Twitter AI - 2026-04-23

1. 大家在讨论什么

1.1 AI 在医疗领域达到临床基准（新）

@BoWang87 报道称（51 个赞、25 次收藏、3,185 次浏览）称，72% 的美国医生已在临床工作中使用 AI（AMA 2026），而 ChatGPT 的临床使用率在一年内翻了一番。OpenAI 的 ChatGPT for Clinicians 在 HealthBench Professional 上得分 59.0，超过人类医生的 43.7。Claude Opus 4.7 得分 47.0，也高于人类基线。该基准测试涵盖文书记录、诊疗咨询和文献综述——在这类检索与沟通任务上，LLM 相比时间紧张的临床医生具有结构性优势。

讨论要点： @jehangeer_hasan 提醒道：“这一说法主要反映的是 AI 在文书记录和信息综合等重文本任务中的强劲表现。这并不自动意味着它已能胜任完整的临床决策，尤其是在医学影像和多模态推理方面。” @BoWang87 也承认这一差距，并提到 MedSAM 和 EchoJEPA 可用于医学影像与视频解读。

与前一日对比： 4 月 22 日引用 McKinsey 数据称，50% 的美国医疗行业领导者正在部署生成式 AI。今天则进一步补充了细化的基准分数和一款已落地的临床产品，使讨论从采用率调查转向了与医生进行可量化的性能对比。

---

1.2 ICLR 2026：智能体评估与人机协作研究（新）

巴西 ICLR 2026 上的一组研究聚焦 AI 智能体评估、安全与协作中的核心挑战。@michaelryan207 介绍了 AutoMetrics（30 个赞、24 次收藏、2,223 次浏览）显示：只需不到 100 条人工反馈，就能生成自动评估指标；这些指标与人工判断的相关性，最高可比人工设计的 LLM-as-a-Judge 评分标准提升 33.4%。

@Diyi_Yang 分享了 Stanford 实验室完整的 ICLR 阵容（61 个赞、3,204 次浏览）提到七篇论文，涵盖“构想—执行鸿沟”（LLM 生成的研究想法与人类研究想法）、“通过模拟搜索 LLM 智能体中的隐私风险”、“暗黑模式如何操纵 Web 智能体”，以及用于评估人机协作的“Collaborative Gym”。

@_akhaliq 重点介绍了 LLaDA2.0-Uni（26 个赞、13 次收藏、4,209 次浏览）提到 HuggingFace 当日排名第 1 的论文：一种统一的离散扩散语言模型，通过语义分词器、MoE 主干网络和扩散解码器，同时实现多模态理解与生成。

讨论要点： AutoMetrics 的四步流程（生成候选标准、从 MetricBank 检索、拟合回归、输出可导入指标）填补了一个结构性空白：人工反馈成本高昂，而 LLM-as-Judge 评分标准与真实人类偏好的相关性又较弱。这批 ICLR 研究表明，领域重心正从模型能力转向评估基础设施。

与前一日对比： 4 月 22 日报道了用于编程智能体评估的 SWE-CI 和 Opik。今天的 ICLR 研究则将评估重点从编程扩展到内容质量、智能体隐私和人机协作。

---

1.3 AI 幻觉持续推动“低质内容纠偏”叙事（🡒）

@MrEwanMorrison 继续传播（133 个赞、38 次转发、2,495 次浏览）提到 Sullivan & Cromwell 承认：AI 生成的法庭文件中包含虚构的案件名称、捏造的引语以及并不存在的法律条文，尽管这些文件已经过收费高达每小时 2,000 美元以上的合伙人进行初审和复审。这条推文在发布后的第二天进一步发酵。

@4854Capital 概括了更广泛的含义：“我们正在进入低质内容纠偏时代。当每家公司都能生成无限量的信息时，这些信息的市场价值就会归零。” @ahmedehab_01 则指出其结构性局限：“仅靠人工审核是不够的，因为它会压垮任何普通人。”

与此同时，@Forbes 报道称（8 个赞、6,004 次浏览）称，倒闭初创公司的 Slack 存档、Jira 工单和电子邮件线程正被拿来清算；AI 实验室如今把这些内容视为高价值训练数据——这也引发了对模型训练数据质量的质疑，尤其是这些模型本就已经在产生幻觉。

