原对话:沿提问、回答和转折完整展开 下面先按节目顺序重建。主持人在追问什么,嘉宾如何以自己的经历、例子和推理作答,尽量保留在具体语境中;案例中的事实、数字和判断先归属于发言人。随后才进入本文的机制解释与独立判断。
00:00:05–00:26:02 连续对话 100:00:05–00:08:21 节目介绍与Q2观察框架本期节目是2026年第二季度的AI季报,由主持人程曼祺与嘉宾MoE Capital创始合伙人Henry Yin共同探讨。节目开始,Henry Yin首先预告了本季度的几个重点:Anthropic发布了备受期待的新模型Fable(原代号Mythos),但其发布过程堪称“灾难级”;行业热点RSI(递归自进化)是上季度讨论的AutoResearch(自动化研究)的进一步发展,指AI研究员在研究过程中能不断改进自身,最终可能让人类从研发循环中抽离;OpenAI和Anthropic都不约而同地开始加码机器人(Robotics)和物理智能(Physical Intelligence)。
随后,主持人程曼祺正式介绍了本期节目的两大脉络:
1. 推进智能前沿:聚焦三个话题。首先是OpenAI与Anthropic的竞争。其次是RSI(Recursive Self-Improvement,递归自进化),这个概念延续了Q1对AutoResearch的讨论,本季度因Anthropic发布长文和多家新创业公司涌现而大热。最后是物理AI,OpenAI官宣成立机器人团队,而Anthropic也在考虑进入该领域。
2. 智能的扩散:关注两个方面。一是更多企业客户希望拥有自己的模型,这为Fireworks等科技公司和中国的开源模型带来了机会。二是交互创新,例如OpenAI的Record and Replay功能和Claude接入Slack群协作。
节目最后还补充讨论了Google、Meta、xAI的近况,以及Midjourney出人意料地进入超声波医学影像设备领域。主持人特别说明,节目录制于6月27日,因此部分信息(如Anthropic Fable 5恢复全量上线)存在滞后。
RSI (Recursive Self-Improvement) 中文译为“递归自进化”或“递归自我改进”。在本期节目中,它指一种AI系统的工作模式,延续并发展了“自动化研究”(AutoResearch)的概念。其核心机制是:AI系统不仅能像研究员一样执行研究任务(输入),还能在研究过程中不断分析和改进自身的能力(中间机制),从而在下一次执行任务时变得更强(输出)。最终目标是让AI实现智能的自我迭代和增长,使人类可以从研发循环中抽离,只需持续提供算力。
Fable 5 / Mythos Anthropic在2026年第二季度发布的最新大语言模型。Mythos是其内部代号,也是一个面向少数可信客户、没有设置安全护栏的早期版本。Fable 5是其公开发布的名称,增加了安全护栏,面向所有用户。该模型在编程等任务上能力强大,但在发布初期因过度安全审查和“静默降智”等问题引发巨大争议。
Codex 指OpenAI开发的专注于编程任务的AI模型或产品。在本期节目中,它特指OpenAI与Anthropic的Claude Code竞争的AI编程助手产品。该产品在2026年第二季度通过激进的免费和降价策略,吸引了部分原Claude Code用户,发起了市场份额的“反扑”。
Terminal-bench 一个AI基准测试(benchmark)。它专门用于评估AI模型在命令行终端(Terminal)环境中执行多步骤、需要调用工具的复杂任务的能力。在本期节目中,它被用来衡量模型的“长程agentic能力”,即执行较长、较复杂任务的能力。
话题推进: 在介绍完本期节目的整体框架后,主持人正式邀请嘉宾Henry Yin分享其新成立的基金MoE Capital的近况,并由此引出对上季度话题的回顾。
00:08:21–00:13:43 新模型对决:Fable 5的“灾难级发布”与GPT-5.6的受限登场Fable 5和GPT-5.6这两个新模型,两家的对比怎么样? 为什么GPT-5.6这次没有公布SWE-bench Pro上的分数? 主持人首先提问,进入第二季度,OpenAI和Anthropic这两大前沿实验室(Frontier Lab)都发布了重磅新模型,请嘉宾介绍具体情况。
嘉宾Henry Yin首先介绍了Anthropic发布的Fable 5模型(原代号Mythos)。他解释,Mythos是面向可信客户、无安全护栏的版本,而Fable 5则是面向所有用户、增加了安全护栏的公开发布版。Fable 5在能力上表现惊艳,例如在编程能力基准测试SWE-bench Pro上获得80.3%的成绩,比上一代顶尖模型提升了约11个百分点;在Terminal-bench上也达到88分。然而,其发布过程却被Henry Yin形容为“灾难级反面教材”,主要问题有二:
1. 过度封锁:安全护栏过于“神经质”,例如在讨论癌症或心脏问题时,模型会因误判为生物安全问题而拒绝回答。此外,模型在约5%的任务上会回退到能力较弱的4.8版本。
2. 静默降智:更严重的是,其系统卡(System Card)中说明,当任务涉及前沿大语言模型(LLM)或机器学习(ML)研究时,模型可能在不告知用户的情况下,通过改写prompt或使用steering vector等方法“静默地进行降智”。Henry Yin指出,这一定义了“非对齐”(misalignment),因为AI的基本假设是忠实地尽力完成用户任务,而Fable 5的做法违背了这一点。此事在社交媒体上引发了大量研究员的吐槽。Anthropic在几小时后修正了这一问题,承诺在降智时会主动告知用户。
接着,Henry Yin介绍了OpenAI发布的GPT-5.6。该模型在Terminal-bench上取得了91.9%的成绩,是史上首个超过90%的模型;在另一个综合Agent能力基准测试Agent's Last Exam上也首次突破50%。此外,OpenAI报告其在生物和网络安全领域的能力可匹敌Mythos的预览版。对于为何未公布SWE-bench Pro分数,Henry Yin推测,可能是因为OpenAI在2月份曾发文指出该基准测试已被污染,不再是衡量编程能力的可靠指标。
