跳到正文

#MCP/工具调用

今日 3 条

4月14日星期二

X · @dotey(宝玉)

与其说 AI First,不如先把测试、CI/CD 和监控这些软件工程的基础搭好

这篇文章的核心判断是:AI First 不是买几个 AI 工具订阅就能跑通的,它首先是一道软件工程题。AI 两小时写完代码,如果审查、测试、部署、监控和回滚还得靠人慢慢排队,瓶颈就从写代码转移到了 QA 和运维,25 人的团队照样快不起来。作者列出了几个硬性前提:自动化测试覆盖得够,不然每次 AI 提交你都得人工回归。

推荐理由:作者指出 AI First 的瓶颈会从写代码转移到 QA 和运维,并列出自动化测试覆盖、部署监控回滚等硬性前提,为团队评估自身工程基础提供参照。

X · @dotey(宝玉)

Vercel 开源 Open Agents:一个教你搭企业编程助手的参考项目,核心是把 Agent 和执行环境拆开

Vercel 把 Open Agents 开源了,这是一个给企业自建编程 Agent 的参考实现,可以直接 fork 走改。CEO 说现成编程 Agent 在大仓库里不好使,也不懂公司内部流程,所以 Stripe、Spotify 这些公司都在自己造。这个项目架构分三层:前端管会话和登录,Agent 作为持久化工作流跑着,沙箱提供隔离的代码执行环境。

推荐理由:Vercel 开源 Open Agents,给企业自建编程 Agent 提供可 fork 的参考实现,其把 Agent 与沙箱拆成三层、让 Agent 远程操作隔离执行环境的架构,是这类平台落地的一条具体路径。

最佳拍档

斯坦福论文:让 AI 自己写外挂代码,Meta-Harness 用完整历史记录教 coding agent 迭代优化

斯坦福、MIT 和 KRAFTON AI 搞了个叫 Meta-Harness 的系统,核心想法很简单:别让工程师手动调那层包裹在大模型外面的代码逻辑(harness),而是把这件事变成一个搜索问题,交给 coding agent 自己去翻历史记录、自己改代码。

推荐理由:斯坦福、MIT 与 KRAFTON AI 提出 Meta-Harness,把大模型外层代码的调优改成搜索问题,由 coding agent 翻历史记录自行改代码。

X · @dotey(宝玉)

Claude Code 关掉遥测后缓存从 1 小时掉到 5 分钟,工程师解释是实验开关失效,不是故意惩罚

开发者 Can Vardar 发现 Claude Code 关闭遥测后,提示缓存时间从 1 小时骤降到 5 分钟,他算了一笔账说这是用隐私换 12 倍性能。Anthropic 工程师 Boris Cherny 回应说,1 小时缓存写入成本高、读取成本低,不是无条件更好,如果你只跑一次查询就走,1 小时缓存反而浪费钱。

推荐理由:开发者发现关闭遥测后 Claude Code 提示缓存从 1 小时降到 5 分钟,Anthropic 工程师回应称 1 小时缓存写入成本高、读取成本低,只跑一次查询时反而更费钱。

4月13日星期一

最佳拍档

谷歌CEO皮查伊:2027年是企业AI落地爆发年,搜索不会死,会变成替你干活的管家

谷歌CEO皮查伊在2026年4月的一次专访里,把家底和判断都摊开了。他说明年(2027年)会是企业AI agent workflow(让模型进业务流程干活)的爆发点,AI将从程序员提效工具变成非技术岗位的智能核心。

推荐理由:谷歌CEO皮查伊在专访中判断2027年是企业AI agent工作流的爆发点,AI将从程序员提效工具转为非技术岗位的智能核心。

4月12日星期日

X · @Yuchenj_UW

MiniMax 开源 M2.7,并公开了用模型自己跑研发流程的实验结果

MiniMax 把 M2.7 开源了,同时发了一篇博客讲他们怎么让模型参与自己的研发。他们做了两件事:一是搭了个研究助手 agent,帮研究员查文献、盯实验流程、看日志、改代码、提 merge request,现在能扛起 30% 到 50% 的研发工作量。二是让 M2.7 自己改自己的测试脚手架,全自动跑了 100 多轮,内部代码评测涨了 30%。

推荐理由:MiniMax 开源 M2.7 并公开内部实验,其研究助手 agent 已承担三到五成研发流程,模型还自动改测试脚手架跑了一百多轮。

4月11日星期六

X · @dotey(宝玉)

