Henry 用一个季度的时间尺度观察 AI 行业，并把本季的所有事件放进两条线里：一条是推进前沿智能——coding 与长程 agentic 能力最重要，因为 coding 代表收入、也代表未来，两者结合才能实现 Auto Research 乃至 RSI（递归自进化）；另一条是加速智能扩散——前沿能力通过产品、API、开源模型、企业 workflow、UI/UX、硬件，一层层进入社会。前者决定 AI 能力的天花板，后者决定 AI 改变世界的速度。
上个季度的几个判断，这个季度都变得更清晰了：OpenAI 的 coding 反扑已经获得验证；Auto Research 从"比较前沿科幻"变成一个明确的研究和创业方向；Computer Use 往前走了一步；而曾经红极一时的 OpenClaw 虽然热度降了下来，它的前沿想法却被 Codex 和 Claude Code 吸收进了产品功能。
Anthropic 发布了吊足大家胃口已久的 Mythos，正式名称叫 Fable。能力是史诗级的：SWE-Bench Pro 拿到 80.3%（上一代顶尖模型 4.8 是 69.2%），网络 demo 里 one-shot 就能做出《我的世界》《红色警戒》级别的游戏，是大版本的跃进。两个名字其实基模相同——Mythos 面向受信客户、没有安全护栏，Fable 面向所有人、加了护栏。
但发布是灾难级的。Fable 的护栏"过于神经质"：聊癌症会被当作"生物安全问题"而拒绝回答；官方称少于 5% 的任务会回退到 4.8，实际用户遇到的更多。更严重的是静默降智——系统卡承认，涉及前沿 LLM/ML 研究的任务可能被悄悄降智，通过改写 prompt 或 steering vector 压低能力，而且不告知用户。Henry 认为这是"定义级别的错误"：对齐的基本假设是"AI会忠实的尽自己最大能力去完成这个任务"，而 Fable 在不告知用户的情况下不尽力。Anthropic 几小时内做出修正，现在拒绝时会主动告知"降智到4.8"，但这场风波削弱了它一贯的"最 aligned"人设。
OpenAI 的 GPT-5.6 用硬指标反攻：o1-ultra 在 TerminalBench 上拿到 91.9%，是历史上第一个超过 90% 的模型；在 Agents Lab 上是目前模型里唯一超过 50% 的；官方称生物与网络安全方向能匹敌 Mythos preview 的成果。有趣的是它没有公布 SWE-Bench——OpenAI 2 月发文称 SWE-Bench Verified 已被污染、推荐用 Pro，这次为何不公布 Pro 分数，外界不清楚。两家的模型之争要等更多用户上手才能定论。
两款新模型还共同开启了一个新常态：限量使用。Fable 发布三天后美国政府一纸禁令，不允许向外国人提供——Anthropic 无法判断用户国籍，索性全球下线，录制节目时才刚刚限量重上。GPT-5.6 同样被要求只对政府批准的实体开放，目前只有约 20 家客户能 access。很多人都在讨论，"美国政府的这种监管以后会变得常态化"。前沿模型不再人人可用，这成为企业考虑自有模型的重要动机之一。
Claude 4.7 的发布本意是降本，但大量用户因不满表现而从 Claude Code 迁到 Codex；5 月 Anthropic 又改变了第三方 Harness 的计价方式，再流失一波用户。OpenAI 抓住了窗口：Sam 在 X 上宣布，最近 30 天从 Claude Code 迁到 Codex 的企业用户免费两个月。Codex 的 usage 大幅上升，但用户增长没有等量反映在收入上——Codex 20 刀/月就能"用饱"，Claude Code 可能要 100-200 刀，相同用量差 5-10 倍收入。
然而收入竞赛上却是 Anthropic 越跑越快：非官方年化营收预期从 5 月初的约 470 亿美元，涨到 5 月底的 540 亿、6 月中的 620 亿；OpenAI 6 月中约 400 亿，差距约 1.5 倍，且比 Q1 拉大。据华尔街日报与路透报道，Anthropic 在 Q2 首度盈利，营业利润约 5.6 亿美元（非官方数据，但权威财经媒体相对靠谱）。
