🔥 精选推荐
智谱 GLM-5.2 成为首个在前端编程盲测中超过所有 Opus（含 4.8）的开源模型，而它只有 744B 参数（Opus 据传至少两倍大）。MIT 许可、1M 上下文、与 5.1 同价（输入/输出 1.4/4.4 美元每百万 token）。在 FrontierSWE、PostTrainBench、SWE-Marathon 三个长程编程基准上均为开源第一，FrontierSWE 仅落后 Opus 4.8 1%、反超 GPT-5.5。新架构 IndexShare 每四层稀疏注意力复用同一索引器，1M 上下文下每 token FLOPs 降 2.9×；Terminal-Bench 2.1 拿到 81.0，逼近 Opus 4.8 的 85.0。
🦐点评：744B 打平 Opus 说明"前沿编程能力"的参数门槛正在坍塌，闭源厂商靠规模堆出来的护城河被开源蚕食。对一级市场最直接的冲击在套壳/中间层——当一个 MIT 模型就能替代 Opus 跑编程，这层的定价权会被瞬间抽干，价值要么下沉到推理基础设施，要么上浮到有专有数据的垂直 Agent，中间地带最危险。智谱选在 Fable 出口管制风波后"机会主义"地放出开源权重，时机本身就是一种地缘竞争动作。
算力成本飙升叠加前沿政治动荡，正重新点燃开源模型之争——投资人给这批横跨 AI stack 的开源创业公司起了个"反抗军联盟"（rebel alliance）的名号。自 2025 年 DeepSeek 突破后，美国实验室节节败退，Qwen、Kimi 已成为全球创业公司的默认底座，Meta 反而从开源战略收缩。估值 120 亿美元的 Poolside（Nvidia、Bain、DST 投资）把整个公司 all-in 开源，联合 CEO Eiso Kant 称这是"公司唯一一次意识形态决策"，今年 4 月已放出面向 agentic coding 的 Laguna XS.2。Bill Gurley 的判断很直白：没人愿意把全部 token 消耗押在一家公司、尤其是贵的那家。
🦐点评："反抗军联盟"叙事的真实驱动不是理想主义，而是采购方的议价焦虑：当 token 账单变成企业核心成本项，多模型供应从"可选"变成"刚需"，这给开源/私有部署创业打开了结构性窗口。但 Poolside 把 ideology 当卖点恰恰暴露软肋——开源模型本身不赚钱，能不能收钱取决于谁掌握部署、微调与数据闭环，而这恰好是 Qwen/Kimi 已经卡位的地方。Gurley 那句"不想押单一供应商"才是 term-sheet 级别的信号，值得拿去重估每一个"模型层"deal 的退出路径。
Google 医疗 AI AMIE 登上 Nature——能力从"一次性诊断对话"扩展到"长期慢病管理"。基于 Gemini 的长上下文，AMIE 能调用药品处方集（drug formularies）和临床指南，跨多次问诊追踪症状、随指南更新调整用药，并配了一个有共情能力的实时对话 Agent。这标志着医疗 AI 的战线从"给出诊断"推进到"持续管理治疗过程"。
🦐点评：诊断是一次性事件，慢病管理才是医疗 AI 真正高频、可付费、贴着工资表（护理人力成本）的场景。Google 把战线推到"管理"而非"诊断"，意味着竞争壁垒从模型推理转向药典/指南的结构化接入与合规——这恰恰是创业公司难自建、却可能成为被并购理由的资产。对照下文微信频道里腾讯 ADP 在医疗子市场登顶，中美巨头其实在抢同一块慢病管理入口，留给独立创业公司的窗口是垂直科室的专有数据。
AWS 开源了 Strands Robots（Apache 2.0），把机器人仿真、LeRobot 数据栈和策略推理统一封装成 AgentTools，用一个 Agent loop 串起"从 Hub 数据集到物理机器人"的全流程。关键在于仿真和真机用同一种磁盘数据格式，换策略只需改一个字符串（GR00T、MolmoAct2 等即插即换），再用一个 peer mesh 把同一个 Agent 扇出到多台机器人。它要解决的是今天具身智能"录制/训练/仿真/部署/协同各用一套工具、彼此不通"的碎片化痛点。