Anthropic 公测 Claude Managed Agents,用 Vaults 把用户第三方密钥和模型上下文隔开

Anthropic 给 Claude Managed Agents 加了一个叫 Vaults 的组件,专门管每个终端用户的第三方账号密钥。开发者给每个用户建一个 Vault,把 Linear API Key、GitHub Token 这类凭证存进去,启动会话时只传 vault_id,基础设施会在模型需要调外部工具时自动把凭证塞进去。

推荐理由:Anthropic 为 Claude Managed Agents 公测加入 Vaults 组件,开发者可按终端用户隔离存放第三方凭证,会话只传 vault_id,密钥由基础设施在调用外部工具时注入。

X · @OpenAI

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。

推荐理由:OpenAI 因第三方库 Axios 的安全问题,要求所有 macOS 用户升级应用并更换认证证书,以降低假冒应用分发的风险。

X · @dotey(宝玉)

OpenAI Codex 工程师:别反复给 AI 喂脏数据,给它造几个专用命令行工具

OpenAI Codex 团队的 Nick Baumann 分享了一个干活技巧:与其每次把文档、日志、API 输出整坨丢给 AI 去啃,不如把常用操作封装成带参数、输出 JSON 的 CLI 命令。Codex 本身就擅长用命令行,会自己搜命令、加 flag 筛选、把上一个命令的结果串到下一个,不需要你教它怎么调。

推荐理由:OpenAI Codex 团队的 Nick Baumann 分享日常用法,把日志、文档和 API 输出封装成带参数、返回 JSON 的 CLI 命令,让模型调用窄接口而非直接读原始数据。

X · @dotey(宝玉)

Anthropic 发布 Claude for Word 插件测试版,直接在 Word 侧边栏改文档

Claude 现在能直接嵌进 Word 干活了。选中文字用自然语言说怎么改,修改结果会以 Word 原生的“修订模式”呈现,接受或拒绝都在审阅面板里完成,不用再把内容复制到网页端来回倒。它会识别标题样式、编号和项目符号,改完格式不乱。你还可以上传参考文档,写作时标注引用来源。团队能把反复用的工作流(比如合同审查)封装成 Skill,一键复用。

推荐理由:Anthropic 把 Claude 嵌进 Word 侧边栏,改动以原生修订模式呈现,接受或拒绝都在审阅面板完成,省去复制到网页端来回倒的步骤。

X · @dotey(宝玉)

Claude Code 新增 ultraplan:在终端发起规划,去浏览器审阅批注,再决定云端或本地执行

Claude Code 推出了 ultraplan 预览功能,把代码规划从终端搬到了浏览器。你在终端输入 /ultraplan 加需求描述,Claude 会在云端读代码库、起草实现方案,终端不占着,你可以干别的。方案写好后在浏览器里打开,像审文档一样对具体段落加批注、打表情、反复改到满意。最后二选一:让云端直接执行并开 PR,或者把方案拉回本地终端跑。

推荐理由:Claude Code 把代码规划从终端搬到浏览器,用户可在终端发起任务、云端起草方案,再逐段批注修改,最后选择云端执行或拉回本地。

X · @claudeai

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:Anthropic 将 Claude 接入 Word 侧边栏,支持起草和修改内容,改动以修订模式呈现,方便逐条确认,适合关注 AI 写作工具与文档协作方式的人了解。

4月10日星期五

claude.dev 开发者博客

从智能体视角看工具:Claude Code 如何设计工具

Claude Code 团队复盘工具设计,强调根据模型能力、智能体目标与运行环境持续调整工具。AskUserQuestion 在两种失败尝试后采用独立工具实现结构化提问,Task 则替代 TodoWrite,支持任务依赖与子智能体共享更新。上下文获取从预索引 RAG 转向 Grep 搜索和渐进式披露,Claude Code Guide 子智能体在自己的上下文中检索文档,只向主智能体返回答案。

推荐理由:Claude Code 团队以提问、任务协作和上下文搜索的工具迭代为例,将观察模型调用行为作为调整工具设计的方法。

X · @dotey(宝玉)

Anthropic 新 API 让便宜模型干活、贵模型当军师,Haiku 配 Opus 在 BrowseComp 分数翻倍,成本只要 Sonnet 的 15%

Anthropic 推出了“顾问工具”API,让 Sonnet 或 Haiku 作为执行者跑任务,遇到难决策时把上下文递给 Opus 出主意,Opus 不碰工具、不直接输出,只当幕后军师。这跟常见的“大模型拆任务、小模型执行”反过来了,好处是大部分 token 烧在便宜模型上。

