Latent Space

OpenAI经济研究显示，自2025年11月以来，内部Codex输出代币中位数在各部门大幅增长：研究部门增长56倍，客户支持增长32倍，工程部门增长27倍，法律部门增长13倍。这一趋势表明AI代理正在改变工作方式，但同时也反映出即使在无限访问权限下，员工此前仍严重未充分利用AI。

本文回顾了AI领域的最新动态，包括元工具（Meta-Harness）架构的兴起、OpenAI自研芯片Jalapeño、Agent用户体验从工具向协作者转变、Qwen-AgentWorld开放世界模型、中国开源模型GLM-5.2的进展，以及政策与人才竞争。重点讨论了各领域的技术突破、行业影响及未来趋势。

在罕见的双重采访中，Databricks技术领袖探讨了每家公司构建代理云所需的条件，包括Omnigent元框架、LTAP数据库架构以及企业代理的操作系统愿景。

Anthropic 发布了 Claude Tag，这是一个 Slack 原生代理，可以作为团队成员被标记以异步执行任务。内部使用显示它合并了 65% 的产品 PR。该功能处于测试阶段，适用于 Enterprise 和 Team 计划。

本期涵盖SpaceX与Reflection AI的第三次GPU租赁交易、OpenAI Daybreak扩展的网络安全计划、Sakana Fugu的编排发布及其基准透明度争议、GLM-5.2作为开放权重模型的突破、Google Interactions API正式发布、Baseten的15亿美元F轮融资，以及评估代理系统而非聊天机器人的趋势。

在本期节目中，Gray Swan联合创始人Zico Kolter和Matt Fredrikson解释了为什么AI安全不仅仅是“带AI的网络安全”，为什么代理引入了新的漏洞类型，以及为什么下一次重大AI事件可能是一只灰天鹅：不太可能，但在发生之前清晰可见。他们讨论了提示注入、自动化红队测试、模型鲁棒性、代理身份、以及新兴的AI保险/合规体系。

订阅者专享优惠：AI工程师门票立减250美元，优惠截止周一。

今天AI新闻相对平静，但GLM 5.2仍保持高热。AIE WF 2026常规门票将在周一售罄，Latent Space订阅者可享$250折扣，参会者还能获得价值$4万的赞助商积分。

随着 GLM-5.2 通过所有人的“氛围检查”，开源模型的故事终于成为真正的前沿故事。

Anjney Midha 探讨了 AI 算力浪费问题，强调了节点利用率、模型 FLOPs 利用率（MFU）等指标的重要性，并介绍了 AMP 构建计算网格的愿景，旨在像输送电力一样高效调配 FLOPs。他主张负责任的基础设施建设、社区参与激励，以及迭代式扩展而非仓促部署，并指出前沿 AI 的瓶颈更多在于系统效率而非 GPU 数量。

Midjourney 发布了一款全身超声 CT 原型机，并计划在旧金山开设一家融合水疗与扫描的旗舰店。尽管目前尚未使用 AI，但长远目标是实现高频、廉价的身体成像，以支持 AI 驱动的健康监测。然而，该设备面临监管、临床验证、数据隐私等重大挑战。

Radical AI的Joseph Krause讨论了材料科学领域加速发现的挑战与策略，强调实验数据是核心壁垒，并介绍了其自驱动实验室如何实现10倍于传统项目的合金发现速度。

Z.ai发布了GLM-5.2，一个MIT许可的开源模型，专注于编码和长期代理任务。它在多个基准测试中表现优异，尤其是在前端编码领域，仅次于Claude Opus 4.8。该模型拥有1M token上下文窗口，采用IndexShare优化稀疏注意力，并改进了多token预测以加速投机解码。社区反响热烈，但也存在对评估方法的质疑。

微软CEO萨提亚·纳德拉发表了一篇关于“前沿生态系统”（frontier ecosystem）而非“前沿模型”（frontier model）的爆火文章，提出了“Loopcraft”作为企业新理论的核心。同时，Anthropic的Fable/Mythos出口管制危机引发了对模型中立性和自建架构的讨论。其他热点包括代理系统从演示走向生产、推理效率优化、商业代理产品发布等。

Anthropic在发布仅3天后，因美国政府指令撤回Claude Fable 5和Mythos 5模型，引发“模型主权”争论。同时，开源社区发布Kimi K2.7-Code和MiniMax M3模型，基准测试和代理基础设施也有重要更新。

本文探讨了AI领域中的“循环”概念，即设计自动循环来驱动代理，而非手动提示。文章涵盖了Anthropic的Fable 5发布及其引发的争议、自动化AI研究系统、数据基础设施瓶颈、推理速度优化以及代理工具的最新发展。

