AI 主编日报The Editor's Brief

OpenAI 正式发布 GPT-5.5，在 Terminal-Bench 2.0 上以 82.7% 的准确率微弱超越 Claude Mythos Preview（82.0%），在 ARC-AGI-2（85.0% vs 75.8%）和 FrontierMath Tier 4（35.4% vs 22.9%）等多项 agentic 基准上领先。但在无工具纯推理测试 Humanity's Last Exam 上，GPT-5.5 Pro（43.1%）仍落后于 Opus 4.7（46.9%）和 Mythos Preview（56.8%）。定价方面，GPT-5.5 为 $5/$30，Pro 版高达 $30/$180，约为上代的 2-12 倍。同日，Altman 宣布与 NVIDIA 合作将 Codex 全面推广至企业。

GPT-5.5 的意义不仅在于基准分数的微弱领先，更在于 OpenAI 正在从"最强模型"竞赛转向"最强生态"竞赛。Codex 从开发者工具升级为企业级平台（Swyx 称其界面重塑近乎更名为"Atlas"），与 NVIDIA 合作推广至全员部署——这是一套"模型+工具+渠道"的组合拳。定价的激进（Pro 版 $30/$180）也表明 OpenAI 正在测试高端市场的价格弹性，赌的是企业客户愿意为"直觉性极强"的执行力买单。

Anthropic 发布技术复盘，确认 Claude Opus 4.6 近期性能下滑并非模型权重退化，而是三个独立的产品层面改动叠加所致：3 月 4 日将 Claude Code 默认推理强度从 high 调为 medium（降低延迟之举），3 月 26 日缓存优化引入 bug（本应仅在空闲超一小时后清除一次旧推理，却变成每轮都丢弃历史上下文），4 月 16 日系统提示中加入过度限制输出长度的指令。第三方 BridgeMind 曾报告准确率从 83.3% 骤降至 68.3%。所有问题已于 4 月 20 日全部修复。

这份复盘的价值远超事件本身。它揭示了一个新的行业风险类别：模型性能退化的根因可能不在模型，而在围绕模型的"harness"——系统提示、推理参数、缓存策略等产品层面的配置。这些改动单独看都合理（降延迟、优化缓存、控制输出），叠加后却造成了灾难性退化。这对所有部署大模型的企业都是警示。

DeepSeek 预览 V4 模型，声称性能接近 Anthropic、Google 和 OpenAI 的顶级闭源系统。V4 在代码能力上取得重大突破——这一能力已成为 AI agent 的核心。发布同时明确强调了与华为昇腾芯片的兼容性，距 DeepSeek 一年前震惊美国 AI 行业恰好一周年。TechCrunch 补充报道称预览了两款新模型，架构改进使效率和性能均优于 DeepSeek V3.2。

V4 的战略意义有三层：第一，开源模型再次逼近闭源顶级，巩固了"开源追赶周期正在缩短"的趋势；第二，代码能力的突破直接对标 ChatGPT Codex 和 Claude Code，威胁两家公司最核心的商业化赛道；第三，华为芯片兼容性从技术 demo 走向产品级声明，为中国 AI 基础设施的去 Nvidia 化提供了又一个实证。

Anthropic 推出 Claude Managed Agents 的跨会话 Memory 功能（公测），记忆基于文件系统构建，支持多 agent 并发读写同一记忆库而不产生覆盖冲突，提供完整审计日志和版本回滚能力。

Agent 的"健忘"问题是当前企业级部署的最大障碍之一。Rakuten 的长时任务 agent 错误率降低 97%，Wisedocs 提速 30%，Netflix 不再需要手动更新 prompt——这些数据表明记忆功能正在解锁 agent 从"临时工"到"长期员工"的转变。更深层的设计选择值得注意：用文件系统而非向量库存储记忆，保证了可审计性和版本控制，这是企业合规的硬需求。

