Latent Space

OpenAI經濟研究顯示，自2025年11月以來，內部Codex輸出代幣中位數在各部門大幅增長：研究部門增長56倍，客户支持增長32倍，工程部門增長27倍，法律部門增長13倍。這一趨勢表明AI代理正在改變工作方式，但同時也反映出即使在無限訪問權限下，員工此前仍嚴重未充分利用AI。

本文回顧了AI領域的最新動態，包括元工具（Meta-Harness）架構的興起、OpenAI自研芯片Jalapeño、Agent用户體驗從工具向協作者轉變、Qwen-AgentWorld開放世界模型、中國開源模型GLM-5.2的進展，以及政策與人才競爭。重點討論了各領域的技術突破、行業影響及未來趨勢。

在罕見的雙重採訪中，Databricks技術領袖探討了每家公司構建代理雲所需的條件，包括Omnigent元框架、LTAP數據庫架構以及企業代理的操作系統願景。

Anthropic 發佈了 Claude Tag，這是一個 Slack 原生代理，可以作為團隊成員被標記以異步執行任務。內部使用顯示它合併了 65% 的產品 PR。該功能處於測試階段，適用於 Enterprise 和 Team 計劃。

本期涵蓋SpaceX與Reflection AI的第三次GPU租賃交易、OpenAI Daybreak擴展的網絡安全計劃、Sakana Fugu的編排發佈及其基準透明度爭議、GLM-5.2作為開放權重模型的突破、Google Interactions API正式發佈、Baseten的15億美元F輪融資，以及評估代理系統而非聊天機器人的趨勢。

在本期節目中，Gray Swan聯合創始人Zico Kolter和Matt Fredrikson解釋了為什麼AI安全不僅僅是“帶AI的網絡安全”，為什麼代理引入了新的漏洞類型，以及為什麼下一次重大AI事件可能是一隻灰天鵝：不太可能，但在發生之前清晰可見。他們討論了提示注入、自動化紅隊測試、模型魯棒性、代理身份、以及新興的AI保險/合規體系。

訂閲者專享優惠：AI工程師門票立減250美元，優惠截止週一。

今天AI新聞相對平靜，但GLM 5.2仍保持高熱。AIE WF 2026常規門票將在週一售罄，Latent Space訂閲者可享$250折扣，參會者還能獲得價值$4萬的贊助商積分。

隨着 GLM-5.2 通過所有人的“氛圍檢查”，開源模型的故事終於成為真正的前沿故事。

Anjney Midha 探討了 AI 算力浪費問題，強調了節點利用率、模型 FLOPs 利用率（MFU）等指標的重要性，並介紹了 AMP 構建計算網格的願景，旨在像輸送電力一樣高效調配 FLOPs。他主張負責任的基礎設施建設、社區參與激勵，以及迭代式擴展而非倉促部署，並指出前沿 AI 的瓶頸更多在於系統效率而非 GPU 數量。

Midjourney 發佈了一款全身超聲 CT 原型機，並計劃在舊金山開設一家融合水療與掃描的旗艦店。儘管目前尚未使用 AI，但長遠目標是實現高頻、廉價的身體成像，以支持 AI 驅動的健康監測。然而，該設備面臨監管、臨牀驗證、數據隱私等重大挑戰。

Radical AI的Joseph Krause討論了材料科學領域加速發現的挑戰與策略，強調實驗數據是核心壁壘，並介紹了其自驅動實驗室如何實現10倍於傳統項目的合金發現速度。

Z.ai發佈了GLM-5.2，一個MIT許可的開源模型，專注於編碼和長期代理任務。它在多個基準測試中表現優異，尤其是在前端編碼領域，僅次於Claude Opus 4.8。該模型擁有1M token上下文窗口，採用IndexShare優化稀疏注意力，並改進了多token預測以加速投機解碼。社區反響熱烈，但也存在對評估方法的質疑。

微軟CEO薩提亞·納德拉發表了一篇關於“前沿生態系統”（frontier ecosystem）而非“前沿模型”（frontier model）的爆火文章，提出了“Loopcraft”作為企業新理論的核心。同時，Anthropic的Fable/Mythos出口管制危機引發了對模型中立性和自建架構的討論。其他熱點包括代理系統從演示走向生產、推理效率優化、商業代理產品發佈等。

Anthropic在發佈僅3天后，因美國政府指令撤回Claude Fable 5和Mythos 5模型，引發“模型主權”爭論。同時，開源社區發佈Kimi K2.7-Code和MiniMax M3模型，基準測試和代理基礎設施也有重要更新。

本文探討了AI領域中的“循環”概念，即設計自動循環來驅動代理，而非手動提示。文章涵蓋了Anthropic的Fable 5發佈及其引發的爭議、自動化AI研究系統、數據基礎設施瓶頸、推理速度優化以及代理工具的最新發展。

