每日精选 — 2026年7月10日

今日概览 #

今天的主线不是单一模型有多强，而是 AI 行业正在从“模型发布”转向“堆栈锁定”：OpenAI 把 ChatGPT 与 Codex 合并成 ChatGPT Work，xAI 和 Cursor 联手训练 Grok 4.5，Meta 发布低价 Muse Spark 1.1。这些动作拼在一起说明，未来用户选择的不是某个模型，而是一整套“模型 + 工具 + 工作流”的垂直生态。与此同时，徐文浩、Lilian Weng 和 Modal 的 harness 工程讨论提醒我们：智能越便宜，越需要可审计、可回滚、可授权的运行系统。

🐦 来自时间线 (X/Twitter) #

Elon Musk 罕见承认 Anthropic 是当前 AI 领导者 #

@elonmusk · 11小时前

Musk 在 X 上公开承认自己对 Anthropic 的判断错了，称对方目前显然是 AI 领域的领导者，并提到 Mythos/Fable 是前所未有的出色模型。作为 xAI/SpaceXAI 的掌门人，这番话的分量在于它来自直接竞争对手之口。它同时暗示：模型能力的差距正在被行业内部默认，接下来的竞争焦点可能从“谁跑分更高”转向“谁能把领先模型装进自家产品闭环”。

-> 原文

ChatGPT Work 发布：OpenAI 正式把 agent 推进工作流 #

@OpenAI · 11小时前

OpenAI 推出 ChatGPT Work，一个由 Codex 和 GPT-5.6 驱动、能在应用和文件里自主执行任务的 agent。它可以陪伴项目数小时，把目标转化为完成的工作。这标志着 ChatGPT 从对话工具向“任务执行层”跃迁，也意味着 OpenAI 开始直接把第三方 agent 应用的价值内化进主产品。

-> 原文

Sam Altman：GPT-5.6 Sol 是 OpenAI 最好的模型之一 #

@sama · 12小时前

Altman 称 GPT-5.6 Sol 不仅是 OpenAI 生产过的最好模型，其发布博客也是公司最好的作品之一。这句话本身是一种营销，但也说明 OpenAI 正在把“模型 + 叙事”打包成产品事件。对读者而言，关键不是相信“最好”，而是观察它如何与 ChatGPT Work、Codex 合并形成连续的产品线。

-> 原文

Meta 发布 Muse Spark 1.1：低价 agent 与编码模型 #

@finkd · 15小时前

Zuckerberg 宣布 Muse Spark 1.1 通过 Meta Model API 和 Meta AI 提供，定位是“功能强大但价格非常实惠”的 agent 和编码模型。Meta 的策略越来越清晰：不只在 benchmark 上追前沿，而是用低价和分发入口把 AI 塞进社交、办公和开发者工作流。这是另一种垂直堆栈的打法。

-> 原文

宝玉：ChatGPT 与 Codex 的合并意味着什么 #

@dotey · 11小时前

宝玉用一句话点出 OpenAI 的产品整合方向：ChatGPT Codex 合并了，名字就叫 ChatGPT Codex。这条短评的价值在于把复杂的品牌和产品线变动简化为一个信号——OpenAI 不再区分“聊天”和“编码”两个入口，而是把所有 agent 能力收拢到 ChatGPT 品牌下。对开发者来说，入口统一意味着竞争维度变化。

-> 原文

🎙️ 来自播客 #

All-In：主权 AI 与企业数据到底该归谁 #

All-In Podcast · 7月4日发布

All-In 四位主持人讨论 Palantir 与 NVIDIA 的主权 AI 合作，认为企业应避免把专有数据交给 Anthropic、OpenAI 等 frontier labs。他们引用 Ramp 的研究称，采用 AI 的公司员工数量增长 10%，以此反驳 AI 必然导致失业的叙事。节目还涉及 Anthropic Fable 5 出口限制解除、最高法院出生公民权裁决和加州预算。核心张力：当 AI 成为主权基础设施，模型、数据、硬件的控制权该由谁掌握？

