本周科技圈两件事同时发生，很难说哪个更炸裂：Google I/O 2026 三连发，Gemini 3.5 Flash、Gemini Omni、Antigravity 2.0 一口气落地，把"Agent 时代到来"从 PPT 变成了产品；与此同时，Anthropic 周一宣布收购 SDK 工具公司 Stainless，周二 Karpathy 发推宣布加入 Anthropic。更离谱的是，OpenAI 同期发布一个模型，顺手解决了 Erdős 在 1946 年留下的几何猜想。Agent 军备竞赛已经从比模型变成了比生态、比工具链、比基础研究——本周 10 大技术动态，一文打尽。

🔥 本周头条

1 Google I/O 2026 三连发 — 从 Flash 到 Omni，Agent 时代全面开工

🚀 [产品发布]

Google I/O 是每年科技圈最重要的发布节点之一，今年格外扎实——一场发布会，三张王牌同时亮相。

Gemini 3.5 Flash：给 Agent 用的速度怪兽

说白了，Gemini 3.5 Flash 是专门为 Agent 场景设计的推理引擎。官方数据：比其他前沿模型快 4 倍，价格不到竞品的一半。它的定位不是拿分数的模型，而是跑任务的引擎——特别适合需要高频调用、低延迟响应的 Agent 工作流。

技术机制方面，Google 强调了在编码和"现实世界经济价值任务"（real-world economically valuable tasks）上的优化，但具体架构细节未披露。

Gemini Omni："从任意输入生成任意输出"

Omni 是本次发布中最具野心的一个。Google 给它的定位是："Generate samples in any output modality from any input"——视频、图片、文字、音频，全打通。

核心能力：

• 迭代式视频编辑：用自然语言对话一步步修改视频，保持场景一致性
• 物理感知生成：理解重力、动能、流体动力学
• 多参考融合：把视频、图片、草图、音频混合输入，输出统一内容
• Sketch-to-Video：手绘草图直接变成写实影像

目前通过 Gemini app、Google Flow 和 YouTube Shorts 三个入口接入，所有内容带 SynthID 水印和 C2PA 溯源标记。

Antigravity 2.0：从代码助手升级为 Agent 平台

Antigravity 1.0 定位是 AI 编程工具，2.0 直接变成了"自治 Agent 开发平台"。桌面端作为中央枢纽编排多个 Agent，搭载优化版 Flash 模型，速度达到"比其他前沿模型快 12 倍"。

顺带一提，Google 还发布了 TPU 第 8 代芯片（8t 用于训练，8i 用于推理），单次训练可跨 100 万个 TPU，性能每瓦提升 2 倍。

配套的 Agent 生态：

• Gemini Spark：7×24 小时个人 AI Agent，处理邮件、日历、长期任务
• Search 信息 Agent：后台收集信息并主动触发行动
• Daily Brief：自动汇总收件箱+日历+待办的个性化摘要

💡 洞察：Google 这次不是在发模型，是在铺管道。Gemini 3.5 Flash 的"快 4 倍"不是为了榜单，是为了让 Agent 调用的边际成本降到足够低，从而使高频自主任务变得经济可行。当模型调用成本降到接近零，Agent 的价值就不再取决于"能不能做"，而是"做多少次"。

2 Anthropic 双重加注 — 收购 Stainless + Karpathy 入职同一周

📋 [战略动作]

单独一件可以说是"好消息"，两件撞在同一周就是信号了。

收购 Stainless：把开发者工具链攥在自己手里

Stainless 是一家成立于 2022 年的开发工具公司，做的事情是：从 API 规范自动生成多语言 SDK（TypeScript、Python、Go、Java 等）和 MCP Server 连接器。它服务过 OpenAI、Google、Cloudflare——包括 Anthropic 自家所有官方 SDK，背后都是 Stainless 在生成。

Anthropic CEO 的表态很直接："Agents are only as useful as what they can connect to."

