YOHO AI

博客

  • AI智能体不能再”自由发挥”了：三部门联合发文划定决策边界

    AI智能体以后不能想干嘛就干嘛了。前脚AI Agent赛道火得一塌糊涂，后脚监管就来了——国家网信办、国家发展改革委、工业和信息化部三部门联合印发了《智能体规范应用与创新发展实施意见》，给AI智能体的发展套上了”笼子”。

    智能体是什么？说白了就是能自己干活儿的AI

    官方给智能体下了个定义：具备自主感知、记忆、决策、交互与执行能力的智能系统。翻译成人话就是——它能自己看、自己想、自己做决定、自己干活。随着大模型技术成熟，智能体正在加速跟网络空间、物理世界深度融合，这玩意儿要是不管一管，确实容易出事儿。

    智能体决策权限划分为三个层级：仅限用户本人决策、需由用户授权决策、智能体自主决策——明确划定各种决策方式的合理边界及所需权限

    安全可控是底线，创新驱动是方向

    《意见》提出了四大基本原则：安全可控、规范有序、创新驱动、应用牵引。具体举措主要围绕四个方面：夯实技术底座和标准协议、守牢安全底线和防范风险、强化19个典型应用场景牵引、建设创新生态促进产业合作。

    19个场景定了哪些方向？

    应用场景覆盖五大方向：科学研究、产业发展、提振消费、民生福祉、社会治理。《意见》还提出了一个量化目标：新一代智能终端、智能体等应用普及率要超70%。说实话，这个覆盖率目标挺激进的，意味着三年内智能体要从”尝鲜”变成”标配”。

    我觉得这次监管来得挺及时的。之前看到各种AI Agent产品一个比一个激进，各种”全自动”、”自主执行”吹得天花乱坠，普通用户根本搞不清楚这些AI到底能自己做什么主。现在好了，官方给你划清楚——哪些必须人拍板、哪些可以授权、哪些AI能自己定。这有点像给AI立了个”交规”，接下来就看执行力度了。

  • 1.2万亿美元！Anthropic估值正式反超OpenAI，硅谷王座彻底易主

    说实话，我一直以为OpenAI稳坐AI领域头把交椅来着，结果这两天看到一个数据把我惊到了——Anthropic的估值居然飙到1.2万亿美元，正式超过OpenAI了。

    15个月，30倍增长

    你们知道Anthropic的CEO Dario Amodei之前透露了什么吗？他说今年第一季度，Anthropic的年化收入（ARR）和使用量同比暴涨了80倍。原本他们定的目标才10倍，没想到直接翻了好几倍。这增长引擎主要是Claude Code——这款去年底上线的编程工具在开发者圈子里扩散速度太快了。

    ARR从2025年初的10亿美元飙升到2026年4月的300亿美元，15个月完成30倍增长，Pre-IPO市场隐含估值触及1万亿美元

    算力争夺战：马斯克送来22万块GPU

    Anthropic这波增长太猛了，据说原来的算力直接”炸锅”限流了。关键时刻马斯克出手，SpaceX的Colossus 1数据中心把全部算力都给了Anthropic——整整300兆瓦计算能力，22万块英伟达顶级GPU。这还没完，Google又签了个五年2000亿美元的大单，占谷歌云合同积压总额的40%以上。

    AI算力基础设施建设
    Anthropic构建的庞大算力帝国

    全球第11大上市公司

    如果按这个估值上市，Anthropic直接就是全球第11大上市公司了，前面是苹果、微软、英伟达、亚马逊、Alphabet、Meta、台积电、博通、特斯拉、沙特阿美这些巨头。老实讲，这个排名确实有点魔幻。

    我觉得吧，Anthropic能反超OpenAI，关键还是Claude系列在企业市场站稳了脚跟。Dario Amodei之前一直在强调”负责任的AI”，没想到这套理念在商业上也挺吃香。不过话说回来，1.2万亿的估值需要到2029年收入增长20-30倍才能支撑，这个目标也是相当激进的。AI圈的故事，越来越有意思了。