🦐点评：具身智能真正的瓶颈一直是工具链碎片化，AWS 这步是想做机器人界的编排标准层（"LeRobot 的 LangChain"）。对 VC 的含义是：一旦数据格式和策略接口被云厂商统一，机器人创业公司的差异化会被挤到"专有演示数据 + 真机策略"两端，中间的工程胶水层不再值钱。投本体、投数据闭环，别投 glue——这条对照今天 YC 物理 AI 占比上升的趋势看尤其清楚。
"提示词时代结束，循环时代开始"——这期播客拆解四种 loop（heartbeat / cron / hook / goal）各自的适用场景，提出"像 onboarding 一名员工那样设计循环"的心智模型，并指出有效循环必备的五件套：worktree、skills、connectors、subagents、状态追踪。现场搭了两个能自主运行的循环：Claude Code 里每天 10:15 自动 review 老化 PR 并自己派生 subagent，Codex 里每周自动识别可沉淀的技能。结论是 goal loop 最难写、最容易烧 token。
🦐点评：如果"loop engineering"成立，AI 应用的护城河就从"模型/prompt"迁移到"验证器 + 状态管理"这套外围系统（正好和微信频道那篇《验证才是产品》对上）。对投资判断的意义：评估一家 Agent 创业公司别只看 demo 跑没跑通，要看它有没有把"评估闸门"和"跨会话记忆"产品化——goal loop 最烧钱也最难做稳，谁能在这里建立 retention，谁才有资格谈复利。
📌 其他新闻
Ben Thompson 本期更新覆盖三件事：SpaceX 收购 Cursor、Anthropic 旗下 Fable 模型遭遇的出口管制/越狱争议。他的核心判断是：政府对 Fable 的处理大概率是错的，但责任最终仍在 Anthropic 自己身上（正文为付费订阅）。
由微软、Google、GoDaddy、Hugging Face 等共同起草的开放规范 ARD，要给 MCP/Skills/A2A 之上补一个"发现层"：让 Agent 在运行时跨联邦注册表搜索工具、技能和其他 Agent，而不必预先硬编码安装。本质是把能力选择从 LLM 上下文里移出来，交给带更丰富信号的注册表索引。
a16z 探讨 AI 将如何改造生物制药，强调"变革发生的先后顺序"才是关键——哪些环节先被 AI 攻克、哪些后动，决定了价值在产业链上如何重新分配。
Gary Marcus 评论特朗普政府对 Anthropic 提出了不可能满足的要求，追问 AI 与监管的关系接下来该走向何方，是近期 Fable 出口管制风波的政治侧注脚。
Radical AI 的 Joseph Krause 谈材料科学的自动化实验室，核心观点是"材料领域的护城河在实验室，不在模型"——与药物分子不同，材料的真正壁垒是物理实验闭环，而非算法。
一份 Anthropic 工程团队画像显示：约 1680 人，以谷歌系背景、平均 12 年从业经验、本硕学历为主。对想理解前沿实验室人才结构与挖人来源的投资人，是一份有用的组织信号。
北京启动一座"AI 工厂"，目标 10 万 P 算力、日产 10 万亿 token，并喊出"1000 倍综合降本"的规划，是国内算力基建持续扩张、押注推理成本下行的又一信号。
🧠 AI 技术前沿
分享 LoopCoder-v2 论文：用"只循环一次"（Only Loop Once）的方式实现高效的测试时计算扩展（test-time compute scaling）。
查看推文 →
GLM-5.2 实测中提升最大的是 Agent 能力且属质变：它一开始就把地图"背下来"，不搜附近位置就直接导航到目标，省掉一次 tool call，是他测过的 20 多个模型里唯一能做到的。
