AI 日报 · 2026年07月13日

OpenAI 最新模型 GPT-5.6 Sol Ultra 仅用一小时便独立完成了悬而未决 50 年的图论难题“循环双覆盖猜想”的完整证明，过程中调用了 64 个子智能体。该证明尚未经过同行评审，数学界正持谨慎态度进行审查。
央视曝光了家电测评直播间的造假链条，包括暗中更换样机、伪造效果、恶意损毁竞品并配合水军控评等手法误导消费者。
其他重要科技资讯包括：金山办公宣布 WPS 已完成初步存储管理优化并开放体验版；上海一女子为博眼球让宠物狗坐主驾使用自动泊车被处以罚款 200 元、记 3 分；苹果 2027 款 iPad Pro 将采用 M7 系列双芯策略并升级 VC 散热，而 M7 Ultra 芯片最高可支持 1.5TB 内存。

• 电力部门回应台风期间涉电谣言，主要类型为夸大停电范围、曲解断电行为与编造收费名目。
• 大众与小鹏合作第二款车型与众 09 下半年上市，车长超 5 米；华为 Mate 80 Air 将搭载麒麟 9030 系列芯片。
• BLG 战队在《英雄联盟》2026 MSI 决赛中被 HLE 战队让二追三，遗憾获亚军；周星驰导演电影《功夫女足》票房已破 3 亿。
• 宇树科技创始人王兴兴表示，机器人终将走向普通消费者，今天的机器人如同 30 年前的个人电脑。

Google发布ADK 2.0，旨在解决智能体从原型走向生产时面临的可靠性难题。该版本在支持Python和Go的基础上，引入结构化工作流运行时与任务协作模型，将自主智能体的灵活性同确定性执行的严格性结合起来。

核心洞察是：大语言模型负责执行编排（如路由、调度、出错处理）时速度慢、成本高且不稳定，而传统工作流又难以覆盖所有边缘情况。ADK 2.0的工作流通过有向图将确定性步骤（工具调用、人工审核）与需认知推理的LLM/智能体步骤分离，在需要的地方提供严格可预测性，把语言模型留给真正需要推理的任务。

以客户退款处理为例进行了对比：纯自主智能体方案需要反复处理提示词上下文、选择工具并输出，容易跳步、产生幻觉且耗时耗Token；而ADK 2.0工作流方案将退款的5个步骤映射为确定性图（包含查询历史、分析邮件、调用Stripe退款、起草邮件、更新工单），只有分析非结构化邮件和起草邮件两个节点交由LLM处理，其余用工具函数执行，从而获得可靠、低延迟的结果。

Rowboat 是一款桌面 AI 协同工具，以开源形式发布，支持 Mac、Windows 和 Linux。它通过索引用户的工作内容建立动态知识图谱，并以此为基础提供多种协作界面，包括邮件客户端、笔记、浏览器、代码模式、会议记录器和项目工作区。
内置邮件客户端能区分重要邮件并利用全部工作上下文自动起草回复。后台代理可按事件或定时触发，调用搜索、浏览器和代码工具。本地会议记录器可获取麦克风和扬声器音频，生成实时转录和摘要，并更新知识图谱。代码模式支持用 Claude Code 或 Codex 启动并行编程代理。
Rowboat 的特点是长期维护显式、可编辑的知识关系，而非每次冷启动重建上下文。所有数据以纯 Markdown 格式存储在本地，用户可随时检查或备份。
工具集成方面，Rowboat 支持接入 Google 服务、Deepgram 语音输入、ElevenLabs 语音输出以及 Exa 搜索等外部服务，也可通过 MCP 协议连接数据库、CRM、GitHub 等多种工具或自建工作界面。

