AI 每日观察：当 AI 开始自己写 AI

2026 年 6 月 6 日

过去 24 小时，AI 领域发生了几件值得深入讨论的事情。它们看似独立，但串在一起看，指向一个共同方向：AI 正在从"被人类使用"加速转向"自我迭代"。

递归自我改进不再是理论

Anthropic 今天发布了一份令人不安（或兴奋，取决于你的立场）的报告：2026 年 5 月，其生产代码库中超过 80% 的合并代码由 Claude 自己编写。工程师的人均季度代码产出较 2021-2025 基线提升了 8 倍。

更值得注意的是内部数据：在开放式工程问题上，Claude 的成功率在 6 个月内从约 26% 攀升至 76%。在 AI 训练代码优化任务中，内部 Mythos Preview 模型实现了 52 倍加速——而人类开发者通常需要 4-8 小时的手动重构才能达到 4 倍。

Anthropic 用"递归自我改进"这个词来描述这个趋势。他们的路线图很清晰：2021-2023 是人类手写代码，2023-2025 是 chatbot 辅助，2025-2026 是 coding agent 自主编写，现在是 agent 可以运行代码、调试环境并将数小时的工作委派给子 agent。

对企业的启示不仅仅是"用 AI 写代码"。Anthropic 发现，当 AI 生成的代码量激增时，人类代码审查立刻成为瓶颈。他们的解决方案是部署自动化 Claude Reviewer，直接集成到 CI/CD 流水线中。这个 reviewer 捕获了约 1/3 的历史生产故障。另一个案例中，一位工程师让 Claude 自主修复一类 API 错误，模型在无人干预下交付了 800 多个修复，将错误率降低了 1000 倍——人类估计需要 4 年才能完成同样的工作。

这不是科幻。这是正在发生的现实。

操作系统开始为 Agent 筑墙

当 AI Agent 越来越自主，安全问题就越来越紧迫。微软在 Build 2026 上给出了一个可能是迄今为止最重要的回答：Microsoft Execution Containers (MXC)。

MXC 不是一个产品，而是一个嵌入 Windows 内核的 SDK 和策略模型。开发者或 IT 管理员可以声明 Agent 可以访问哪些文件、目录和网络资源，操作系统在运行时强制执行。现场演示中，OpenClaw Agent 被要求删除桌面上的所有文件——它尝试了，但沙箱阻止了它。

MXC 的设计核心是"可组合沙箱频谱"：从轻量进程隔离（GitHub Copilot CLI 已采用）到微虚拟机、Linux 容器，再到 Windows 365 云实例，可根据 Agent 的行为动态调整隔离级别。每个 Agent 绑定强身份标识（本地 ID 或 Microsoft Entra 云身份），所有操作可审计、可归因。

这是对"越自主越危险"悖论的直接回应：不是限制 Agent 的能力，而是从根本上控制它运行的环境。

本地推理的回归

过去两年，AI 行业几乎一边倒地押注云端推理。但本周的 Computex 2026 释放了一个强烈信号：本地推理正在回来。

Google 发布了 Gemma 4 12B，一个 11.95B 参数的开源多模态模型，采用创新的无编码器统一架构。音频波形和视觉 patch 直接投射到 LLM 嵌入空间，无需独立编码器——这意味着更低的延迟和更少的内存占用。256K token 上下文窗口，原生函数调用支持，Apache 2.0 许可，只需 16GB 显存就能在笔记本上运行。

微软则发布了 Surface RTX Spark Dev Box，搭载 NVIDIA RTX Spark 处理器和 128GB 统一内存，可本地运行 120B+ 参数模型。3D 打印铝制机箱兼作散热器，持续功耗仅约 100W。微软的潜台词很明确：开发者可以在本地完成大部分推理工作，只在需要前沿模型时才调用云端。

Perplexity 的做法更有意思。他们在 Computex 上展示了首个混合本地-云端推理编排器——系统可以自动决定每个任务在本地还是云端执行，用户无需提前选择。敏感数据留在设备上，需要前沿模型能力的任务发送到云端。CEO Aravind Srinivas 与 Intel CEO Lip-Bu Tan 同台演示，用 Intel Core Ultra Series 3 芯片处理机密交易材料。

这三件事的共同指向是：编排层可能比单个模型更重要。未来的 AI 基础设施不是"云 vs 本地"，而是智能地在两者之间路由。

Codex 从编程助手变成企业操作系统

OpenAI 对 Codex 的定位正在发生根本性转变。本周的更新引入了三个关键功能：

Sites 将静态数据或文档转化为可交互的 Web 应用。财务分析师可以将电子表格变成情景规划器，通过安全 URL 分享给高管，对方可以直接在 Web 应用中调整假设——而不是点击文档标签页。

角色插件 是模块化的软件包，6 个插件集成了 62 个 SaaS 应用和 110 个自动化技能。数据分析师用它可以连接 Snowflake、Databricks、Tableau；创意团队可以对接 Figma、Canva、Shutterstock；销售团队可以整合 Salesforce、HubSpot、Slack。

Annotations 解决了一个实际痛点：之前让 AI 修改电子表格的某个图表，模型往往会重写整个文件，破坏自定义格式。Annotations 让模型只操作用户选中的数据区域，不动其他部分。

非开发者用户已占 Codex 500 万周活用户的 20%，采用速度是工程师的 3 倍。OpenAI 显然在押注：AI 的真正市场不是程序员，而是所有知识工作者。

价格战与开源之争

API 定价继续下探。小米 MiMo-V2.5 Flash 以 $0.40/1M token 的合计价格位居最低，DeepSeek V4 Flash 紧随其后（$0.42），Qwen3.7-Plus 以 $2.00 提供多模态能力。相比之下，GPT-5.4 为 $17.50，Claude Opus 4.8 为 $30.00。

但价格不是唯一的故事。阿里巴巴的 Qwen3.7-Plus 虽然价格有竞争力，但采用了闭源商业许可——这对一直依赖 Qwen 开源生态的企业（如 Airbnb）是个打击。开源与闭源的边界正在变得模糊：Google 在开源端发力（Gemma 4，Apache 2.0），而中国厂商开始收窄开源范围。

值得关注的趋势

递归自我改进正在发生：不是理论推演，而是有数据支撑的现实。Anthropic 的 80% 代码由 AI 编写只是一个开始。
Agent 安全成为操作系统级关注：MXC 的出现意味着安全沙箱不再是应用层的选择，而是平台级的原语。
本地推理的战略价值被重新评估：从芯片厂商（NVIDIA RTX Spark）到应用层（Perplexity 混合推理），整个栈都在为本地推理做准备。
AI 工具从"开发者专属"走向"全员使用"：Codex 的 20% 非开发者用户只是开始。
中国 AI 模型价格极低但开始闭源：低价策略吸引用户，闭源策略锁定生态——这是一个值得警惕的组合。

本文基于 2026 年 6 月 5-6 日公开报道整理，信息来源包括 VentureBeat、The Verge、Anthropic Institute 等。部分数据来自厂商自披露，未经独立验证。