  • 模型不卷了，卷系统：AI行业正在发生一场安静的大转向

    如果你最近还在盯着各种模型排行榜看谁又拿了第一，我建议把注意力挪一挪。AI行业正在发生一个不太显眼但我觉得更重要的变化——从”模型竞赛”转向”系统竞争”。说白了，比的不是谁家模型最聪明了，而是谁能把AI塞进你的日常流程里让你真正用起来。

    AI正在从”看它能做什么”的阶段，进入”它在这套系统里扮演什么角色”的阶段。模型变得越来越不可见，但越来越有价值。

    Google在重新发明鼠标

    Google DeepMind前两天搞了个叫Magic Pointer的东西，我觉得这个概念比大多数新模型发布都有意思。简单说就是给鼠标指针加上AI能力——你不用打开对话框输入提示词，直接指向屏幕上的东西，AI就知道你想干嘛。指向一段文字，它能帮你改写；指向航班信息，它直接给你查详情和比价。

    这背后的思路其实挺颠覆的。以前我们跟AI交互的方式是打开一个聊天窗口，然后在里面描述需求。DeepMind觉得这不自然，为什么不让AI来适应你已有的操作习惯？你在任何界面里想做什么，指一下就行了。目前这个功能已经在Google AI Studio上线演示版，Chrome浏览器里的Gemini助手也开始支持了。

    阿里把AI变成了印钞机

    说完交互，再看看商业化这块。阿里刚发了最新季度的财报，云计算智能部门收入达到416.3亿元，同比增长38%。整体营收才涨了3%，但这38%的增长让我眼前一亮。AI产品目前占外部云收入的30%，阿里预计一年内能超过50%。

    他们的Qwen聊天机器人已经整合进了淘宝和天猫，用户可以像跟朋友聊天一样浏览和下单。企业端的悟空智能体工具也在铺开。阿里甚至说原定的三年3800亿AI投资计划可能会超标，因为早期回报太好了。财报发布后股价涨了7%以上，市场用真金白银给AI商业化投了票。

    真正的竞争刚刚开始

    把这些消息放在一起看，趋势很明显：微软在推Agent 365做企业AI治理，Google在用Gemini Intelligence把Android变成一个主动式的AI操作系统，S&P Global把垂直领域专业知识跟GenAI结合做金融决策支持。大家都不再执着于”谁的模型参数大”这种话题了。

    • 竞争焦点从模型能力转向分发渠道、界面体验和治理框架
    • Google Gemini Intelligence今夏上线最新款手机，手表、汽车、眼镜陆续跟进
    • OpenAI审判从商业纠纷演变成AI行业治理的标志性事件
    • 垂直领域AI（如金融研究）正在证明比通用AI更有商业护城河

    我的感受是，2026年的AI正在变成一种”基础设施”——你不太会注意到它的存在，但它确实在改变你跟电脑交互的方式、你购物的体验、你获取信息的方法。这种变化比”模型又刷新了榜单”这种新闻实际得多，也重要得多。

    接下来真正值得关注的不是哪家公司又发布了新模型，而是谁先打通了”模型到场景”的最后一公里。这场仗，才刚开始。

  • GPT-5.5卖180刀，DeepSeek只收0.28刀：大模型价格战到底卷到了什么程度

    最近看到一个数据，差点把咖啡喷出来——GPT-5.5每百万token要180美元，而DeepSeek V4 Flash只要0.279美元。算一下，价差645倍。这什么概念？相当于一辆法拉利和一辆五菱宏光的差距。但问题在于，五菱宏光在日常通勤里可能比法拉利好使。

    有人做了个实验，把同一个任务分别扔给GPT-5.5、Claude Opus、Gemini 3.1 Flash和DeepSeek V4 Flash跑了一遍。结果挺有意思：写复杂代码、做多步推理、处理那种模糊需求的时候，GPT-5.5确实强得离谱，能读懂你话里的潜台词。但换成整理文档、写周报、翻译邮件、分析数据这些日常活儿，四个模型基本看不出区别。