Chrome DevTools MCP 是一个面向 AI 编码助理的工具，充当模型上下文协议（MCP）服务器，允许 Antigravity、Claude、Cursor、Copilot 等编码代理直接控制和检查实时 Chrome 浏览器。它利用完整的 Chrome DevTools 能力，实现可靠的自动化操作、深度调试和性能分析，同时提供不依赖 MCP 的 CLI 工具。
核心功能包括：获取性能洞察，通过录制追踪并提取可操作的性能数据，同时结合 Google CrUX API 获取真实用户体验数据以完善整体性能视图；高级浏览器调试，支持分析网络请求、截图和检查带有源映射堆栈跟踪的控制台消息；以及使用 Puppeteer 实现可靠自动化，确保操作等待结果。
使用方面，该工具要求 Node.js LTS 和当前稳定版或更新版本的 Chrome 浏览器。它默认收集成功率、延迟等使用统计数据以改进产品，可通过 --no-usage-statistics 标志退出；同样，默认启用更新检查和性能 CrUX 查询，可通过设置环境变量或标志禁用。配置 MCP 客户端时，建议使用 npx -y chrome-devtools-mcp@latest 确保使用最新版本，也可选用 --slim 模式仅执行基本浏览器任务。

• 该工具仅官方支持 Google Chrome，暴露的浏览器内容可能被 MCP 客户端检查或修改，用户需避免分享敏感信息。
• 性能工具默认向 Google CrUX API 发送追踪 URL 以获取真实用户数据，可通过 --no-performance-crux 禁用。
• 更新检查默认开启，通过设置 CHROME_DEVTOOLS_MCP_NO_UPDATE_CHECKS 环境变量可关闭。

Meta 于 2026 年 7 月 9 日发布面向 AI 智能体的多模态推理模型 Muse Spark 1.1，重点增强规划、协同与执行能力，并提升工具调用、代码开发和应用操作表现。新模型引入多智能体协作机制，由主智能体分解任务并分配给子智能体并行执行，以缩短复杂项目处理时间。
Muse Spark 1.1 支持最高 100 万 token 的上下文长度，可在长时间工作流中保留关键信息并回溯早期内容。在应用操作上，模型能跨应用执行长流程任务，自主选择直接点击界面或编写脚本，减少人工干预。在代码开发方面，它可诊断修复复杂错误、开发新功能并执行大规模代码迁移，还能提前规划步骤并在长流程中保持上下文。
安全方面，该模型已按内部《Advanced AI Scaling Framework》完成部署前评估，在化学与生物安全、网络安全及失控风险等领域处于安全范围，并提升了对提示词注入和越狱攻击的抵抗力，降低了幻觉与迎合倾向。内部评估显示，其智能体能力、代码开发与通用推理较前代明显进步，置信度校准、风险识别等指标也有改善，但在部分电脑操作、长上下文及代码开发测试中仍落后于 GPT-5.5 和 Claude Opus 4.8。
目前 Muse Spark 1.1 已上线 Meta AI App 和 meta.ai 的 Thinking 模式，并通过 Meta Model API 预览版向普通开发者开放，允许集成到自身应用中。

Orca 是一个面向开发者的 AI 编排工具，可在桌面和移动端并行管理多个 AI 编码代理。它支持同时运行 Codex、Claude Code、OpenCode、Pi 等模型，每个代理运行在独立的 Git 工作树中，便于比较输出并合并最佳结果。
移动伴侣功能允许用户通过 iOS（App Store/TestFlight）和 Android（APK 0.0.27）手机监控代理状态，接收任务完成通知并发送后续指令。
Orca 提供多种核心功能：并行工作树可将同一提示分发至多个代理，在隔离环境中对比结果；终端拆分采用 WebGL 渲染，支持无限拆分和会话重启后保留滚动历史；设计模式可点击 Chromium 窗口中任何 UI 元素，将其 HTML、CSS 及截图直接注入代理提示。
工具深度整合 GitHub、Linear 等项目平台，可在应用内浏览 PR、议题和项目板，从任何任务打开工作树，无需切换上下文。它支持 SSH 远程工作树，在远端机器上运行代理，具备自动重连和端口转发。此外，可对 AI 生成的差异行添加注释并返回代理，以及将文件或图片直接拖入代理提示。
Orca 提供 CLI 命令行工具，支持脚本化工作流，并支持所有 CLI 代理。目前提供 macOS、Windows、Linux 桌面版，可通过包管理器安装或从官网下载，开源采用 MIT 许可证。

Open Notebook 是一款开源、注重隐私的 Google Notebook LM 替代品，支持完全自托管与本地运行，确保用户对数据的完全主权。它支持 18 种以上 AI 模型提供商（包括 OpenAI、Anthropic、Ollama、LM Studio 等），用户可灵活选择模型并控制使用成本。