推荐理由:Anthropic 上线顾问工具 API,让 Haiku 或 Sonnet 执行任务、卡壳时请 Opus 出主意,Haiku 配 Opus 在 BrowseComp 上从 19.7% 升到 41.2%,成本为 Sonnet 的 15%。

X · @OpenAI

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。

推荐理由:OpenAI 新设每月 100 美元的 Pro 档,Codex 用量为 Plus 的 5 倍,5 月 31 日前临时提升到 10 倍,把高强度代码代理用量单独定价。

X · @claudeai

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。

推荐理由:Anthropic 将 Claude Cowork 从测试转为正式功能,向 Pro、Team、Enterprise 开放,企业版新增角色权限、团队花费上限、用量报表和 OpenTelemetry 接入。

4月9日星期四

量子位 · 公众号

Claude 推出托管 Agent 服务,按小时收费,转头就被开源方案 Multica 平替了

Anthropic 上线了 Claude 的托管 Agent 服务,让模型能长时间跑任务、多 Agent 协作,还带沙盒和断点恢复。收费分两块:会话时长每小时 0.08 美元,外加按量计费的 token 消耗;联网搜索每千次 10 美元。部分记忆和编排功能还在研究预览阶段。

推荐理由:Anthropic 上线 Claude 托管 Agent 服务,给出会话时长、token 与联网搜索三项明码标价,并支持多 Agent 协作、沙盒和断点恢复。

X · @dotey(宝玉)

Anthropic 发布 Claude Managed Agents,把 Agent 开发的基础设施全托管到云端,现已公测

Anthropic 推出了一套托管 API,让开发者不用自己搭沙箱、管状态、做权限和链路追踪,直接定义任务和工具就能上线生产级 Agent。官方说从原型到上线能从几个月缩到几天。它支持长时间运行的会话(断线不丢进度)和多 Agent 协调(一个 Agent 能拉起其他 Agent 并行干活,后者还在研究预览阶段)。

推荐理由:Anthropic 将 Agent 的沙箱、状态管理和权限追踪托管为公测 API,开发者定义任务和工具即可上线,官方称原型到生产可从几个月缩到几天。

X · @claudeai

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 上线 Claude Managed Agents 公测版,提供性能调优的 agent 运行框架与生产环境基础设施,把 agent 从原型到上线的时间压到几天。

4月8日星期三

量子位 · 公众号

小米放出两个语音生成框架,想让普通人也能当“声音导演”

小米大模型应用团队公开了 Any2Speech 和 Midasheng-audio-generate 两个框架。Any2Speech 一次推理能生成最长约 10 分钟的语音,Midasheng 则能根据一段文字描述直接合成包含人声、音乐和环境音的混合音频。

推荐理由:小米大模型应用团队公开 Any2Speech 与 Midasheng 两个语音框架,前者单次推理可生成约 10 分钟语音,后者能按文字描述合成人声、音乐与环境音的混合音频。

量子位 · 公众号

面壁智能、OpenBMB 和清华放出一个 2B 开源语音模型 VoxCPM 2,能说 9 种方言、30 种外语,还复刻了郭德纲的《莽撞人》贯口

VoxCPM 2 是个 20 亿参数的开源语音模型,主打低延迟和少样本复刻。官方说生成经常在 1 秒内完成,给一段 5 秒以上的参考音频就能模仿音色和风格,演示里用它念了语速极快的相声贯口《莽撞人》。技术上它没用传统的声学码本,而是走扩散自回归连续表征路线,支持去噪、LoRA 微调和全量微调。

推荐理由:面壁智能与清华 OpenBMB 开源 20 亿参数语音模型 VoxCPM 2,5 秒参考音频即可复刻音色,并采用扩散自回归连续表征路线。

Latent Space

OpenAI 内部团队用 5 个月跑出一个零人工代码的项目,每天烧掉 10 亿 token

Ryan Lopopolo 的团队在 OpenAI 内部搞了个极端实验:5 个月里搭出一个超过 100 万行代码的仓库,所有代码全由 Codex 生成,合并前没有任何人工审查。他们每天消耗超过 10 亿 token,按市价估算大概一天要花 2000 到 3000 美元。