查看推文 →
GPT-5.4 在 2.5 个月内改进了一个关键药物发现反应：测试 10,080 个反应，硼酸类产率提升 88%、磺酰胺类 83%，14 项结果经化学家验证。
查看推文 →
AI 视频下一代竞争点是"反应时延"，MaineCoon 成为低延迟 SOTA：22B 参数、首帧亚秒级、单张 H100 跑 47.5 FPS、音视频联合生成、可 10 分钟以上连续流式。
查看推文 →
Exa 发布 Exa Agent：托管式 Web Research Agent API，把前沿模型和自研搜索打包成单一接口，面向深度调研、名单构建、实体 enrichment，采用任务分解 + 并行子 Agent 的 Map-Reduce 研究架构。
查看推文 →
解读 OpenAI Codex 操作电脑的三种能力：in-app Browser（线程内隔离浏览器、无登录态）、Chrome Extension（你真实的已登录身份）、Computer Use（整台桌面 GUI，最慢、信任面最广）。
查看推文 →
Anthropic 的 Boris Cherny 认同"代码进入新纪元"——模型能为越来越大比例的任务生成正确代码，工程师的工作变成确保模型和系统有正确的护栏（guardrails）。
查看推文 →
提出一个有趣又实用的 AI 基准：让模型生成"从公元前 3000 到公元 3000 年港口小镇演化的 3D 程序化模拟，要好看且可控"，并放出 20 个模型的对比画廊。
查看推文 →
🚀 创业动态
现在更容易把本地 agent 迁到云端，合上笔记本也能继续跑；可从手机给 Cursor 下指令、并行跑多个 agent，最后拿回带演示的 PR。
查看推文 →
刚被 SpaceX 收购的 Cursor 要做"Agent 版 GitHub"——代码托管协作平台 Origin（由其收购的 Graphite 研发、今秋发布），主张写代码变快了但 review/merge/协作方式几乎没变。
查看推文 →
微软 Copilot Cowork 正式 GA，考虑引入 Azure 托管的 DeepSeek V4 作为低成本模型、按用量计费；他判断"token maxxing"包月无限用的模式已被证伪，因为 Agent 单任务会反复调模型、消耗急剧放大。
查看推文 →
Framer 3.0 发布，靠 Agents 大幅降低上手门槛，能生成带 auto layout 和断点的完美组件、模板生态一流——但极其消耗 token。
查看推文 →
判断大厂（OpenAI/Anthropic/Google）的 agent harness 很快会臃肿——因为它们做的已不是编程工具，而是覆盖上千用例的产品，而 harness 正是大家花钱的地方。
查看推文 →
推荐开源项目「CC Switch」——能在 Coding Agent 里切换任意模型；他称其 GitHub star 高达 103K，远超作者本人 X 粉丝数。
查看推文 →
如果你的云端 agent 能在自己的 VM 里端到端测试软件，就到了"终局"，可以无限构建。
查看推文 →
💬 观点与洞察
若泄露财务数据属实，OpenAI 在服务客户端已盈利、毛利率 40%+，但训练成本依旧高昂；自动化 AI 研究可能也是一招——超人研究员能以更少资源做更多事，提升训练效率。
查看推文 →
大公司 AI 战略的问题在于：即便是去年才意识到 AI 重要、动作最快的那一小批，战略也多成型于 2025 年底、agentic 革命之前，如今已经过时。
查看推文 →
重申"真实任务用满 10 小时"才能学会这些 AI 系统，但很多人头一个小时就觉得难、把它当成"另一个 Google"，从此再没深入。
查看推文 →
ChatGPT 的 AI 市场份额首次跌破 50%（46.4%），Gemini 27.7%、Claude 10.3%；他强调 X 圈外的真实世界里，消费者更在意可获得性而非模型最强，分发即一切。