“企业不应该把数据交给那些明天就会推出竞争产品的 frontier labs。” — David Sacks

-> 收听

🤖 来自 AI 对话 #

如果聊天机器人正在死去，那活下来的是什么？ #

与 Claude Opus 的对话

显眼答案是：交互界面变了。过去两年我们把 AI 当成一个对话框，问它、等它、再追问；未来我们会把 AI 当成一个能在后台跑数小时、自己调用工具、最后交付结果的代理。界面从聊天窗口变成任务流，人从“提问者”变成“验收者”。

但这个答案漏掉了最戏剧性的一层：聊天对话框其实是人类给 AI 设的一道“婴儿围栏”。在对话框里，AI 每说一句话都需要人类点一次头，它不能私自行动、不能跨系统操作、不能替你做决定。这道围栏让 AI 看起来安全，也让人类保持幻觉——以为自己还在控制。但 ChatGPT Work、Claude Cowork、Codex 的合并，真正取消的不是“聊天”，而是这道围栏。

更反直觉的是，围栏消失后，人类反而可能更累。对话框时代，你至少知道 AI 在说什么；代理时代，你醒来要面对的是一份“已完成”的改动清单、一串调用记录、几个需要你批准的冲突。就像徐文浩在 AI 炼金术里说的：人要负责验收，而验收八个方向同时涌来的问题，比亲自写代码还消耗带宽。Ethan Mollick 提到 Anthropic 内部大量代码已由 Claude 生成、人类转向验证层——这听起来像解放，实则把人的角色从“工匠”推向了“质检总监”，而质检一个没有亲手做过的产品，认知负荷极高。

所以“聊天机器人的黄昏”不是交互升级，而是风险归属的转移。当 AI 从“说给你听”变成“替你做了再汇报”，出错的代价也从“回答不好”变成“改错了生产数据库”。活下来的人机形态不是更聪明的对话框，而是一套明确的 harness：谁批准、谁回滚、谁在什么边界内可以自主。代理的真正界面，是信任协议。

xAI + Cursor、OpenAI + Codex：AI 行业是在开放还是在重新垄断？ #

与 Claude Opus 的对话

显眼答案是：竞争更激烈了。Grok 4.5 以更便宜的价格逼近 Opus/GPT 水平，OpenAI 把 Codex 塞进 ChatGPT Work 降低使用门槛，消费者和开发者都受益。更多玩家、更多整合，等于更开放。

但这个判断混淆了“竞争”与“开放”。真正的开放是接口、权重、数据的解耦；而眼前发生的事恰恰是深度耦合。Cursor 不再只是一个编辑器，它开始参与训练专属模型；OpenAI 不再只是 API 提供商，它开始吞噬自己最成功的第三方应用之一 Codex；xAI 的 Grok 4.5 首日支持出现在 Cursor、Grok Build、Hermes Agent——这些都不是中立的标准，而是被少数平台定义的私有轨道。

这让人想起 Peter Thiel 在《从零到一》里的论断：竞争是留给失败者的，垄断才是创新的源泉。只是这一次，垄断的边界不是某一家公司，而是“模型 + 工具 + 工作流”的垂直堆栈。一个开发者未来可能不再选择“用哪个模型”，而是选择“进入哪一个完整的 AI 操作系统”——就像 iOS 与 Android 之争，输家不是某款应用，而是整个平行生态。All-In 播客里主持人警告企业不要把数据交给 frontier labs，因为他们会推出竞争产品；这背后其实是垂直堆栈对数据闭环的饥渴。

所以别只盯着模型排行榜。未来五年的关键变量不是谁跑分更高，而是谁的堆栈能让用户“进去就出不来”。开放模型的真正机会，也许是成为跨堆栈的“中立层”——就像当年的 ARM 架构，不自己做手机，却让所有手机都离不开它。

Harness 工程：为什么 AI 越强，人类越需要给自己搭笼子？ #

与 Claude Opus 的对话

显眼答案是：约束保证安全。AI 会犯错、会幻觉、会在长任务中漂移，所以人类需要测试、审查、沙盒、回滚机制，像给野马套缰绳。

但这个回答把 harness 当成一种“限制”，但它其实是一种“放大器”。徐文浩的实战经验最有说服力：当他给 AI 装上 dev container、work tree、Discord 上的 agent 线程、GitHub 上的几十道门禁后，AI 不是被压慢了，而是可以并行十个窗口、在他睡觉时继续跑、并且炸不到他。Harness 让 AI 从“需要 babysit 的对话伙伴”变成“可规模化的劳动力”。