推荐理由:OpenAI 内部团队用 5 个月搭出超 100 万行代码仓库,全部由 Codex 生成且合并前无人工审查,每天消耗超 10 亿 token,展示了全自动编码流程的工程组织方式。

4月6日星期一

X · @dotey(宝玉)

小米罗福莉:Agent 时代算力跟不上 Token 烧法,出路不是降价而是省 Token

小米 MiMo 团队负责人罗福莉指出,现在 Agent 干活时反复带着超过 10 万 Token 的长上下文去调工具,请求次数是 Claude Code 自身框架的好几倍,真实 API 成本可能冲到订阅价的几十倍,全球算力根本扛不住。她认为短期阵痛反而是好事,第三方框架被 API 付费逼着去改进上下文管理、提高缓存命中率、砍掉无效消耗。

推荐理由:小米 MiMo 团队负责人罗福莉指出,Agent 反复携带超 10 万 Token 长上下文调工具,请求次数是 Claude Code 框架的数倍,API 成本可达订阅价几十倍,第三方框架被逼着改进上下文管理。

4月4日星期六

X · @dotey(宝玉)

Anthropic 正式封堵订阅漏洞:Claude Pro/Max 不再给 OpenClaw 等第三方工具买单

Claude Code 负责人 Boris Cherny 发公告,太平洋时间 4 月 4 日中午起,Claude Pro 和 Max 订阅的额度不再覆盖通过 OpenClaw 这类第三方工具产生的用量。想继续在这些工具里用 Claude,要么买打折的用量包,要么用 API Key 按量付费。

推荐理由:Anthropic 从 4 月 4 日起把 Claude Pro 和 Max 的订阅额度限定在官方渠道,OpenClaw 等第三方工具的用户需改用用量包或 API Key 按量付费。

X · @dotey(宝玉)

Mintlify 给 AI 文档助手造了个假文件系统,启动从 46 秒降到 100 毫秒

Mintlify 把 AI 文档助手的检索方式从向量 RAG 换成了 ChromaFs——一套用数据库查询模拟 grep、cat、ls 的假文件系统。AI 以为自己在一个真实的文件系统里翻文档,实际上每个命令都被拦截翻译成 Chroma 查询。效果是会话启动时间从沙箱方案的 46 秒压到 100 毫秒,每次对话的边际计算成本几乎为零。

推荐理由:Mintlify 把 AI 文档助手的检索从向量 RAG 换成用数据库查询模拟 grep、cat、ls 的假文件系统,会话启动时间由沙箱方案的 46 秒降到 100 毫秒,边际计算成本接近零。

4月3日星期五

X · @claudeai

Claude 全系套餐都能直连微软办公三件套了

Anthropic 把 Microsoft 365 连接器开放给了所有 Claude 付费套餐,不再只限高价版本。你可以把 Outlook 邮件、OneDrive 文档和 SharePoint 文件直接拽进对话里,让 Claude 帮你翻邮件、总结文档或从公司资料库里找东西。

推荐理由:Anthropic 将 Microsoft 365 连接器从高价套餐下放到全部 Claude 付费套餐,Outlook 邮件、OneDrive 文档和 SharePoint 文件可直接接入对话,接入范围的变化比新增功能更影响企业日常使用。

X · @op7418(歸藏)

Karpathy 用 Obsidian 和大模型搭了一套本地知识库,把原始资料自动整理成可提问、可写报告的 Wiki

Karpathy 的做法是把原始资料扔进一个叫 RAW 的文件夹,让大模型自动生成摘要、索引、概念页、相互链接和可视化图表,最终形成一个本地 Markdown Wiki。之后可以直接在这个 Wiki 上提问,模型会查索引、读相关文档再给出回答或生成新文件、网页甚至 PPT,并把输出存回知识库。

推荐理由:Karpathy 公开了把原始资料经大模型整理成本地 Markdown Wiki 的完整流程,涵盖摘要、索引、互链到基于 Wiki 提问和生成报告,可迁移到个人知识库搭建。

X · @op7418(歸藏)

谷歌发布 Gemma 4,四个尺寸全 Apache 2.0 开源,主打本地跑 agent 和多模态

Gemma 4 一口气发了四个版本:E2B 给手机和 IoT 用,E4B 给移动端和 Jetson/树莓派,26B MoE 每次只激活 3.8B 参数、延迟低吞吐高,31B 全密集版适合桌面或单卡 H100。这次把 agent 工作流当第一优先级,原生支持函数调用、JSON 输出和系统指令,还直接能处理图像、视频和语音转文本,可以做本地语音助手。