收购之后的走向：把 SDK 生成能力和 MCP（Model Context Protocol）工具链整合进 Anthropic 体系，专注于让 Claude Agent 能够更顺畅地连接外部系统。

对现有客户（OpenAI、Google、Cloudflare）的影响？官方公告没说，但 Forbes 的标题直接写了："Anthropic Buys Stainless To Cut Off OpenAI And Google SDK Access"。

Karpathy 加入 Anthropic 预训练团队

OpenAI 联合创始人、特斯拉前 AI 负责人 Andrej Karpathy 于 5 月 19 日在 X 宣布加入 Anthropic。他将加入预训练（Pre-training）团队，负责人是 Nick Joseph，并牵头一支新团队——专门用 Claude 本身来加速预训练研究。

他的原话很有意思："I think the next few years at the frontier of LLMs will be especially formative."

Karpathy 没有跳槽到某家初创公司，也没有继续独立。他选了一家对手公司的预训练核心部门——这个选择本身就说明了他认为 Anthropic 的研究路线值得押注。他也补充说，教育方向的工作会在未来某个时间点继续。

💡 洞察：Stainless 收购 + Karpathy 入职，暴露了 Anthropic 的两条并行战略：一条是向下夯实基础设施（SDK 工具链、开发者体验），一条是向上拔高研究天花板（预训练团队引入顶尖人才）。当一家公司同时在两端发力，通常意味着它认为自己正处于关键的加速窗口期。

⭐ 精选动态

1 OpenAI 用 AI 解决了 Erdős 80 年悬案 — 不是噱头，这次是真的

📄 [研究突破]

Paul Erdős 在 1946 年提出了一个离散几何猜想，数学界研究了近 80 年，一直认为最优解的形态"大致像正方形网格"。上周 OpenAI 宣布，一个通用推理模型推翻了这个猜想——发现了一族全新的构造方式，比之前所有已知解都更优。

OpenAI 强调，这不是专门为数学设计的系统，而是一个通用推理模型"顺手"解决的。这是 AI 首次自主解决一个数学领域的核心开放问题。

值得注意的是，OpenAI 7 个月前曾经声称解决过 Erdős 猜想，后来被数学社区打脸。这次他们明显更谨慎，引用了数学家 Thomas Bloom 的评语："AI 正在帮助我们更充分地探索人类几百年来建造的数学大教堂。"剑桥菲尔兹奖得主 Timothy Gowers 的评价更直接："达到顶级期刊发表水准"。

技术机制：模型能够"将跨领域的想法长链连接起来"，具体推理轨迹 OpenAI 未公开，但官方技术论文已同步发布。整个推理过程成本不到 1000 美元。

💡 洞察：如果这次结果经过数学社区严格验证，它标志的不只是一道题解开了，而是 AI 在"开放式探索"场景下的推理能力第一次触及前沿数学的天花板。数学是人类最严格的思维工具——AI 在这里的突破，比任何 benchmark 都更有说服力。

2 Qwen3.7-Max 连跑 35 小时、调用 1158 次工具 — Agent 耐力新基准

💻 [模型发布]

Alibaba 发布 Qwen3.7-Max，主打"长时程 Agent 可靠性"。最吸引眼球的演示：让它优化一块它从未见过的硬件（T-Head ZW-M890 平台的 Extend Attention kernel）——它跑了 35 小时，调用工具 1,158 次，最终实现 10.1 倍几何平均加速，全程自主从段错误和性能回归中恢复。

关键技术：Environment Scaling（环境扩展）

Alibaba 的创新不在于模型架构本身，而在于训练数据构造：把训练分解为三个维度——

• Task（任务目标）
• Harness（执行环境和工具集）
• Verifier（成功标准）

数字上：1,000 种任务 × 50 种执行环境 × 10 种验证器 = 50 万种独特训练实例。结果是模型学会了泛化的问题解决策略，而非记住特定工具的捷径。

Benchmark 数据（有基线对比）：

不足之处：多模态能力较弱，创意任务表现不及 GPT-5.5。

💡 洞察：Qwen3.7-Max 的意义不是"又一个性能超 Claude 的模型"，而是"Environment Scaling"这条训练路线的验证——通过构造多样化的执行环境来提升泛化能力，而不是靠更大的模型或更多的数据。这给整个行业提供了一个可复制的 Agent 训练范式。

