2026-06-05 前沿科技洞见 · 日报

📊 今日关键数据

• 186 分钟 / 80%：Anthropic Claude Mythos 以 80% 成功率完成 186 分钟连续自主任务，打破 AI 长时程任务纪录（来源：新智元）
• 1/9 成本 / 97% 性能：阶跃 Step 3.7 Flash 综合单价约 0.2 美元/百万 token，以约 Claude Opus 4.6 成本的 1/9 实现 97% 性能（来源：量子位）
• 1.5 亿次 / 16GB：谷歌 Gemma 4 系列下载量突破 1.5 亿次，新发布的 12B 成员仅需 16GB 显存即可在消费级笔记本本地运行（来源：机器之心）
• 51 皮摩尔：分子之心 MMDesign 在 TNFα 靶点（业界公认高难度靶点）仅测试 14 个候选分子即实现 50% 命中率，最高亲和力达 51pM（来源：机器之心）
• 92% 自主生成：Kimi Work Beta 产品本身 92% 以上代码由 Kimi Code 自主生成，整个产品在一周内完成开发（来源：Founder Park）

🔍 今日值得深读

Claude Mythos 以 80% 成功率完成 186 分钟连续自主任务，AI 长时程能力提前兑现

Anthropic 的 Claude Mythos 模型今日完成了一项被业界此前预测至年底才能实现的里程碑：在 186 分钟（3 小时 6 分钟）的自主任务中维持 80% 的成功率，刷新了 AI Agent 长时程任务纪录。根据多篇分析文章的汇总，这意味着 AI 的能力提升曲线正在呈现"自催化式"加速——2026 年的指标正在提前兑现 2024 年年初的预测值。

长时程自主任务能力是 Agent 规模化部署的核心门槛。此前，大多数可信评测中 AI Agent 的连续自主执行时间在 30 分钟以内，主要瓶颈是上下文窗口、工具调用稳定性和错误恢复机制。186 分钟的突破说明上述问题在工程层面已有明确解法。但另一面，这也意味着企业在生产环境中部署 Agent 时，针对无监督长时运行的安全审查体系尚未同步跟上——现有合规框架大多针对 30 分钟以内的短时 Agent 任务设计。

• 关键事实：Claude Mythos 以 80% 成功率完成 186 分钟（3 小时 6 分钟）自主任务，比业界此前预测的年底兑现提前半年
• 为什么值得深读：长时程自主执行能力是 Agent 商业化落地的核心指标，此次突破将迫使企业 AI 治理框架和安全审计体系加速升级
• 后续看点：Anthropic 是否在下一版本将此能力的阈值下放至更低层级模型；企业 AI 治理机构是否在未来 2 个季度内发布针对长时 Agent 任务的安全标准

来源：新智元

OpenAI 发布《智能时代的生物防御》行动计划，提出 AI 驱动生物安全体系

OpenAI 在官网发布了名为《Biodefense in the Intelligence Age》的行动计划，提出将 AI 能力系统性地嵌入生物威胁感知、疫苗加速研发、合成生物学监控和生物弹性基础设施四个维度，以"智能增强的生物安全体系"应对未来生物风险。文件明确将 AI 定位为防御方的核心工具，同时坦承需要建立严格的双重用途限制机制。

这是 OpenAI 继调整军事应用政策之后，首次就具体安全威胁类别发布系统性行动框架。与 Anthropic 此前公布的 Project Glasswing（网络基础设施漏洞扫描）形成呼应，头部 AI 实验室正在将安全研究从"能力边界测试"转向"主动防御基础设施建设"。这意味着 AI 模型的能力边界与国家安全政策之间的耦合度会进一步上升，相关监管和出口管制的讨论将更加具体。

• 关键事实：行动计划覆盖生物威胁早期感知、AI 加速疫苗研发、合成生物学监控和弹性基础设施四个维度，同时承诺建立双重用途技术管控机制
• 为什么值得深读：这是 OpenAI 首次将 AI 能力定向投入特定安全威胁类别，预示 AI 实验室与国家安全体系的制度性绑定进入新阶段
• 后续看点：计划中提到的具体 AI 工具（早期感知系统、疫苗候选筛选模型）何时发布技术细节；与 DARPA、BARDA 等机构的合作进展是否会公开披露