    2024年同等水平的推理成本是20美元/百万token，两年后的今天降到了0.07美元。两年内下降了280倍。

    五强模型，差距越来越小

    现在市面上的头部模型——GPT-5.4、Claude Opus 4.6、Gemini 3.1 Pro、DeepSeek V3和Kimi K2.5，在Elo评分榜上的差距已经压缩到只有2.7%。说实话，这个差距在大多数使用场景下根本感知不到。以前大家比的是”谁更聪明”，现在核心问题变成了：这个模型适合我的场景吗？预算用得起吗？跟我现有的工具链能接上吗？

    训练成本的变化也挺魔幻的。DeepSeek V3的训练成本是557万美元，而GPT-4的训练据说超过1亿美元。差了将近16倍。但输出质量呢？日常使用几乎拉不开差距。我觉得DeepSeek赢的不只是价格，更是证明了”够用”这个概念的商业价值。

    选模型的新逻辑

    现在业内的共识已经变了——不是找最强的，是找最对口的。通用任务和自动化工作流用GPT-5.4，长文档处理和高质量代码用Claude Opus 4.6，多模态理解用Gemini 3.1 Pro，成本敏感和中文场景用DeepSeek V3，超长上下文需求就上Kimi K2.5。

    • Claude的百万级上下文不是噱头，整个代码库扔进去分析是真的好用
    • DeepSeek V4 Flash的100万token窗口能塞进大型代码仓库
    • GLM-4.7在华为昇腾上训练，直接把推理价格压到行业最低的0.11美元
    • Claude Token消耗比GPT高出55%，长文档场景要掂量钱包

    老话说得好，你不会开法拉利去买菜，同样也没必要用GPT-5.5写周报。对普通团队来说，以前调一次API几块钱，做大项目光模型成本就上百万。现在一个中小团队花几千块能用一年。这种成本的崩塌速度，说实话超出了我去年最乐观的预期。

    2026年的AI行业像极了2010年的智能手机市场。还在拼参数的公司可能被讲性价比的公司打得找不着北。真正的战场已经不是模型本身了，而是Agent、工具链和工作流整合。模型只是基础设施，谁能让AI真正干活，谁才是赢家。

  • OpenAI发布GPT-5.5 Instant：减少幻觉、接入Gmail，大模型进入“可靠性竞赛”

    OpenAI发布GPT-5.5 Instant：减少幻觉、接入Gmail，大模型进入“可靠性竞赛”

    OpenAI又更新了，这次是GPT-5.5 Instant。说实话，大模型更新越来越频繁了，但这次有几个点我觉得确实值得关注。

    核心升级：减少幻觉+保持速度

    GPT-5.5 Instant取代了GPT-5.3 Instant，成为ChatGPT的新默认模型。从参数命名上就能看出来，这是一个侧重”即时响应”的版本。OpenAI这次最强调的改进是在法律、医疗、金融这些敏感领域减少了幻觉问题，同时保持了前代的低延迟。

    我觉得这个方向非常务实。说实话，现在的大模型在闲聊、写文案方面已经足够好了，真正让人不放心的反而是那些需要精确性的专业场景。如果GPT-5.5 Instant真的能显著降低医疗和法律领域的幻觉率，那这对于AI的实际落地来说，比数学竞赛分数提高几十个点要有意义得多。

    数据说话：AIME数学能力暴增

    不过数字确实也很漂亮。AIME 2025数学测试成绩从65.4直接飙升到81.2，提升了约24%。MMMU-Pro多模态推理从69.2涨到76。虽然AIME和普通人的日常使用场景关系不大，但这至少说明模型的基础推理能力确实在稳步提升。