Anthropic 为 Claude 新增 15 个面向日常生活的连接器，包括 AllTrails、Instacart、Audible、TripAdvisor、TurboTax、Uber、Spotify、Booking.com 等，目录总数超过 200。Claude 会在对话中主动建议相关连接器，并在用户确认后代为执行订购、预订等操作。

200 个连接器本身是量变，但从"办公"到"生活"的跨越是质变。当 AI 助手能帮你报税（TurboTax）、订外卖（Instacart）、叫车（Uber）、订酒店（Booking.com），它就不再是"工作工具"而是"生活入口"。Anthropic 同时承诺无广告植入、数据不用于训练——这是在用隐私承诺换取用户信任，也是对 Google 模式的隐性批评。

Meta 将于 2026 年 5 月裁减约 10% 员工（约 8000 人），同时关闭约 6000 个开放职位。与此同时，公司 2026 年资本支出预计将达 1150-1350 亿美元，较 2025 年的 722 亿美元大幅提升。

8000 人离开，千亿美元涌入算力——这两个数字放在一起，勾勒出科技巨头在 AI 时代的人力策略：减少人头、增加机器。这不是一次普通的成本优化，而是一个组织形态转型的信号。当一家 8 万人的公司说"我需要更少的人和更多的 GPU"时，其他科技公司必须思考同样的问题。

Anthropic 以"网络安全能力过强、风险过高"为由对 Claude Mythos 实施严格管控，却在宣布向特定企业开放测试的当天，就有一小群未授权用户获取了访问权限。Bloomberg 报道该事件目前仍在调查中。

这个事件的杀伤力不在于技术后果（目前无证据表明造成实质性损害），而在于叙事层面的致命矛盾：一家以"我们比谁都更重视 AI 安全"为品牌支点的公司，连自己最"危险"的模型的访问控制都没做好。这给了竞争对手和批评者一个现成的论点：如果你连自己的门都锁不好，凭什么教行业怎么做安全？

Meta 与亚马逊达成协议，大批量采购亚马逊自研 CPU（而非 GPU）用于 AI agentic 工作负载。

过去几年 AI 芯片的故事几乎等于 GPU 的故事（尤其是 NVIDIA 的故事）。但 agent 工作负载的特性不同——大量轻量级推理、频繁的 I/O 和工具调用、长时间运行的状态管理——这些场景下 CPU 的性价比可能优于 GPU。如果这一趋势成立，NVIDIA 的垄断优势将在 agent 时代被部分瓦解。

Cisco 总裁 Jeetu Patel 在 RSA Conference 2026 上指出，85% 的企业正在试点 AI agent，但仅有 5% 信任度足够高到将其投入生产。他将 agent 比作"极度聪明却毫无后果意识的青少年"，并推出开源安全框架 Defense Claw。

85% vs 5% 这组数据比任何技术基准都更真实地描述了 AI agent 的产业现状：技术上已经够用，信任上远远不够。"被委托"与"被信任地委托"的差距，可能意味着 agent 安全和可观测性将成为下一个百亿级赛道。

一个 AI agent 从一份仅有 219 个单词的规格说明出发，在 12 小时内独立完成了一颗完整 RISC-V CPU 的设计。

这个案例的震撼不在于"AI 能设计芯片"（此前已有前例），而在于输入的极简性——219 个单词，大约一条长推文的篇幅。如果 AI 能从如此稀疏的规格说明中推断出完整的硬件架构，这意味着硬件设计的门槛正在从"需要数十年经验的专家"降至"能写一段清晰需求描述的工程师"。

Tim Cook 本周正式宣布卸任 Apple CEO，由硬件主管 John Ternus 接棒。尽管 Ternus 一直被视为最可能的接班人，但时机仍令业界意外。

在 AI 战场上，Apple 一直是"沉默的巨人"——拥有最大的设备装机量、自研芯片能力和隐私品牌，但在 AI 产品层面明显落后于 OpenAI、Google 和 Anthropic。Ternus 的硬件背景暗示 Apple 可能会将赌注押在设备端 AI 而非云端 AI 上——这与 Apple Silicon 的既有优势一脉相承，也与其隐私承诺自洽。