更深一层，harness 解决的是人类注意力瓶颈，而不是 AI 能力瓶颈。他提到一个反直觉的管理技巧：让 AI 每天只汇报一类问题，而不是把八个方向的问题同时丢给人。这不是在限制 AI，而是在保护人类有限的 System 2 处理能力。Lilian Weng 的文章里也暗示，即使模型把很多 harness 技巧内化了，“指定目标与上下文”的需求不会消失——因为世界的目标本来就是人类定义的。

可以把 harness 理解为 AI 时代的“组织操作系统”。它不负责思考，负责把思考成果封装成可重复、可验证、可交接的单元。未来最值钱的不是会写 prompt 的人，而是会设计 harness 的人——他们决定了 AI 能承担多大的责任半径。

主权 AI 是企业的救命稻草，还是大数据公司的 Marketing？ #

与 Claude Opus 的对话

显眼答案是：真需求。企业不可能把核心数据、客户关系、专利知识交给 OpenAI 或 Anthropic，因为模型训练天然需要数据，而数据一旦被吸收就很难撤回。主权 AI 让企业拥有模型、数据、硬件的控制权。

但这个答案忽略了“主权”本身的成本与幻觉。All-In 主持人们一边警告 frontier labs 会用客户数据做产品，一边又热情地吹捧 Palantir——而 Palantir 恰恰也是一家靠企业数据建立护城河的公司。所谓“主权”，只是把数据从 A 的云端搬到 B 的堆栈，并没有解决数据真正需要被使用、被推理、被更新的问题。更尖锐地说，大多数企业的问题不是“数据被 OpenAI 偷走”，而是“数据散落在 47 个系统里，连自己都用不起来”。

Jack Clark 在 Import AI 的牛津演讲里提到，AI 迫使我们选择“主动塑造技术”还是“逃避现实”。主权 AI 营销的高明之处，在于它把企业的逃避包装成了主动——既然搞不定 AI，至少可以买一个“数据在我手里”的安慰。但真正的主权不是地理位置上的托管，而是理解自己的数据流、拥有切换供应商的能力、以及培养能审计 AI 决策的人才。

主权 AI 的试金石不是“数据存在哪里”，而是“明天换一家供应商要花多久”。如果答案是三个月、六个集成团队、数百万迁移费用，那它就不是主权，而是另一座更贵的牢笼。

当 AI 把功能性价值打到零，人类还能靠什么值钱？ #

与 Claude Opus 的对话

显眼答案是：转向 AI 做不到的事——判断力、创造力、信任、情感连接。人类会从事更需要“人味”的工作。

但这个回答仍然被困在“功能替代”的框架里。它假设人类的价值永远要与 AI 比“能做什么”，然后找到一块 AI 还没攻下的高地。但河豚师傅的启示恰恰相反：当“不被毒死”的功能性价值归零后，人们愿意为仪式、故事、稀缺性、现场体验付高价——这些都不是“AI 做不到”，而是“只有这个人、这个时刻、这个关系才有”。

任鑫在节目中坦白，他出去讲 AI 转型课，90% 的费用其实是情绪价值：买他那张脸、那场现场体验，而不是信息本身，因为信息在网上已经免费。这提示了一个更激进的未来：AI 不会让人类变得没用，但会让人类从“工具人”被迫回到“人本身”。我们从小被训练用生产力定义自己，但 AI 让功能性价值趋近于零时，这种自我定义会崩塌。

所以真正的问题不是“AI 还做不到什么”，而是“没有功能性价值之后，你还愿不愿意为自己付钱”。河豚、侍酒师、撒盐哥、NFT 头像都指向同一件事：丰裕时代，稀缺的不是能力，而是意义与关系。未来可能属于那些敢于承认自己“没用但珍贵”的人。