    我比较关注的是，这种推理能力的提升能不能真正转化为日常使用中的体验改善。比如你在让它分析一份复杂报告的时候，是不是能给出更有深度的见解？在处理逻辑推理类问题的时候，是不是不那么容易”犯蠢”了？这些才是普通用户真正在乎的。

    记忆系统升级：Gmail集成是个杀手级功能

    这次更新中我认为最值得关注的功能，其实是上下文管理（Context Management）的升级。GPT-5.5 Instant现在可以搜索和回溯你过去的对话、文件，甚至直接访问你的Gmail。

    这意味着什么？意味着ChatGPT正在从一个”聪明的对话工具”变成一个”了解你的个人助手”。它能记住你之前的偏好、搜索你之前的文档、甚至查看你的邮件内容来给出更个性化的回答。

    当然，隐私问题也随之而来。OpenAI这次的应对方案是：记忆来源透明化——ChatGPT会在所有模型中显示记忆来源，帮助用户了解答案的生成依据。而且用户可以删除过时的记忆来源或纠正错误答案。分享对话时，接收方也看不到记忆来源。我觉得这些措施算是做到了最基本的隐私保护，但对于更敏感的用户来说，可能还不够。

    GPT-4o退役的教训

    说到这里，不得不提一下GPT-4o退役的事。今年2月份GPT-4o正式弃用的时候，用户的反弹非常强烈。有些人甚至发起了请愿，把GPT-4o描述为”最好的朋友”。这听起来有点夸张，但我觉得它反映了一个真实的问题：当AI工具成为人们日常生活的一部分时，模型更迭就不只是一个技术决策了。

    OpenAI这次吸取了教训，GPT-5.3将作为付费用户的可选项保留三个月，而不是直接一刀切地退役。我觉得这个做法更温和也更合理。

    我的看法

    GPT-5.5 Instant给我的整体感觉是：OpenAI正在把大模型从”很聪明的聊天机器人”推向”可靠的个人助手”。减少幻觉是为了让你敢在重要场景用，Gmail集成是为了让它更了解你，记忆来源透明化是为了让你放心用。

    大模型的竞赛已经从”谁的分数更高”变成了”谁更可靠、更实用”。这个转变我认为对整个行业来说是个好信号。毕竟，分数再高，如果普通用户不敢放心使用，那也只是实验室里的玩具而已。

  • Google在Android端放大招：Gemini不只是助手，而是你的“超级代理”

    Google在Android端放大招：Gemini不只是助手，而是你的“超级代理”

    说实话，看完Google在Android Show: I/O Edition上发布的内容，我觉得移动端AI的竞争正式进入了一个全新阶段。这次的更新不是简单地在手机上加个AI按钮，而是直接让Gemini变成一个能跨应用、跨场景帮你干活的“超级代理”。

    从“回答问题”到“替你干活”

    我觉得这次最核心的变化，是Gemini从被动式的问答工具升级成了主动式的任务执行者。具体来说，你现在长按电源键，对着Gemini说“帮我把笔记里的购物清单加到购物车里”，它就能自动跨应用完成这个操作——先去你的笔记App找到清单，再去购物App把商品逐一添加，最后等你确认后完成下单。

    这不是概念演示，Google说这些功能今年夏天就会在三星Galaxy和Pixel设备上率先上线。我觉得这个节奏其实挺有意思的：三星作为最大的Android厂商优先适配，说明Google在生态合作上确实下了功夫。

    不过说实话，这个多步骤任务执行功能让我既兴奋又有点担心。兴奋是因为它确实能大幅提升效率，尤其是那些需要反复切换App的操作流程。担心的是，当AI开始替你点击“确认付款”按钮的时候，隐私和安全性就成了绕不开的问题。Google在表单填写功能上采用了opt-in模式（默认关闭），这个做法我觉得是对的，给了用户充分的控制权。