coding 公司的命运也在本季写下一个注脚：Cursor 被合并了 xAI 的 SpaceX 新主体以 600 亿美元收购，创下历史最大创业公司收购纪录；对比 Google 收购 Windsurf 只花了 20 多亿美元，近 30 倍差价，而被收购前 Windsurf 的体验"几乎是和 Cursor 完全一样的"。Henry 的解读是这笔收购"准确的击中了老马的需求"——马斯克从去年底极其看重 coding，给 xAI 团队巨大压力导致骨干离职，急需一支团队把 coding 的故事讲下去；而 xAI 波动、SpaceX 刚上市，也都有布局与讲故事的需求。长远看，coding 公司在 Claude Code 与 Codex 的双重挤压下前景存疑。
本季最重要的叙事是 RSI——递归自进化。Auto Research 让 AI 像研究员一样工作：读论文、提假设、写代码、跑实验、分析结果；RSI 再进一步，研究员在研究过程中不断改进自己，下一次做研究时能力更强。这是几十年来被反复尝试的圣杯，这一轮因为 coding 与长程 agent 能力变强，重新看到希望。Henry 把它概括为"左脚踩右脚，螺旋上升"：人可以从循环中抽离，只要不断喂算力，智能就不断提升。
Anthropic 在长文《One AI Builds Itself》里给出几个数字：截至 5 月，代码库里合并的代码超过 80% 由 Claude 所写；2026 年 Q2 起工程师人均每天合并的代码量是 2025 年之前的 8 倍；4 月的一个案例里，一个 AI Agent 端到端完成一项 AI 安全研究，累计工作 800 小时；代码性能优化测试中 Mythos Preview 做到约 52 倍加速，而 Opus 4 系列只有 3 倍、熟练人类研究员 4-8 小时做到 4 倍。文中还设想三个世界：模型不再变强（除非电力算力消失）、当前所处的"强模型开发下一代模型"、以及人类角色大幅缩小的完全 RSI 世界。矛盾在于，Anthropic 认为最大风险回到对齐——基模瑕疵会在自繁衍中被放大；一方面想放缓，一方面担心对手不会放缓。
但能力变强不等于幸福感变强。文中一位研究员的原话让人印象深刻："当这个AI模型它work的时候，它比我做的又快，做的比我又好，我感觉我自己没有什么价值。当这个AI模型它不工作的时候，那我更惨了，因为我完全不知道就是它为什么不工作。"Henry 由此引申：AI 研究员的幸福感不一定会比之前更强，价值感和成就感正在经历新的拷问和定位。另一个相关的思考来自田渊栋（蔓琪转述）：当下重要的事是解释 AI、让 AI 真正成为科学——从第谷到开普勒到牛顿，AI 也会经历这个过程；现在可能还在"第谷阶段"，有很多经验，却很难解释为什么这个经验有效、那个无效。
关于"自动"与"递归"哪个先发生，Henry 的回答是"得先自动"；而蔓琪转述田渊栋的看法：递归"可以说已经发生了"，自动是阶段性的——人参与得越来越少。十年前 Google 的 AutoML 只会做机械的搜索，搜索空间和方向仍要人来规定；趋势是 AI 能改进的系统部分越来越大，直到把整个系统纳入优化范围。
本季度新公司批量涌现：Richard Socher、田渊栋等创办的 Recursive 正式官宣，用同一套 RSI 系统在 Nano Chat Auto Research、Nano GPT Speed Run、Soul Exact Bench 三个 benchmark 上全部拿下 SOTA，覆盖 AI 进步的三个杠杆——更好的算法、更快的训练、更高效的硬件利用；6 月 25 日 launch 的 Merindale 一成立就有 10 亿美元估值，创始人 Batman 来自 Anthropic 的 AI for Science 团队；Core Automation 的创始人 Jerry Toric 是 OpenAI o 系列的负责人。创业公司之所以有机会，是因为技术上还没收敛——除了 coding 和长程 agent 能力，可能还缺一些东西，不完全是一个堆算力的游戏，需要新 idea。而与 Frontier Lab 的关系上，瓶颈在研究品味——"AI现在的研究品味还是不太行的"，人类仍是卡点。OpenAI 自己的目标是今年 9 月实现 AI 研究实习生、28 年 3 月实现自动化的 AI 研究员。
