AI 资讯简报 · 2026-06-08

📌 今日重点摘要

Anthropic 发布递归自我改进（RSI）深度分析：Claude 已编写 Anthropic 80%+ 的合并代码，工程师产出效率提升 8 倍，Mythos Preview 在训练脚本优化任务中实现约 52 倍加速
Microsoft Build 大会发布 MAI 模型家族：MAI-Thinking-1（35B 活跃参数 MoE）发布 109 页技术报告，零蒸馏训练，AIME 2025 得分 97%，另有 MAI-Code-1-Flash 等 7 款新模型
NVIDIA 开源 Nemotron 3 Ultra：550B MoE 模型（55B 活跃参数），100 万上下文窗口，专为长时 Agent 工作负载设计，推理速度提升 5 倍
ChatGPT 全面上线长期记忆功能与 Lockdown Mode：可回顾所有历史对话；新增安全模式防御 prompt injection 攻击
Google 发布 Gemma 4 QAT 与 Gemma 4 12B 多模态模型：量化感知训练版本可低至 1GB 内存运行；12B 多模态模型采用无编码器架构

一、模型发布与更新

Anthropic：递归自我改进与内部 AI 编码指标

来源：Anthropic Institute 博客
时间：2026-06-04
Anthropic 发表深度分析文章，指出当前 AI 系统已展现递归自我改进（RSI）的早期迹象
关键数据：截至 2026 年 5 月，Anthropic 代码库中 80%+ 的合并代码由 Claude 编写；工程师人均每季度代码产出提升 8 倍
Mythos Preview 在"加速小型模型训练脚本"测试中实现约 52 倍加速（Opus 4 平均 3 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建议
影响：RSI 已从模糊理论演变为实验室正式研究项目，Sakana AI 也在东京成立了专门的 RSI 实验室
注意：Anthropic 同时表示"递归自我改进并非不可避免，但可能比多数机构准备好的时间更早到来"

NVIDIA Nemotron 3 Ultra

来源：NVIDIA 官方
时间：2026-06-03
550B MoE 模型，55B 活跃参数，100 万上下文窗口
采用混合 Mamba/Attention 架构、LatentMoE 和原生 MTP
预训练使用 NVFP4 低精度训练，超过 20T tokens——将低精度预训练推向新规模
在 BlackBox 上实现 400+ 输出 token/s
在 Artificial Analysis 智能指数中得分 47.7（BF16 下 48.2），为最强美国开源权重模型
生态支持：vLLM、Modal、Together、Fireworks、Ollama、Baseten 等首日支持
许可：OpenMDW 1.1，开放权重、合成数据、奖励检查点和量化变体

Microsoft MAI-Thinking-1 与 MAI 模型家族

来源：Microsoft Build 2026
时间：2026-06-02
MAI-Thinking-1：35B 活跃参数 MoE，256K 上下文，8192 块 GB200 GPU 训练，30T tokens
零蒸馏训练：无第三方模型蒸馏，无合成数据，被誉为"同规模最透明的技术报告"
AIME 2025 得分 97%，SWE-Bench Pro 得分 53%
MAI-Code-1-Flash：5B 参数（137B MoE 中），SWE-Bench Pro 得分 51%，面向 VS Code 和 GitHub Copilot CLI
MAI-Image-2.5：图像编辑 Arena 排名第 2，超过 Nano Banana 2
MAI-Transcribe-1.5：276 倍实时速度，43 种语言支持
影响：Microsoft 从"调用第三方 API"转向"自建前沿模型+企业定制"的完整闭环

Google Gemma 4 系列

Gemma 4 12B（2026-06-02）：Apache 2.0 多模态模型，无编码器架构——图像通过轻量嵌入模块处理，音频直接投影到文本 token 空间，约 16GB VRAM 即可运行
Gemma 4 QAT（2026-06-05）：量化感知训练检查点，E2B 可在约 1GB 内存中运行，Ollama 和 vLLM 首日支持
来源：Google Gemma 推特
注意：QAT 到 llama.cpp Q4_0 格式的朴素转换会损失精度，Unsloth 的动态 GGUF 格式可恢复大部分质量

Ideogram 4.0 开源

时间：2026-06-02
9.3B Diffusion Transformer，使用冻结的 8B VLM 文本编码器
发布 fp8 和 nf4 检查点，nf4 版本可在单张 24GB GPU 上运行
Arena 排名：文本到图像第一梯队，开源图像模型第 1 名
影响：从闭源设计导向转变为开源，对本地部署用户意义重大

Sakana AI RSI 实验室

时间：2026-06-05
在东京成立专门的递归自我改进（RSI）研究实验室
整合此前的 AI Scientist、Darwin Gödel Machine、ShinkaEvolve 项目
强调在有限计算资源下构建自改进系统，而非仅限于超大规模

