洞察
实用分析与指南，帮助你更高效地采购、构建和使用 AI。
智能体开始自己下单：WebMCP 把"agent 间商务"从概念拉进现实
Shopify 给浏览器里的智能体开了 checkout 权限 10月初，Shopify 让基于浏览器的 AI 智能体通过 WebMCP 协议直接完成购买：读取购物车、改数量、提交结账，跨商户站点一气呵成。几乎同时，Meta 的 Muse 拿到了同样的 Shopify 集成，能做商品搜索和下单。"智能体帮你想买的东西自己买"，从一个 PPT 概念变成了能跑的接口。 真正的新闻不是演示，是那层权限
OpenAI 给每个 Dots 配了一台云端电脑：AI 不再只是聊天框，它有了「工位」
DevDay 上最显眼的动作，是给智能体发了一台电脑 9月29日旧金山 DevDay，OpenAI 发布 Dots。它最反直觉的地方不是「更聪明」，而是每个 Dots 实例都运行在自己专属的云端 Linux 虚拟机里。不是嵌个浏览器，也不是连你的本地 Mac，是实打实的一台云上电脑，能跑完整桌面应用、能操作文件系统、能开终端。 Altman 在 keynote 上举的例子很接地气：在一个旧 API
Vera Rubin 量产：英伟达把 AI 工厂的账重算了一遍
黄仁勋把 Rubin 定义成了"智能体 AI 工厂"的底座 在 GTC 2026 上讲完后，Vera Rubin 平台已经全面量产，2026 下半年开始交付。官方给出的最刺眼的数字：相比上一代 Blackwell，每百万 token 的推理成本降到十分之一，每兆瓦吞吐提升 10 倍。这次英伟达卖的不是单颗芯片，而是一整套"为智能体设计"的机架级系统。 一台机架就是一台超级计算机 Vera Rub
张一鸣亲自下场，字节要拿 Seedance 做“世界模型”，最快 10 月亮相
彭博 9 月 7 号的一则报道，主角不是产品是 founder 字节跳动在基于旗下视频生成模型 Seedance，开发一款实时空间视频生成模型。让这件事不寻常的，是张一鸣亲自出马——协调跨部门团队、调配 AI 资源和算力。一位 2021 年就卸任 CEO 和董事长的创始人，重新下场盯一个具体项目，这本身比模型参数更有信号量。 它要做的不是“生成一段视频”，是“走进视频” 过去字节讲的是算法推荐
300 亿参数跑进手机里：端侧大模型这个秋天跨过了一条线
先把话说准：是 300 亿总参数，每次只用 20 亿 9 月 7 号，华为在广州发布 Mate XT 2 三折叠，顺手把麒麟 9050 Pro 也发了。发布会上最抓人的一句是"行业首个端侧 MoE 全模态大模型入端，总参数 300 亿，激活参数 20 亿"。 这两个数得放在一起看。MoE（混合专家）的意思就是：池子里有 300 亿参数，但每处理一个 token 只唤醒其中一小部分，这里是 20
代码智能体榜单前两名只差 0.4 分：这场仗已经不是比聪明
榜单前两名，只差 0.4 分。这已经不是谁更聪明的问题 8 月 21 号一份 Terminal-Bench 2.1 的独立跑分出来了。代码智能体这个赛道，第一和第二的差距小到可以忽略：GPT-5.6 Sol 拿了 89.5%，Claude Opus 5 拿了 89.1%。 你花大价钱追的"最强模型"，跟第二名之间，可能就差你喝杯咖啡的时间。 真实数字长这样 GPT-5.6 Sol（xhigh
Grok 4.6 来了：马斯克不卷参数，改卷能干活的长工
35天又发一版，但这次换了活法 8月12日，SpaceXAI（原xAI）把 Grok 4.6 甩了出来。距离上一版 Grok 4.5，才过去五周。 有意思的不是它又变聪明了。 是它彻底换了定位——从陪你聊天的机器人，变成了一个能自己跑长活的企业级 agent 平台。这步棋，比分数本身更值得看。 没换基座，靠后训练把分硬拉上来 Grok 4.6 沿用的还是 4.5 那套约 1.5 万亿参数的老基座。
中国开源大模型这一波：Qwen 放出 2.4 万亿，DeepSeek 改峰谷计价
一周，两次刷屏 八月初这一周，两个中国模型先后占满头条。一个把"最大开源"的门槛直接抬到 2.4 万亿参数，另一个悄悄改了计价方式，结果让亚洲时区的开发者账单集体变厚。 你想自己部署一个顶级模型，不走 API、数据不出本地机房。两个月前你还觉得这是大厂才玩得起的奢侈。现在权重开源了——但先别急着下载，因为你能下到的，和榜单上跑分的，很可能不是同一个东西。 阿里 Qwen：最大开源，但有减配 Qw
Gemini 3.7 Flash 发布（2026）：编程逼近生产级，Token 成本砍半的真相
一句话先说 8月13日，Google 发了 Gemini 3.7 Flash。它的定位很明确：不是最聪明的那个，是性价比最高的那个——专门给"要跑在生产环境里的 Agent"用的。如果你做 AI 应用、自动化、批量调用，这款才是你该盯的型号。 它强在哪，用数字说 这一代的提升不是挤牙膏，是编程能力实打实跳了一截： FrontierCode 1.1 从 34.4% 跳到 43.6%，Dee
Supabase Evals 实测（2026）：编程智能体差距不在模型，在上下文
你换顶级模型写代码，可能和用中端模型差不多 Supabase 在8月1日开源了一个基准叫 Evals，让 Claude Code、Codex、OpenCode 在真实后端任务上跑——建数据库表、修坏的 Edge Function、改 RLS 权限策略。结果有点反直觉，最强的模型开箱就满分，中端模型只要加载平台的"技能文件"，也能从七八十分追到满分。 模型名字排后面，排前面的是它懂不懂你的项目。
Qwen3.8 vs Kimi K3（2026）：国产开源大模型实测对比，谁更适合中小企业
8月第一周，国产大模型连放两颗卫星 阿里把 Qwen3.8-Max 堆到了2.4万亿参数，月之暗面更早一周就把 Kimi K3 的2.8万亿全量权重甩到了 Hugging Face。 一个"即将开源"，一个"已经开源"。 但中小企业老板真正该问的，不是"谁更猛"，是"我到底能不能用得起、跑得动"。 先把账算清楚 Qwen3.8-Max（阿里，8月3日发布） 2.4万亿稀疏MoE，每次激活950
Google 把 Gemini 拆成三档速度：3.6 Flash 上线，机器人 ER 2 也来了
过去一年大家默认一个逻辑：模型越大越能打。Google 这周把这套思路拧了过来——它没再堆一个更大的旗舰，而是把 Gemini 拆成三种"速度档"，让不同活儿用不同的模型。 你如果正跑一个 7×24 小时的客服 Agent，每个月 token 账单就是实打实的成本。这时候你要的不是"最聪明"，是"够聪明而且便宜、快、不卡循环"。Google 这波三款轻量模型，全是冲着 Agent 工作流来的。