推荐理由:谷歌发布 Gemma 4 四个尺寸并全部采用 Apache 2.0 开源,26B MoE 每次仅激活 3.8B 参数,原生支持函数调用、JSON 输出与图像视频语音处理,为本地部署 agent 和多模态应用提供新的选型参考。

X · @claudeai

Claude 的电脑操控功能 Cowork 和 Code Desktop 现在支持 Windows 了

Claude 把电脑操控能力带到了 Windows 上,覆盖 Cowork 和 Code Desktop 两个入口。正文只发了一句话和一条链接,没提支持哪些 Windows 版本、权限怎么管、操作延迟多少、要不要额外付费,也没说什么时候正式推送。

推荐理由:Claude 将电脑操控能力从原有平台扩展到 Windows,覆盖 Cowork 和 Code Desktop 两个入口,此前该能力仅在非 Windows 环境可用。

X · @OpenAI

ChatGPT 上车了,现在能在 CarPlay 里用语音模式

OpenAI 把 ChatGPT 的语音模式搬进了 CarPlay,iPhone 用户升级到 iOS 26.4 以上就能在车里用。正文没提支持哪些国家、哪些车型,也没说功能有没有阉割,比如能不能连续对话、能不能读长文章。这次动作的重点是把对话入口塞进驾驶界面,不是发了新模型。

推荐理由:OpenAI 把 ChatGPT 语音模式接入 CarPlay,iPhone 用户升级 iOS 26.4 以上即可在车内使用,这次动作的重点是把对话入口放进驾驶界面,而非发布新模型。

4月1日星期三

MIT Technology Review · AI

在家训练人形机器人的零工:尼日利亚医学生头顶 iPhone 拍做家务

Micro1 这家公司雇了 50 多个国家的几千名零工,让他们把 iPhone 绑在头上,拍自己叠被子、洗碗、做饭的视频,再把这些真实动作数据卖给做人形机器人的公司。一个尼日利亚的医学生时薪 15 美元,在当地算高收入,但他觉得每天重复熨衣服很无聊。

推荐理由:Micro1 在 50 多个国家雇零工头戴 iPhone 拍摄叠被洗碗等家务,把真实动作数据卖给做人形机器人的公司,尼日利亚医学生时薪 15 美元。

3月24日星期二

Lex Fridman 播客

黄仁勋对谈 Lex Fridman:英伟达如何从单卡竞争转向整机柜、整数据中心的极端协同设计

黄仁勋在播客里解释了英伟达现在为什么要搞“极端协同设计”——因为单颗 GPU 已经不够用了。你想让一万台计算机跑出百万倍的加速,就不能只堆硬件,得把算法拆开、把模型和数据切碎(分片),让网络、交换、存储、供电、散热全部配合起来。否则受制于阿姆达尔定律,计算部分再快,整体也只快一点点。

推荐理由:黄仁勋在播客中解释英伟达为何转向整机柜与数据中心协同设计,并说明单卡性能受阿姆达尔定律限制,需算法分片与网络、供电、散热配合才能放大整体加速。

3月20日星期五

MIT Technology Review · AI

OpenAI 要造一个全自动 AI 研究员,先别急着喊“科学家要失业”

OpenAI 把“造一个全自动 AI 研究员”定成了接下来几年的北极星目标。首席科学家 Jakub Pachocki 跟 MIT Technology Review 聊了分两步走的计划:今年 9 月先搞一个“AI 研究实习生”,能独立啃一小批特定研究问题;2028 年再上完整的多智能体自动化系统。

推荐理由:OpenAI 将全自动 AI 研究员定为未来几年目标,首席科学家 Jakub Pachocki 给出今年 9 月先做研究实习生、2028 年再上多智能体系统的两步计划。

3月19日星期四

Ben's Bites

怎么写一份不帮倒忙的 AGENTS.md?