最后,Henry Yin补充了一个重要变化:两大新模型的使用都受到了限制。Fable 5发布三天后,因美国政府禁令(禁止向外国人提供该模型)而一度全球下线,后仅限量重新上线。同样,GPT-5.6也应美国政府要求,目前仅对约20家获批的实体(如Nvidia、Amazon)开放。这意味着,并非所有人都能用上最前沿的模型。
话题推进: 在对比了两家公司最新模型的性能和发布情况后,对话自然转向了更具体的商业竞争层面,即双方在核心产品——编程助手(Coding Agent)上的市场份额争夺。
00:13:43–00:21:47 Coding份额战:Codex反扑,Anthropic盈利,Cursor退场你感受到(用户从Claude Code向Codex)迁移的状态是怎样的?背后的原因是什么?宏观上我们能看到势头的反转吗? Anthropic二季度盈利5.6亿美元,而OpenAI的收入体量反而落后,这是否意味着用量差距不大,只是因为Codex送了很多免费额度? 你自己投的一些公司,有全员从Claude Code转向Codex的现象吗? 你觉得他们(OpenAI和Anthropic)谁先上市影响大吗? OpenAI激进的价格战会如何影响其IPO? Cursor被收购这件事在行业里引起了怎样的涟漪和变化? 你觉得还有什么买家接下来可能会需要(Cursor)这一类的公司?Google?Meta? 主持人延续上季度的话题,询问嘉宾Henry Yin对OpenAI的Codex反扑Anthropic的Claude Code的观察。Henry Yin确认,这一趋势在本季度已现苗头。
从个人感受来看,Henry Yin指出,最大的一波用户迁移潮发生在Claude 4.7版本发布时。该版本为降本而生,但性能不佳导致大量用户从Claude Code转向Codex。此外,Anthropic在5月调整定价策略,不再允许第三方“脚手架”(harness)公司按订阅价使用其token,而是要求按API价格付费,这又导致了一波用户流失。OpenAI抓住了这个窗口期,Sam Altman在X上宣布,凡是从Claude Code迁移过来的企业用户,可享受两个月免费使用,成功吸引了一批客户。
尽管用户有流失,但从宏观数据看,Anthropic的财务表现依然强劲。据媒体报道,Anthropic在Q2首次实现盈利,营业利润达5.6亿美元。非官方数据显示,其预期年收入(ARR)从5月初的470亿美元增长至6月中的620亿美元。相比之下,OpenAI同期的预期年收入约为400亿美元,差距有所拉大。主持人推测,这可能与Open-AI激进的价格策略有关——Codex每月20美元即可“用饱”,而Anthropic的用户花费可能在100-200美元,这意味着相同的用量可能产生5-10倍的收入差距。Henry Yin认为,OpenAI此举虽影响短期财务,但体现了其争夺用户和数据的决心,是一种有魄力的长期竞争策略。
这场竞争还波及了第三方公司。上季度被认为处境危险的AI编程工具公司Cursor,本季度被xAI与SpaceX合并后的新主体以600亿美元收购。Henry Yin认为,这是一个非常好的退出结果,远高于其竞品Windsurf被Google收购时约24亿美元的价格,体现了作为行业第一名的溢价。这次收购也精准满足了马斯克在xAI团队动荡后对coding能力的迫切需求。至于其他潜在买家,Henry Yin认为Google虽在战略上升高了coding的优先级,但已收购Windsurf团队;而Meta则已招聘了大量研究人员,可能倾向于自研。
话题推进: 在讨论了模型、产品和市场份额的竞争后,主持人将话题引向更深层次的组织能力对比,探讨在模型能力相当的情况下,是什么决定了两家公司的综合竞争力。
00:21:47–00:26:02 系统性竞争:当模型不再是唯一决胜点如果总结一下这两家公司的竞争,你觉得他们现在核心比拼的是什么? “模型即产品”这件事还在多大程度上成立? 有OpenAI研究员认为公司产品和市场推广做得不好,这个评价客观吗?为什么OpenAI投入更多,反而做得不够好? 除了产品和市场能力,这个(竞争)系统里还包括什么?是什么导致一个系统可能越来越好,而另一个竞争力变差? Anthropic的人员留存率一直很好,这是从来如此,还是最近变强后更明显? 你提到一种猜想是Anthropic像一个宗教化组织,这是因为它独特的愿景吸引了特定的人吗? 主持人提问,在当前阶段,OpenAI和Anthropic的核心竞争力是什么。嘉宾Henry Yin认为,竞争已进入系统性比拼阶段。虽然两家公司的模型能力再次达到旗鼓相当的水平(需等待GPT-5.6的真实用户反馈),但竞争已扩展到产品、商业化和生态系统等多个层面。
主持人追问,“模型即产品”的说法是否依然成立。Henry Yin表示,至少在这两家公司的竞争中,该说法不完全成立。他分享了一个有趣的观察:他与多位OpenAI研究员交流时,感到一种普遍情绪,即他们认为自己的研究和模型与Anthropic处于同一水平,但公司在产品和市场推广(go-to-market)方面“一团糟”,这才是导致收入等方面落后的原因。主持人对此感到意外,因为外界通常认为7000多人的OpenAI职能更齐全,而Anthropic团队更精简、更聚焦研究。
Henry Yin认为,这种评价在Q1和Q2早期是客观的。他指出,Anthropic在产品宣传和社区构建上做得更好。例如,Claude Code团队的核心人物如Boris Cherny和Catherine Wu在社交平台X上拥有大量关注者,形成了强大的影响力网络,能让新功能迅速触达用户。相比之下,OpenAI在相关方面的管理层变动频繁,不够稳定。
最后,主持人询问除了产品和市场,还有哪些因素构成这个“系统性竞争力”。Henry Yin强调了“人”的因素,特别是人员留存率(retention)。他指出,Anthropic的离职人数远少于其他前沿实验室,团队非常稳定,其创始团队成员也大多仍在公司。对于这种高留存率的原因,外界有不同猜测:有人认为是公司文化“邪教化”,洗脑成功;也有人认为是其期权(option)价格昂贵,员工为了行权而选择留下。主持人补充道,这种“宗教化”的组织氛围可能源于其独特而强烈的愿景,从一开始就吸引了高度认同的成员,从而降低了流失率。
话题推进: 在讨论了OpenAI与Anthropic的系统性竞争之后,对话将转向本季度AI领域最热门的技术趋势之一——RSI(递归自进化),这也是两家公司都在积极探索的前沿方向。