来源：OpenAI 新闻

BAGEN 评测：AI Agent 普遍低估 Token 消耗，预算意识与任务能力相关性弱

一项新研究提出 BAGEN（Budget-Aware GENeration）评测框架，首次将"预算意识"定义为 AI Agent 的独立能力维度并系统评测，结论令人意外：Agent 普遍存在乐观偏差，会做任务的模型不代表会估算成本，而且越弱的模型越乐观（而非越保守）。失败轨迹中，Agent 常在耗尽预算时才发现任务不可行，浪费大量算力。该研究结合了对多个主流模型在真实 Agent 任务中的消耗追踪数据，引用了"agent 执行任务时输入输出 token 消耗比例高达 154:1"的密歇根/斯坦福/微软/DeepMind 联合研究数据。

这一发现直接戳到企业级 Agent 部署的成本控制盲区。过去业界对 Agent 成本的讨论集中在"如何降低 token 单价"和"如何减少不必要调用"，但 BAGEN 指出问题更根本：Agent 本身缺乏对自身消耗的准确感知，预算应该作为控制信号（运行时约束）而非事后账单来处理。这对 Agent 框架的设计范式有直接的工程含义。

• 关键事实：BAGEN 评测显示 Agent 普遍低估真实 Token 消耗，失败任务中消耗比率高达 154:1；预算意识与任务能力相关性弱，高能力模型不一定有强预算感知
• 为什么值得深读：企业 Agent 规模化部署中成本控制是核心难题，现有 Agent 评测体系缺乏对预算意识的独立衡量，这一框架可能影响未来 Agent 基准设计
• 后续看点：BAGEN benchmark 是否开源；主流 Agent 框架（LangChain、LlamaIndex、AutoGen）是否会跟进内置预算约束机制

来源：大模型智能

🔥 今日聚合动态

阶跃 Step 3.7 Flash 开源：速度与性价比双登顶 AA 榜，400+ tokens/s 专为 Agent 规模化设计

阶跃星辰开源的 Step 3.7 Flash 在 Artificial Analysis（AA）榜单上同时拿下速度、性价比和端到端效率三项第一，并登上 OpenRouter Trending 全球第二。多篇来源提供了技术性能与商业落地视角的互补信息，共同描绘了一款专为 Agent 商业规模化设计的基座模型。

• 关键事实：Step 3.7 Flash 综合推理、工具调用、Agent 多轮交互等全场景综合单价约 0.2 美元/百万 token，与 DeepSeek、小米 MiMo 并列榜首
• 互补信息：量子位侧重 Agent 架构能力（MSA 稀疏注意力、多 Agent 集群），智东西侧重实测速度与企业成本数据，两篇互相印证
• 后续看点：Step 3.7 Flash 开源权重是否同步发布；国内其他开源模型在性价比维度是否跟进竞争

谷歌 Gemma 4 12B：首个支持原生音频输入的中型多模态开源模型，16GB 显存可本地运行

谷歌在 Gemma 4 下载量突破 1.5 亿次之际，发布 Gemma 4 12B——系列中体积最小、同时支持原生音频输入的多模态成员。多个来源从技术架构和开发者适用性两个角度提供了互补信息。

• 关键事实：Gemma 4 12B 是谷歌 Gemma 4 系列首个支持原生音频输入的模型，16GB 内存即可在消费级笔记本本地运行，无需联网
• 互补信息：机器之心提供了详细架构说明（无编码器设计的技术原理），语鲸聚合报道则覆盖了开发者生态适配情况
• 后续看点：无编码器架构在降低延迟方面的实际收益是否可复现；谷歌是否会对 Gemma 4 12B 进行专属的医疗、金融等垂直域微调版本

Kimi Work Beta 发布：月之暗面将通用 Agent 从命令行搬入知识工作者 GUI

Kimi 发布 Kimi Work Beta，定位为面向知识工作者（非程序员）的本地通用 Agent，基于 Kimi Code Agent 内核，在原桌面端增加了 Agent 交互界面。同一天，OpenAI 发布 Codex 知识工作报告称其 72% 用户不写代码，知识工作者增速是开发者的 3 倍——两者共同指向通用 Agent 成为模型公司下一战场。

