【AINews】万物皆为指挥家
本期AI新闻涵盖多个热点：GitHub Copilot App模仿Conductor的形态引发讨论；OpenAI推出Codex移动版，支持远程控制编码代理；LangChain发布SmithDB和Engine，将代理追踪数据转化为改进循环；Anthropic限制Claude Code使用引发开发者强烈反弹；Figure展示人形机器人24/7自主分拣直播；以及多项研究进展，包括扩散语言模型、时间序列基础模型和可解释性等。
文章情报
要点
- GitHub Copilot App采用类似Conductor的代理优先形态，Conductor创始人获YC CEO Garry Tan公开支持。
- OpenAI Codex登陆ChatGPT移动端，支持远程启动、审查和执行编码任务。
- LangChain发布SmithDB和LangSmith Engine，实现代理追踪数据驱动的自动修复与评估。
- Anthropic限制Claude Code第三方封装使用，引发开发者大规模取消订阅，强调平台风险。
- Figure人形机器人实现24小时以上自主分拣，声称无需远程操作，达到人类同等吞吐量。
为什么重要
这条新闻值得关注，因为GitHub Copilot App采用类似Conductor的代理优先形态，Conductor创始人获YC CEO Garry Tan公开支持。
技术影响
可能影响模型选型、推理成本、产品能力和评测基准。
在AI新闻相对平静的一天，一场围绕编码代理形态的争论却异常火热。GitHub宣布推出新的GitHub Copilot App，这是一个桌面环境，专注于并行工作流、仓库/PR生命周期管理和模型灵活性。这一举动被广泛视为对Conductor这款先行者的直接模仿。Conductor率先采用了“代理优先”的形态，并因此获得了Y Combinator CEO Garry Tan的公开赞誉，他称Conductor“反应更快、更透明、更稳定”。这引发了业界对两个关键问题的思考：如果你开创了一种形态，如何在他人复制时实现变现？以及，这种形态之后的下一个趋势是什么？
与此同时，OpenAI进一步将Codex融入日常开发流程。最重要的产品发布是Codex集成到ChatGPT移动应用中，用户可以在手机上启动任务、审查输出、批准命令并远程引导执行，而Codex继续在笔记本电脑或开发盒上运行。OpenAI还宣布远程SSH功能现已普遍可用，并增加了钩子和程序化访问令牌，以便在企业环境中进行自动化。此外，OpenAI还发布了关于Windows沙盒的技术报告，探讨了编码代理在实用性与受限机器访问之间的权衡。
在代理基础设施方面，LangChain发布了重要的新工具。SmithDB是一个专为代理追踪数据构建的数据库，而LangSmith Engine可以消费追踪数据、聚类失败案例、识别潜在代码问题并提出修复和评估建议——将可观察性从被动检查转变为改进循环。社区评论强调了SmithDB在架构上转向对象存储和自定义查询路径的意义。LangChain还宣布了LangChain Labs，这是一个围绕代理持续学习的应用研究项目，其理念是将生产追踪数据转化为训练信号、评估和针对性能力提升。
执行隔离方面也有进展：W&B和CoreWeave联合推出了CoreWeave Sandboxes，用于强化学习、工具使用和评估工作负载的隔离执行，并明确测试了包含破坏性命令的场景。开源社区也出现了本地代理调试工具，可将追踪数据暴露给Codex/Claude Code以自动编写评估。
最激烈的生态系统反应来自Anthropic对Claude Code使用方式的限制和重塑，尤其是针对第三方封装和高频程序化工作流。Theo的帖子成为焦点，他声称T3 Code用户尽管通过官方支持路径集成，仍遭遇了剧烈的速率限制削减，随后他取消了订阅并鼓励其他人也这样做以支持开源捐赠。其他知名开发者纷纷附和，认为Anthropic实际上切断了开源开发者/应用的路径，破坏了围绕claude -p构建的工具。也有更战略性的反驳观点，认为Anthropic没有义务为第三方应用提供大量补贴的固定费用令牌，生态系统可能转向更明确的API经济和更智能的模型路由。无论如何，对于代理工程师而言，实际经验很简单：基于订阅的工具不是稳定的平台原语，提供商/模型抽象和BYOK路径正变得不可或缺。
机器人领域，Figure的直播占据了主导地位。该公司首先展示了8小时完全自主、无人监督的工作，随后扩展到24/7直播，最终报告了24小时以上的连续自主运行，没有失败，小包裹分拣的吞吐量达到人类水平，由Helix-02完全在机载运行，并具有针对分布外情况的自动重置——明确声称没有远程操作。尽管对Figure的具体评价存在分歧，但这一演示无疑是最清晰的“持续运行时间”证明之一。
研究方面，多个技术发布值得关注：Zyphra的ZAYA1-8B-Diffusion-Preview声称与自回归生成相比解码速度提升4.6-7.7倍，质量损失有限。Datadog的Toto 2.0发布了5个开源时间序列预测模型，参数从400万到25亿不等，在多个基准上排名第一，并表明扩展律可能终于适用于时间序列基础模型。Goodfire的可解释性研究指出Llama使用几何“形状旋转计算器”机制进行算术运算。在强化学习和搜索方面，有研究将LLM强化学习框架化为“生成/过滤/控制/重放”的展开工程，以及Prime Intellect在nanoGPT速度基准上的自主优化器搜索，Opus 4.7在约1万次运行后达到2930步，接近人类基准的2990步。
最后，Kimi K2.6在金融代理基准V2上被评为最佳开源模型，而Ring-2.6-1T作为开放发布获得了vLLM的即日支持。