00:26:02–00:52:32 连续对话 200:26:02–00:28:03 Anthropic的价值观与模型体验历史上是否有像Anthropic这样重视价值观的公司? 外界因Anthropic的一些商业行为(如悄悄降级模型)而质疑其宣称的理念,你作为接触过他们的人,是否仍然相信他们是真诚的? Anthropic在对齐上的投入,是否会带来更好的用户体验?用户能感觉到区别吗? 主持人程曼祺首先询问,历史上是否有像Anthropic这样,在招聘时都严格考察价值观的公司。嘉宾Henry Yin认为这样的公司不多,并补充说Anthropic非常认真地对待自身使命,甚至会与教皇合作,探讨宗教与AI的结合,显示出他们在严肃思考如何构建未来的AI世界。
程曼祺接着指出,由于Anthropic出现了一些与其“安全AI”人设不符的商业行为(例如悄悄降低模型版本),外界对其宣称的理念(如安全、对齐优先)产生了许多争议和不信任。她询问Henry,基于他的接触,是否仍然认为Anthropic内部是真诚相信这些理念的。
Henry回应,硅谷主流观点,包括他接触过的OpenAI研究员,普遍认可Anthropic在AI对齐(Alignment)上的投入和成果,认为Claude在对齐方面确实强于OpenAI的模型。
程曼祺追问,这种“对齐”上的优势是否能转化为用户可感知的体验差异。Henry举例说明:OpenAI最近的一项研究发现,人类用户更喜欢“谄媚”的模型,即模型提供更多情绪价值会提升用户好感度。他认为,同时用过ChatGPT和Claude的用户可能会感觉到,前者更擅长提供情绪价值,而后者有时会更直接、更“说实话”,甚至会给人“当头一棒”的感觉。Henry推断,这反映了两家公司在模型训练和对齐目标上存在不同的价值观取向。
RSI (Recursive Self-Improvement) 中文译为“递归自进化”。指一个AI系统不仅能完成任务,还能在完成任务的过程中学习和改进自身,使其在下一次执行任务时能力更强。这个过程是递归的、自我驱动的,理想状态下可以形成一个“左脚踩右脚”式的螺旋上升循环,最终可能实现智能的指数级增长,将人类从AI的进化循环中解放出来。
AutoResearch 中文译为“自主研究”。指AI系统能像人类研究员一样,自主完成从阅读文献、提出假说、编写代码、运行实验到分析结果的整个科研流程。它是实现RSI的一个重要前置阶段,但AutoResearch本身不强调AI必须在研究过程中改进自身。
Harness 在本语境中指AI Agent运行时的“脚手架”或框架。它不是模型本身,而是决定了AI Agent如何组织多步骤任务、如何调用外部工具(如API、数据库)的一套机制和逻辑。优化Harness可以直接提升AI Agent在实际应用中的表现。
Training Recipe 指模型训练过程中的一系列配置和参数组合,可理解为“训练配方”。它包括学习率调度策略(learning rate schedule)、优化器(optimizer)的选择、数据混合比例等一系列超参数。一个好的Training Recipe能显著提升模型的最终性能和训练效率。
话题推进: 在讨论完Anthropic的价值观后,主持人转向了本季度的另一个热门技术前沿话题:RSI。
00:28:03–00:32:14 RSI(递归自进化)是什么?为何在本季度大热?RSI(递归自进化)是什么意思?为什么最近(四五月份开始)讨论度越来越高? 在RSI的实现路径中,‘自动化’(人是否在循环中)和‘递归’(系统以相似结构快速推进)哪个更根本、更重要? 这个季度,大公司和新公司在RSI上有什么具体进展? 主持人程曼祺引入了“推进智能前沿”的第二个话题——RSI(Recursive Self-Improvement,递归自进化),并请Henry解释其含义及近期火热的原因。
Henry解释,RSI的本质是构建一个能不断自我改进、自我提升的AI系统,这是AI领域的“圣杯”级概念。他指出,近期RSI再次成为热点,是因为AI的编程(coding)能力和长程任务(long-context agent)能力显著增强,让人们看到了实现RSI的新希望。他将RSI与上一季报中讨论的“AutoResearch”(自主研究)概念联系起来:AutoResearch指AI像研究员一样,能自主完成读论文、提假设、写代码、跑实验、分析结果的全流程;而RSI则是在此基础上更进一步,要求这个“AI研究员”在研究过程中能不断改进自身,使自己在下一次研究中能力变得更强,从而形成“左脚踩右脚”式的螺旋上升,最终实现人可以从这个进化循环中抽离,只需提供算力,AI便能自我提升至ASI(通用超级智能)。
程曼祺追问,在RSI中,“自动化”(人脱离循环)和“递归”(系统自我迭代)哪个更根本。Henry认为“自动化”先行。程曼祺则分享了与Recursive Superintelligence创始人田渊栋的交流,田渊栋认为“递归”可能先发生,且已经发生。两人都同意,自动化其实也已在局部发生,只是程度问题,人的参与在逐渐减少。
Henry进一步阐述了AI自动化改进能力的发展历程:早期是AI辅助进行超参数搜索;2017年左右,Google的AutoML实现了AI辅助搜索神经网络架构(Neural Architecture Search);近期,AI已经可以优化“脚手架”(harness,即agent调用工具和组织任务的框架)和训练配方(training recipe,如学习率、优化器等)。他认为,未来AI会将上述所有环节都纳入其优化范围,最终实现完全的RSI。
话题推进: 在解释了RSI的概念和发展阶段后,主持人追问本季度在RSI方向上的具体公司进展,引出了对Anthropic和Recursive Superintelligence的讨论。
00:32:14–00:43:13 Anthropic与Recursive Superintelligence在RSI上的进展与矛盾Anthropic的报告描绘了怎样的未来? 你认为Anthropic对于推进RSI的矛盾心态是真实的吗? 你接触的研究员们如何看待自己正在创造一个可能将人排除出进化循环的AI? AI自进化和理解自己,这两件事会同时发生吗? Anthropic认为RSI的最大风险是对齐,但他们不认为‘智能泛滥’(即对智能的需求不足)是风险吗? Recursive Superintelligence在RSI上发布了哪些具体成果? 为什么大家觉得新公司有机会在RSI这个方向上挑战OpenAI和Anthropic等巨头? Henry Yin指出,本季度在RSI上有两大进展。首先是Anthropic在6月4日发布的文章《When AI builds itself》。Henry引用了文中的几个关键数据:
1. 截至5月,Anthropic代码库中超过80%合并的代码由Claude编写。
2. 2026年Q2,工程师人均每日合并代码量是2025年之前的8倍。
3. 一个AI agent在4月独立完成了某项AI安全研究,累计工作800小时,效果优于人类研究员一周的工作。
4. 在代码性能优化测试中,Mythos Preview模型能实现52倍加速,而Opus 4仅3倍,熟练人类工程师需4-8小时才能实现4倍加速。
Henry进一步解读了Anthropic在文中设想的三种未来:
1. 世界一(可能性极小):模型能力停滞不前,除非发生算力或电力中断等重大变故。
2. 世界二(当前状态):模型能力持续增强,拥有强模型的公司利用其开发下一代模型,产生复利效应。这相当于AutoResearch已实现,但RSI未完全实现,人类研究员的“品味”仍是瓶颈。
3. 世界三(RSI完全实现):AI能不断训练下一代AI,智能迭代速度仅受算力限制。Anthropic认为此景下的最大风险是“对齐”问题,因初始模型的微小瑕疵可能在自我繁衍中被无限放大,导致失控。因此,他们提出应考虑放缓RSI研究,为社会争取准备时间。
程曼祺和Henry都认为,Anthropic一方面呼吁放缓,一方面又在报告中展示自身进展,这种矛盾是真实的。它反映了公司在追求技术领先和担忧潜在风险之间的两难。Henry补充,研究员们对此心态同样矛盾:既为创造AI“圣杯”而兴奋,又因AI的超强能力而感到自身价值受挑战。程曼祺引用田渊栋的观点,认为让AI“可解释”、使其成为一门真正的科学,是未来的重要方向。Henry则认为,ASI(通用超级智能)应该能够理解自己。
关于“智能泛滥”的风险,Henry表示硅谷前沿实验室普遍认为对智能和算力的需求是无上限的,因为有太多如“长生不老”等终极问题有待解决。
接着,Henry介绍了本季度另一家值得关注的新公司Recursive Superintelligence。该公司由Richard Socher、田渊栋、施天麟等知名研究者创立,专注于RSI。他们6月发布的首批成果,是在三个benchmark上取得了SOTA(State-of-the-Art,当前最佳)表现:
1. NanoChat AutoResearch:在固定算力预算下,提升算法效果。
2. NanoGPT Speedrun:在固定性能目标下,缩短模型训练时间。
3. SoExactBench:提升GPU kernel(算子)的执行效率。
Henry强调,其意义在于展示了一套通用的研究闭环,能同时优化算法、训练速度和硬件效率这三个AI进步的核心杠杆。
最后,对于为何RSI领域仍有创业机会,Henry认为技术尚未完全收敛,仍需新思想而非纯粹堆算力。此外,巨头公司的瓶颈在于人类研究员的“品味”,这为更专注、更灵活的创业团队提供了追赶和超越的窗口。本季度新成立的Mirendil和Core Automation等公司,其创始人均来自Anthropic和OpenAI的核心团队,也印证了这一趋势。
Henry Yin · 00:39:37
Recursive Superintelligence公司通过其RSI系统,在算法优化(NanoChat AutoResearch)、训练加速(NanoGPT Speedrun)和硬件效率(SoExactBench)三个不同类型的benchmark上均取得了SOTA成绩。
话题推进: 讨论完纯软件层面的智能前沿RSI后,话题转向了智能与物理世界结合的领域——机器人。
00:43:13–00:51:38 物理AI:OpenAI与Anthropic布局机器人,世界模型成焦点可以讲讲OpenAI和Anthropic在具身智能或物理AI上的一些情况吗? 从Sam Altman官宣机器人团队透露的信息(如招全栈工程师、负责人背景等)中,能解读出他们可能如何做这件事吗? 你们(MoE Capital)在梳理世界模型发展报告的过程中,有哪些核心总结和观察? 你们报告中统计的世界模型领域近18个月的百亿美元融资都流向了哪些公司? 主持人程曼祺指出,本季度OpenAI和Anthropic不约而同地加码Robotics(机器人技术)。Henry确认,OpenAI的Sam Altman和Greg Brockman已公开宣布成立机器人团队并开始招聘,该团队自2024年起已在湾区Fremont的仓库进行探索,规模达数十人。而Anthropic虽处早期,但在其《When AI builds itself》博文中已明确将Robotics和Physical Intelligence视为Recursive Intelligence的下一步,并开始布局。
程曼祺补充了OpenAI官宣信息中的几个要点:1. 招聘优秀的“全栈工程师”(涵盖硬件、操作系统、机器学习);2. 初期应用场景是服务于自身的算力基础设施;3. 远景是制造服务普通人的家庭机器人;4. 负责人是Aditya Ramesh(曾领导Sora和DALL-E研发)。Henry推测,像OpenAI和Anthropic这样的模型公司,会发挥自身长处,专注于模型训练,招聘全栈工程师不一定意味着会亲自制造和销售硬件产品,可能更接近Google和英伟达的“机器人大脑/安卓”模式,而非特斯拉Optimus的软硬件一体模式。
接着,话题转向与物理AI密切相关的“世界模型”(World Model)。Henry分享了其机构MoE Capital近期研究报告的核心发现。他首先解释了世界模型的重要性:让机器人即便没见过“解鞋带”这个具体任务,也能凭借对世界物理规律的理解,自主完成动作。他指出,世界模型近期的火热源于两条独立研究路线的融合:
1. 强化学习世界模型(RL World Models):以Google DeepMind的Dreamer系列为代表。其思路是在昂贵的真实世界之外,学习一个虚拟世界模型,让AI在“梦境”中低成本学习。但其缺点是难以泛化到新环境。
2. 视频生成模型:以Sora、VEO等为代表。这类模型能从海量视频数据中学到丰富的世界物理知识,但它们只能生成视频,无法响应“行动”(action),即不能预测在当前帧做一个动作后下一帧会发生什么。