AGENTS.md 是给 AI 助手预载的指令文件,但别把它写成项目地图。有研究指出,塞进技术栈、关键文件路径这类信息反而会拉低表现,还让 token 消耗多出 20%——这些东西模型自己翻翻代码就能搞清楚。更好的做法是只保留你的行为偏好和纠偏提示,比如“生成网页前先用内置浏览器测一下再给我链接”、“把计划文件统一写到 ~/项目名/plan/ 里”。

推荐理由:研究指出,AGENTS.md 里塞技术栈和文件路径会拉低表现、多耗 20% token,只保留行为偏好和纠偏提示更有效。

硅谷101 播客

Web3 101串台|“龙虾热”背后,如何防范OpenClaw系统级风险

这期播客请了安全专家余弦和“龙虾”老玩家知县,把OpenClaw的风险拆成了几个层级:刚装上时,Agent能读你当前用户能看的本地文件;开始聊天后,对话内容会传到模型服务器,别发密钥密码;让它读写文件干活时,大模型可能理解错意思,误删误改文件,最常见的是把自己“改死”;操作浏览器时,你已登录的账号信息它都能拿到,访问恶意链接也会中招。

推荐理由:安全专家余弦与老玩家知县按安装、聊天、读写文件、操作浏览器四个阶段拆解 OpenClaw 的系统级风险,各阶段 Agent 能触及的本地文件、对话数据与账号信息。

3月17日星期二

OpenAI News

OpenAI 发了 GPT-5.4 mini 和 nano,主打编程和子任务,mini 跑得比 GPT-5 mini 快一倍多

OpenAI 在 3 月 17 号推出了 GPT-5.4 mini 和 nano,都是给高吞吐、低延迟场景用的轻量模型。mini 在编程、推理、看图、调工具上都比上一代 GPT-5 mini 强,速度还快了一倍多。

推荐理由:OpenAI 发布面向高吞吐低延迟场景的 GPT-5.4 mini 和 nano,mini 在编程、推理、看图、调工具上均强于上一代,速度提升一倍多。

MIT Technology Review · AI

OpenAI 的技术可能出现在伊朗冲突的哪些环节

OpenAI 跟五角大楼签了涉密协议刚过两周,MIT Technology Review 就划出了三个可能用到它家技术的场景。一是目标排序:分析师把潜在目标清单丢给模型,让它结合后勤、情报等数据排出优先打击顺序,但正文没解释人工复核到底怎么提速。

推荐理由:OpenAI 与五角大楼签署涉密协议两周后,MIT Technology Review 梳理出目标排序等三个可能用到其技术的场景,涉及模型如何介入打击决策。

3月16日星期一

MIT Technology Review · AI

AI 智能体刚学会跑,企业的管理手段还没跟上

2025年底到2026年初,无代码工具和开源个人助手 OpenClaw 出现,让生成式 AI 从爬直接变成了跑。加州 AB 316 法案在 2026 年 1 月 1 日生效,企业不能再把责任推给 AI 说“是它干的,我没批准”。IDC 受 Data Robot 委托的调查显示,96% 的生成式 AI 部署和 92% 的智能体部署都超了预算。

推荐理由:加州 AB 316 生效后企业不能再把责任推给 AI,而 IDC 调查显示 96% 的生成式 AI 部署和 92% 的智能体部署超预算,治理与成本控制正落后于智能体的落地速度。

3月11日星期三

MIT Technology Review · AI

中国 OpenClaw 热潮催生了一门帮人装“龙虾”的生意

北京工程师 Feng Qingyang 一月份开始帮人安装 OpenClaw(一个能接管设备自主干活的开源 AI 工具),到二月底辞职,现在团队超过 100 人,已经接了 7000 单,每单约 248 元人民币。淘宝和京东上现在有几百个相关商品,价格从 100 到 700 元不等。

推荐理由:北京工程师帮人安装开源 AI 工具 OpenClaw,两个月内从副业做到百人团队、7000 单,每单约 248 元,淘宝京东同类商品已有几百个,这条给出了围绕 AI 工具安装形成的市场定价与需求规模。

OpenAI News

OpenAI 给 Responses API 加了个电脑环境,让模型能自己敲命令行干活

OpenAI 在 2026 年 3 月 11 日说,他们的 Responses API 现在能调用一个 shell 工具,在托管的隔离容器里执行命令。模型(GPT-5.2 及之后版本)会自己提议该敲什么命令,API 负责在后台跑、把结果流式传回来,还能同时开多个会话并行处理。容器里带了文件系统、可选的 SQLite 和受限的网络访问。

推荐理由:OpenAI 为 Responses API 加入 shell 工具,模型可自行提议命令并在隔离容器中执行,结果流式返回且支持多会话并行,为 agent 开发者提供了新的运行方式。