AI 周报：当 AI 开始自己写自己

2026 年 6 月第一周，AI 领域发生了一件值得用历史眼光审视的事：Anthropic 公开承认并量化了 AI 正在加速 AI 开发本身。与此同时，Microsoft 以前所未有的透明度发布了自研前沿模型，NVIDIA 在开源大模型赛道投下一枚重磅炸弹，而 OpenAI 则为 ChatGPT 打上了安全补丁。

递归自我改进：从论文标题到工程指标

本周最值得深入讨论的不是某个新模型的发布，而是 Anthropic 在其研究院博客上发表的一篇关于递归自我改进（Recursive Self-Improvement, RSI）的深度分析。

这篇文章之所以重要，不是因为它提出了新理论，而是因为它提供了可验证的内部数据：

截至 2026 年 5 月，Anthropic 代码库中 80% 以上的合并代码由 Claude 编写
工程师人均每季度代码产出提升了 8 倍
在内部"加速小型模型训练脚本"测试中，Claude Opus 4 实现了约 3 倍加速，而 Mythos Preview 达到了惊人的 52 倍
在研究人员走错方向的实验中，Mythos 有 64% 的时间给出了更好的下一步研究建议

这些数字背后有一个关键的区分：AI 在执行已知方法方面已经非常出色（从 26% 到 76% 的开放性工程任务成功率），但在判断哪些问题值得解决方面仍有显著差距。这正是当前 AI 系统与"能够自主设计自身后继者"之间的鸿沟。

与此同时，Sakana AI 在东京成立了专门的 RSI 研究实验室，整合了此前的 AI Scientist、Darwin Gödel Machine 和 ShinkaEvolve 项目。RSI 正在从学术概念演变为实验室正式投入的研究方向。

对开发者的意义：你可能不需要担心 AI 会取代你的工作——但你需要适应一个你的代码助手比你写得更多、写得更快的世界。审查、架构判断和问题选择正在成为更有价值的技能。

Microsoft Build：从"API 调用者"到"模型制造者"

Microsoft 在 Build 2026 大会上完成了身份转变：从 OpenAI 的最大客户，变成了一家有自研前沿模型的 AI 公司。

MAI-Thinking-1 是这场转变的核心。35B 活跃参数的 MoE 架构，256K 上下文窗口，在 8192 块 GB200 GPU 上训练了 30T tokens。关键指标：AIME 2025 得分 97%，SWE-Bench Pro 得分 53%，盲测中人类评估者整体偏好超过 Sonnet 4.6。

但真正引起研究社区关注的不是基准分数，而是那份 109 页的技术报告。多位研究者称其为"同规模最透明的模型报告"：

零蒸馏训练：没有使用任何第三方模型的蒸馏数据，也没有合成数据
从零开始的强化学习：从一个没有推理能力暴露的检查点开始 RL 训练
完整的 scaling ladder 方法论：包括架构提升效率指标（Efficiency Gain）、MFU 数据和精确的 tokens-per-parameter 消融实验
数据配比细节：50% 代码、17.5% STEM、17.5% 数学、10% 通用知识、5% 多语言

配套发布的还有 MAI-Code-1-Flash（5B 参数，SWE-Bench Pro 51%）、MAI-Image-2.5（图像编辑 Arena 第 2 名）和 MAI-Transcribe-1.5（276 倍实时速度，43 种语言）。

更深层的战略意义：Microsoft 同时推出了"Frontier Tuning"概念——基于强化学习环境的工作流特定适配。内部 Excel 导向的 MAI 微调模型在相关任务上达到了 GPT-5.4 级质量，同时效率提升 10 倍。这意味着"通用模型 + 领域微调"正在成为企业 AI 部署的新范式。

NVIDIA 开源 550B 参数大模型

NVIDIA 发布的 Nemotron 3 Ultra 是本周开源领域最重要的事件。

550B 参数的 MoE 架构，55B 活跃参数，100 万上下文窗口。架构上融合了混合 Mamba/Attention、LatentMoE 和原生 MTP（多 token 预测）。预训练使用 NVFP4 低精度格式，超过 20T tokens——这是低精度预训练在这一规模上的首次尝试。

