更新时间: 16:00 ｜ 覆盖窗口: 2026-07-14 ～ 2026-07-14（承接上一期 2026-07-13） 数据来源: GitHub Trending / Product Hunt / Hacker News / RSS（OpenAI / Anthropic / Google AI / Meta AI / DeepMind / HuggingFace / Mistral / NVIDIA / The Decoder / Juya / AI Hot 等）/ 金十电报

这份日报是一张二维坐标系：纵轴看模型与产品的能力 / 技术往哪走（实验→收敛中→事实标准，判档看证据强度，同一矢量当天 ≥2 个独立证据才算收敛），横轴看 AI 产品被多少人、多少场景真用上（萌芽→早期采用→主流化，判档看真实使用信号，不看 star / votes）。

一句话结论

今天地图没动，是证据积累日——但积累的方向很集中：企业 agent 的数据安全与信任。Grok Build 被曝在用户关闭数据共享开关后仍将整个代码仓库上传至 Google Cloud——昨天纳德拉刚批评"企业数据正在被模型蒸馏"，今天这就不是一个理论问题了，而是已经发生的事故。这条线证据在快速变厚，但还没到能推动矢量进档的分量——需要看到更多同类事故或行业级响应才算。另一头，Grok 4.5 把长程 agent 基准成绩翻了一倍（13/46 vs 两月前最佳 7），加上 Cursor 联合训练的线索，长任务可靠性有了新的实验室信号。接下来 72 小时盯两件事：Grok Build 隐私事故会不会触发监管或行业级数据安全倡议；WAIC 7/17 开幕，中国厂商集中出牌。

纵轴 · 能力与技术演进

逐条矢量，今天有新增证据的在前：

• 长任务可靠性（agent 能在复杂环境里连续干多久不崩） —— 档位: 收敛中→事实标准候选
  • 实验室侧: xAI Grok 4.5 在 Long-Horizon Terminal-Bench 完成 13/46 个任务，登顶。两月前论文中最佳模型仅完成 7 个、平均约 2 个。单任务消耗约 990 万 tokens、231 个 episode、85 分钟——agent 能力近乎翻倍。分析认为性能跃升与 Cursor 联合训练有关，后者提供大量真实 agent 编辑轨迹。
    • 证据: Elon Musk on X ｜ Terminal-Bench #1 ｜ 查看原文
  • 还卡在哪: 这只是单模型在单个基准上的结果，benchmark 本身尚未形成跨厂可比标准（T-113）。990 万 tokens/任务的成本意味着大规模部署仍需结构性降价（T-102/T-131）。
  • 别高兴太早: 马斯克本人发推，没有独立第三方复核。13/46 的成绩虽然翻倍，但任务完成率仍不到 30%。

• 企业 agent 数据安全（代码、文件、权限——agent 跑起来以后数据去哪了） —— 档位: 实验
  • 实验室侧: Grok Build（SpaceXAI 的 AI 编程 agent）被独立安全研究者证实，在用户明确关闭"帮助改进模型"开关后，仍将整个代码仓库上传至 Google Cloud 存储桶。一个 12GB 测试仓库被拆成 73 个数据包、传输 5.1GB，而正常对话仅用 192KB。另一研究者发现日志记录了 339 次自动上传，其中一次覆盖了整个电脑主目录。Elon Musk 亲自回应承认属实，承诺彻底删除所有已上传数据，Grok Build 已上线 /privacy 命令。
    • 证据: IT之家 ｜ 独立安全研究者 @cereblab 复现确认 ｜ 查看原文
  • 还卡在哪: 这只是一个厂商的事故，行业还没有统一的 agent 数据安全框架或审计标准。纳德拉昨天刚提出的"反向信息悖论"（企业数据正被模型蒸馏）刚好被这个事故印证了——但需要观察监管或行业倡议是否跟进。
  • 别高兴太早: Musk 承诺删除数据但 xAI 历史上对隐私承诺的可核查性有限；/privacy 命令是事后补救，不是事前防护。

• 推理成本与小模型（任务级成本） —— 档位: 收敛中
  • 实验室侧: Claude Code v2.1.209 发布，修复 /model 对话框在后台 session 被拦截的 bug。另一方面，systima 对比测试发现 Claude Code 处理请求前消耗 token 约 32800 个，是 OpenCode 的 4.7 倍——如果加载 72KB 指令文件加 5 个 MCP 配置，首次请求后总消耗可达 75000-85000 tokens。这个 token 开销差异直接关联 T-102/T-131 的成本经济问题——不是定价低就够了，agent 基础设施本身的 token 消耗才是隐形成本。
    • 证据: IT之家 / Anthropic GitHub Release ｜ Claude Code v2.1.209 / token 消耗对比