    “Vibe Coding”：普通人也能做Widget开发者

    这次发布会上还有一个让我眼前一亮的功能——“Create My Widget”。简单来说，你只需要用自然语言描述你想要什么功能的小组件，AI就能帮你生成出来。

    比如你可以说“每周给我推荐三个高蛋白备餐食谱”，然后一个符合Material 3设计规范的Widget就出现在你桌面上了。不需要写一行代码，不需要懂开发。说实话，我觉得这可能是这次发布会中最具“颠覆性”的功能。

    为什么这么说？因为它降低了UI开发的门槛。以前你需要一个开发者才能做的自定义小组件，现在每个人都可以用一句话创建。这种“自然语言即编程”的思路，其实就是AI民主化开发的一个缩影。虽然Nothing公司去年就做过类似的功能，但Google把这种能力整合到了Android系统层面，影响力完全不在一个量级。

    Gboard也要被AI重塑了

    还有一个值得关注的更新是Gboard的语音输入功能。Google给这个新功能起名叫“Rambler”，它不仅能把你说的话转成文字，还能用Gemini的多模态能力理解你的语气，并且自动帮你去掉那些“嗯”“啊”之类的口头禅。

    说实话，语音转文字不是新鲜事，但能做到理解语气、自动润色输出格式，这个体验提升还是挺大的。对于经常需要语音录入的人来说，这绝对是一个实用功能。

    我的看法

    我觉得Google这次在Android端的AI布局，真正瞄准的是一个趋势：AI正在从“工具”变成“代理”。以前我们用AI是去问它问题、让它帮我们分析数据，现在AI开始直接替我们执行操作、完成流程。这种转变对于用户来说，意味着手机使用方式的根本性变化。

    但我也想说一句：这些功能落地后，用户体验好不好，还得看实际表现。跨应用操作能不能稳定运行、误操作率有多高、不同手机厂商的适配情况如何——这些才是真正决定成败的关键因素。

    总的来说，2026年下半年的Android手机，可能会让人觉得越来越像一个“长了脑子”的个人助理。而Google这次交出的答卷，至少在产品思路上，我认为是走在正确方向上的。

  • agentmemory：让AI编程代理拥有持久记忆的神器

    agentmemory：让AI编程代理拥有持久记忆的神器

    agentmemory

    说实话，用Claude Code或Cursor写代码时，最头疼的就是每次开新会话都要重新解释项目结构、代码规范和之前的决策。CLAUDE.md写满了又容易过时，这个痛点真的太普遍了。

    直到我发现了agentmemory——这是一个专门为AI编程代理打造的持久记忆系统，能自动记住一切，彻底告别重复解释。

    🎯 项目简介

    agentmemory是GitHub上排名第一的AI编程代理持久记忆工具，基于真实基准测试构建。它能 silently 捕获编程代理的所有操作，将其压缩成可搜索的记忆，在下次会话时自动注入正确的上下文。

    目前狂揽 5.9k+ Stars，今日增长超过1000 Stars，堪称年度黑马项目！

    ⚙️ 安装要求和过程

    快速开始（30秒上手）：

    1. 终端1：启动记忆服务器
      npx @agentmemory/agentmemory
    2. 终端2：体验演示
      npx @agentmemory/agentmemory demo
    3. 打开 http://localhost:3113 查看实时记忆构建过程

    👍 Claude Code 用户

    一行命令搞定：

    /plugin marketplace add rohitg00/agentmemory

    /plugin install agentmemory

    👨‍💻 其他代理（Cursor/Cline/Windsurf等）

    在MCP配置中添加：

    {
  "mcpServers": {
    "agentmemory": {
      "command": "npx",
      "args": ["-y", "@agentmemory/mcp"]
    }
  }
}

    💡 核心功能

    • 🔍 智能检索：BM25 + 向量 + 知识图谱三路混合搜索，R@5准确率达95.2%
    • 💾 4层记忆架构：Working → Episodic → Semantic → Procedural，类比人类记忆的运作方式
    • 📌 自动捕获：12个hooks自动记录所有操作，零手动操作
    • 🔒 隐私优先：API密钥、私有标签在存储前自动剥离
    • 📈 极低成本：年省约170K tokens，年成本仅$10（用本地embeddings可降到$0）