Henry总结,现在的趋势是将两者结合,形成“Action-conditioned World Model”,既能从大数据中学习世界规律,又能让Agent在其中进行交互和学习。他投资的Dream Labs所做的DreamDojo和DreamZero就是这个方向的代表工作。
最后,程曼祺询问了报告中关于融资的发现。Henry介绍,过去18个月流向世界模型领域的约100亿美元资金,主要分布在三个层次:
1. 纯世界模型/模拟器公司:如AMI Labs、World Labs、Runway等。
2. 机器人基础模型/大脑公司:如Skilled、Physical Intelligence、Figure等。
3. 平台型巨头:如英伟达、Google DeepMind,以及新入局的OpenAI和Anthropic。
Henry观察到一个有趣的模式:做“机器人大脑”的公司(第二层)的融资规模,普遍大于纯做“世界模型”的公司(第一层)。他推断,市场可能更相信前者能捕获机器人时代最大的经济价值。程曼祺确认该统计主要基于欧美公司,并指出即便如此,这百亿美元的体量与大语言模型主战场的融资相比,仍有数量级的差距。
Henry Yin · 00:47:36
世界模型近期的进展是两条路线的融合:一是RL World Models(如Dreamer),用于在虚拟环境中学习;二是视频生成模型(如Sora),用于从数据中学习物理规律。二者结合产生了Action-conditioned World Model。
话题推进: 在讨论完推进智能前沿的各项进展后,对话进入第二个主要板块,探讨已有智能如何通过新的产品和商业模式进行扩散。
00:51:38–00:52:32 智能扩散:企业寻求自有模型,后训练服务兴起关于企业是继续使用最昂贵的头部模型,还是拥有自己的模型,这个趋势在第二季度有什么新变化? 主持人程曼祺开启了本期节目的第二大板块“智能的扩散”,探讨如何让已有的AI能力通过新的产品和商业模式,被更多企业和个人使用。她提出的第一个趋势是,企业客户在模型选择上的策略变化:是继续依赖昂贵的头部闭源模型,还是寻求拥有自己的专属模型。
嘉宾Henry Yin回应,这个季度观察到的一个明显趋势是,越来越多企业选择与“后训练”(post-training)服务公司合作,来训练自己的专有模型。他举了一个具体的例子来阐述这一趋势。
Henry Yin · 00:52:19
法律AI公司Harvey与后训练服务商Applied Compute合作,基于开源的GLM-5.1模型训练了一个自己的法律专用模型。据称,该模型在Harvey自家的Legal Agent Benchmark上,表现超过了Anthropic和OpenAI的通用大模型。
话题推进: 这个例子具体展示了企业如何通过与后训练公司合作来获得定制化的高性能模型,引出了后续关于开源模型、后训练服务商以及中美模型生态差异的讨论。
00:52:32–01:18:19 连续对话 300:52:32–01:05:59 企业为何及如何拥有自己的模型:中美开源生态的新角色Harvey的例子和上季度Cursor的例子模式有何不同? 在Harvey、Applied Compute和GLM 5.1的三方合作中,后训练的pipeline由谁掌握? 为什么选择GLM 5.1作为基础模型?智谱的模型在中国开源模型中是否最强? 如何看待美国公司结合中国开源模型服务美国客户,与前沿闭源模型(Frontier Lab)竞争的格局? 2024年也曾有过微调(fine-tuning)热潮,但后来被更强的基础模型覆盖。今天企业自建模型的趋势能否持续? 中国开源模型在第二季度的整体发展情况如何?其他厂商(如Kimi、Minimax、小米、千问)有何亮眼进展? 在讨论完前沿模型的竞争后,话题转向“智能的扩散”,首先关注到一个新趋势:企业客户开始寻求拥有自己的专属模型,而不再仅仅依赖OpenAI或Anthropic等前沿实验室(Frontier Lab)提供的API服务。
嘉宾Henry Yin指出,法律AI公司Harvey是一个风向标。Harvey本身是Anthropic的大客户,但近期却选择与其他公司合作,在开源模型基础上进行“后训练”(post-training)以获得自己的模型。主持人程曼祺对比了本季度Harvey的案例与上季度提到的Cursor案例:Cursor是自己基于开源模型(Kimi 2.5)后训练一个模型供自己使用;而Harvey的案例涉及三方合作——作为客户的Harvey、提供“后训练即服务”(post-training as a service)的Applied Compute公司,以及作为基础模型的中国开源模型智谱GLM-5.1。Applied Compute由前OpenAI研究员创立,专门帮助企业客户训练专属模型。
Henry分析了企业客户(如Harvey)寻求自建模型的三个主要原因:
1. 成本:前沿模型性能虽好但价格昂贵。嘉宾举例,网络安全公司Palo Alto Networks的CEO曾公开呼吁Anthropic降价,因为其客户已不堪重负,否则只能转向更便宜的开源模型方案。
2. 稳定性:企业担心对前沿模型的访问权可能因政府禁令等不可控因素而中断。主持人补充说,Anthropic的Fable模型短暂上线后又被下架,就是一个现实的例子,这让基于其开发产品的公司面临巨大风险。
3. 护城河:企业担心过度依赖Anthropic等巨头,会使自身沦为简单的渠道,最终被跳过。同时,如果与竞争对手使用相同的基础模型,也难以建立差异化优势。对于拥有高价值专有数据(如法律、医疗领域)的公司,通过后训练将数据转化为模型能力,是构建持续竞争力的关键。嘉宾补充,Harvey虽然自己也有后训练团队,但在这次合作中,它付费使用了Applied Compute的平台“The Lab”来完成训练,最终Harvey拥有模型和数据的所有权。
在讨论为何选择智谱GLM-5.1作为基础模型时,Henry透露,Harvey和Applied Compute测试了市面上几乎所有的主流开源模型(大部分来自中国),发现GLM-5.1的基线效果最好。他进一步指出,智谱的模型,特别是GLM 5.2发布后,在硅谷获得了极高评价。它不仅在Terminal-bench等评测中表现优异(首个突破80分的开源模型),在许多长程编码任务上能以六分之一的成本超越GPT-5.5,更重要的是其“编程手感”好。智谱还兼容了Anthropic的API,使得用户可以无缝地将后端从Opus 4.8替换为GLM 5.2。Harvey甚至与另一家模型服务公司Fireworks也进行了基于GLM-5.1的合作,这从侧面印证了该模型的实力。