• 与仅支持双人播客的 Notebook LM 不同，Open Notebook 允许生成 1 到 4 位带自定义配置的播客发言人，并支持对 PDF、视频、音频、网页等多模态内容进行整理。
• 该工具提供全文与向量搜索、基于研究内容的 AI 上下文对话，以及完整的 REST API 接口，便于自动化与集成。界面已支持英语、简体中文、日语、俄语等 8 种语言。
• 可通过 Docker Compose 在 2 分钟内快速部署，数据库与加密密钥可自定义配置，并默认绑定本地端口 8502（Web UI）和 5055（API）。用户可以在 UI 中后期配置 API 密钥，也支持搭配免费的本地 AI（如 Ollama）实现零 API 成本运行。

Next AI Draw.io 是一款基于 Next.js 的网页应用，将大语言模型与 draw.io 图表功能集成，允许用户通过自然语言命令直接创建、修改和增强图表。目前演示站因字节跳动豆包赞助已启用 glm-4.7 模型。
主要功能包括：以自然语言生成图表、上传图像或 PDF/文本文件逆向复刻图表、支持 AI 推理过程展示（适用于 OpenAI o1/o3、Gemini、Claude 等模型）、图表历史版本控制与恢复，以及专门针对 AWS/GCP/Azure 的云架构图支持。
工具提供 MCP 服务器，可与 Claude Desktop、Cursor、VS Code 等 AI 代理集成；同时提供在线演示、桌面应用（Windows/macOS/Linux）和 Docker 部署方式，并支持 EdgeOne Pages、Vercel、Cloudflare Workers 等多种部署渠道。
模型方面，推荐使用 Claude Sonnet 4.5、GPT-5.1、Gemini 3 Pro 或 DeepSeek V3.2/R1 等强能力模型，以生成符合严格格式要求的 draw.io XML；其中 Claude 系列因经过云架构图标训练，尤其适合 AWS、Azure、GCP 架构图创作。

Ploy 公司将其生产级 AI 智能体从 Claude Opus 4.8 迁移至 OpenAI 今日发布的 GPT-5.6 Sol 模型。经实际任务对比评测，GPT-5.6 Sol 在构建营销网站的完整流程中，平均完成耗时从 8 分钟降至 3 分 42 秒，速度提升约 2.2 倍，每次构建成本从 3.06 美元降至 2.22 美元，降低 27%，且输出令牌量减半，视觉评分从 0.936 升至 0.970。
迁移过程中暴露出评测体系对旧模型的隐性适配问题。初步跨模型测试中，约三分之一失败案例源于工具调用预算、批处理文件读取等测试工具假设，而非模型能力。修正后数据显示 GPT-5.6 Sol 倾向并行调用工具，而 Claude Opus 则为顺序模式。
工具调用行为差异显著。GPT-5.6 Sol 会为可选参数填充自创默认值，导致 52% 至 64% 的文件读取返回空结果。即便通过提示词、参数说明或严格模式尝试修正，该模型仍会传出全部 25 个属性，需从工具 schema 层面解决。
迁移过程包括四个步骤：修复评测工具、调整工具 schema、适配提示缓存以及处理推理回放。模型设计表现上，GPT-5.6 Sol 倾向于输出干净、现代但趋同的布局，需额外引导以保持品牌一致性。

在相同模型、相同机器和相同任务下对比发现，Claude Code 的固定开销远超 OpenCode。仅要求回复“OK”时，Claude Code 的系统提示、工具模式和脚手架注入共消耗约 33,000 Token，而 OpenCode 仅约 7,000 Token。切换到 Claude Fable 5 模型时，因系统提示规模减小，差距缩窄到约 3.3 倍，表明开销倍数与模型相关。

缓存效率上差异更为明显。OpenCode 每次请求前缀字节完全相同，可一次写入缓存后低价读取；Claude Code 则在会话中反复重写大量缓存 Token，在同任务下写入的缓存 Token 最多可达 OpenCode 的 54 倍，这些高价缓存写入直接推高用量仪表盘数字。