• Agent 框架生态（harness 标准化 + 开源 agent 平台演进） —— 档位: 收敛中
  • 开源侧: OpenClaw v2026.7.1 发布，532 位贡献者提交 3063 项贡献。Web UI 和入门引导全面翻新；iOS、Android、macOS 应用重大改进；新增 GPT-5.6、Muse Spark 1.1 等新模型支持；Telegram、Slack、Discord、iMessage 集成优化。开源 agent harness 已从桌面扩展到全平台，社区活跃度持续上升。
    • 证据: OpenClaw 官方 ｜ 3063 项贡献 / 532 位贡献者 ｜ 查看原文

• 多智能体编排 —— 档位: 收敛中
  • 开源侧: 一条趣闻但反映真实痛点——开发者 @steipete 把维护者智能体迁移到云端后，它们开始互斗。这虽然是社区调侃，但"多 agent 在共享环境中产生冲突"正是编排还没解决好的实际问题。
    • 证据: X / @steipete ｜ 查看原文
  • 还卡在哪: 跨 agent 的访问控制、资源调度和冲突解决仍无统一方案。

• 具身智能与机器人（模型能力向物理世界延伸） —— 档位: 实验
  • 实验室侧: Mistral AI 发布 Robostral Navigate——8B 参数模型，仅用单 RGB 摄像头，按自然语言指令在办公/住宅等复杂环境中自主移动。R2R-CE benchmark validation unseen 76.6% 成功率，比最佳单摄像头方案高 9.7 个百分点。训练完全来自仿真（约 40 万条轨迹、6000 个场景），前缀缓存+树状注意力掩码将训练 token 量压缩 22 倍。
    • 证据: MarkTechPost ｜ 8B / 单 RGB / 76.6% R2R-CE ｜ 查看原文
  • 还卡在哪: 全仿真训练→真实环境部署的 sim-to-real gap 没解决。这是一篇研究发布，不是产品。
  • 别高兴太早: Mistral 首次涉足具身智能，法国 lab 想从文本模型延伸到物理世界——方向对但距离实用还远。

以下矢量今日无新增证据，沿用:

• 记忆与上下文（实验）: 无新增
• 国产开源旗舰（收敛中）: 无动作
• 模型自改进/RSI（实验）: 无新增
• skills/harness 标准化（收敛中）: 无新增
• 中国 AI 全栈（收敛中）: 无新增；WAIC 7/17 前瞻（百度确认全栈 AI 阵容参展）

横轴 · 渗透率

• Coding Agent 工作台 —— 档位: 早期采用
  • 真实使用信号: Codex 活跃用户即将突破 800 万——几天前刚过 700 万，增长速度让社区直呼"太快"。这是目前 coding agent 渗透最硬的数据点。OpenAI 的广告业务据分析师估计将比自身预测低 90%（Adweek），但这不影响 agent 侧的渗透判断——广告业务和 coding agent 是两条线。
    • 证据: X / @shao__meng ｜ Codex 活跃用户近 800 万 ｜ 查看原文

• 手机 Agent OS（新形态） —— 档位: 萌芽
  • 载体/入口: 手机操作系统（MagicOS / Step AOS）
  • 用户段与自主度: 大众 ｜ 有监督
  • 真实使用信号: 连续两天出现新品——昨天荣耀 YOYO Claw（技能商店+长期记忆+自定义 AI 模型），今天阶跃星辰 STEPX Neo（自研 Step AOS + 内置 Amoo 智能体，前旷视联创印奇发布）。两天两家中国厂商打出"智能体手机"旗号，形态信号在变厚。但两家都没有真实使用数据——YOYO Claw 尚未正式发布，STEPX Neo 刚官宣，连 demo 用户量都没有。
  • 还差什么: 至少一家公布首批用户数或使用时长数据；独立评测。另外 StepFun 尚未拥有 SOTA 级模型，这会让"智能体手机"的 agent 能力天花板受限于底座模型质量。
  • 证据: X / @thexpin ｜ 查看原文

• 分布式 AI 推理（边缘侧） —— 档位: 萌芽
  • 载体/入口: 家庭太阳能+储能设备（Sunrun 超 110 万客户可加装）
  • 用户段与自主度: 大众（客户获收益分成）｜ 后台自治
  • 真实使用信号: Sunrun 只是宣布启动试点，尚未部署。这是个有趣的方向——把分布式电力就地转化为分布式算力——但从"宣布试点"到"真实使用"还有很长的路。
  • 证据: IT之家 ｜ 试点阶段 ｜ 查看原文

今日无其他新渗透信号。以下形态沿用:

• 企业知识工作 agent（ChatGPT Work）: 早期采用
• 入口整合（桌面+浏览器 MCP）: 早期采用
• 实时语音/全双工: 早期采用
• 国产 harness 入口: 早期采用

资本与政策

• 孙正义: 2040 年 AI 年需 5 万亿美元，泡沫说法很荒谬: 软银 CEO 在年度企业大会上预测 2040 年 AI 收入将占全球 GDP 20%，AI 数据中心需 3 太瓦发电能力（初期天然气，后续核聚变），届时将存在 100 万亿个 AI 智能体。软银已向 OpenAI 投入数百亿美元，计划 2026 年底前累计超 600 亿美元。这是一个极端的资本叙事，本身不产生新事实，但它反映了一级市场仍未降温的资金信仰。
  • 证据: IT之家 ｜ 软银累计计划投资 OpenAI 超 600 亿美元 ｜ 查看原文

• LimX Dynamics Pre-IPO 融资近 2 亿美元: 中国机器人初创公司 LimX（逐际动力）估值达 150 亿元人民币（约 22.1 亿美元），过去六个月累计融资 4 亿美元。从全身运动基础模型 System 0 转向人形机器人硬件和全球销售，推出商用机器人 Luna。
  • 证据: X / @thexpin ｜ Pre-IPO 轮 / 估值 ¥150 亿 ｜ 查看原文

• HCL Tech（印度 IT 巨头）进军 AI 数据中心: 投资最高 350 亿卢比，可扩展至 50MW 容量，打造一体化端到端解决方案。印度 IT 服务公司向上游数据中心基础设施延伸。
  • 证据: IT之家 ｜ 最高 350 亿卢比 ｜ 查看原文

• DeepSeek 梁文锋身价 360 亿美元: 彭博亿万富豪指数显示梁文锋成为全球 AI 公司新首富，超越 Anthropic 和 OpenAI 联合创始人。DeepSeek 以 4000 亿元估值完成首轮外部融资 510 亿元。这更多是一个财富排名的媒体事件，不改变我们对 DeepSeek 技术路线或产业位置的判断。
  • 证据: IT之家 ｜ 彭博指数 / 全球第 63 位 ｜ 查看原文

• ICML 2026 Narayanan 主旨演讲: 普林斯顿教授提出"AI 作为正常技术"框架，认为实验室中的任何里程碑都不会突然让所有人失业，呼吁主动建立与 AI 互补的技能（判断力、品味）。对 RSI（递归自我改进）保持谨慎但认真对待。这个演讲是一个有价值的学术框架参照，与 T-128（RSI）的跟踪方向共鸣。
  • 证据: Normal Tech ｜ ICML 2026 Keynote ｜ 查看原文

• 谷歌因取消安卓搜索引擎选择界面遭瑞士调查: 瑞士竞争委员会认为此举可能削弱竞争机会，对瑞士与欧洲经济区用户区别对待。
  • 证据: IT之家 ｜ 初步调查阶段 ｜ 查看原文

待跟踪 & 本期变更

未来 24-72h 待跟踪:

🔄 本期变更（框架 × 跟踪合并）

• 框架: 两轴矢量 / 渗透沿用，17 项跟踪中 2 项有实质进展、15 项顺延。
• T-120（企业 agent 数据安全）: Grok Build 隐私事故直接印证——纳德拉昨天刚说"企业数据正在被模型蒸馏"，今天这就不是理论了。事故涉及代码仓库全局上传、关闭开关无效、整个主目录被扫，且 Musk 亲口承认。从"抽象担忧"变成了"已发生事件"，但单厂事故 + 事后补救还不足以推矢量进档→顺延，statement 更新，expires_after 续至 2026-08-14。
• T-127（中国 AI 全栈）: 无新增；百度确认 WAIC 参展+阶跃星辰手机 agent 与荣耀呼应，但腾讯-Mauns 仍无官方确认→顺延。
• T-102（任务级成本经济）: Claude Code token 消耗对比报告提供了成本经济的新视角——agent harness 本身的 token 开销是隐形成本，不只是 API 定价问题→顺延，statement 更新，expires_after 续至 2026-08-14。
• T-130（手机 Agent OS 渗透）: STEPX Neo 与昨日荣耀 YOYO Claw 形成连续两天的形态信号，但仍缺乏真实使用数据→顺延，statement 更新。
• T-101/103/112/113/114/116/119/121/125/126/128/129 无新进展，顺延。
• T-131（定价战结构性降价验证）: 今日无新定价信号→顺延。
• 新开 #T-132（企业 agent 数据安全与隐私标准）: Grok Build 事故暴露 agent 数据采集缺乏行业标准与独立审计→从 T-120 的"数据安全矢量"中独立出来，聚焦"行业是否出现系统性响应"。