讨论要点： @DaveShapi 提出了相反观点（32 个赞、2,763 次浏览）表示：“说 AI 是低质内容、没用，因此不会走远，就像说互联网是低质内容，因为在其上传输的大多数比特都来自流媒体、社交媒体和色情内容。但最有价值的用例是在企业里。” 这场争论已逐渐凝结为两派：AI 是低质内容生成器，还是企业基础设施。

与前一日对比： 这是 4 月 22 日的主题 1.1。今天，这一话题在获得更多互动的同时继续传播，并出现了“低质内容纠偏时代”的框架；此外，Forbes 从训练数据切入，增加了新的维度：AI 实验室正在获取职场通信内容作为训练材料，这可能进一步放大质量问题。

---

1.4 AI 安全政策进入新阶段：《经济学人》封面、CAISI 反转与争论（新）

《经济学人》发布封面文章《美国开始意识到 AI 的危险力量》，@ChrisPainterYup 连同关键引述一并分享（9 个赞、10 次收藏、704 次浏览）提到了这篇报道。文章指出了 AI 安全“默认方案”的结构性问题：限制模型发布“会削弱竞争、增强既有 AI 公司的影响力”，并在“美国经济内部制造出双层体系”。

@TheElizMitchell 率先披露了这一消息（41 个赞、12 次收藏、3,156 次浏览）称，商务部原本选定 Anthropic 前研究员 Collin Burns 领导 CAISI（人工智能标准与创新中心），随后又改变决定，改由 DOE 资深人士 Dr. Chris Fall 出任。背景是：战争部长 Pete Hegseth 将 Anthropic 称为“国家安全方面的供应链风险”，而据报道，NSA 正在使用 Anthropic 的 Mythos Preview。

@JoinYoungVoices 主持了一场牛津式辩论（6 个赞、297 次浏览）提出问题：“AI 公司能被信任去自我监管吗？”——讨论围绕政府干预与行业自律展开。

讨论要点： CAISI 的人事反转体现出其中的张力：政府一方面依赖 Anthropic 的模型（NSA 使用 Mythos），另一方面又将该公司视为安全威胁（五角大楼）。《经济学人》的分析表明，这种矛盾是结构性的，而非偶然现象。

与前一日对比： 4 月 22 日报道了图宾根大学的学术 AI 安全课程，以及 Microsoft/Mythos 的安全集成。今天则升级为政策层面的制度冲突：主流刊物推出封面报道，政府出现人事任命反转，公众辩论也开始成形。

---

1.5 Meta 裁员 8,000 人；AI 驱动的劳动力替代信号不断增多（新）@business 报道称（14 个赞，8,153 次浏览）称，Meta 计划裁减 10% 的员工，约 8,000 人，以提升效率并抵消高额 AI 支出。同日，@business 报道称（2 个赞，1,198 次浏览）称，澳大利亚联邦银行（Commonwealth Bank of Australia）将在推进 AI 的过程中裁减约 120 个岗位。

@fuzzstockdads 总结了这一模式：“在 AI 上砸下数十亿美元，裁掉数千名员工，然后把这叫作效率。” @SteadyCompound 分享了 ServiceNow CEO 的言论（6 个赞，394 次浏览）谈到定价转变时表示：“现在新增净业务中，50% 来自非按席位计费的模式，包括 token 和其他资产。” 谈及用工时，他表示：“随着自然减员，你不必再补这些岗位。” AI 已经处理了其客户服务场景中的 90% 用例。

讨论洞察： ServiceNow 的数据揭示了裁员背后的企业逻辑：当 AI 能处理 90% 的客户服务工作时，是否保留相应编制就变得可有可无。从按席位转向按 token 计费的定价模式，也反映了同样的趋势：软件公司正将收入与人类用户脱钩。

与前一天的比较： 4 月 22 日并没有出现劳动力替代这一主题。今天，Meta（8,000 人）、CBA（120 人）以及 ServiceNow CEO 关于“自然减员但不补员”的表态同时出现，构成了一个高度集中的信号。