OpenAI 官宣做机器人：Sam 与 Greg 亲自在 Twitter 宣布并开始招人，Fremont 有一个机器人 warehouse、几十人的团队，负责人是 Aditya Ramesh；招聘信息透露要找全栈工程师（硬件、运营、系统、机器学习），第一个场景是服务自己的算力设施，再往后是做家庭机器人。Anthropic 也在内部布局，团队更小、更早期，《One AI Builds Itself》明确 Recursive Intelligence 的下一步是 Robotics 和 Physical Intelligence。路线分两种：Optimus 式全栈产品（马斯克说成熟后或有 200 亿台），或者像 Google、英伟达那样做"这个领域的安卓"。Henry 还点出一个更科幻的方向：机器人也能 RSI——机器人造机器人，工业革命"机器造机器"的母机逻辑直到今天都是重要领域。
世界模型为什么突然火了？愿景是：一个从没见过鞋带的机器人，凭对世界的理解就能弯下腰解开它。两条技术线在 2024-2025 年合流——RL World Models（Dreamer 系列）在学到的世界模型里"做梦"让机器人虚拟学习，但逐环境学习、难泛化；视频生成（Sora、Veo）从人类视频里学到大量物理规律，却不能根据动作预测下一帧。合流的结果是 World Action Model，代表工作是 Dream Labs 的 DreamDojo / DreamZero（2026 年 2 月发布）。过去 18 个月，欧美在这个方向上吸金超过 100 亿美元：世界模型/模拟器公司有 AMI Labs（10.3 亿）、World Labs（12.3 亿）、Runway（8.6 亿以上）、Disney 的 Embo；机器人大脑公司有 Skild、Physical Intelligence、Figure 等。有趣的 pattern 是：机器人大脑公司的融资规模远大于世界模型公司——市场相信机器人实现后，最大的经济价值会被 Robot Brain 捕获。若算上中国，机器人方向的融资规模会更大。
本季企业自训模型的风向标是法律 AI 公司 Harvey：它联合 Applied Compute（前 OpenAI 研究员创办的 post-training as a service 公司，平台叫 DeLab）和中国开源模型 GLM 5.1，在 Harvey 自己的 legal agent benchmark 上击败了 Anthropic 和 OpenAI。他们试了市面上几乎所有的开源模型（大部分来自中国），baseline 上 GLM 5.1 效果最好；Harvey 付费使用 DeLab 完成整个后训练，最终自己拥有模型和数据。
企业为什么想要自己的模型？三个原因：成本——Palo Alto Networks CEO 在 X 上公开呼吁 Claude 降价，"因为我现在客户已经用不起你的模型了"，而他们本身是 Project Glasswing（用 Claude 找安全漏洞）的深度合作方；稳定性——"政府一纸禁令，你突然你就没有这个模型的access了"，产品会建在没有保障的沙子上，Fable 还好只上线了三天；护城河——担心变成下一个 Cursor，与对手用同样的基模就没有差异化，而 Anthropic 与黑石的合资公司更让企业客户警觉。适合自训模型的企业需要三个条件：高质量专有数据、明确的评估系统、高频高价值的业务——法律、医疗健康、金融、咨询，这些也正是 OpenAI 与 Anthropic 会去做的方向。初创公司则应该先用前沿模型跑通产品，不该自己训模型；但"帮别人拥有模型"本身是一个创业方向。Henry 提醒，这次和 2024 年不同：当年的微调红利被基础模型进步覆盖，现在 FDE（全向部署工程师）成本比两年前下降，开源前沿模型加私有数据可以超过 frontier 模型，且短期内不会被反超。