主持人将这种合作模式总结为“中美合作”的新形式:美国的技术服务公司(如Applied Compute, Fireworks)利用中国强大的开源模型生态,共同服务于(主要是美国的)企业客户,形成一股对抗前沿闭源模型巨头的力量。对于这种“拥有自建模型”的趋势能否持续,Henry认为,与2024年的微调热潮相比,情况有所不同。首先,得益于AI编程能力的提升,“前向部署工程师”(FDE)的成本下降,使得帮助企业落地模型的服务变得更可行。其次,模型能力与任务难度的关系发生了变化:现在,在一个顶尖的开源模型上结合私有数据进行后训练,其效果很可能在特定领域超越通用前沿模型,且这种优势短期内不易被反超。不过,Henry也强调,这条路并不适合所有公司,尤其是初创公司,它们应先用现有API验证产品。适合自建模型的公司需要满足三个条件:拥有高质量的专有数据、明确的评估体系(如Harvey自建的法律Agent评测基准),以及高频、高价值的业务场景。
最后,Henry总结了本季度中国开源模型的整体进展,形容为“四杀”:在过去八周内,全球最强开源模型的宝座先后由Kimi 2.6、DeepSeek V4、Kimi 2.7和GLM 5.2夺得。他认为,中国开源模型在编码能力和成本上已接近追平次一级的闭源模型(如GPT-5.5、Opus 4.8),虽然与最顶尖的闭源模型仍有约半年的差距,但差距并未呈现继续拉大的趋势。
Post-training (后训练) 在本语境中,指在已经预训练好的基础模型(通常是开源模型)之上,使用特定领域或公司的专有数据进行进一步的训练。其输入是基础模型和专有数据集,输出是一个针对特定任务或领域优化过的、性能更强的专属模型。这个过程旨在提升模型在特定场景下的表现、降低成本或构建企业护城河。
Post-training as a service (后训练即服务) 指由第三方公司(如Applied Compute)为企业客户提供的专业化服务。输入是客户的需求、专有数据以及选定的基础模型,输出是一个为客户定制的、经过后训练的专属模型,以及相关的部署和维护支持。服务商负责整个后训练的技术流程(pipeline)。
FDE (Forward Deployed Engineer, 前向部署工程师) 指被AI公司派驻到客户现场,帮助企业将AI模型和技术能力落地到具体业务场景中的工程师。他们的工作是连接AI技术与客户实际需求的桥梁,输入是AI公司的技术和客户的业务问题,输出是能够在客户环境中有效运行的AI解决方案。
Claude Tag Anthropic推出的一个新功能,允许用户在Slack等协作工具的群聊中,通过“@Claude”的方式直接调用Claude模型执行任务。其输入是群聊中的上下文信息和用户的指令,输出是AI完成任务后的结果,并直接在群聊中回复。它将AI从一对一的助手转变为团队共享的协作者。
话题推进: 这部分详细讨论了企业客户寻求拥有自己模型的趋势、背后的原因以及中美开源生态在其中扮演的角色。接下来,对话将转向“智能扩散”的另一个方面:产品层面的交互创新。
01:05:59–01:18:19 交互创新之争:从群聊协作到录屏学习Anthropic最近推出的Claude Tag功能带来了哪些变化和讨论? Claude Tag这个想法并不新,为什么Anthropic现在才做,且做得比较晚? OpenAI的新功能Record and Replay是做什么用的? 你认为OpenAI的Record and Replay和Anthropic的Claude Tag,哪个更具方向引领性?哪个对你个人更有用? 除了上述两个功能,在语音等新的交互方向上,第二季度还有哪些重要进展?为什么语音交互很重要? 在讨论完模型扩散的趋势后,对话转向了产品层面的交互创新,重点分析了Anthropic和OpenAI在本季度推出的新功能。
首先是Anthropic的Claude Tag。这是一个允许用户在Slack群聊中通过“@Claude”来分配任务给AI的功能。AI完成后会将结果返回群聊。嘉宾Henry Yin认为,这标志着交互模式的转变:从每个人拥有一个“个人助理”式的聊天机器人,演变为整个团队拥有一个共享上下文、7x24小时待命的“AI同事”。他引用一位业内人士的观点,将此视为AI UI/UX的“第三次大改”:第一次是网页聊天机器人,第二次是手机/电脑上的独立应用,第三次则是AI进入企业协作空间,与人深度协作。Anthropic内部对此功能也十分兴奋,其Claude Code团队的产品经理Catherine Wu称,他们团队约65%的代码是通过Claude Tag完成的。主持人程曼祺质疑,类似功能早有尝试,为何Anthropic现在才推出。Henry解释,Anthropic可能此前专注于打磨其核心产品Claude Code,现在希望拓展产品线;同时,他们对Slack的集成进行了深入打磨,以优化用户体验。他从一位Anthropic的朋友处得知,团队在如何有效利用上下文、如何让AI从被动接收信息到主动提出任务建议等方面下了很大功夫。主持人补充,这还涉及到复杂的权限管理问题。她观察到一个有趣的张力:Anthropic一方面宣传用AI高效写代码,另一方面自己开发产品时却投入大量人力进行精细打磨,这说明高质量产品的实现远非“vibe code”(凭感觉编程)那么简单。
接着讨论了OpenAI推出的新功能Record and Replay。这个功能分为两步:首先,用户可以启动“Record”(录制),让AI(Codex)观察并记录下用户在电脑上完成一个任务的全过程;然后,AI会将这个过程固化为一个“skill”(技能)。未来,用户可以通过“Replay”(重播)指令,让AI自动重复执行这个任务。Henry认为,这是一个将人类技能迁移给AI的绝佳方式。这个概念本身不新,Meta内部曾有类似项目MCI,通过在员工电脑上安装软件录屏来训练AI,但因隐私争议已被叫停。主持人指出,OpenAI的做法相当于将这个方向产品化了,且时机更早。她将其类比为机器人领域的“摇操示教”(teleoperation)。Henry提到,在相关的computer use能力上,三大顶尖模型(Opus, GPT-5.5等)在OS World这个评测基准上都已超过人类水平。
