Moonshot 的 Kimi K3 在 v0 Web 工程基准测试中登顶，超越 Fable 等所有闭源模型——这是开放模型首次在该综合评测中领先。Vercel CEO Guillermo Rauch 率先公布结果：Kimi K3 以更少的时间达到更高的成功率，峰值 92%（96% 带辅助），目前尚无模型达到 100%。Rauch 同时提醒「基准不等于全貌，但这为开放模型突破的证据再加一枚砝码」。Box CEO Aaron Levie 评论称「开放模型达到这种性能水平令人震惊，每次前沿智能成本下降，企业可部署的用例就会大幅增加」。前 Dropbox CTO Aditya Agarwal 更是直接行动：「我正在把系统从 Fable 迁移出来——如果有好的免费替代品，为什么要付高价？」
Google VP Josh Woodward 宣布 NotebookLM 正式更名为 Gemini Notebook。这个从 Project Tailwind 实验项目成长起来的产品，如今已拥有超过 3000 万用户和 60 万组织。「我还记得那个房间，看着 Steven Johnson 拆解他如何写书，那就是这个小项目的火花。」Woodward 写道。Google Labs 转发庆祝：「谁还记得 Project Tailwind 只是一个小小的 Labs 实验？」这次更名标志着 Google AI 产品线的进一步整合。
OpenAI ChatGPT 桌面端负责人 Thibault Sottiaux 宣布三项重要更新：ChatGPT 对话历史和项目现在可在侧边栏查看；Chat 和 Work 模式现在在桌面端可轻松切换，且与 Web 和移动端保持一致；聊天和工作历史现在跨 Web、移动端和桌面端同步（本地任务仍保留在本机）。Codex 模式不变。同时他还发布了一段 Codex 桌面端的性能演示视频，获得 700+ 赞。
Redpoint 合伙人 Jacob Efron 采访了科技分析师 Benedict Evans，深入讨论了 AI 价值将在哪里积累、基础模型的最终估值可能是什么样子、为什么消费级 AI 应用目前还不太奏效，以及能力的参差不齐对企业采用的影响。
Evans 对 AI 取代就业的论述提出了犀利反驳：「Geoff Hinton 十年前就说停止培养放射科医生了——问题是他根本不了解放射科医生实际做什么。」他将 AI 比作电力：「你可以挥挥手说这就像电力。好吧，那电力时代之前的人也不笨。」关于基础模型公司的估值，Evans 表达了对 Sam Altman 的同情，暗示估值叙事比表面看起来更复杂。
核心洞察是：AI 的「参差能力边界」——某些任务上表现惊人，另一些任务上完全失败——才是理解企业采用节奏的关键。消费级 AI 应用之所以还没有真正跑通，正是因为这条边界还不够平滑。
收听原片 ↗Vercel CEO 公布重大基准结果：「Kimi K3 在 v0 Web 工程基准上排名第一，超越 Fable，以更少时间达到可比成功率。这是开放模型首次在该综合 Web 工程评测中领先所有闭源模型。」目前最高表现者峰值 92%，尚无模型达到 100%。Rauch 同时透露 Vercel 迎来了两位传奇开发者工具人才：React 先驱 Pete Hunt 将领导 Next.js，GraphQL 联合发明者 Nick Schrock 将负责 Agentic 开发者体验。 原推 →
Box CEO 对 Kimi K3 的评论：「开放模型达到这种性能水平真的令人震惊。每次前沿智能成本下降，企业可部署的用例就会大幅增加。对创业生态来说，开放和闭源实验室的突破使得大量价值积累到应用层——这一层可以利用多种模型为客户完成完整任务。」Levie 还展示了 Box 与 Databricks 的新集成：从企业非结构化内容中提取结构化数据，无需移动或重新处理内容。 原推 →
OpenAI CEO 坦诚反思：「我们过去 12 个月不是最好的，这主要是我的错，但我们即将迎来最好的 12 个月。团队正在做惊人的工作。」他强调 AI 必须赋予更多人自由、能动性和财富，「我们想做正确的事，但我们不想吓唬人们来跟随我们。」此外他透露自己已经更多地用语音而非打字与 ChatGPT 交流：「新语音模型真的跨过了一个门槛。」 原推 →
Meta AI 高级总监分享企业 AI 架构思考：「Kimi 和 GLM 等开放权重模型将导致企业 AI 技术栈的彻底重新思考。」他给出三个关键建议：一、构建严格的评估体系（回归测试 + 攀爬式评估）；二、建立模型路由机制，在质量/成本/延迟间做取舍；三、构建模型无关的 harness，标准化 prompt 结构、上下文管理和输出解析。「评估速度就是竞争优势。」 原推 →
OpenAI Codex 和 ChatGPT 桌面端负责人宣布三项更新：对话历史和项目现在在侧边栏可见且跨平台同步；Chat 和 Work 模式可在桌面端轻松切换；Codex 模式不变。他还发布了 Codex 桌面端性能演示，展示其处理复杂任务的速度。一条推文用「Look at this beauty」配 Codex 运行视频，获 703 赞。 原推 →
Claude Code 核心工程师详解 Anthropic Agent 自动化的四个阶段：从手动审批到自动模式，再到后台修复维护。Anthropic 目前处于第 3 阶段，正向第 4 阶段推进。关键实践包括：启用 auto mode 权限、自动化代码审查和安全审查、使用多 Agent 管理界面、以及 /loop、/batch、动态工作流和 worktree 隔离。「回报最大的时刻是修复和维护在后台运行，你的团队可以专注于构建——那时你开始做之前根本不在射程内的事。」 原推 →
前 Dropbox CTO、South Park Commons 合伙人直言不讳：「我正在把系统从 Fable 迁移到 Kimi K3。这不是夸张——如果有好的免费替代品，为什么要付高价？」他还分享了一个关于创业的洞察：「很多人以为越成功，被拒绝的次数越少。但如果你在野心的边缘运作，高风险下你会被频繁拒绝。我今天被拒绝了 5 次。」 原推 →
Replit CEO 分享了一个有趣的发现：「蒸馏模型竟然能超越教师模型。」他还在构建一个国际象棋引擎，在 200 万个 Stockfish 标注位置上微调，然后进行短 GRPO 强化学习，「它在国际象棋上的表现似乎已经超越了前沿模型。」他还对 NVIDIA 股价在 Kimi K3 消息后反而下跌表示困惑。 原推 →
Anthropic 发布了一篇深度工程博文，详细解释如何在赋予 Claude 足够权限的同时控制其「爆炸半径」。文章开篇即承认：「十二个月前，我们会断然拒绝给予 Claude 足以搞垮内部服务的权限。如今这种权限级别已是常态，Anthropic 开发者因此更加高效。」
核心机制是分层防护。首先是对 Agent 行为的监督：Claude Code 此前通过逐轮审批来保护用户，但遥测数据显示约 93% 的审批都被批准——用户看到的审批越多，对每一条的关注就越少。因此团队构建了 Claude Code auto mode，自动批准较安全的操作以减少审批疲劳。其次是环境控制：当可以对自主 Agent 的相对损害设定边界时（如通过控制其环境），高实用性能力就可以安全部署。文章还提到 Claude Mythos Preview 在 2026 年 4 月因爆炸半径被认为过高而未发布，但随着防御系统加固和安全措施成熟，类似能力的模型有望更广泛推出。
这篇文章为整个行业提供了 Agent 安全架构的重要参考：关键不在于限制 Agent 的能力，而在于设计机制来封堵失败时的影响范围。
阅读原文 ↗