序列雷達 #885：上週AI概覽——模型、遊戲與評估的未來

本週AI領域呈現出一種奇妙的發展軌跡，多年來的不同方向——更好的模型、更豐富的環境、更自主的代理和更難的評估——終於匯聚成清晰的圖景。AI不再僅僅是學習回答問題，它正在學習行動。

首先，OpenAI發佈了GPT-5.6系列模型，實際上是以有限預覽的形式推出。模型的命名Sol、Terra、Luna本身就講述了一個故事：旗艦模型、平衡模型以及快速廉價的模型。產品分類變得像行星體系，因為市場不再僅僅追求“最好的模型”，而是需要不同温度的智能：用於前沿工作的深度推理、用於日常自動化的經濟實惠能力，以及用於需要快速運行的系統的高吞吐量推理。但GPT-5.6最有趣的部分並非基準測試曲線，而是其發佈形態。這是一個配備了安全架構、政府協調層和分階段訪問策略的模型。這很重要——前沿AI發佈開始更像是受控的關鍵基礎設施部署，而非簡單的軟件更新。過去我們問模型能否寫出更好的代碼，現在則問誰可以獲得訪問權限、受何種約束、如何監控，以及防禦者能多快利用攻擊者必然覬覦的能力。

與此同時，Anthropic悄然推出了Claude Tag，這一功能標誌着與模型交互方式的微妙轉變。Claude Tag允許用户使用明確的語義標記來結構化提示和響應，使模型更容易在較長的交互中跟蹤上下文、角色和意圖。這是一個界面小改變，卻具有重大意義：隨着模型變得更加自主，我們與它們的通信方式必須從鬆散對話演變為更接近結構化協作的方式。Claude Tag暗示了這樣一個未來：提示不再依賴於巧妙的措辭，而是更多地依賴於設計清晰的、機器可讀的工作流。

隨後，General Intuition的新一輪融資是最清晰的信號——下一個數據前沿不是文本，甚至不是視頻，而是行動。該公司的理念很有深度：電子遊戲不僅僅是娛樂，它們是意圖、感知、運動、失敗、獎勵和適應的壓縮實驗室。一段遊戲視頻不僅僅是像素，而是像素加上選擇：玩家看到了什麼？試圖做什麼？接下來發生了什麼？這種帶有動作標籤的循環正是語言模型在嘗試用靜態媒體推理物理世界時所缺少的。換句話説，General Intuition押注《我的世界》、類似《堡壘之夜》的環境、模擬以及玩家行為可能成為具身AI的預訓練基礎——如同網絡之於語言模型一樣：一種混亂而龐大的預訓練基質，從中湧現出通用性。

然後，以最令人愉快的方式，LayerLens Stratix杯將AI評估變成了足球比賽。Claude Opus 4.8與GPT-5.5之間的決賽不僅是場奇觀，更是一種不同形式的基準測試。16個模型各自編寫策略、控制球隊、在輪次之間調整，並在一個環境中生存，其中智能必須變為策略——不是散文，不是排行榜答案，而是可執行的行動。Claude Opus 4.8以1-0擊敗GPT-5.5贏得決賽，這個結果固然有趣，但更深層的是方法論上的意義：我們需要這樣的競技場，讓模型在壓力下、在信息不完美、存在反饋循環和後果的環境中展現自己。

這就是本週的主線：GPT-5.6推動了可控能力的邊界，General Intuition推動了行動數據的邊界，Stratix杯推動了評估的邊界。模型越來越不像聊天機器人，而更像沙盒中的有機體：感知、規劃、行動、失敗、適應。AI的未來將不僅僅由誰擁有最大的模型決定，還將由誰建造最好的模型學習世界、最好的運行護欄，以及最好的遊戲來發現它們實際能做什麼決定的。

在研究方面，Meta發佈了Autodata框架，通過代理數據科學家迭代生成高質量合成數據；中國人民大學和字節跳動聯合推出8B參數的iLLaDA擴散語言模型；上海交大、清華和MemTensor評估了12種代理記憶系統，發現沒有單一架構佔優，效果取決於與工作負載瓶頸的對齊；伊利諾伊大學芝加哥分校等提出MEMPROBE基準測試，揭示代理在回憶和整合情景記憶方面的困難；Qwen團隊推出Qwen-AgentWorld語言世界模型；Mila、康奈爾大學等提出錐形語言模型（TLM），通過在前層集中參數容量提升性能。

在技術發佈方面，OpenAI的GPT 5.6 Sol、Terra、Luna，Anthropic的Claude Tag，以及Mistral OCR文檔理解模型均已亮相。

最後，本週十大AI新聞包括：Patronus AI融資5000萬美元開發數字世界模型；General Intuition融資3.2億美元開發大型行動模型；Netris融資1500萬美元用於網絡自動化；Cerebras股價因毛利率預測下滑而暴跌；Groq確認6.5億美元融資轉向AI推理雲服務；Google DeepMind向A24投資7500萬美元合作開發AI電影製作工具；美國商務部向I-Pulse提供2.5億美元用於碳化硅芯片開發；SK海力士申請294億美元美股上市；以及字節跳動尋求200億美元離岸貸款用於AI基礎設施建設。