---

1.6 主权 AI：台湾金融大模型加入不断扩大的国家级行动（新增）

@business 报道称（77 个赞，14,243 次浏览）称，台湾正启动一个项目，为金融行业开发大语言模型。@LeaT_Design 回应道：“台湾要打造自己的 LLM？胆子也太大了。希望它能应对真实市场的混乱，而不只是干净的理论数据。”

另外，@BoswellDoug 指出（8 个赞，143 次浏览）提到，加拿大宣布推出其首台公共 AI 超级计算机，且“由加拿大拥有并运营”，但这一消息也引发了外界对政府科技执行能力的质疑。@PTI_News 报道称（4 个赞，844 次浏览）称，德里将在 IndiaAI Mission 旗下设立两个 AI 卓越中心，目标覆盖 100 家初创公司、培训 7,000 人，并创造 1,000 个岗位。

@Legendaryy 报道称（4 个赞，191 次浏览）称，阿联酋承诺在两年内让其政府 50% 的运作由智能体 AI 驱动——“不是试点，不是聊天机器人，而是真正做出真实决策的智能体。”

讨论洞察： 单日内出现了四项主权 AI 倡议：台湾（面向金融领域的大模型）、加拿大（公共超级计算机）、印度（AI 卓越中心）和阿联酋（政府智能体 AI 部署）。四者路径各不相同——台湾打造行业专用模型，加拿大建设算力基础设施，印度建设人才能力，而阿联酋则直接把智能体部署进政府运作之中。

与前一天的比较： 4 月 22 日报道了加拿大超级计算机的消息（主题 1.7）。今天，这一趋势扩展到四个采取不同策略的国家，表明主权 AI 基础设施如今已成为全球优先事项，而不再是孤立举措。

---

1.7 中国的 AI 竞争地位：成本优势与悄然采用（新增）

@stevehou 分析了中国的 AI 战略（29 个赞，5,382 次浏览）表示：“中国从来不喜欢第一个去承担高成本类别风险。一旦发展路径被基本验证，中国就会以无与伦比的强度大规模复制，在追赶中凭借无可匹敌的价格展开竞争。” 他预测，既然 Anthropic 和 OpenAI 已经证明编程就是方向，中国实验室将“把手头的一切都砸进去”。

配套推文（19 个赞，23,212 次浏览）发问：“全球电动汽车市场发生过的事，会不会也发生在全球 AI 市场？” 从业者给出了具体证据。@ftning：“glm5.1 在 token 成本上非常惊人，kimi k2.6 更是直接强得离谱。据我了解，很多美国公司都在本地部署这些模型，用来补充前沿模型。” @factorydoge69：“听说很多软件初创公司为了节省成本，会在幕后使用中国开源模型。”

讨论洞察： @Empiricalcontra 提出了反驳：“如果顶尖模型在过时之前都不会向公众开放（比如 Mythos），这种情况就不太可能发生。现在的开源模型大多只是 Opus 的蒸馏版。” 这场争论的核心，是成本驱动的采用（价格仅为前沿模型一小部分的中国开源模型）与能力护城河（如 Mythos 这类受限的前沿模型）之间的对立。

与前一天的比较： 4 月 22 日提到 Kimi K2.6 在编程排行榜上攀升。今天则补上了战略层面的框架：美国公司正因成本原因悄然采用中国模型，这与电动汽车市场的演变逻辑相呼应。

---

1.8 Tesla 以 20 亿美元收购 AI 硬件公司（新增）

@PolymarketMoney 报道称（80 个赞，2,580 次浏览）称，Tesla 已同意收购一家 AI 硬件公司，交易总额最高可达 20 亿美元，支付形式为股票和股权奖励。@NotATeslaApp 提供了 2026 年第一季度财报的完整回顾（7 个赞，760 次浏览）报道了 AI 硬件更新、FSD、Robotaxi 和 Optimus 的相关公告。

与前一天的比较： 4 月 22 日报道了 SpaceX 获得以 600 亿美元收购 Cursor 的选择权。今天，Tesla 这笔 20 亿美元的 AI 硬件收购，为 Musk 生态在 AI 基础设施领域再添一项重大并购信号。