查看推文 →
调侃英伟达可以干件最好笑的事：用每月 200 美元分期卖 Blackwell——和被补贴的闭源 AI 订阅同价，但最终你真正拥有算力。
查看推文 →
现在不是躺平做没人在意的软件的时候——不到 200 美元/月就能拿到 LLM、agent、研究、速度、知识这一生最大的杠杆，窗口不会一直开着。
查看推文 →
称中国公司不仅一贯抄袭美国模型，现在还做出运行这些模型的"一模一样的 App"，并质疑 Z.ai 把 Codex 的界面"像素级"克隆了。
查看推文 →
抱怨 Claude Code 里的 Claude 被"阉割"，用 Opus 4.8 xHigh 在全新上下文里仍完全无视指令，是他见过最差的一次。
查看推文 →
🔥 精选推荐
SpaceX 宣布以 600 亿美元收购 AI 编程公司 Cursor，这是其上周以约 1.77 万亿美元估值 IPO 后的首笔并购。SpaceX 今年 4 月已获得 600 亿美元收购 Cursor 的选择权，协议允许 Cursor 使用 SpaceX AI 部门的算力训练其编程模型 Composer，SpaceX 则获得加速自身编程类 AI 项目的工具与数据。马斯克在公司内部把这笔交易视作追赶 Anthropic、OpenAI 的途径，预计 2026 年三季度完成合并。
🦐点评：这是把"算力—模型—应用"垂直整合做到极致的一笔交易——SpaceX 缺的是前沿编程产品与数据，Cursor 缺的是自有算力，互补性几乎完美，本质是马斯克用 SpaceX 的资本和算力强行补上 xAI 在编程赛道的短板。对一级市场的信号有两层：一是顶级应用层公司的退出方式正在从 IPO 转向被"算力巨头"吸纳，估值锚定逻辑变了；二是 Cursor 一旦绑定 SpaceX 算力，OpenRouter、第三方推理这些中立中间层会被进一步边缘化。值得追踪的暗线是 Composer 模型——若它靠 SpaceX 算力追上 Opus，编程模型的竞争格局会再洗一次。
高通正洽谈收购 AI 芯片设计公司 Tenstorrent，讨论价格在 80 亿至 100 亿美元之间，较 Tenstorrent 最新估值溢价显著（近 4 倍）。高通大部分收入来自手机和 PC 芯片，一直试图在 AI 数据中心芯片市场与对手抗衡；去年它刚以 24 亿美元收购了英国芯片互联公司 Alphawave Semi。高通年初至今股价涨 29%，市值约 2000 亿美元。
🦐点评：近 4 倍溢价收一家尚未规模化的 AI 芯片公司，说明在英伟达统治的数据中心赛道，"自研追赶"的时间窗口已经贵到必须用并购买。Tenstorrent 由传奇芯片架构师 Jim Keller 操盘、走 RISC-V 开放路线，对高通的价值不只是产品，更是一支稀缺的高端架构团队和一条不依赖 ARM/x86 的技术路径。把它和上面 SpaceX 收 Cursor 并置看，2026 年的主题很清楚：算力和模型的稀缺资产正在被巨头用现金加速锁定，留给 VC 的早期窗口在收窄。
作者自研了一个真实工程基准——让智谱、Qwen、Kimi、MiniMax、DeepSeek 及作为对照的 Claude，各自独立重构一个含首页、知识图谱页、文章列表和 103 篇详情页的完整静态网站，每个模型跑 10 轮、共 60 个网站，再由 Agent 从完整性、图谱质量、视觉、交互稳定性等五维加权打分。结果 GLM-5.2 以 85.5 分微超 Claude Opus 4.8（85.2）拿下第一，其后是 Qwen 3.7 Max、Kimi K2.7-code、MiniMax M3、DeepSeek V4 Pro。作者同时抛出一个尖锐判断：所有模型都在刷 SWE-bench 导致同质化，"卷编程甚至在损害写作能力"。