3 Cursor Composer 2.5 — 用 RL 训练出来的编程 Agent

💻 [产品发布]

Cursor 发布 Composer 2.5，这次不是调参，是换了训练范式。

三项核心技术创新：

1. 定向文本反馈强化学习（Targeted Text Feedback RL）传统 RL 只给整体奖励信号，Composer 2.5 在训练轨迹的特定位置插入文本提示，让模型针对局部行为（比如某次工具调用出错、沟通风格不对）进行精准学习。说白了，就是把"哪里错了"直接告诉模型，而不是只说"这次整体不好"。

2. 大规模合成数据（25 倍训练任务量）相比 Composer 2，训练任务数量增加了 25 倍。方法是"功能删除"——从真实代码库中删除功能，让模型重新实现，生成更贴近真实场景的挑战性训练数据。

3. 优化的分布式训练架构分片 Muon 优化器 + 双网格 HSDP 并行策略，在 1T 参数模型上每步优化耗时仅 0.2 秒。

定价：标准版 $0.50/M 输入 + $2.50/M 输出，快速版 $3.00/$15.00，首周双倍用量。

💡 洞察：Composer 2.5 的"定向文本反馈 RL"是一个值得关注的训练信号设计——它把人类对代码 Agent 的反馈从"整体评分"细化到"行为级别"。这个方向如果成立，意味着 Agent 的改进不再依赖更大的模型，而是更精准的反馈信号。

4 Cohere Command A+ — 218B 参数，Apache 2.0，企业级开源新标杆

💻 [开源发布]

Cohere 在 5 月 20 日发布 Command A+，218B 参数稀疏 MoE 架构，激活参数 25B，完整 Apache 2.0 开源——这是目前企业级 AI 模型中许可证最宽松的一个。

关键技术参数：

• 架构：稀疏 MoE，218B 总参数 / 25B 激活参数
• 上下文：128K 输入 / 64K 输出
• 语言：48 种
• 最低硬件：2 × H100 或 1 × Blackwell B200
• 量化：BF16 / FP8 / W4A4，官方称"近无损"

Benchmark（有基线对比）：

Apache 2.0 意味着：可商用、可修改、可分发，只需署名。这对主权 AI 部署（不想数据出境的政府/金融机构）是重大利好。

💡 洞察：Cohere 用 Apache 2.0 打了一张差异化牌——它不跟 OpenAI/Anthropic 比闭源性能，而是把"数据主权"和"部署自由度"作为核心卖点。在欧盟 AI 法案和各国数据本地化要求收紧的背景下，这个时机选得很准。

5 OpenAI Codex 双更新 — Appshots 截图上下文 + /goal 长任务模式 GA

🚀 [产品更新]

OpenAI 给 Codex 同时推了两个功能，一个解决"上下文输入"问题，一个解决"任务持续性"问题。

Appshots：Command+Command 截图入 Codex在 Mac 上按 Command+Command，当前应用窗口的截图和文字内容（包括屏幕外的内容）直接附加到 Codex 对话线程。Codex 同时获得视觉信息和底层文本，不需要手动复制粘贴。

/goal 模式正式 GA/goal 从实验功能毕业，现在可以通过 Codex app、IDE 插件或 CLI 分配里程碑式任务，系统自主执行直到完成——可以跨小时甚至跨天。用户可以随时监控进度、调整方向或暂停。

有人测试：把 /goal 放了 18 小时，它独立完成了 18 个功能中的 14 个。

💡 洞察： /goal 的 GA 是一个里程碑——它把 AI 编程助手从"问答工具"变成了"异步执行者"。当你可以把一个多小时的任务交给 AI 然后去睡觉，开发者的工作模式就从"人机协作"变成了"人机分工"。