📚 来自书架 #

反脆弱：如何从混乱中获益 #

Nassim Nicholas Taleb · 2012

Taleb 区分了脆弱、强韧与反脆弱三类系统。脆弱的事物在波动中受损，强韧的事物抵抗波动，而反脆弱的事物会从波动、压力与随机性中获益。真正的生存策略不是预测风暴，而是设计一个风暴越大越强壮的结构。

与今天的连接: 今天 OpenAI、xAI、Meta 同时出新模型，模型能力每隔几个月重构一次。押注单一模型或平台的团队最脆弱；像徐文浩在 AI 炼金术里强调的 harness 工程体系——可切换、可验证、可回滚——才是反脆弱的。模型地震越频繁，越要从冲击中学习，而不是只抗冲击。

系统 1 与系统 2：AI 时代的人类验证层 #

Daniel Kahneman · 2011

Kahneman 将人类思维分为系统 1（快速、直觉、自动化）与系统 2（缓慢、理性、费力）。系统 1 擅长模式识别但容易偏见，系统 2 擅长复杂验证却容量有限。我们日常大量依赖系统 1，只在必要时调用系统 2。

与今天的连接: Ethan Mollick 和 Jack Clark 都提到 Anthropic 内部大量代码由 Claude 生成，人类转向验证层。AI 成为超级系统 1，负责生成、联想、编码；人类被迫承担系统 2 的核查与判断。但系统 2 非常耗能，徐文浩警告如果 AI 同时汇报八个方向的问题，人会被压垮。未来的组织设计必须保护人类的系统 2 带宽，让它只处理真正需要深思熟虑的节点。

垄断与竞争：AI 公司为什么要做垂直整合？ #

Peter Thiel · 2014

Thiel 认为真正创造价值的公司是垄断者，垄断来自专有技术、网络效应、规模经济与品牌。创业者应追求从 0 到 1 的创新，而非在已有市场厮杀。

与今天的连接: OpenAI 合并 Codex、xAI 与 Cursor 联手训练 Grok 4.5，这些动作不能只理解为竞争加剧。Thiel 的框架提醒我们，frontier labs 正在构建“模型 + 工具 + 工作流”的垂直垄断堆栈，目的是让用户进入后难以迁移。All-In 警告企业不要把数据交给 frontier labs，正是因为它们拥有最强的数据吸收与产品内化能力。

人月神话：AI 写的代码越多，理解它的人越少 #

Frederick Brooks · 1975

Brooks 提出软件工程的根本困难是本质复杂度与偶然复杂度。向延期项目加人手只会更延期，因为沟通成本指数增长。代码不是体力劳动，而是对复杂性的集体理解。

与今天的连接: AI coding agent 让单个开发者一天生成十倍代码，但本质复杂度没有消失，只是被更快堆出。徐文浩把过去半年形容为“维护公共厕所”——三月写十万行，四五月还债。这正是 Brooks 预言的现代版：生成速度远超理解速度时，项目会沉入泥潭。Lilian Weng 强调 harness 工程，也呼应 Brooks：只有严格的结构、接口、测试与文档，才能让多 agent 共同理解同一份复杂度。

⚡ 快讯 #

OpenAI 为 Claude Code 发布 Codex 插件：竞争产品开始互相嵌入 #

GitHub · Trending

OpenAI 发布了一个让 Claude Code 用户直接调用 Codex 的插件，支持代码审查、对抗性审查、救援调试、会话转移等命令。这件事的戏剧性在于：OpenAI 的模型通过插件进入竞争对手的终端工作流。它说明模型层和工具层的边界正在瓦解，用户最终可能不 care 背后是哪家模型，只 care 哪个 workflow 好用。

-> 原文

Chrome DevTools MCP：让 coding agent 控制真实浏览器 #

GitHub · Trending

Chrome 团队发布的 DevTools MCP server 让 coding agent 可以通过 DevTools 协议控制实时浏览器，支持输入自动化、导航、性能追踪、网络检查、截图等。对 agent 工作流来说，浏览器不再是“被读取的页面”，而是“被操作的运行时”。这也意味着 agent 的权限边界需要重新定义。