---

2. 令人沮丧的事情

专业场景中的 AI 幻觉，仍无法靠人工复核解决——高

Sullivan & Cromwell 的失误仍是最具代表性的案例：时薪超过 2,000 美元的合伙人进行了初审和复审，却依然漏掉了虚构案例、捏造引语和不存在的法条。结构性问题在于，AI 生成内容能够通过表面合理性检查，而其体量又超出了人工审查者的承受范围。@Technimentals 声称，联邦法院中已有 1,000 多起类似案例。专业领域目前还不存在足够有效的验证工具。（来源）

AI 驱动的裁员缺乏明确过渡方案——高

Meta 裁减 8,000 名员工、CBA 裁减 120 个岗位，两者都明确与 AI 效率目标相关；与此同时，ServiceNow CEO 表示：“随着自然减员，你不必再补这些岗位。” 令人沮丧的是这种叙事方式：企业一边在 AI 基础设施上投入数十亿美元，一边把裁撤劳动力包装成“效率提升”。没有任何一家公司在宣布这些举措时，同时提出再培训、过渡支持或替代就业计划。（来源, 来源）

智能体治理仍停留在理论层面，而智能体已进入生产环境——中

@Saboo_Shubham_ 发布了一套五层智能体治理栈（身份、工具治理、策略执行、行为检测、统一安全态势），但 @rugbist_ 点出了从业者面临的现实鸿沟：“我们大多数人还停留在‘智能体向我要助记词’这一层。真正的问题是，怎么把这些东西真正执行起来。” 治理框架在理论上已经存在，但执行机制并不存在。（来源）

AI 训练数据来自已倒闭公司，且未经同意——中

Forbes 报道称，一些倒闭的初创公司之所以被清算，正是因为其 Slack 存档、Jira 工单和邮件线程会被 AI 实验室视为高价值训练数据。生成这些数据的员工从未预期它们会被用于训练 AI 模型。这一做法引发了关于同意、隐私，以及职场通信在清算中是否应被视为可提取资产的疑问。（来源）

---

3. 人们希望存在的东西

面向专业领域的 AI 输出自动验证工具

这一主题延续自 4 月 22 日。Sullivan & Cromwell 的幻觉失误已经连续第二天传播，再次凸显出自动验证工具的缺失：这类工具应能将 AI 生成的法律引文与真实案例数据库进行核对，在提交文件前标记捏造的引语，并验证法条引用。医疗、金融和工程等 AI 输出涉及专业责任的场景，同样需要这类能力。

智能体治理执行工具@Saboo_Shubham_ 的五层治理栈提供了概念框架，但目前还没有可用于生产环境的成熟工具来落实它。真正需要的是：AI 智能体的身份管理、工具使用策略执行、行为异常检测，以及统一仪表盘，让运维人员看清智能体在生产环境里到底在做什么。治理理论与执行实践之间的鸿沟，正是智能体悄然失效之处。

成本透明的 AI 智能体运营

@sentry 提问（2 个赞，83 次浏览）：“当系统里有 AI 智能体参与，而且这些智能体还会生成其他 AI 智能体时，你该如何监控系统？” LangWatch 在 PyPI 上的月下载量达到 318k，说明智能体监控已开始被早期采用。@showslikesummu 分享了 Caltryx（1 次收藏）：“实时 AI 成本可观测性 + 硬性预算约束”，以便在失控智能体耗尽预算之前将其扼杀。当前需求是：看清层层级联的智能体成本，并实现自动化成本控制。