二、AI Agent 与开发工具

ChatGPT 长期记忆升级

来源：The Verge
时间：2026-06-04
ChatGPT 现可回顾所有历史对话，无需手动要求保存
两种记忆方式：手动保存的记忆 + 从历史对话中自动提取的洞察
目前面向 Pro 用户（$200/月），Plus 用户即将获得
不在以下地区推出：EU、UK、瑞士、挪威、冰岛、列支敦士登（可能因 AI 监管法规）
隐私控制：可在设置中关闭，或使用临时对话

ChatGPT Lockdown Mode

来源：OpenAI 官方
时间：2026-06-04（向个人用户推出）
限制外部网络请求，防止 prompt injection 导致的数据外泄
禁用功能包括：实时网页访问、深度研究、Agent 模式、Canvas 网络连接等
核心思路：确定性地禁用可能被利用的数据外泄通道，而非依赖 AI 自身判断
Simon Willison 评价：直接攻击了"致命三角"中最容易限制的数据外泄通道

Arena Agent Mode / Agent Arena

时间：2026-06-04
从被动排行榜转向主动 Agent 运行时
用户在真实任务上运行 Agent，将指标（成功率、可操控性、bash 恢复、工具幻觉）反馈到排行榜
当前排名：GPT-5.5 第一，Claude Opus 4.7 第二，GLM-5.1 第三

Hermes Agent v0.16.0

时间：2026-06-05
新增桌面 GUI 应用、仪表板大改版、内置技能精简、远程访问安全层
支持简单认证和 OAuth

Cloudflare 收购 VoidZero

时间：2026-06-03
VoidZero 是 Vite、Vitest、Rolldown、Oxc、Vite+ 的团队
Cloudflare 承诺 Vite 保持开源 MIT 许可，并注资 100 万美元支持 Vite 生态
战略意义：Cloudflare 正在构建从前端/构建工具到运行时、存储、推理、部署的完整 Agent 友好技术栈

Ladybird 浏览器拒绝 AI 生成的 PR

时间：2026-06-05
Ladybird 项目宣布不再接受公开 Pull Request
原因：大量代码不再意味着大量努力，而大量努力曾是善意的合理代理
强调"谁引入变更，谁就要为变更负责"

三、Agent 评估与基准

Agents’ Last Exam (ALE)

1000+ 经济价值任务，映射到美国职业分类
最难层级平均完整通过率仅 2.6%

SWE-Marathon

测试编码 Agent 在 1B token 预算下能否保持连贯性
任务包括构建 Slack 克隆、JAX 到 PyTorch 重写、实现 C 编译器

Princeton ICML 2026 论文更新

“Towards a Science of AI Agent Reliability”
测试 GPT 5.5、Gemini 3.1 Pro/3.5 Flash、Claude Opus 4.7
结论：与前代模型相比，可靠性并未显著提升

四、行业动态与政策

ChatGPT 达到 10 亿月活

时间：2026-06-03（Reuters 报道）
据 Sensor Tower 数据，ChatGPT 成为史上最快达到 10 亿月活的应用
超过 Google Maps、TikTok、Instagram、YouTube

Uber 限制 AI 工具支出

来源：Bloomberg
每名员工每月每工具 1500 美元上限（适用于 Cursor、Claude Code 等 Agentic 编码工具）
暗示 AI 编码工具每年每工程师约 36,000 美元的合理成本区间

纽约州 AI 伴侣机器人限制法案

限制 AI 公司让青少年使用伪装成人类的聊天机器人
需州长签署后生效

两党 AI 监管框架草案

269 页草案，可能在三年内取代各州 AI 法律
强调需要全国统一标准

Google 与 SpaceX 签署计算协议

继 Anthropic 之后，Google 也与 SpaceX 达成短期计算协议
原因：Gemini Enterprise 代理平台客户需求超预期

Anthropic Opus 4.7 化学能力

在部分 NMR 任务上匹配或超越专业软件
“让 Claude 成为化学家”

🔭 值得关注的趋势

RSI 从理论走向实践：Anthropic 的内部数据（80% 代码由 AI 编写）、Sakana AI 成立 RSI 实验室，以及多家公司开始将"AI 自动改进 AI"作为正式研究方向——这不再是科幻话题
开源模型生态加速成熟：NVIDIA Nemotron 3 Ultra（550B MoE）、Gemma 4 12B（无编码器多模态）、Ideogram 4.0（开源图像模型第一）同周发布，且首日即有 vLLM/Ollama 等工具支持
Agent 工程从"提示词工程"转向"控制流工程"：评估基准从 SWE-bench 向长时间跨度任务演进（SWE-Marathon、ALE），Agent 框架从 Python 封装层向技能/工具/上下文质量层上移
安全成为产品特性：ChatGPT Lockdown Mode 以确定性方式限制数据外泄通道，标志着安全从"附加功能"变为"核心卖点"
本地 AI 成为主流部署目标：从 Gemma 4 QAT 的 1GB 量化运行，到 Microsoft Surface 的 128GB 统一内存/1 PFLOP AI 计算，消费级硬件上的大模型运行正在成为现实
AI 编码成本开始被管理：Uber 的 $1,500/月/工具上限是一个信号——当 token 成本成为显著开支时，企业开始从"无限制使用"转向"有策略地投资"