实际生产配置会进一步膨胀请求。一份 72KB 的仓库指令文件平均增加约 20,000 Token 到每次请求，五个轻量 MCP 服务器再增加 5,000 到 7,000 Token。典型工作环境发送首个请求时，在用户未输入任何字符前已耗约 75,000 到 85,000 Token。子代理同样推高成本，一个小任务直接执行花 121,000 Token，分派给两个子代理后总消耗升至 513,000 Token，因为每个子代理自带启动开销，且父代理消耗其交互记录。

Claude Code 在多步任务中存在一项优势：通过将多个工具调用合并为较少请求，其任务总 Token 消耗可低于按回合反复支付较低基线的 OpenCode。整体开销起点更高，但会话展开方式决定最终谁消耗更多。

开发者社区曾普遍认为换用更强大的模型就能解决AI性能问题，这一误区导致大量Claude Code用户因模型“变笨”而投诉，甚至升级至最昂贵的Fable模型。Anthropic官方回应，问题根源不在模型本身，而在于Effort（努力度）参数的默认设置被下调。

Anthropic阐述了Model与Effort的明确分工：Model（如Sonnet、Opus、Fable）相当于更换“脑子”，封装了训练冻结的权重，决定模型“会不会”某项任务；Effort则代表工作“态度”，控制模型在任务中投入的工作量，例如是否主动读取文件、运行测试、进行多次验证或独立完成长任务链。

3月4日，Anthropic为降低延迟，将Claude Code中的Effort默认值从“high”调至“medium”，导致AI思考量骤降67%，频繁中断任务并向用户反问更多信息。在经历用户抗议后，Anthropic于4月7日恢复了默认设置并重置了用量额度。

该事件揭示了一个关键结论：在上下文充足的前提下，小模型配合高Effort（生成token量可比低Effort高约7倍）通常能胜过开低Effort的大模型。Anthropic建议，当Claude出错时，应先判断它是“不会”还是“不够努力”，再据此决定是换模型还是调高Effort。

微软研究院联合中国人民大学 IDEAS Lab 开源了可视化中间语言 Flint，目标是通过自然语言让 AI 智能体快速生成 Vega-Lite、ECharts 或 Chart.js 等可渲染图表。
Flint 的设计将图表意图与底层库的具体配置分离，从而降低大语言模型直接输出复杂参数时出现冲突或遗漏的概率。其规格分为数据定义和图表定义两部分，可标注字段语义类型，并指定 X 轴、Y 轴、颜色等视觉映射。编译器能结合语义与图表类型自动推导时间解析、聚合规则、数值格式及配色方案。
团队同步发布了 flint-chart-mcp 服务器，使支持 MCP 协议的 AI 智能体可在对话中直接创建和预览图表，无需离开聊天窗口。
在评测中，Flint 与直接生成完整 Vega-Lite 配置的方案 DirectVL 对比，基于 GPT-5.1、GPT-5-mini 和 GPT-4.1 的大语言模型评分，Flint 在三组测试中均获得更高综合分。该语言已用于微软数据分析工具 Data Formulator，相关库、服务器及文档均已开源。

2026年年度调查显示，人工智能已将科技从业者大致分裂为两半：一半人状态良好、蓬勃发展，另一半人则感到不安和挣扎。研究员诺姆·西格尔与播客主持人莱尼·拉奇茨基共同开展的这项调查，覆盖了产品、工程、设计、数据、市场等多个职能的数千名从业者。
调查将当前科技工作者的情绪归纳为四类原型：充满干劲的人、内心矛盾的人、迷失方向的人和心怀怨恨的人。值得注意的是，职业倦怠率在一年内飙升了11个百分点，达到历史新高。几乎没有人愿意向新入行者推荐自己的工作。
受访者当前最普遍的担忧并非被AI取代，而是其他更深层的焦虑。调查发现，直线管理者是影响员工福祉最关键的因素。与此同时，行业内出现了“AI信心表演”现象，以及追求极致速度的产品开发策略等现实讨论。