---

4. 正在使用的工具与方法

工具	类别	评价	优势	局限
ChatGPT for Clinicians	临床 AI 助手	(+)	在 HealthBench Professional 上得分 59.0，高于医生的 43.7；引用可追溯至医学文献	仅适用于以文本为主的任务；影像和多模态推理尚未测试
AutoMetrics	LLM 评估	(+)	少于 100 个反馈点；较手工设计的评分标准提升 33.4%；发表于 ICLR 2026	仍处于学术阶段；是否已部署到生产环境尚不明确
n8n	工作流自动化	(+)	按 @dan__rosenthal 的说法，是 AI GTM 技术栈的核心；可覆盖大多数自动化场景	随着规模扩大，正转向基于代码的工作流
Claude Code	AI 智能体开发	(+)	为公司 OS 和 8 位数 GTM 技术栈中的 AI 智能体提供支持	属于多工具技术栈的一部分，并非独立方案
HolmesGPT	事故调查	(+)	面向 K8s、Prometheus、Jira、GitHub、PagerDuty 的 LLM 驱动根因分析	开源；成熟度尚不明确
LangWatch	智能体监控	(+)	PyPI 月下载量 318k；提供 trace 级监控和成本跟踪	用于生产级智能体监控仍处于早期阶段
MCP (Model Context Protocol)	AI 集成标准	(+)	Social Leverage 这家 VC 机构将其用于项目发掘、尽调和报告；被称为“AI 的 USB-C”	源自 Anthropic；采用广度尚不明确
Qwen 3.6 27B	开源 LLM	(+)	Apache 2.0 许可；在编程基准上胜过更大模型；经量化后可运行在配置不高的硬件上	刚刚发布；真实世界表现是否匹配基准成绩仍未知
EvoSkill	智能体自我改进	(early)	可根据失败轨迹自动优化技能；OfficeQA +7.5 分，SealQA +12.1 分	处于研究阶段（Sentient）

---

5. 人们正在构建什么

项目	构建者	功能	解决的问题	技术栈	阶段	链接
AutoMetrics	@michaelryan207 / Stanford + American Express	基于少于 100 个人类反馈点自动生成 LLM 评估指标	手工设计的 LLM-Judge 评分标准与人类判断相关性较弱	回归 + MetricBank（48 个精选指标）	已发表（ICLR 2026）	帖子
LLaDA2.0-Uni	inclusionAI	用于多模态理解与生成的统一扩散式 LLM	理解与生成分别需要不同模型	语义 tokenizer + MoE 主干 + 扩散解码器	已发表	论文
ARTEMIS	Stanford / CMU / Gray Swan AI	用于渗透测试的多智能体框架	AI 渗透测试智能体表现不如人类	动态提示生成 + 子智能体 + 自动分诊	已发表	帖子
EvoSkill v1	Sentient	通过失败轨迹分析自动研究 AI 智能体技能	依赖人工提示词工程来改进智能体	基准测试 + 编码智能体 + 进化引擎循环	Alpha	帖子
HolmesGPT	Open source	基于 LLM 的事故调查与根因分析	人工处理横跨 K8s、Prometheus、Jira、PagerDuty 的事故分诊	LLM + 多源集成	已发布	帖子
AI GTM Stack	@dan__rosenthal	面向 go-to-market 的 10 工具 AI 自动化层	人工 GTM 流程无法扩展到 8 位数规模	n8n + Claude Code + Supabase + Clay + HubSpot + vector stores	活跃（正扩展至 8 位数规模）	帖子
Social Leverage AI Stack	@howardlindzon	基于 MCP 的 VC 运营：项目发掘、尽调、报告	VC 机构坐拥数据密集型工作流，却仍依赖人工运作	MCP + Koyfin + Fiscal.ai + Ribbon.ai	活跃（300M 美元 AUM）	新闻简报
RoboChem-Flex	@NoelGroupUvA	成本 5,000 美元的全自主化学实验室	自动驾驶实验室对大多数研究团队而言成本过高	机器人流动化学 + AI 优化	已发表（Nature Synthesis）	帖子
LabWorld Factory	@AI4S_Catalyst	用于训练 AI 科学家的模拟宇宙：100 个实验室资产、1,000 项技能、10,000+ 份协议	AI 在接触真实试剂前需要先在数字环境中训练	模拟 + 可执行协议库	活跃	帖子