    🖥️ 典型使用场景

    📈 场景1：长期项目维护

    当你要维护一个半年前的项目时，agentmemory能自动回忆：

    • 之前为什么选择这个技术方案
    • 哪些文件被频繁修改及原因
    • 代码规范和架构决策

    👥 场景2：团队协作

    多个开发者使用同一项目，agentmemory支持命名空间隔离的团队记忆，共享知识同时保留个人偏好。

    🔋 场景3：复杂调试

    遇到之前解决过的类似bug？记忆系统能追溯到原始观察，帮你快速定位。

    ⭐ 推荐理由

    用了快一个月了，最直观的感受是：每次开新会话，Claude真的能“想起来”上次在做什么。调试效率提升明显，因为不再需要反复解释项目背景。

    最让我惊喜的是隐私保护——它会自动过滤敏感信息，这点对于企业项目非常重要。

    另外，完全零外部依赖（仅需SQLite），安装和迁移都很轻量。

    📥 下载地址

  • 前沿AI网络攻击能力突破阈值：Claude Mythos率先通过32步攻击测试

    说出来你可能不信，但AI驱动的网络进攻是遥远未来这个判断，已经被数据彻底推翻了。

    AISI的测试结果让人睡不着觉

    英国AI安全研究所（AISI）最近做了一件事：他们让Anthropic的Claude Mythos Preview去跑一个32步的「最后一批」（TLO）测试范围。这个测试范围是什么概念？它是一个模拟企业网络的完整攻击链路，从侦察到完全域控制，通常需要人类红队投入20个小时才能走完。

    结果呢？Mythos在10次运行中成功了3次。

    说实话，第一次看到这个数据的时候我没太当回事——10次成3次，成功率30%，好像也不怎么样？但AISI的评估接着说：在专家级任务上，Mythos的成功率达到73%。

    这就很恐怖了。

    OpenAI的GPT-5.5几乎同步追上

    更让人不安的是时间线。Claude Mythos公布结果3周后，OpenAI的GPT-5.5公布了几乎完全一致的能力画像：

    • 10次端到端测试中成功2次
    • 专家级任务成功率71.4%
    • 同样存在无防御方的测试限制条件

    两个模型的能力曲线几乎重合。这不是巧合，而是前沿AI在网络进攻能力上已经形成了稳定的技术范式。

    每4个月翻倍意味着什么？

    AISI估计，当前前沿进攻性网络能力每4个月翻倍。

    等等，这个速度比2025年底的每7个月翻倍还要快。如果按这个速度线性外推（虽然实际是指数增长），到2026年底，前沿AI可能就能在无人干预的情况下完成绝大多数中级红队任务。

    我觉得这里有个被严重低估的风险：当前的基准测试如果没有对抗性防御层，根本区分不出前沿模型的能力差异。换句话说，我们可能根本不知道AI在网络进攻上到底有多强，因为我们的测试环境太友好了。

    传统网络安全厂商的生存危机

    这个变化最直接的受害者是谁？是那些依赖静态签名、规则的传统网络安全厂商。

    它们的护城河——特征库、规则集、人工分析的专家经验——正在被进攻性AI循环超越。AISI的报告直言不讳：传统检测手段已经过时了。

    那谁有机会活下来？CrowdStrike、Palo Alto、Microsoft Defender这些集成了XDR平台的厂商，它们掌握着防御智能体所需的编排层。但前提是它们能推出真正的AI原生架构，而不是把传统技术栈包装一下就号称AI驱动。

    一个值得深思的悖论

    这里有个我很在意、但行业讨论不多的悖论：

    我们正在用AI来防御AI驱动的网络进攻。但防御AI需要的数据、算力、响应速度，和传统安全工具完全不在一个量级上。这不只是技术升级的问题，而是整个安全行业的基础设施要重构的问题。