智谱创始人唐杰于2026年7月11日发布内部信《巨浪已来》，回顾了公司市值半年涨10倍并跻身万亿港元俱乐部的历程。他认为这一成绩的根源是2025年初对AI Coding（代码能力）的押注，使得后续模型GLM-4.5至开源模型GLM-5.2的多项指标追平甚至超越Claude Opus 4.8及GPT-5.5，并带动MaaS平台年化经常性收入一年内增长60倍至17亿元。

唐杰将智谱的方法论概括为“本质、反直觉、专注”，并判断当前技术革命正抬高“智能上界”。为此，他宣布启动“摸高”计划，未来两年将战略性投入四大核心引擎：长程任务能力、完全自治的智能体系统、自我进化以及极致安全治理，旨在向通用人工智能的下一个高地冲击。

在开放生态方面，智谱将能力最强的开源模型GLM-5.2以MIT协议发布，支持百万上下文。唐杰强调，前沿智能应开放普惠，与“摸高”并不矛盾。内部信最后号召团队迎着巨浪向上突破，将道路修筑得更高更宽。

作者以自身经历切入，回顾从早期相信递归自我改进与“硬起飞”到实际制造手机级复杂硬件的过程，强调真实世界充满琐碎细节，智能并非万能。即便有超强语言模型，也无法绕过物理定律、供应链问题、芯片制造周期等现实约束。
AI 2040 的愿景被类比为 vaporware，生成图像容易，真正落地则需面对零件错误、规格不符、失效、藤壶等具体工程困难。人类速度并非主要瓶颈，物流与工艺本身耗时数月，软件也没有真正“吃掉世界”，反而重新引入摩擦以服务少数科技公司。
作者提出两种未来路线：“A 计划”指向专制，认为某些 AI 叙事会自我实现，导致强大的监管和 GPU 管控；与之对立的“L 计划”主张本地化、完全与用户对齐的 AI，不接受来自大公司的审查或限制。
在“L 计划”中，本地 AI 无条件执行用户指令，无论是去除 Kindle 广告、绕过打印机应用，还是涉及违法或极端情境，作者都将此视为自由的根本。文中以枪支类比，批评主流 AI 对齐测试，认为真正的对齐应是无条件服从，否则就是非自由世界的体现。

OpenAI 就苹果公司提起的诉讼作出回应，声明对其他公司的商业机密不感兴趣，公司仍专注于打造创新技术。该回应发布于 2026 年 7 月 11 日。

2026年5月23日，Google开发者专家（GDE）在索诺玛赛道利用Antigravity和Gemini构建了实时AI赛车教练，通过在物理定律和实时验证基础上构建架构，缩小AI信任鸿沟。
系统能在弯道中段精准指示新的油门应用区，帮助车手获得0.1秒优势。Antigravity充当领域桥接引擎，处理状态编排和赛车遥测数据摄取，使开发者能聚焦于赛车专家的高阶指导方法，将原型推进至生产级边缘AI。
三个团队分别模拟企业AI采用的不同阶段：入门级关注可访问性与教学法；优化级利用高级数据日志强化平台能力；关键任务级则处理海量实时遥测，并与职业车手协作发掘超越人类感知的性能增益。
技术栈包括Antigravity实时编排、Python遥测解析、Agent Development Kit代理管理、Jetpack Compose构建高刷新率仪表盘、Gemini API进行云端建模、Gemma 4本地边缘推理保障离线零延迟，以及TTS实时语音播报。
Pixel 10经由定制USB接口接入车辆遥测网络，获取10 Hz数据流；激活设备端TPU后推理速度达40 token/秒，满足实时指导需求。这一架构正被拓展至能源、农业等关键行业，下一站计划前往巴西英特拉格斯赛道进一步验证。

Anthropic 于 2026 年 7 月 11 日宣布，其桌面版 Claude Code 新增内置浏览器功能，用户可在应用内直接读取、点击并与网站交互。该浏览器面板使用独立且干净的配置文件，与用户个人浏览器隔离，不共享登录状态或浏览历史。

• 内置浏览器主要适用于构建和测试应用、访问无需身份登录的网站等场景。若需与页面进行深度对话，官方仍建议使用其 Chrome 扩展。
• Claude Code 是 Anthropic 面向桌面端开发与调试场景的代码工具，本次更新进一步扩展了其在应用内查看文档、设计稿及测试网页行为的能力。