---

6. 新动态与值得关注的进展

ARTEMIS：AI 渗透测试智能体胜过 10 名人类安全专业人士中的 9 人

一篇来自 Stanford / CMU / Gray Swan AI 的论文，在真实企业环境中（约 8,000 台主机、横跨 12 个子网）首次系统性评估了 AI 智能体与人类网络安全专业人士的表现。具备动态提示生成和自动漏洞分诊能力的多智能体框架 ARTEMIS 总成绩位列第二，有效提交率达到 82%，胜过 10 名人类参与者中的 9 人。成本方面，ARTEMIS 各变体为 18 美元/小时，而专业渗透测试人员为 60 美元/小时。主要局限包括误报率较高，以及在基于 GUI 的任务上表现吃力。@p_misirov 指出（6 个赞，249 次浏览）：“用专有经验搭建的定制化 harness，在结果上会胜过任何前沿模型。”

商务部撤回由 Anthropic 研究员领导 CAISI 的决定

@TheElizMitchell 报道（41 个赞，3,156 次浏览）称，前 Anthropic 和 OpenAI 研究员 Collin Burns 原本将出任商务部人工智能标准与创新中心（CAISI）负责人，但该部门在入职流程期间改变了决定，转而选择能源部老将 Dr. Chris Fall。此次逆转发生之际，Anthropic 一方面被五角大楼称为“供应链风险”，另一方面据报道 NSA 又在使用其 Mythos 模型。这一人事反转表明，政府应如何处理与前沿 AI 实验室的关系，机构内部仍存在未解的张力。

EvoSkill：让智能体进化其他智能体

@bafspot 介绍了 EvoSkill v1（8 个赞，82 次浏览）介绍了 Sentient 的一套闭环系统：由编码智能体运行基准测试、研究失败轨迹，再由进化引擎提出并测试新的技能与提示词。整个过程无需人工提示词工程。结果显示：OfficeQA +7.5 分，SealQA +12.1 分，BrowseComp +5.3 分。这一架构意味着智能体改进正从人工设计，转向自动化元优化。

Microsoft 确认集成 Mythos；6 月推出预览版

@faststocknewss 报道（32 个赞，7,460 次浏览）称，Microsoft 计划将 Anthropic 的 Claude Mythos 模型直接纳入其安全开发生命周期。新的多模型 AI 驱动扫描方案预计将于 6 月推出预览版。评估显示，Mythos“相较此前模型有显著提升”。这延续了自 4 月 22 日以来的趋势，如今时间表也已明确。

---

7. 机会在哪里

**+++］ 专业领域中的 AI 输出验证**——Sullivan & Cromwell 的幻觉失误事件已传播两天且互动持续升温，同时 Forbes 报道已倒闭初创公司的数据被用于 AI 训练，这两者共同揭示了问题本身（AI 会生成看似可信的捏造内容）以及反馈循环（用职场沟通内容进行训练未必能提升可靠性）。能够自动将 AI 生成的法律引文、医学参考文献或金融主张与权威数据库进行核验的工具，切中了一个失败代价可能是诉讼、医疗事故或监管处罚的市场。据报道，仅美国联邦法院中就存在 1,000 多起类似案件。(［来源, 来源)

**+++］ AI agent 评估与监控基础设施**——ICLR 2026 上的 AutoMetrics 表明，只需极少人工反馈，自动评估指标就能胜过手工设计的评分标准。LangWatch 在 PyPI 上的月下载量达到 31.8 万次。Sentry 正在询问如何监控会生成其他 agents 的 agents。AI agents 的评估栈之于 AI agents，就像十年前的 CI/CD 之于软件：需求显而易见，工具链仍然碎片化，而最终赢家将拿下所有在交付 agents 的团队。(［来源, 来源)

**++］ 成本降低 70% 的 AI 驱动网络安全**——ARTEMIS 展示了 AI 渗透测试的成本为 18 美元/小时，而人工为 60 美元/小时，且提交有效率达到 82%。能力差距（GUI 任务、误报）正在缩小，而成本优势则是结构性的。那些无力负担持续人工渗透测试的安全团队，如今有了可用于基础覆盖的 AI 替代方案。(［来源)