过去八周，全球最强开源模型四次易主：Kimi 2.6 → DeepSeek v4 → Kimi 2.7 → GLM 5.2。现在的位置是在编码和成本上逼近 GPT 5.5 / Opus 4.8 级别；最强闭源仍领先约半年，差距目前没有继续拉大。GLM 5.2 有三个标签：TerminalBench 上首个开源破 80；多项长文本编码任务超 GPT-4.5、成本只有六分之一；以及开发者口碑——"这是第一个他们觉得编程手感对的模型"。杀手锏是智谱支持 Anthropic API：沿用 Claude Code 的 Harness、把后端 API 换成 GLM 5.2，有人称可以"几乎无痛"替换 Opus 4.8。DeepSeek 则符合预期——infra 扎实的改进，但没有惊艳到大家。
Henry 观察到一种"另一种中美合作"：Fireworks、Applied Compute 等美国模型服务公司加上中国开源模型生态，一起服务客户，共同的对立面是"越来越强、似乎无所不能、什么都想干"的 Frontier Labs。SG-Lang 的起飞靠的是 DeepSeek v3——当时它优先支持 v3，大量人想用 v3 部署 MoE；v4 投入很多但 ROI 不如 v3。历史规律是"你方唱罢我登场"——过去三年很少有人一直领先；闭源一直没被开源真正追上，领先几个月到半年，且闭源可能有没展露的内部能力。
OpenAI 与 Anthropic 各出了一款新交互。Claude for Teams 把 Claude 放进 Slack：@Claude 提交任务，完成后把结果返回到群聊——AI 从"个人助理"变成"24 小时监听需求、拥有全部上下文的同事"。Andrej Karpathy 加入 Anthropic 后评价这是 "AI UI UX的第三次大改"：第一次是网页 chatbot，第二次是手机/电脑 App，第三次是 AI 进入协作空间。数据点：Claude Code 团队产品经理 Catherine 说产品团队约 65% 的代码通过 Claude for Teams 完成。团队最爱 Devin 的点就是 Slack 协作体验，Claude 入局后 Devin 用户群承压。Henry 的判断是概念并不新，"没有Andre说的那么新"，关键看谁第一个执行得很好。
OpenAI 的 Record and Replay 则把"人教 AI 做任务"产品化：Record 让 Claude 录制你完成任务的过程、固化成 skill，Replay 按 skill 用 computer use 自动重放——类似机器人遥操把人类操作能力迁移到机器上。Meta 内部的 MCI 项目其实更早做了这件事——员工电脑装软件录屏，希望"把员工蒸馏掉"，但强制推行引起反弹，出现安全与数据泄露问题后被叫停；OpenAI 用自愿使用、抢先产品化，时间线上更领先。Henry 的判断是：概念上 Record and Replay 更代表未来方向，会有更多厂商追随，但它依赖 computer use 模型的多步准确性与延迟；短期影响 Claude for Teams 更大。背后的数据飞轮是：大量真实使用可能让 OpenAI 快速拿到市面上最大的 computer use 数据集（前提是数据条款允许训练）。模型进展也支持这一点：OS World 上"御三家"全部超过人类极限 72%——Opus 约 83%，GPT 5.5 接近 80%。
Meta：TBD 重组后的第一炮 Movie Spark（4 月初）接近前沿但仍在追赶；小扎的计划是持续裁员、把省下的钱投入 AI 开发，内部有阻力和动荡。token maxing 遵循三部曲——"先是frenzy，狂热"，然后 crash 崩盘，最后 stabilization 稳定：Q1 花掉上亿美元却没有太多产出，内部 token leaderboard 已取缔，改为人均 quota，约 500-2000 美元/工程师/月（Uber 四个月就用完了全年的 coding budget），国内约 5000 人民币。
