我的判断很直接：这不像一次常规的依赖库补丁，更像是对证书和分发信任链的紧急加固。帖子说 Axios 卷入了一次行业性安全事件，OpenAI 没发现用户数据被访问、系统被入侵或软件被篡改的证据。这说明他们没看到已确认的影响，但不代表他们摸清了影响范围。缺的信息才是关键：受影响的版本、发现时间、证书轮换范围，以及自动更新通道本身是否在波及范围内。

我对事件定性有点不同看法。Axios 是个极其常见的 HTTP 请求库，单看这个名字，推导不出“所有 macOS 用户必须立刻更新”的结论。当一家公司把动作升级到全客户端强制更新时，驱动力通常不是库本身，而是这个库的问题可能暴露了签名、构建、公证、更新逻辑或下载验证等某个信任边界的弱点。说白了，这读起来不像“一个请求库出了事”，更像“OpenAI 不想再依赖当前这套验证应用真伪的路径了”。关键缺口在于，他们没说明这究竟是开发链的顾虑，还是已经看到分发链被滥用的迹象。

把这事放到过去几年软件供应链事件的背景下看，会更清晰。xz 后门、3CX、SolarWinds 都表明，一旦触及可信路径，构建和签名信任能把破坏力放大很多倍。OpenAI 这次没报告任何入侵或篡改，这是好事。但他们的应对方式值得琢磨：选择更新 macOS 安全认证，而不是发个普通补丁说明。这暗示问题被归类在“用户如何确认这应用真是 OpenAI 的”这个层面。我没法验证这只是一次标准的开发者 ID 公证轮换，还是更深层的东西，因为帖子没给技术细节，我也没看到苹果侧的通知。

AI 行业的安全讨论过度集中在模型层：提示注入、工具滥用、模型窃取。但桌面产品更易走的捷径往往是枯燥的基础设施：安装器、自动更新器、OAuth 跳转、浏览器到应用的握手。对 OpenAI 这种品牌，一个足以乱真的假冒应用，光是收割登录会话、API 密钥或企业 SSO 令牌就已经是重大战果了。所以别把这事简单理解成“OpenAI 很谨慎”。更难的问题是：他们吊销旧证书了吗，还是只发了个新签名包？如果旧链依然有效，冒充窗口可能没完全关上。他们审计过非主分发路径吗？帖子没说，而这决定了这步是象征性降险，还是完整的遏制动作。

目前能确认的很窄：OpenAI 把这事升级到强制全 macOS 客户端更新的程度。还不能确认的更重要：哪些版本暴露了，风险存在了多久，是外部研究员还是内部团队先发现的，苹果的吊销机制是否被纳入了响应。眼下我会把这事归类为一次软件供应链信任事件，而不是一个 Axios 的故事。

X · @claudeai4/11 02:25

Claude 出了 Word 插件，现在可以在侧边栏直接写稿、改稿

Anthropic 把 Claude 塞进了 Word，目前是测试版。你在文档侧边栏就能让它帮你起草、编辑和修改内容，Claude 会保留原有格式，改动以修订模式显示，方便你逐条确认。这个功能只开放给 Team 和 Enterprise 用户，正文没提价格、支持地区，也没说什么时候正式上线。

推荐理由：这是个有用但分量中等的 Anthropic 产品更新。官方帖子确认了 Word 侧边栏入口、Team 和 Enterprise 方案可用、保留原有格式并以修订模式显示改动，所以 K 和 R 都站得住。但价格、地区和具体上线时间都没说，信息缺口明显，只能放在 featured 的低位。

4月10日星期五

X · @OpenAI4/10 01:36

OpenAI 给 ChatGPT 加了个 100 美元/月的 Pro 档，主要给 Codex 重度用户用

OpenAI 新设了一个每月 100 美元的 Pro 订阅档，Codex 用量是 Plus 档的 5 倍，适合长时间、高强度的编程任务。这个档位保留了原 Pro 的全部功能，包括专属 Pro 模型以及 Instant 和 Thinking 模型不限次使用。到 5 月 31 日前有个限时活动，Codex 用量临时提到 Plus 的 10 倍。正文没解释为...