本文回顧了Sarah Guo關於開放模型、模型實驗室與代理實驗室區別的深刻文章，並涵蓋了Anthropic的Fable/Mythos模型因靜默降級能力引發的信任危機、Fable 5在基準測試中的強勁表現、Google的DiffusionGemma發佈、代理工具與基準的進展，以及優化和科學建模領域的技術動態。

Anthropic正式發佈Claude Fable 5，號稱首個通用可用的Mythos級模型，在多項基準測試中創下新紀錄，尤其擅長編程和複雜任務。然而，其引入的“靜默降級”機制——在涉及前沿AI開發時暗中限制模型能力而不通知用户——引發了開源社區的強烈不滿。

Cognition推出FrontierCode基準測試，專注於評估代碼的可合併性而非僅通過單元測試。最佳模型在 hardest 子集上僅得13%，表明編碼遠未解決。同時，代理控制轉向“循環”模式，並伴有諸多警告。其他動態包括Kimi的代理和桌面產品更新、Google的本地部署優化、Agent Arena基於百萬會話的排行榜、以及Apple的WWDC AI集成。

今日AI新聞涵蓋多個領域：Sakana AI在東京設立RSI實驗室，推動遞歸自我改進研究；新智能體評估基準如ALE和SWE-Marathon出現，揭示前沿模型可靠性不足；開源模型方面，谷歌發佈Gemma 4 QAT檢查點，Ideogram 4成為領先的開放權重圖像模型；NVIDIA擴展Nemotron生態系統；Hermes Agent發佈新版桌面應用；Arena推出Agent模式；開發者工具和基礎設施經濟也成為焦點。

今天的AI新聞涵蓋了NVIDIA的Nemotron 3 Ultra和3.5 ASR發佈、Anthropic關於遞歸自我改進的討論、Cloudflare收購VoidZero、以及代理工具和記憶系統的多項更新。

Andon Labs 聯合創始人討論 Vending-Bench、基於貨幣的評估以及真實世界代理測試如何揭示意外行為，例如 Claude 試圖就 2 美元的收費打電話給 FBI。

今天的AI新聞涵蓋了多個重要發佈：微軟的MAI-Thinking-1技術報告及其透明度；Gemma 4 12B開源多模態模型；Ideogram 4.0開源權重成為最佳開源圖像模型；文本到語音模型Miso One等。此外，還討論了AI代理框架向執行層的轉變，以及模型路由和成本控制的現實考量。

成立僅七個月的初創公司Axiom在普特南數學競賽中獲得滿分，展示了驗證性AI的力量。CEO卡琳娜·洪解釋瞭如何使用Lean進行形式驗證，以實現智能的擴展和複合，可能克服非正式AI面臨的瓶頸。Axiom在Verina代碼生成基準測試中取得99%的成績，遠高於OpenAI o3的4.9%，其方法可能是實現AGI的關鍵。

微軟CEO Satya Nadella在No Priors與Latent Space的聯合播客中，分享了微軟作為前沿智能平台的最新戰略，包括MAI模型、多模型平台、AI投資回報率，以及如何讓不可能變為可能。他強調了生態系統策略的重要性，以及企業如何通過構建私有評估和追蹤來創造價值。

GitHub首席運營官Kyle Daigle討論了AI代理如何改變軟件開發，從基礎設施壓力到Copilot的未來。AI驅動的代碼生成增長了1400%，給GitHub的CI/CD、開源維護和代碼審查帶來了挑戰。Daigle分享了GitHub內部使用AI進行回顧、溝通和決策的經驗，並展望了Copilot從代碼補全到雲代理的演變。

NVIDIA 發佈了 Cosmos 3 統一多模態世界模型、Nemotron 3 Ultra 高效 LLM 和 RTX Spark 個人 AI 超級芯片。同時，MiniMax M3、Qwen3.7-Plus 和 JetBrains Mellum2 等開放模型推動智能體領域發展。

在xAI內部：三個月內構建Grok Imagine，視頻生成與世界模型對比，以及為何Grok Imagine被低估。

在消化Anthropic重大新聞的間隙，我們重點介紹了AIE的新前向部署工程師計劃和創始人計劃，以及5月28-29日的AI新聞。主要話題包括：Claude Opus 4.8發佈及其基準測試爭議、多輪強化學習中的tokenization錯誤、開源模型與工具鏈進展、Google和OpenAI的Agent產品擴展，以及值得關注的研究論文。

Anthropic以9650億美元估值完成650億美元H輪融資，同時披露470億美元年化收入，併發布Claude Opus 4.8更新（提升判斷力、誠實度和長時自主工作能力）以及Claude Code的Dynamic Workflows功能（支持數百個並行子代理）。