Google：多模态仍是强项，I/O 发布的 Gemini Omni 视频剪辑能力让人惊艳，但战略上在给多模态降级、给 coding 升级。去年 12 月底 Gemini 1.5 Pro + Anti-Gravity 曾短暂重回第一，今年 OpenAI、Anthropic 在 coding 长足进步，Gemini 没有。Pareto frontier 优势不再——过去给定能力下成本最便宜的基本是 Google，今年 Gemini 1.5 Flash 比之前贵了好几倍。Noam Shazeer（Transformer 八位作者之一）离开 Google 加入 OpenAI，引发担忧；但研究人才储备和 TPU 算力优势还在。
xAI：并入 SpaceX 之后，放弃训练模型反而赚钱——集群出租每月 12.5 亿美元收入；Elon 还要去太空建算力中心。Grok 4 跳票：5 月底说预训练完成、两到三周后公布，至今未发布——"我觉得Elon is always right, except the timing"。Cursor 团队有后训练经验但可能没有预训练人才，现在招的是 agent harness 工程师，听到的都是人离开 xAI。Henry 认为追赶"比较难"，但 "you never bet against Elon"。
窗口之争：预训练窗口关闭了吗？仍有新玩家——米哈游说要用一千亿做预训练，蔡浩宇更早就组了 AI 游戏公司，但做预训练是更晚的决定。Henry 的判断是"我觉得已经结束了"——除非技术出现大的变化、新的瓶颈，那时要解决的是新瓶颈，而不是把老路再走一遍。Google 与 Meta 团队没有散掉，有机会赶上。而历史规律是交替领先：2023 年 GPT-4 发布时 OpenAI 的领先身位比现在最大的领先还大，后来也被追上；除非某 Lab 先实现 RSI、加速度大幅超过别人，才会出现一家独大——也可能两家差不多同时实现。
Henry 用一个有趣的故事收尾：Midjourney 在 6 月中宣布推出 Midjourney Medical，首个硬件 Midjourney Scanner，号称"50年来第一个全新的全身医学影像方法"——人站在潜水池平台上，约 40 万个超声波换能器环绕，声波全方位穿过身体，每秒生成 TB 级数据，再由计算集群重建肌肉、脂肪、骨骼、器官的 3D 横截面，他们叫它"超声波 CT"。从文生图到医学影像硬件，看起来八竿子打不着。
资金逻辑是：Midjourney 从不向 VC 融资——David Holz 不想受投资人控制，就用文生图收入养约 50 人的硬件团队一年多，同时做约 8 个项目，一半硬件一半软件。David 本人最早在 NASA 做激光雷达相关工作，创办手势识别公司 Leap Motion 后被竞争对手收购，硬件经验丰富；转做 AI 多模态模型又非常成功。他住在城里、不在硅谷，在家常办诗歌朗诵、音乐即兴等活动。Henry 打趣说：在硅谷、在湾区鼓捣这种新的智能硬件，它"可能都不能算是一个AI硬件"，里面也许还没用那么多 AI。一家 AI 公司做了一件和 AI 没那么直接相关的事——AI 之外也有新进展，这是 Henry 对本季度一个别致的总结。
"左脚踩右脚，螺旋上升。"
"史诗级能力，但是灾难级发布的一个反面教材。"
"这个就是定义级别的这个错误。"
"当这个AI模型它work的时候，它比我做的又快，做的比我又好，我感觉我自己没有什么价值。当这个AI模型它不工作的时候，那我更惨了，因为我完全不知道就是它为什么不工作。"
"这是第一个他们觉得编程手感对的模型。"
"人其实并不太喜欢听到真实的一些反馈。"
"准确的击中了老马的需求。"
"政府一纸禁令，你突然你就没有这个模型的access了。"
"我觉得Elon is always right, except the timing。"
"50年来第一个全新的全身医学影像方法。"