- 标签:
- 日报 (352)
- 推荐系统 (241)
- 技术趋势 (207)
- AI (204)
- 周报 (68)
- 论文 (42)
- 思考 (20)
- 推荐 (11)
- 深度学习 (8)
- LLM (8)
- Agentic Engineering (5)
- 工具 (4)
- 强化学习 (3)
- Transformer (3)
- Harness Engineering (3)
- 健康 (1)
- 思维模型 (1)
- 管理 (1)
- 生成式 (1)
如果要为 2026 年第 18 周挑一句话作为总结,那是:模型差距在收敛,能力差距却在扩大,差距的来源已经从"prompt 怎么写"转移到"模型外那一层怎么搭"。Codex 一周之内完成从编码 Agent 到通用工作平台的跃迁、Karpathy 在 Sequoia Ascent 给 Software 3.0 提供哲学锚点、Lin et al. 用 AHE 论文给"harness engineering"正式命名,三件事在同一周共振;Anthropic 把 Claude Code 企业日均成本估算从 $6 翻倍到 $13、GitHub Copilot 切换到 usage-based 计费,则在定价端反向印证 harness 已经成为主要成本中心。 研究界并不甘只做产品的注脚——RecursiveMAS 把多 Agent 通讯从文本传递推到潜在空间递归,Berkeley GEPA 让 reflection LLM 读完整 rollout 重写 prompt 击败 GRPO 10 个百分点,Apple 与 Oracle 各自给多 Agent 系统装上可信度量,HiddenBench 在 ICML 2026 揭穿前沿模型在分布式任务上 70% 的失败率。同期,Latent Space、HuggingFace、Stratechery 三方信号汇聚成一条共识:训练算力之后,推理与评估正成为下一道结构性瓶颈,Meituan、NVIDIA、Salesforce、Amazon、Hippocratic AI、Meta 同周交出六篇推理优化论文,Anthropic 的成本翻倍则是给这场"inference inflection"贴上的价签。 OpenAI 与微软七年合作关系正式松绑,AWS Bedrock Managed Agents 同步登场,多云时代被合同条款写死;NVIDIA、OpenBMB、智谱、Oracle 在多模态 Agent 模型这条线一周齐发四枪;ZenBrain、AgentCore、ObjectGraph、Synthetic Computers 把 Agent 持久记忆问题摆上学术台面;Computer Use 借助 DeepSeek 的视觉接地、Browser Use Box 与 Cua 的沙箱基础设施,从 demo 走向工程化基础设施。这是一周里五条主线同时发声的少数时刻。
2026-W17 的叙事可以用一句话概括:模型之间的表现差距在缩小,但生态壁垒在迅速升高。GPT-5.5 和 DeepSeek V4 在同周发布,但两者的竞争已不只在 benchmark 分数——OpenAI 用 Codex 编织了一个从模型到代理框架到应用层的一体化网络,而 DeepSeek 则用开源权重 + 1/10 价格策略 + 华为 Ascend 兼容,继续施加结构性压力。 另两条线索值得注意:一是编码 Agent 工具层正在成型——Claude Code 的 bug 复盘、OpenClaude 的多模型替代、Context Mode 的上下文优化,标志着行业从“能跑就行”进入“跑得好、跑得省”阶段;二是Agent 评估与安全开始获得严肃关注,微软的 DELEGATE-52 基准显示前沿模型在长文档编辑场景下平均损坏 25% 内容,IBM 的 DIVERT 框架则探索了更高效的用户模拟评估方法——这些信号表明,Agent 落地已从“能不能做”转入“怎么信任”。