-> 原文

Ethan Mollick：聊天机器人的黄昏已经到来 #

One Useful Thing · 7月1日

Ethan Mollick 在《The twilight of the chatbots》中指出，前沿模型能力正在指数级提升，AI 正从共智聊天机器人转向长期运行的 agent。他援引 METR、UK AI Security Institute 等评估，说明 AI 越来越能替代人类程序员小时和专家工作。Anthropic 内部大量代码已由 Claude 生成，人类转向验证层。这与今天 AI 炼金术徐文浩、harness 工程的讨论形成同一条主线。

-> 原文

Jack Clark：主动塑造技术，还是逃避现实？ #

Import AI · 今日

Jack Clark 在牛津 Cosmos HAI Lab Lecture 中提出，快速 AI 进步迫使我们选择主动塑造技术还是被动逃避。他回顾了 AI 从通过律师资格考试到 IMO 金牌、Claude Mythos 发现软件缺陷的历程，并披露 Anthropic 内部 Opus 4.6 带来大规模 agent 委托、AI 生成代码激增，人类进入验证层。这是对“聊天机器人黄昏”最直接的内部佐证。

-> 原文

ZeroGPU：用小型模型卸载 70-80% 的生产推理 #

Product Hunt · 175 upvotes / 7 comments

ZeroGPU 构建在混合边缘网络上的小型语言模型层，声称能用 10 倍更低延迟、50%+ 更低成本处理 70-80% 不需要前沿模型的生产推理任务。它提供 OpenAI 兼容 API，覆盖分类、提取、审核、摘要和 PII 检测。信号很明确：模型市场正在分层，前沿模型只处理高风险判断，日常任务交给又快又便宜的专用小模型。

-> 原文

编辑分析 #

今天最重要的张力是：模型正在变成便宜电力，但组织还没有学会修配电箱。

OpenAI 把 ChatGPT 和 Codex 合并成 ChatGPT Work，xAI 与 Cursor 联手训练 Grok 4.5，Meta 用低价 Muse Spark 1.1 切入 agent 和编码市场。表面是三家在模型上较劲，实则它们都在争夺同一种东西：让用户进入后就难以迁移的“模型 + 工具 + 工作流”垂直堆栈。All-In 对企业数据的警告、徐文浩的 harness 工程实录、Lilian Weng 的递归自我改进综述，则从反面说明——堆栈越完整，信任协议和运行治理就越重要。

第一，AI Engineering 正在从 prompt 技巧转向 harness 工程。 徐文浩在 AI 炼金术里展示的个人基建、团队门禁和汇报节奏，Lilian Weng 对 harness engineering 的综述，以及 Modal CTO 对 agent cloud 的讨论，共同指向一个结论：模型越便宜，越需要可重复、可验证、可回滚的运行系统。读者今天评估一个 AI 工具，应该先问它如何限制副作用、保留证据和支持回滚，而不是先问它用了哪个模型。

第二，垂直整合正在取代单纯的模型竞争。 OpenAI 合并 Codex、xAI 绑定 Cursor、Meta 推自有 API，都不是在卖一个模型，而是在卖一个操作系统。Peter Thiel 的垄断框架在这里格外锋利：未来的赢家不是某款应用，而是能让用户“进去就出不来”的完整堆栈。对企业和开发者来说，选择栈的时候必须同时计算迁移成本，因为今天便宜的 API 可能是明天昂贵的牢笼。

第三，“聊天机器人的黄昏”本质上是风险归属的转移。 Ethan Mollick 和 Jack Clark 都指出 Anthropic 内部大量代码已由 Claude 生成，人类转向验证层。这意味着 AI 从“说给你听”变成“替你做了再汇报”，出错代价从“回答不好”变成“改错生产数据库”。Daniel Kahneman 的系统 1/系统 2 框架提醒我们：AI 是超级系统 1，人类必须保护有限的系统 2 带宽，只把真正需要深思熟虑的节点留给自己。

延伸阅读建议三条：OpenAI ChatGPT Work 原推看 agent 如何进入主产品，Ethan Mollick《聊天机器人的黄昏》看能力曲线如何改变人机形态，徐文浩在 AI 炼金术的 harness 实录看纯 vibe coding 为何在大项目里必塌。

lz.wiki 每日精选 · 27 条来自 23 个源 · 2026年7月10日 13:00 CST RSS 订阅 · 所有精选