• 关键事实：Kimi Work Beta 当前 Mac 版已上线，Windows 版开发中；OpenAI Codex 周活跃用户超 500 万，其中知识工作者占 20% 且增速是开发者 3 倍
• 互补信息：Founder Park 提供了技术路径分析（通用 Agent 从 Coding Agent 演化的必然性），量子位提供了功能实测和边界情况
• 后续看点：Kimi Work 收费模式何时公布；Agent 集群任务的稳定性和输出格式是否在正式版中解决

李飞飞/World Labs：首次对"世界模型"作功能分类，定义渲染器、模拟器、规划器三层体系

李飞飞与 World Labs 团队发布长文，针对 AI 领域"世界模型"定义混乱问题，提出基于功能的清晰分类学：渲染器输出视觉观察（像素），模拟器输出可计算状态（物理与动态），规划器输出行动指令。三者正在走向统一，最终形成能理解物理世界的通用 AI 框架。

• 关键事实：李飞飞将"世界模型"功能归纳为渲染器（输出像素）、模拟器（输出状态）、规划器（输出行动）三类，并指出三者正在融合
• 互补信息：The AI Frontier 侧重分类框架的技术定义，语鲸聚合报道侧重三类功能的商业化成熟度差异
• 后续看点：World Labs 是否在此分类框架下发布对应的开源模型或 benchmark；Google Cosmos 3、Genesis 等物理 AI 系统如何对应此分类体系

美国法院应对 AI 生成诉状大量涌入：法官人工审查，讨论自动过滤机制

随着 AI 生成法律文书工具普及，美国联邦法院正在面对无律师代理诉状的大量涌入，部分诉状质量低下且依赖 AI 幻觉引用不存在的判例。科罗拉多联邦法官 Maritza Braswell 每日人工审查大量亲自提交的文件，法学界开始讨论引入 AI 过滤机制，同时担忧过滤会妨碍诉诸司法权。

• 关键事实：美国联邦法院正在处理 AI 生成诉状激增问题，其中包含幻觉引用虚构判例的情况；部分法院讨论 AI 工具使用披露要求
• 互补信息：两篇文章分别提供微观（具体法庭情况）和宏观（政策背景）视角
• 后续看点：美国法院协会或司法委员会是否在年内发布 AI 生成法律文书的使用规范；幻觉判例引用是否会导致首批法律纠纷

📰 独立报道

🤖 AGI 前沿

Anthropic 发布递归自改进进展报告：AI 正在辅助构建下一代 AI

Anthropic 在其 Institute 页面发布题为《When AI Builds Itself: Our progress toward recursive self-improvement》的文章，记录了 AI 辅助 AI 研发的当前进展。递归自改进（recursive self-improvement）是 AI 安全研究的核心关切之一，Anthropic 在此时机公开讨论这一方向，表明其内部研究已进入可对外报告的阶段。

• 关键事实：Anthropic Institute 正式记录 AI 辅助自身研发的进展，将 AI 参与 AI 构建的活动纳入公开讨论框架
• 后续看点：报告中是否披露具体的能力指标或安全边界设定；与其他实验室在 AI for AI 研发方面的公开进展对比

来源：Hacker News

Anthropic 开源 AI 漏洞发现框架 defending-code-reference-harness

Anthropic 在 GitHub 上开源了 defending-code-reference-harness，一个用 AI 驱动的漏洞自动发现框架。结合此前公布的 Project Glasswing（关键基础设施漏洞扫描），Anthropic 正在同时在进攻性安全研究（漏洞发现）和防御性安全（基础设施保护）两个方向布局。

• 关键事实：Anthropic 开源了 AI 辅助漏洞发现的参考实现，Hacker News 社区出现活跃讨论
• 后续看点：开源框架的实际有效性是否能在社区中被独立验证；是否会被安全研究机构和企业采用

来源：Hacker News

AgentDoG 1.5：上海 AI 实验室发布轻量级 Agent 运行时安全框架，用约 1000 个样本训练 Guardrail

上海人工智能实验室发布 AgentDoG 1.5，提出在 Agent 最终交付前（Pre-Reply 节点）部署在线 Guardrail，完整审计执行轨迹后决定放行或阻断。关键工程突破在于将内存开销和启动延迟降低约 1/100，同时用约 1000 个高价值样本即可完成训练。当前 Agent 安全方案多依赖规则硬编码或大量标注数据，这一设计降低了部署门槛。

