6月8日全球AI新闻:DeepSeek 登上 Ramp 6 月趋势软件供应商榜首

一句话概括：Perplexity 用"Search as Code"架构，让 agent 在沙箱里自己写 Python 检索流水线，而不是调用固定搜索 API。

核心内容：

三层架构：推理模型作"控制平面"决定检索策略 → 安全沙箱执行代码 → Agentic Search SDK 暴露底层检索原语。

官方数据：在一个 CVE 研究任务上 token 用量减少约 85%；在长程网页研究基准 WANDR 上比次优系统高约 2.5 倍。

该能力已并入 Perplexity 的 Agent API，并成为其 agent 平台"Computer"的默认检索方式。

为什么重要：这是"工具调用"范式的一次重要演进——从"模型选 API"到"模型写代码"，可能显著降低复杂检索任务的 token 成本。

我的判断：方向上很有说服力（让模型自己做过滤和去重，确实能省 token）。但这些都是 Perplexity 第一方基准，缺少独立第三方复现；WANDR 也是较新的基准，任务定义和污染风险都需要外部验证。建议把它当成"值得跟踪的架构趋势"，而不是"已被证实的客观最优"。

一句话概括：ChatGPT 新增"Lockdown Mode"，可关闭联网、Deep Research 和 Agent Mode，以降低 prompt injection 导致的数据外泄风险。

核心内容：

锁定模式通过禁用对外动作，让攻击者更难完成数据窃取。

报道明确：它只堵住外泄链条的"最后一步"，并不能阻止 prompt injection 本身。

prompt injection 仍被定性为一个"未解决的问题"。

为什么重要：这是头部厂商以产品形态公开承认"agent 安全是减法题，不是加法题"——有时最稳妥的防御是让 agent 少做事。

我的判断：对正在做企业 agent 的团队，这是一个很现实的范式参考：与其追求"全能联网 agent"，不如按数据敏感度分级，给高敏感场景默认收紧权限。能力和攻击面是一体两面，这一点这次被官方动作直接印证了。

一句话概括：普林斯顿团队提出名为 Goedel-Architect 的智能体框架，用开源模型 DeepSeek-V4-Flash 生成可被 Lean 编译器验证的形式化证明。

核心内容：

背景：2026 年 5 月 20 日 OpenAI 宣称其内部推理模型推翻了埃尔德什 1946 年提出的"单位距离猜想"；陶哲轩在斯坦福演讲称数学正进入"证明过剩时代"，瓶颈从"生成证明"转向"验证证明"。

思路：让 AI 生成 Lean 可机器检验的完整证明，难度远高于自然语言推导；Goedel-Architect 用智能体框架来逼近这一目标，核心模型是国产开源的 DeepSeek-V4-Flash。

36氪标题中的"500 倍成本优势/刷新多项纪录"是对该智能体系统效果的概括。

为什么重要：它把"开源模型 + agent 框架"这条路径，推到了数学这种最讲严格性的领域，也呼应了信号 3——开源模型正成为别人研究系统里的核心零件。

我的判断：这里要分清三件事：OpenAI 的埃尔德什结果（5 月 20 日，属背景，不在本次 24 小时窗口）、陶哲轩的判断（观点）、以及普林斯顿这篇用 DeepSeek-V4-Flash 的论文（本次的新信息）。"500 倍成本优势"是媒体概括，具体口径、对比基线和是否有独立复现都需查阅论文原文，不宜直接当结论引用。最稳的读法是：形式化证明 + 开源模型，是一个证据正在积累、但远未盖棺定论的方向。

一句话概括：LangChain Fleet 让你创建并管理一支各有专长的 agent 舰队（收件箱管理、写博客、竞品调研、招聘等）。

核心内容：这些是带自定义指令、技能、工具、子 agent 和记忆的 Deep Agents，可随反馈改进、可与同事共享、可排期运行、可导出上下文自托管；"channels"概念让 agent 接入 Slack/Teams/邮件，在你工作的地方找你。

为什么重要：它代表 agent 产品化的下一步——从"一个聊天助手"到"一组可治理的数字同事"，UX 重心转向管理、协作与可移植性。

我的判断：这是厂商主张，目前是"免费试用"阶段，实际的长任务稳定性、权限边界和失败模式都还需要真实使用来检验。方向对，但"能演示"和"能稳定干活"之间，往往隔着最难的那段路。

一句话概括：小模型学不会稀有任务，是因为高频任务不断覆盖已学内容；提高目标任务在训练数据中的出现频率，可能比单纯把模型做大更有效。

核心内容：研究用 400 万到 40 亿参数的模型，刻画了这一"覆盖"机制，并给出一个实用解法——增加目标任务的数据频率。

为什么重要：它把"能力来自规模"这个直觉，细化成"能力来自数据频率与覆盖的平衡"，对预算有限、做不起超大模型的团队尤其有价值。

我的判断：这是该研究在受控参数区间（4M–4B）内的结论，能否线性外推到前沿规模仍需验证。但它的工程启示很具体：与其盲目堆参数，不如先审视数据配比，针对性提升目标能力的样本占比。

一句话概括：基于 Ramp 的企业支出数据，DeepSeek 成为 2026 年 6 月最热门的新增付费软件供应商，反映美企对更便宜 AI 的需求。

为什么重要 / 我的判断：这是用"真金白银的企业支出"而非声量来衡量采用度，比社交媒体讨论更硬。但 Ramp 首席经济学家同时警告——把数据直接发给中国模型存在安全风险。成本驱动是真的，安全顾虑也是真的，两者会同时塑造接下来的企业选型。

一句话概括：小型机器人 Reachy mini 在 1.8.0 版本可本地近实时跑通"语音到语音"，并支持接入 MCP 工具。

为什么重要 / 我的判断：它在本地组合了 Gemma 4 E4B QAT + Parakeet + Qwen3-TTS，说明"端侧多模态 + 工具调用"正在变得可触达。这是单个开发者的体验分享，属于线索而非普遍能力证明；但它和 Gemma 4 进 llama.cpp 一起，勾勒出"边缘智能体"逐渐成形的轮廓。

一句话概括：Gemma 4 的 MTP（多 token 预测）已正式并入 llama.cpp，配合 QAT 可实现更轻量、更快的本地部署。

为什么重要 / 我的判断：llama.cpp 是本地推理的关键底座，主线支持意味着 Gemma 4 在端侧的可用性显著提升。具体加速幅度依硬件而定，原文未给统一数字，需要社区实测；但这类"底座级"更新，往往比一次模型发布更能决定开源生态的走向。

一句话概括：训练视频大模型，被低估的不是 GPU，而是数据存储与进出带宽——光存储就可能每月几十万美元。

为什么重要 / 我的判断：文章引用前 xAI 研究员 Ethan He 的说法（他三个月从零搭出 Grok Imagine）：10 亿条视频需约 5PB 存储，叠加 VAE 特征数据后达数十 PB，月存储费超 20 万美元，还有可观的数据进出费。这是一个很好的提醒——评估一家视频/多模态公司的"烧钱效率"，不能只看 GPU 账单。文中数字属受访者口径，应视为量级参考而非精确财报。

一句话概括：周末 Notion 因 Anthropic 模型性能下降短暂停用全部 Anthropic 模型，约 12 小时后恢复。

为什么重要 / 我的判断：Notion 称 Opus 4.7/4.8 出现"性能降级"导致失败率上升。但其产品负责人随后公开反驳——很多人转发是想把它解读成"模型质量问题"。这条提醒我们：上游模型抖动会被下游产品放大，而"服务降级"和"模型变笨"是两回事，传播中很容易被混为一谈。