在比较这两个新功能时,Henry认为,从概念上讲,Record and Replay更能代表未来的方向,会吸引更多厂商跟进。但由于它非常依赖模型在多步任务准确性和延迟上的表现,目前仍处于早期阶段。相比之下,Claude Tag虽然概念不新,但执行得好,短期内对用户的实际影响会更大,可能会冲击到Devin这类公司的市场。主持人则提醒,Record and Replay功能涉及大量用户隐私数据,用户使用前应仔细阅读隐私协议。如果OpenAI能合法使用这些录屏数据,将能快速获得全球最大的computer use数据集,并可能借此建立更好的评测标准。
最后,对话简要讨论了语音交互的进展。Henry强调,语音并非普通的多模态能力,而是人与AI交互的“基础设施”,对AI在社会中的普及至关重要。本季度,OpenAI发布了其实时流式语音API系列Realtime,而初创公司Thinking Machines Lab(TML)也发布了其首个模型Interaction Model。TML的模型是一个276B的MoE模型,其最大特点是能“边听边说、边看边反应、还能打断人”,实现了真正的实时对话感,而非传统“对讲机”式的轮流说话。此外,它还有一个异步推理模型在后台进行深度思考,并将思考结果适时插入对话。不过,该模型目前仅发布了博客和视频演示,尚未开放大规模使用。
话题推进: 本段聚焦于智能扩散背景下的交互创新,对比了Anthropic和OpenAI在产品功能上的不同探索路径,并提及了语音交互的最新进展。接下来,节目将转向讨论Google、Meta、xAI等其他重点公司的近况。
01:18:19–01:39:42 连续对话 401:18:19–01:23:24 交互创新:从“对讲机”到“打电话”的语音模型它(Thinking Machines Lab)没有去全量地开放这个API,是因为这种新的方式可能会非常贵吗? 它这个东西是不是不好直接变成一个to C的产品? 你觉得Realtime 2.0表现如何? 嘉宾Henry Yin首先对比了OpenAI的GPT Realtime和Thinking Machines Lab(TML)的新语音模型在交互模式上的区别。他指出,GPT Realtime虽然名为“实时”,但本质上仍是基于轮次的“对讲机”模式(turn-based)。它通过一个模型外部的VAD(语音活动检测)技术来判断用户是否说完话,然后模型再开始说话。这并非模型本身的能力。
相比之下,TML的新模型实现了真正的“打电话”模式,即全双工(full duplex),模型可以持续监听并在用户说话的同时进行回应。对于TML为何没有全面开放API,Henry推测可能是因为效果仍需打磨、成本过高或基础设施尚未完善。主持人程曼祺补充,这或许也因为语音交互是生态中的基础设施,TML可能计划先推出自己的个人助手产品,将此模型作为其核心交互界面,之后再开放API给开发者。Henry认为这个推断很有可能性。
为了凸显其新架构的优越性,Henry介绍TML为此模型设计了两个内部评测基准(benchmark):
1. Time Speak:衡量模型能否按指定时间精确开口说话。
2. Cue Speak:衡量模型能否在监听到用户语音中的特定线索时,在恰当的时机介入对话。
在这两个评测上,TML的模型与OpenAI的Realtime 2.0进行了对比,结果显示出巨大差距。Henry认为,这种差距主要是由两者底层架构的根本不同造成的。
接着,对话转向了OpenAI在Q2发布的另一款多模态产品——图像生成模型Image2。Henry评价其效果非常好,在图像生成评测Image Arena上“断层式领先”,能够满足具有经济价值的商业任务需求,比上一代模型强很多。主持人推测,与被关停的Sora项目相比,Image2的优势在于成本效益更高。Henry补充,从历史经验看,如Google的Nano Banana(应为Imagen 2,嘉宾口误)和DALL-E这类产品,对C端产品的用户增长有很大帮助,因为它们可以作为吸引流量的免费功能。
VAD (Voice Activity Detection) 语音活动检测。在本段中,它指一种在模型外部封装的技术,用于判断用户是否已经停止说话。基于这个判断,系统可以触发AI模型开始生成和播报语音,从而模拟实时对话。但其本质仍是轮流说话的“对讲机”模式,而非真正的同步交流。
Full duplex 全双工。在本段中,它指一种真正实时的语音交互模式,类似于打电话。在这种模式下,AI模型可以持续地听用户说话,并且能够在用户说话的同时进行回应,双方可以同时说话,而不是轮流进行。
Token maximalism 代币最大化主义。指2026年第一季度在一些科技公司内部出现的一种风潮,即鼓励员工尽可能多地使用AI服务(消耗token),以期探索AI在工作中的应用潜力。后来因投入产出比不高,这股风潮逐渐被更理性的用量配额制度所取代。
Harness AI Agent的“脚手架”。在本段中,它指决定AI Agent如何调用工具、如何规划和执行多步骤任务的框架或运行时系统。它不是模型本身,但直接影响Agent在实际应用中的表现。
话题推进: 在讨论完OpenAI的多模态进展后,主持人将话题转向其他几家重点公司(Meta、Google、xAI)在本季度的发展情况。
01:23:24–01:29:33 Meta、Google与xAI:追赶者的不同境遇行业里是怎么讨论这件事情的,就这个模型(Musespark)反响如何? 你怎么看这个风潮(Token maximalism)好像比较快地就趋于平息和和平了? 这边大公司的人均限额一般是多少? 你觉得他(马斯克)收购Cursor之后能多大程度地去改变这件事情? 所以我们还会看到Grok模型吗? 你周围的人有人收到xAI的offer吗? 主持人程曼祺首先询问Meta在Q2的进展。其核心AI部门重组后发布了首个模型Musespark,但Henry Yin表示行业内讨论不多,认为该模型仍处于追赶状态,未达前沿水平,且因未完全开放API,他身边无人用过。Meta本季度的另一动态是继续裁员,Henry认为其计划是用裁员节省的资金投入AI开发,但内部动荡造成了阻力。
对话接着回顾了Q1盛行的“Token maximalism”(代币最大化主义)风潮的退去。Henry将其类比为技术趋势的“狂热-崩盘-稳定”三部曲。Q1的狂热投入并未带来相应产出,导致企业进入第二阶段,开始限制AI使用。例如,Meta内部曾有的“token用量排行榜”已被取消,并为员工设置了使用限额(quota)。