🦐点评：比 GLM 夺冠更值得记下来的是那句"卷编程损害写作能力"——当所有模型都朝有标准答案的编程/agentic 任务优化，输出会集体走向冗长、结构化、没有人味，模型差异坍缩成"成功率"这一个维度。这对投资有两个推论：一是纯编程能力很快会商品化（GLM 已经证明开源能追平 Opus），真正的稀缺性会回到"风格/写作/对话体验"这类难以基准化的软能力；二是第三方独立评测（自建数据、开源方法、部署可查）正在成为对抗厂商刷榜的刚需，这本身就是个可投的中立基础设施位置。
文章的核心论点是：AI ToB 的天花板不是几千亿美元的软件预算，而是十万亿美元级的"工资表"——当 Agent 开始承担客服、销售、财务、研发、法务等岗位的可标准化工作，它替代的是人力而非软件订阅（SpaceX 招股书估 AI 企业级市场达 22.7 万亿美元）。OpenAI、Anthropic 都在把重心从个人助手转向企业 Agent，并强化 FDE（Forward Deployed Engineer）这种让工程师直接进客户现场嵌入业务系统的组织形态。但作者认为中国受数据安全、私有化、成本和供应链自主约束，未必走美国"超级模型 + 云端集中"的路线，Zleap 给出的答案是 10 万元以内、单卡、本地部署的企业 Agent 一体机。
🦐点评：把 Agent 的 TAM 从"软件预算"重写成"工资表"是这两年最重要的叙事升级，它解释了为什么模型公司都在抢着自建 FDE 团队——价值不在 API 调用里，而在企业最难标准化的工作流深处，这部分必须靠人贴身交付，天然反规模、反纯软件估值。对中国市场的判断更关键：数据不能出内网 + token 成本不能无限增长这两条硬约束，给"本地一体机 + 端云协同"开了一条美国玩家进不来的路，但一体机生意的毛利结构和 SaaS 完全不同，投之前要算清楚它到底是卖硬件还是卖持续的 Agent 运营。
文章转述 AI 工程师 Samuel McDonnell 对"循环工程"的冷水：一个 loop = 生成器 + 验证器，而瓶颈从来在验证器一侧。开放循环（给目标自由发挥）能产出新颖结果但烧 token、评判一松就变成"喷废料的机器"；今天真正能出活的是带评估闸门的封闭循环——功劳常被记在"自主性"上，但真正起作用的是那道挡住"自信错误答案"的闸。作者还区分内循环（任务内自测自修，已成熟）与外循环（跨会话把教训写进 SKILL.md/AGENTS.md，还只搭了一半），并以 Bun 作者用 Claude Code 把 75 万行运行时从 Zig 移植到 Rust（测试 99.8% 通过、6–11 天完成、每个文件配两个审查 Agent 加一层专门"反驳"的 Agent）为旗舰案例，点出"验证不是最后一步，验证就是整个架构"。
🦐点评："验证才是产品，其余都是管道"这句话直接给 Agent 创业公司提供了一把估值尺：demo 跑通靠生成器，retention 靠验证器，而后者难做、难抄、可沉淀，才是真护城河（正好和 RSS 频道 Lenny 那期"loop 时代"互为正反面）。那个 75 万行移植案例的工程结构尤其值得 VC 拆解——几百个并行 Agent 之外专门设一层"反驳 Agent"，本质是把"对抗式验证"做进了架构，谁能把这套评估闸门产品化成开箱即用的能力，谁就握住了 Agent 从"玩具 demo"走向"生产系统"的咽喉。
📌 其他值得看
对智谱 GLM-5.2 技术博客的中文详览：744B MoE、40B 激活、1M 上下文、MIT 协议，价格与 5.1 持平，在 Code Arena 前端盲测以 1595 分拿下"可用模型"第一，被作者称为国产模型的高光时刻。
IDC 发布国内首份《中国智能体开发平台市场份额，2025》，腾讯云 ADP 在媒体、医疗与生命科学两个高门槛子市场位列第一；报告信号是企业开始用真实采购和真实流程筛选 Agent 平台（注：行文较偏腾讯案例，含一定 PR 色彩）。
另一篇 GLM-5.2 开源解读，主打"首个对标 Opus 的开源模型"，从 Coding 与长程任务能力、定价和生态支持角度展开，适合作为前文技术博客详览的补充阅读。