    而那些手里握着大量防御数据的平台厂商，会不会借此形成新一轮的垄断？

    参考资料：State of AI: May 2026, Air Street Press, AISI Assessment Report

  • 中国AI编码模型打破”落后6-9个月”框架：开源权重+低成本改写全球格局

    说实话，当我看到2026年4月这波中国AI编码模型的密集发布时，第一反应是：那个”中国AI落后6-9个月”的老框架，真的该扔进历史垃圾桶了。

    12天，4家实验室，一场静悄悄的能力赶超

    从4月底到5月初，短短12天里，4家中国AI实验室接连发布了各自的最新编码模型，而且全部是开源权重。这可不是小打小闹的demo，而是实打实能打的工程级模型：

    • Z.ai的GLM-5.1
    • MiniMax的M2.7
    • Moonshot的Kimi K2.6
    • DeepSeek的V4

    最关键的是，它们在SWE-Bench Pro这个权威编码基准上的得分全部落在56-59分区间——什么概念？这个得分已经和西方前沿模型持平了。

    价格才是真正的杀手锏

    如果能力持平还不够震撼，那成本数据绝对让你倒吸一口凉气：这4款模型的推理成本，最高不超过Claude Opus 4.7的三分之一。

    我觉得这里有个被很多人忽略的逻辑：AI能力如果可以低价获取，那么”前沿模型的护城河”到底在哪里？如果Kimi K2.6或者DeepSeek V4能以1/3的价格做到Opus 4.7差不多的事情，那企业采购决策会不会悄然生变？

    这不是简单的性价比问题，而是整个AI供应链的话语权在转移。

    “落后6-9个月”为什么不成立？

    State of AI报告里有一句话我很认同：”中国落后6-9个月”的旧框架在智能体编码领域已不成立。

    NIST的CAISI评估显示，DeepSeek V4的跨域基准综合表现落后美国前沿约8个月，但DeepSeek自己的模型卡显示V4-Pro与Opus 4.6、GPT-5.4持平。两个结论都是对的——只不过评估的维度和基准不同而已。

    这其实揭示了一个更深的真相：AI能力的比较，已经不再是单一时间轴上的先后问题，而是评估者、支架工程、基准设计的综合博弈。当多个最优模型来自中国且为开源权重时，”追赶者”这个标签就已经失效了。

    开源权重：中国AI的”农村包围城市”？

    还有一个细节值得琢磨：这4款模型全部开源权重。我觉得这不是巧合，而是一种极其聪明的战略选择。

    开源意味着什么？意味着全球开发者可以本地部署、可以微调、可以嵌入自己的产品而不用看任何人的脸色。当西方实验室还在纠结”该不该开源”的时候，中国实验室已经用开源完成了全球开发者生态的布局。

    Kimi K2.6发布时展示了一个12小时连续工具使用轨迹，演示了将推理引擎移植到Zig的完整过程——这种”晒能力”的方式本身就很有说服力，比发一篇论文直观多了。

    这件事的真正影响可能还没显现

    我觉得现在讨论”中国AI是否赶超”还为时尚早，但有一个趋势已经很清晰了：在整个AI领域最具经济影响力的能力（编码和智能体工程）上，多个最优模型来自中国且为开源权重，这件事的长期影响可能被严重低估了。

    企业采购、开发者工具链、云服务定价、甚至AI安全的研究议程——所有这些都将因为这个变化而重新调整。我不是在说”中国AI已经全面领先”，而是说”全面落后”这个叙事已经失去了事实基础。

    参考资料：State of AI: May 2026, Air Street Press

  • TradingAgents：用多智能体协作做金融交易决策，GitHub 7.3万星

    TradingAgents：用多智能体协作做金融交易决策，GitHub 7.3万星

    TradingAgents架构图

    📋 项目简介

    TradingAgents 是一个多智能体LLM金融交易框架，模拟真实交易公司的运作方式——部署基本面分析师、情绪分析师、技术分析师、交易员和风控团队等多个专业AI智能体，通过协作讨论来评估市场状况并做出交易决策。