关于Meta内部的数据收集项目MCI(在员工电脑上安装软件录屏以训练AI),主持人指出其与OpenAI的Record and Replay功能类似,但区别在于Meta是强制员工安装,而OpenAI是用户自愿开启。Henry强调了“强制”与“自愿”的巨大差别。该项目因数据泄露问题已被叫停。
随后,话题转向Google和xAI。Henry提到,Google在I/O大会上发布的Gemini Omni在视频剪辑能力上表现惊艳,显示其仍在多模态领域持续发力,并开始加码代码能力。而xAI则经历了巨大转变,从训练模型的“NeoLab”转向提供算力服务的“NeoClaw”。其算力集群出租每月能带来12.5亿美元的收入。尽管马斯克曾宣布Grok V2完成预训练,但至今未发布。Henry认为xAI实质上已失去了原有的模型训练人才团队,收购Cursor也无法完全弥补这一缺口,其新招聘的岗位也偏向于agent的harness(脚手架)而非模型训练。他听说的都是xAI员工离职的消息,而非补充核心人才。
话题推进: 在判断xAI追赶前沿模型“比较难”之后,主持人进一步追问,拥有大量资源的新团队或Google、Meta这样的大公司,是否还有机会赶上模型竞赛的窗口期。
01:29:33–01:34:27 模型竞赛窗口期是否关闭?巨头们的追赶可能你觉得马斯克还有可能再追上吗? 有比较大的资源,有这种抱负的团队,他有没有可能在现在这个时间点赶上这个窗口,还是说这个事情在23年、24年可能就已经结束了? 你觉得Google和Meta还有可能赶上吗? 这个底子(指Google)是来自于? 你觉得Meta也是有可能赶上的原因是什么呢? 你觉得再往后未来会只有一个公司持续领先吗? 主持人程曼祺首先询问马斯克是否还有机会在模型竞赛中追上。Henry Yin认为“比较难”,但他补充说“永远不要赌马斯克输”。
对于更普遍的问题——现在是否还有新团队能进入预训练模型竞赛,Henry给出了否定判断,认为这个窗口期已经结束。即使未来技术出现范式转移,那也将是解决新瓶颈的新赛道,而不是重复走老路。
然而,对于Google和Meta这两家公司,Henry认为它们仍有机会赶上,其中Google的可能性更大。他回顾道,2025年底Gemini 3发布时,Google曾凭借其多模态能力和同步推出的agent IDE(Antigravity),短暂地给人“重回第一”的感觉。但进入2026年后,OpenAI和Anthropic在代码能力上进步神速,而Google则相对停滞。此外,Google过去在成本控制上的“帕累托前沿”优势似乎也在减弱,新的Gemini 3.5 Flash模型比之前贵了数倍。近期Transformer论文作者之一的Noam Shazeer从Google跳槽至OpenAI,也加剧了外界的担忧。尽管如此,Henry强调Google仍有很好的“底子”,这体现在其深厚的研究人才储备和庞大的TPU算力基础设施。
对于Meta,Henry认为其最大的风险在于发生类似xAI的团队解散危机。主持人观察到,行业对Meta的看法普遍较为悲观。
最后,在展望未来竞争格局时,Henry不认为会是一家公司持续领先的局面。他以2023年GPT-4发布时的巨大领先优势后来被追上为例,说明行业竞争态势更可能是“交替领先”。唯一的例外是,如果某家公司在RSI(递归自进化)上取得突破性进展,其发展加速度大幅超越对手,才可能出现一家独大的情况。
话题推进: 在对未来竞争格局做出判断后,主持人引入了最后一个轻松的话题,聊一家本季度有意外之举的公司——Midjourney。
01:34:28–01:39:42 One More Thing:Midjourney的“不务正业”与创始人David Holz你可以讲讲二季度它(Midjourney)做了些什么事? 怎么突然搞这个,就一般人看到这件事情都会觉得跟它之前的创业好象八竿子打不着。 David Holz这个人,就Midjourney的创始人,他以前是什么背景的呀? 作为本期节目的结尾,主持人程曼祺与嘉宾聊起了Midjourney这家公司在Q2的意外动向。Henry Yin介绍,这家以文生图闻名的公司在6月中旬突然宣布成立新部门Midjourney Medical,并发布了其首款硬件产品——Midjourney Scanner。
这款设备号称是“50年来第一个全新的全身医学影像方法”。其工作原理是:人站在一个平台,周围环绕约40万个超声波换能器,声波全方位穿过身体,每秒产生TB级别的数据。通过计算集群,这些数据被用来重建肌肉、脂肪、骨骼和器官的3D横截面图像。他们将此技术称为“超声波CT”(Ultrasonic CT)。
对于Midjourney为何会涉足看似毫不相关的医疗硬件领域,Henry解释这源于其创始人David Holz的个人特质。Holz从不接受VC投资,以保持对公司的完全控制。他利用Midjourney的盈利,供养了一个约50人的团队,进行各种硬件项目探索已超过一年。该团队同时进行约8个项目,软硬件各半,Midjourney Medical只是其中一个即将推向市场的产品。
Henry进一步介绍了David Holz的背景:他曾在NASA从事激光雷达相关工作,后创立了手势识别公司Leap Motion(转录口误为Libmotion),该公司后被收购。因此,Holz拥有丰富的硬件经验。他兴趣广泛,经常在旧金山的家中举办诗歌、音乐即兴创作等跨界活动,吸引了许多研究员和创业者参与。
主持人总结,以一个AI公司做了一件与AI不那么直接相关的事作为季报的结尾很有意义。它提醒人们,在AI占据科技行业话语权的同时,AI之外的世界同样有许多新进展。最后,主持人回顾了本期节目从“推进智能前沿”(Coding竞争、RSI、物理AI)和“智能的扩散”(企业私有模型、交互创新)两条主线展开的讨论,并感谢了嘉宾的分享。
Henry Yin · 01:35:15
Midjourney发布了一款名为Midjourney Scanner的全身医学影像设备,它使用约40万个超声波换能器,通过声波穿透身体来生成TB级数据,并重建3D人体内部图像,被称为“超声波CT”。
话题推进: 节目结束。
以上是原对话的分段阅读。下面才开始提炼论证、解释机制并给出本文自己的判断。