• 关键事实：AgentDoG 1.5 在 Pre-Reply 节点拦截，约 1k 样本训练，内存和延迟开销约为同类方案的 1/100；已有 26 篇相关报道
• 后续看点：在真实生产环境中 Guardrail 的 false positive rate 是否会干扰正常任务；是否会集成到主流 Agent 框架中

来源：AI科技评论

Endava 围绕 AI Agent 重构软件交付流程，全员 AI-native 文化建设

IT 服务公司 Endava 在 OpenAI 官网发布了其使用 AI agents、ChatGPT Enterprise 和 Codex 重构软件交付流程的案例。该案例展示了一家传统软件服务公司如何将 AI 从辅助工具升级为核心工作流，并建立全员 AI-native 工作文化。

• 关键事实：Endava 将 AI agents 整合进软件交付全链路，并将 Codex 用于工作流自动化
• 后续看点：Endava 具体指标（生产力提升百分比、代码质量变化）是否在后续报告中披露；类似服务公司的同类转型进展

来源：OpenAI 新闻

NVIDIA Nemotron 3.5 Content Safety：可定制多模态 AI 内容安全模型，支持全球企业部署

NVIDIA 在 Hugging Face 发布 Nemotron 3.5 Content Safety，定位为专为全球企业 AI 部署设计的多模态内容安全模型，支持自定义安全策略和不同地域、不同行业的合规需求。这是 NVIDIA 在模型安全基础设施领域的最新布局。

• 关键事实：Nemotron 3.5 Content Safety 支持多模态安全检测，提供可定制的安全策略框架，在 Hugging Face 开放获取
• 后续看点：与 Llama Guard、OpenAI Moderation API 等同类方案的评测对比何时出现；企业实际部署反馈

来源：Hugging Face

何恺明团队与字节 Seed：连续空间语言生成首批工程证据，Token 范式面临根本性挑战

腾讯研究院文章指出，何恺明团队与字节跳动 Seed 实验室的论文首次提供了连续空间语言生成的可扩展工程实验证据，预示着语言模型训练范式的潜在转向。当前 Token 范式将 AI 世界困于离散表达，限制了具身反馈等连续感知维度的融合。连续空间范式的初步证据表明训练数据量需求更小，且能更自然处理多模态信号。

• 关键事实：论文在连续空间中训练语言模型，并提供了数据效率和生成质量的初步实验对比；为"post-token"范式讨论提供实证支撑
• 后续看点：论文是否已公开发表；连续空间模型的推理效率（inference speed）是否与现有 Token 方案可比

来源：腾讯研究院

🏢 AI 战略与组织变革

字节 Seed 预训练负责人顾全全离职，豆包 6 月开始收费标志字节进入商业化深水区

字节 Seed 预训练负责人顾全全在 LinkedIn 发布告别帖，宣布离开字节跳动。其离职时间点与豆包 6 月开始收费高度重合，标志字节 AI 战略从"大规模免费扩用户"转向"商业化变现验证"的第二阶段。顾全全在 Seed 同时参与了 AI4S（AI for Science）和 LLM 预训练两条线，带队完成了支撑 Seed 2.0 及后续前沿级模型的可扩展预训练技术栈。

• 关键事实：顾全全主导了 SeedFold（超越 AlphaFold3）、SeedProteo（蛋白设计）、DPLM 系列，以及 Seed 2.0 的 LLM 预训练技术栈
• 后续看点：字节 AI4S 团队的资源分配和方向是否随 AI 商业化压力调整；豆包付费转化率数据何时披露

来源：钛媒体

微软 CEO 纳德拉接受 Stratechery 访谈：核心竞争力在于构建多租户学习系统和 Agent 平台

Satya Nadella 接受 Ben Thompson 深度访谈，阐述微软在 AI 时代的战略定位。纳德拉将微软核心竞争力定义为帮助企业构建"多租户学习系统"，让每个企业都拥有自己的"AI 爬坡机"，而不是单纯出售 AI 产品。他同时披露微软正在自研 MAI 推理模型，与 OpenAI 的合作定位为战略性补充而非唯一路径，软件业务将向"按用户+按使用量"混合计费模式转变。