6 把 Agent 工作流"编译"进模型权重 — 成本降 100 倍的新范式

📄 [研究论文]

本周 arXiv 上有一篇值得认真读的论文：Compiling Agentic Workflows into LLM Weights。

核心思路：把 Agent 的"编排逻辑"从运行时的 LangGraph/提示词注入，变成训练时直接烧进模型权重——作者称之为"subterranean agents"（地下 Agent）。

技术路线：

1. 用 Claude Sonnet 4.5 遍历业务流程图，生成合成训练对话
2. 对 3B-8B 小模型做全参数微调
3. 运行时：无编排层，模型自己知道下一步做什么

实验数据（有基线对比）：

重新编译一次（流程图变更时）：30-50 分钟，相当于一次 CI/CD 部署。

测试场景：旅行预订（14 节点）、Zoom 技术支持（14 节点）、保险理赔（55 节点，6 个决策枢纽）。

💡 洞察：这篇论文挑战了"Agent = 大模型 + 编排框架"的默认假设。如果业务流程相对稳定，把逻辑编译进小模型比每次调用大模型便宜 100 倍以上，且质量损失可接受。这对企业级 Agent 部署是个很实际的工程选项——不是所有场景都需要 GPT-5 级别的通用推理。

📢 快讯速览

• PEEK（MIT CSAIL）：为长上下文 LLM Agent 引入"方向缓存"（Orientation Cache），固定大小的上下文地图记录"这段上下文里有什么、怎么组织的"，在 TREC-Q 和 CL-bench 上提升 6.3-34%，迭代次数减少 93-145 次，成本降低 1.7-5.8 倍（vs ACE 基线）→ arXiv
• SaaS-Bench：用 23 个真实 SaaS 系统、106 个专业工作流任务测试 9 个顶级 Agent。最强模型 Claude Opus 4.6 完整任务完成率仅 1.9%，暴露了 Agent 在多应用协作场景下的系统性瓶颈 → arXiv
• Qwen3.5-LiveTranslate：阿里通义发布实时翻译模型，支持多语言实时语音翻译 → X
• Manus Schedules：Manus 上线定时任务功能，Agent 可以按计划自动执行任务 → Manus 博客
• Shopify UCP（统一商务协议）：Shopify 发布 Agent 接入文档，定义 AI Agent 如何与 Shopify 商店交互 → Shopify Docs
• Chronicles-OCR：清华团队开源古籍 OCR 工具，专门处理中文历史文献 → GitHub
• NVlabs SANA-WM：NVIDIA 发布世界模型版 SANA，支持视频生成 → 项目页
• Runway Edit Studio：Runway 上线视频编辑工作室功能 → Runway
• Nebius × LangChain：Nebius 与 LangChain 合作，在开源模型上构建生产级 AI Agent → Nebius 博客
• OpenAI 个人理财功能：ChatGPT 上线个人财务管理功能 → OpenAI
• Heuristic Learning for Fluid Dynamics：用启发式学习方法解决流体动力学问题的研究 → 博客

结语：Agent 时代的三条分叉路

本周的动态，勾勒出 AI 行业正在走向的三条路：

• 基础设施之争：Google 用 Gemini 3.5 Flash 把 Agent 调用成本打下来，Anthropic 收购 Stainless 把 SDK 工具链攥在手里——谁控制了 Agent 的"水电煤"，谁就有定价权
• 研究能力之争：OpenAI 破解 Erdős 猜想、Karpathy 加入 Anthropic 预训练团队——顶尖人才和基础研究能力，正在成为新的护城河
• 工程效率之争：Cursor Composer 2.5 的 RL 训练、"编译 Agent 工作流"论文的 100 倍降本——不是所有问题都需要更大的模型，更聪明的工程方案同样有效

SaaS-Bench 的数据提醒我们：最强模型在真实工作流上的完成率还不到 2%。Agent 时代已经开始，但距离"真正能干活"，还有很长的路要走。