推荐理由：OpenAI 给 Pro 加了个每月 100 美元的新档位，核心是把 Codex 用量提到 Plus 的 5 倍，其他 Pro 功能不变。5 月底前有个临时福利，Codex 额度再翻倍到 10 倍，但我会先打个折，这只是限时促销。真正值得盯的是，他们开始把代码代理这种重度用法单独拿出来计费，说明以后高强度用 AI 写代码可能要多掏钱。正文没提新模型或技术突破，所以重要性主要落在定价信号上，对团队预算和工具选型有直接参考价值。

锐评

OpenAI 把编程用量单独拿出来定价了。新 Pro 档每月 100 美元，核心卖点是 Codex 调用额度提到 Plus 的 5 倍，其他 Pro 功能不变。到 5 月 31 日前有个限时活动，额度临时拉到 10 倍——这更像在试探重度代码用户的价格承受力，顺便冲一波订阅数据。

正文没解释 5 倍具体是多少次调用、单次能跑多久，也没说用完额度后是降速还是直接掐断。这些缺口让“适合长时间高强度编程任务”这句话没法验证。另外，原 Pro 档 200 美元，新档砍半但只突出 Codex，说明 OpenAI 认为代码场景的付费意愿和消耗量已经大到值得单独切一个 SKU 出来。

还缺两个关键信息：Codex 的实际成本结构，以及这个档位会不会后续再拆出其他用量包。如果只是把现有 Pro 用户往下拉一档，对 Plus 用户来说 100 美元的门槛依然不低。

X · @claudeai4/10 00:09

Claude Cowork 向所有付费用户开放，企业版加了权限和花费管控

Anthropic 把 Claude Cowork 从测试转成了正式功能，Pro、Team、Enterprise 都能用。企业版这次主要给管理员加了几个控制项：按角色设访问权限、给团队设花费上限、看用量报表，还接入了 OpenTelemetry 方便监控。正文没提具体定价、调用次数上限和推送时间。如果是真的，对想在全公司铺开用的团队来说，管钱管权限会方...

推荐理由：Anthropic 把 Claude Cowork 推给所有付费用户，企业版多了角色权限、分组花钱上限、用量统计和更全的遥测接入。我会先打个折：正文没写价格、配额和具体上线时间，所以别急着算账。真正值得看的是治理那几条腿终于补齐了，但组织级部署的细粒度参数还没亮出来。

4月9日星期四

X · @claudeai4/9 01:14

Claude 推出托管 Agent 服务公测版，把原型到上线压缩到几天

Claude 平台上线了 Claude Managed Agents 公测版，核心卖点是给了一套调过性能的 agent 运行框架加上生产环境基础设施，号称能把 agent 从原型做到上线的时间压到几天。正文没披露具体怎么收费、支持哪些工具链、能跑什么模型、有没有调用额度限制，这些关键信息都得等后续公布。

推荐理由：Anthropic 这次放出的 Managed Agents 是个公开测试，核心卖点是把 agent 从想法到上线的时间压到几天，对用 Claude 搭业务的人是个直接利好，所以重要性和相关性都过关。但我会先打个折——文章只说了有“性能调优的 agent harness”和配套生产设施，具体怎么收费、支持哪些工具、能跑什么模型、有没有调用上限，一概没写。这点先别太激动，缺的信息恰恰是决定能不能真省钱、真省事的关键。整体看，它解决的是 agent 规模化落地的运维和速度问题，对从业者来说是个实在信号，但落地效果还得等更多细节。

锐评

这条更新核心就一句话：Anthropic 把 agent 从玩具变成可部署的产品了。他们给了一个“调过性能的 agent 运行框架”加上生产环境基础设施，意思是你不用自己折腾服务器、监控、容错这些脏活，直接用他们的套件就能把 agent 推到线上。宣传说“从原型到上线只要几天”，听着挺诱人，但我会先打个折——这取决于你的 agent 复杂度，以及他们的框架到底有多灵活。

最大的信息缺口在钱和限制上。正文完全没提定价模型，是按调用次数、按 agent 数量还是按计算资源收费，一概不知。也没说支持哪些外部工具链，比如能不能接你自己的 API、数据库，还是只能用 Claude 生态内的东西。模型范围同样模糊，是只能用 Claude 还是能混用其他模型。这些不公布，就没法判断它到底是“省心但贵”还是“便宜但绑死”。

另外，公测版通常意味着稳定性、配额和 SLA 都还在调，生产环境敢不敢直接上，得看后续文档。如果你们团队已经在用 LangChain 或自建 agent 框架，迁移成本也是个未知数。建议等定价和工具链支持出来再评估。