• 关键事实：纳德拉明确表示微软在 OpenAI 之外正在发展自有 MAI 模型；未来软件将混合按座位和按用量计费，以适应 Agentic AI 场景
• 后续看点：MAI 模型的具体发布时间和定位；微软是否会在 Azure 和 M365 上建立与 OpenAI 平行的自有 AI 层

来源：看见硅谷

美国两党议员提案 AI 联邦立法：联邦法将凌驾部分州 AI 规定，头部开发商须建立风险管理计划

美国两位众议员联合提出两党 AI 立法框架，核心条款包括：联邦法律将优先于部分州 AI 法规（preemption），以及要求头部 AI 开发商强制建立风险管理计划。这一提案已遭到 AI 安全倡导者的强烈反对，认为联邦优先权条款会削弱各州在 AI 监管上的更高标准。

• 关键事实：两党提案包含联邦法凌驾州 AI 法的条款，并要求大型 AI 开发商建立正式风险管理框架
• 后续看点：提案能否通过委员会初审；加州、纽约等已有严格 AI 法规的州是否会正式表态反对

来源：Techmeme

⛓️ 区块链创新

四家上市比特币矿企如何将矿场改造为 AI 数据中心，估值倍数从 6 倍跳至 25 倍

马克解读金融科技文章拆解了 Core Scientific、Hut 8、IREN、TeraWulf 四家上市比特币矿企如何将开采场地改造为 AI 数据中心的转型逻辑，解释了相关公司估值从 6 倍（矿企 EV/EBITDA）跳至 25 倍（算力基础设施 EV/EBITDA）的商业机制。这是矿企参与 AI 算力竞争的具体资本运作模式。

• 关键事实：四家矿企转型 AI 数据中心后估值倍数从约 6 倍提升至约 25 倍；核心在于利用现有电力接入优势和已建设基础设施
• 后续看点：转型后的 AI 数据中心实际上线容量和客户签约情况；比特币市场复苏时，是否会出现算力回迁挖矿的逆转风险

来源：马克解读金融科技

💰 金融科技前沿

支付宝 Agent 安全漏洞智能化检测：以 AI 模拟攻击路径，提升漏洞发现效率

InfoQ 报道了支付宝在 AICon 上海分享的 AI Agent 安全漏洞检测实践，核心思路是"以模治模"——用 AI 模型生成攻击路径和 payload，再用另一套 AI 机制进行防御验证。这是国内头部金融科技公司在 AI Agent 安全领域的正式公开分享。

• 关键事实：支付宝已将 AI Agent 用于安全漏洞检测流程，通过 AI 模拟攻击路径提升漏洞发现覆盖率
• 后续看点：该检测流程是否会形成行业标准；其他头部金融科技公司的同类实践情况

来源：InfoQ 中文站

🎓 学术前沿

分子之心 MMDesign：AI 纳米抗体从头设计，12 靶点命中率超 90%，TNFα 靶点亲和力达 51pM

分子之心正式发布 MMDesign 全新 AI 生物药从头设计平台，在 12 个高价值治疗靶点的系统评测中，11 个靶点成功确认特异性结合，靶点成功率超过 90%。每个靶点仅需输入 14-50 个候选分子进入湿实验验证，将传统大规模随机筛选模式替换为"生成-过滤"精准设计。TNFα 靶点最优亲和力低至 51pM，GPCR 靶点 22 个候选中 22 个实现特异性结合。

• 关键事实：12 靶点测试，11 个成功（>90%）；TNFα 靶点（传统低通量设计无法成功）在仅 14 个候选分子下实现 50% 命中率，最高亲和力 51pM；技术核心是全原子结构预测模型 MMFold，在 FoldBench 上超越 AlphaFold 3
• 后续看点：MMDesign 是否开放外部制药公司合作；成药性指标（CMC 风险、临床前毒理）的系统验证数据何时发布