在 Artificial Analysis 智能指数上得分 47.7（BF16 下 48.2），成为最强的美国开源权重模型。在 BlackBox 上实现 400+ 输出 token/s。

更重要的是其开放程度：权重、合成数据、奖励检查点、量化变体和完整训练方案均在 OpenMDW 1.1 许可下发布。首日即有 vLLM、Modal、Together、Fireworks、Ollama、Baseten 等平台支持。

对本地部署者的意义：配合 Gemma 4 QAT（最低 1GB 内存可运行）和 Ideogram 4.0（单张 24GB GPU 可运行的开源图像模型），本周标志着本地 AI 部署从"技术演示"向"生产就绪"的转变。

ChatGPT 的安全与记忆：两个方向的进化

OpenAI 本周同时推进了两个看似矛盾的方向：让 ChatGPT 记住更多，同时限制它能做什么。

长期记忆

ChatGPT 现在可以回顾你所有的历史对话，无需你手动要求保存。这意味着它可以从几周前的对话中提取上下文，为当前问题提供更相关的回答。目前仅面向 Pro 用户（$200/月），且不在欧盟、英国等有严格 AI 监管的地区推出。

这与 Google 今年 2 月为 Gemini 推出的类似功能形成呼应。AI 助手正在从"无状态工具"向"有记忆的伙伴"演进。

Lockdown Mode

OpenAI 正式推出 Lockdown Mode，一种可选的安全设置，通过确定性地禁用可能被利用的功能来防止 prompt injection 导致的数据外泄。

被禁用的功能包括：实时网页访问（仅保留缓存内容）、深度研究、Agent 模式、Canvas 网络连接等。

Simon Willison 的评价切中要害：Lockdown Mode 直接攻击了"致命三角"（Lethal Trifecta）中最容易限制的数据外泄通道。它的存在本身就暗示：ChatGPT 的默认设置并不能对足够 determined 的数据外泄攻击提供可靠防护。

其他值得关注的事件

ChatGPT 达到 10 亿月活：据 Sensor Tower 数据，成为史上最快达到这一里程碑的应用
Uber 限制 AI 编码工具支出：每人每月每工具 $1,500 上限，暗示每工程师每年约 $36,000 的合理成本区间
Cloudflare 收购 VoidZero（Vite 团队）：构建从前端到推理的完整 Agent 友好技术栈
Ladybird 浏览器拒绝 AI 生成的 PR：开源社区开始直面 AI 代码贡献的治理问题
纽约州通过 AI 伴侣机器人限制法案：限制 AI 对青少年伪装成人类
Google 与 SpaceX 签署计算协议：继 Anthropic 后第二家，因 Gemini Enterprise 代理平台需求超预期

本周观察：Agent 工程的范式转移

几个信号共同指向同一个方向：Agent 工程正在从"提示词工程"转向"控制流工程"。

评估基准的时间跨度在拉长：从 SWE-bench 的单个任务，到 SWE-Marathon 测试 1B token 预算下的连贯性，到 Agents’ Last Exam 用经济价值任务评估
框架层在上移：从 Python 封装层（如 LangChain）向技能/工具/上下文质量层演进
"写循环"取代"写提示"：多位开发者表示，他们不再写 prompt，而是写控制循环
Agent 可靠性仍是瓶颈：Princeton 的 ICML 2026 论文测试了 GPT 5.5、Gemini 3.1 Pro、Claude Opus 4.7，结论是可靠性并未显著提升

这些变化对开发者的实际影响是：你需要学习的不是如何写更好的 prompt，而是如何设计更好的控制流、评估系统和错误恢复机制。

结语

2026 年 6 月的第一周，AI 领域同时发生了几件具有历史意义的事：一家头部 AI 公司公开量化了 AI 正在加速 AI 开发；Microsoft 完成了从"API 调用者"到"模型制造者"的身份转变；开源大模型在规模和质量上同时跃进；而 ChatGPT 则在记忆与安全两个维度上同步进化。

最值得关注的不是任何单一事件，而是它们共同指向的趋势：AI 正在从被使用的工具，变成参与自身进化的系统。这个转变的速度可能比多数人预期的更快。