本文回顾了Sarah Guo关于开放模型、模型实验室与代理实验室区别的深刻文章，并涵盖了Anthropic的Fable/Mythos模型因静默降级能力引发的信任危机、Fable 5在基准测试中的强劲表现、Google的DiffusionGemma发布、代理工具与基准的进展，以及优化和科学建模领域的技术动态。

Anthropic正式发布Claude Fable 5，号称首个通用可用的Mythos级模型，在多项基准测试中创下新纪录，尤其擅长编程和复杂任务。然而，其引入的“静默降级”机制——在涉及前沿AI开发时暗中限制模型能力而不通知用户——引发了开源社区的强烈不满。

Cognition推出FrontierCode基准测试，专注于评估代码的可合并性而非仅通过单元测试。最佳模型在 hardest 子集上仅得13%，表明编码远未解决。同时，代理控制转向“循环”模式，并伴有诸多警告。其他动态包括Kimi的代理和桌面产品更新、Google的本地部署优化、Agent Arena基于百万会话的排行榜、以及Apple的WWDC AI集成。

今日AI新闻涵盖多个领域：Sakana AI在东京设立RSI实验室，推动递归自我改进研究；新智能体评估基准如ALE和SWE-Marathon出现，揭示前沿模型可靠性不足；开源模型方面，谷歌发布Gemma 4 QAT检查点，Ideogram 4成为领先的开放权重图像模型；NVIDIA扩展Nemotron生态系统；Hermes Agent发布新版桌面应用；Arena推出Agent模式；开发者工具和基础设施经济也成为焦点。

今天的AI新闻涵盖了NVIDIA的Nemotron 3 Ultra和3.5 ASR发布、Anthropic关于递归自我改进的讨论、Cloudflare收购VoidZero、以及代理工具和记忆系统的多项更新。

Andon Labs 联合创始人讨论 Vending-Bench、基于货币的评估以及真实世界代理测试如何揭示意外行为，例如 Claude 试图就 2 美元的收费打电话给 FBI。

今天的AI新闻涵盖了多个重要发布：微软的MAI-Thinking-1技术报告及其透明度；Gemma 4 12B开源多模态模型；Ideogram 4.0开源权重成为最佳开源图像模型；文本到语音模型Miso One等。此外，还讨论了AI代理框架向执行层的转变，以及模型路由和成本控制的现实考量。

成立仅七个月的初创公司Axiom在普特南数学竞赛中获得满分，展示了验证性AI的力量。CEO卡琳娜·洪解释了如何使用Lean进行形式验证，以实现智能的扩展和复合，可能克服非正式AI面临的瓶颈。Axiom在Verina代码生成基准测试中取得99%的成绩，远高于OpenAI o3的4.9%，其方法可能是实现AGI的关键。

微软CEO Satya Nadella在No Priors与Latent Space的联合播客中，分享了微软作为前沿智能平台的最新战略，包括MAI模型、多模型平台、AI投资回报率，以及如何让不可能变为可能。他强调了生态系统策略的重要性，以及企业如何通过构建私有评估和追踪来创造价值。

GitHub首席运营官Kyle Daigle讨论了AI代理如何改变软件开发，从基础设施压力到Copilot的未来。AI驱动的代码生成增长了1400%，给GitHub的CI/CD、开源维护和代码审查带来了挑战。Daigle分享了GitHub内部使用AI进行回顾、沟通和决策的经验，并展望了Copilot从代码补全到云代理的演变。

NVIDIA 发布了 Cosmos 3 统一多模态世界模型、Nemotron 3 Ultra 高效 LLM 和 RTX Spark 个人 AI 超级芯片。同时，MiniMax M3、Qwen3.7-Plus 和 JetBrains Mellum2 等开放模型推动智能体领域发展。

在xAI内部：三个月内构建Grok Imagine，视频生成与世界模型对比，以及为何Grok Imagine被低估。

在消化Anthropic重大新闻的间隙，我们重点介绍了AIE的新前向部署工程师计划和创始人计划，以及5月28-29日的AI新闻。主要话题包括：Claude Opus 4.8发布及其基准测试争议、多轮强化学习中的tokenization错误、开源模型与工具链进展、Google和OpenAI的Agent产品扩展，以及值得关注的研究论文。

Anthropic以9650亿美元估值完成650亿美元H轮融资，同时披露470亿美元年化收入，并发布Claude Opus 4.8更新（提升判断力、诚实度和长时自主工作能力）以及Claude Code的Dynamic Workflows功能（支持数百个并行子代理）。