**++］ 主权 AI 基础设施服务**——四个国家在同一天宣布了 AI 计划（Taiwan 金融 LLM、Canada 公共超级计算机、India AI centres、UAE 政府 agentic AI）。每个项目都需要模型训练、基础设施部署和劳动力发展方面的实施合作伙伴。机会存在于服务层：帮助各国政府执行其 AI 战略，而不只是构建模型。(［来源, 来源)

[+] MCP-native workflow automation for professional services -- Social Leverage ($300M AUM) built an AI-native stack using MCP for deal sourcing, diligence, and reporting. @dan__rosenthal 分享了一个正扩展至 8 位数规模的 10 工具 GTM 技术栈。其背后的模式是：专业服务公司正在拼装多工具 AI 技术栈，但通过 MCP 进行集成仍然要靠自己动手。若能面向特定垂直领域（VC、法律、咨询）提供托管式 MCP 层，就能缩短实施时间，并获取经常性收入。（来源, 来源)

---

8. 要点

1. ChatGPT for Clinicians 在 HealthBench Professional 上得分 59.0，高于人类医生的 43.7；与此同时，美国已有 72% 的医生在临床中使用 AI。 该基准测试考察文档记录、照护咨询和文献综合——这些正是 LLM 在结构上比时间紧张的人类更占优势的任务。AI 擅长文本、却不擅长影像，这一落差仍是核心限制。（来源）2. ICLR 2026 集中出现了一批智能体评测研究：AutoMetrics 仅用不到 100 条人类反馈就能生成评测指标（较手工设计的评分标准提升 33.4%）；斯坦福实验室则发布了 7 篇论文，涉及人机协作、智能体隐私风险和暗黑模式。 研究重点正从模型能力转向评测基础设施。（来源、来源）

2. 《经济学人》刊发封面文章称，AI 安全的“默认方案”正在制造双轨经济；与此同时，美国商务部撤销了原定聘用一名 Anthropic 研究员加入其 AI 标准机构的决定。 美国政府一边依赖 Anthropic 的 Mythos 模型（NSA），一边又将该公司视为安全威胁（五角大楼）。（来源、来源）

3. Meta 将裁减 8,000 名员工（10%）以对冲 AI 支出；CBA 正在削减 120 个岗位；ServiceNow CEO 表示，AI 已处理 90% 的客户服务工作，人员流失“未必需要补招”。 同一天出现了 3 个彼此独立的 AI 驱动型劳动力替代信号，且都未宣布任何转型方案。（来源、来源）

4. 同一天内出现了 4 项主权 AI 计划：台湾（金融 LLM）、加拿大（公共超级计算机）、印度（AI 卓越中心）、阿联酋（2 年内让 50% 的政府工作采用智能体 AI）。 路径虽各不相同——分别侧重行业专用模型、算力基础设施、人才能力和政府直接部署——但释放出的信号一致：主权 AI 已成为全球优先事项。（来源、来源）

5. 据多位从业者报告，美国企业正低调采用中国开源模型（GLM-5.1、Kimi K2.6）以提高成本效益。 “全球电动车市场发生过的事，会不会也发生在全球 AI 市场？”这个问题如今已有早期证据支撑。中国模型以仅为前沿模型定价一小部分的成本，提供了相近的编程表现；而且这类采用多发生在本地部署环境中，处于公开基准测试的可见范围之外。（来源、来源）

6. ARTEMIS 是一个多智能体渗透测试框架，在真实企业环境中，其表现超过了 10 名人类网络安全专业人员中的 9 名，成本为每小时 $18，而人类为每小时 $60。 这种成本下降具有结构性，但在基于 GUI 的任务和误报率方面仍存在能力差距。这篇来自斯坦福大学、CMU 和 Gray Swan AI 的论文，是首个对 AI 智能体与人类安全专业人员进行全面一对一比较评测的研究。（来源）

7. Tesla 已同意以最高 $2B 收购一家 AI 硬件公司，Microsoft 也确认将在其安全开发生命周期中集成 Claude Mythos，并于 6 月推出预览版。 并购和企业集成的信号仍在延续：AI 基础设施正通过收购（Tesla、4 月 22 日的 SpaceX/Cursor）和平台集成（Microsoft/Anthropic）走向整合。（来源、来源）