来源：机器之心

牛津大学首次给出"机器心智理论（MToM）"形式化定义，提出 8 项约束原则

牛津大学论文《A formal definition and meta-model for a machine theory of mind》首次对机器版"心智理论"给出严格数学定义，提炼了 8 条基于认知科学、神经科学和 AI 三条证据线的约束原则（Principles）。论文的核心贡献是提供了一张概念坐标系——帮助研究者看清自身工作在整个 MToM 版图上的位置，指出纯端到端黑箱或纯符号系统均"偏科"。

• 关键事实：论文发布于 2026 年，来自牛津大学；8 条原则中包含"预算意识（主动学习）"、"高阶递归推理"、"本质不确定性"等对当前 LLM 评测体系有直接批判意义的约束
• 后续看点：论文提出的 holistic meta-model 是否会影响多智能体评测标准；ToM 研究社区对形式化定义的接受程度

来源：BAAI 智源

🔧 硬件算力与智能设备

英伟达 RTX Spark SoC：128GB 统一内存 + CUDA 生态，打通 PC 本地运行大模型的两条"经脉"

英伟达在台北 GTC 大会上发布 RTX Spark，一款将 CPU（20 核 Grace）、GPU（Blackwell）和 128GB 统一内存三合一的 SoC 芯片，由联发科联合打造，基于 Arm 架构，台积电 3nm 工艺，700 亿晶体管，1 Petaflop AI 算力。与苹果 M 系列不同，RTX Spark 同时具备大统一内存和 CUDA 生态，解决了 Mac 用户"有算力缺生态"的核心痛点。

• 关键事实：1 Petaflop（1000 TFLOPS）算力，机身重 1.36kg、厚 14mm；Adobe 已针对此芯片从底层重构 Photoshop 和 Premiere，AI 生成速度提升最高 2 倍
• 后续看点：基于 RTX Spark 的笔记本（戴尔、惠普、联想、华硕）上市价格和发货时间；能否真正在 CUDA 生态下不减速运行 1000 亿参数量化模型

来源：钛媒体

TSMC CEO：AI 算力需求远超产能，"我们只能支持这么多"

台积电 CEO 魏哲家在股东会后表示，美国客户的 AI 算力需求远超产能，即使持续扩建美国本土工厂，当前产能仍无法满足需求。"Customer demand is so high, and we can only support so much"，这一表态直接揭示了当前 AI 算力供应链的结构性紧张。

• 关键事实：台积电 CEO 直接承认无法满足 AI 芯片需求；台积电美国工厂仍在建设中，不能在短期内解决供需缺口
• 后续看点：台积电是否会加速美国 N2/N3 工厂建设时间表；英特尔 18A 工艺或三星先进工艺是否能承接部分需求溢出

来源：The Verge

Google Gemini for macOS 发布：Option+Space 唤出，支持窗口上下文感知

Google 正式推出 macOS 版 Gemini 原生桌面应用，可通过 Option+Space 快捷键唤出，支持窗口内容共享以提供上下文感知帮助，并整合了图像和视频生成功能。仅支持 macOS Sequoia（15.0）及以上系统和 Apple Silicon。

• 关键事实：Gemini for macOS 支持快捷键唤出、应用窗口上下文感知和图像/视频生成，需要 Apple Silicon 设备
• 后续看点：Gemini for macOS 与苹果 Apple Intelligence 的生态整合策略；是否会推出企业版本

来源：Daring Fireball

Apple AI 眼镜代号 N50 延至 2027 年底，产品逻辑定位接近 Apple Watch

苹果代号 N50 的 AI 眼镜已将发布时间推迟至 2027 年底。分析指出其产品逻辑更接近 Apple Watch 而非 Vision Pro——无屏设计，主打轻量日常佩戴，功能聚焦摄像、导航、实时翻译和接听电话，依赖 iPhone 算力，通过 Siri 和 Apple Intelligence 提供感知与反馈。IDC 预测 2025 年全球智能眼镜出货量约 1477 万台。

• 关键事实：N50 延至 2027 年底；第一代无屏，功能由 iPhone 侧算力支撑；IDC 预测 2025 年中国市场智能眼镜 246 万台
• 后续看点：苹果是否会在 2026 WWDC 披露更多产品细节；Ray-Ban Meta 出货量是否会在苹果正式入场前进一步扩大先发优势

来源：APPSO