    项目目前在GitHub上已获得 73,887 ⭐，本周新增 7,259 颗星，热度持续攀升中！🔥

    🛠️ 安装要求和过程

    环境要求

    • Python 3.10+
    • 至少一个LLM API密钥（OpenAI / Google / Anthropic / DeepSeek / Ollama等均可）
    • Alpha Vantage API密钥（用于获取市场数据，免费注册即可）

    快速安装

    # 克隆仓库
git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents

# 创建虚拟环境
conda create -n tradingagents python=3.13
conda activate tradingagents

# 安装依赖
pip install .

# 设置API密钥
export OPENAI_API_KEY=your_key_here
export ALPHA_VANTAGE_API_KEY=your_key_here

# 启动交互式CLI
tradingagents

    🐳 Docker用户：

    cp .env.example .env  # 填入你的API密钥
docker compose run --rm tradingagents

    如果想用本地模型（Ollama），还可以：

    docker compose --profile ollama run --rm tradingagents-ollama

    ⚡ 核心功能

    1. 🧠 多智能体协作架构：模拟真实交易公司的团队分工，包括基本面分析师、情绪分析师、新闻分析师、技术分析师、看涨/看跌研究员、交易员、风控团队和投资组合经理，共8大角色协同工作。
    2. 🤖 多LLM支持：兼容OpenAI、Google Gemini、Anthropic Claude、xAI Grok、DeepSeek、Qwen、GLM、MiniMax、OpenRouter，还支持Ollama本地部署和Azure OpenAI等企业级方案。
    3. 💾 持久化决策日志：记录历史决策和收益表现，让智能体从过去的经验中学习，越用越聪明。
    4. 🔄 断点续跑：运行中断后可从上次成功步骤恢复，不怕意外崩溃丢失进度。
    5. 📊 交互式CLI：通过命令行界面选择股票代码、日期、LLM模型和研究深度，操作简单直观。

    🎯 典型使用场景

    1. 📈 个人投资研究助手：我平时关注几只科技股，用TradingAgents可以让多个AI分析师从不同角度评估一只股票——基本面、技术面、市场情绪一次性看全，比我自己翻研报效率高太多了。比如分析NVDA，它会自动调用基本面数据、近期新闻、Reddit讨论，然后给出综合判断。
    2. 🏫 金融AI研究实验：项目附带了学术论文（arXiv:2412.20138），如果你在做LLM+金融方向的研究，可以直接基于这个框架做对比实验、消融实验，代码结构清晰，改起来很方便。
    3. 🎓 量化交易学习与实践：想入门量化交易但又不想从零搭建系统的同学，TradingAgents提供了一个完整的端到端框架。从数据获取、多维度分析到交易决策和风控，全流程覆盖，而且支持DeepSeek、Ollama等本地模型，零成本就能跑起来。

    💡 推荐理由

    说实话，我试用过不少AI交易工具，但大部分要么太简单（单模型单任务），要么太黑盒（不知道AI为什么这样决策）。TradingAgents不一样——它的多智能体辩论机制让我印象深刻。看涨研究员和看跌研究员会针对同一只股票展开辩论，最终由交易员综合双方观点做出决策。这种机制比单一模型直接输出”买”或”卖”要透明得多，你清楚地知道决策背后的逻辑。

    另外，对国内用户很友好：支持DeepSeek、Qwen、GLM等国产模型，还区分了国内版和国际版的API密钥，Ollama本地部署也很丝滑。即使没有海外API，照样能用。

    ⚠️ 友情提醒：项目明确标注仅供研究用途，不构成投资建议。股市有风险，AI也有幻觉，千万别直接拿它的输出当交易信号。

    🔗 下载地址