天眼早报

🤖 AI 大模型

𝕏 OpenAI 将 Coding 模型并入主线，GPT-5.5 长上下文检索能力提升并已广泛用于 Codex

OpenAI 宣布自 GPT-5.4 起取消独立 Coding 版本，把 gpt-codex 与主模型合并为单一系统，意味着编码能力被视为通往更强通用智能的基础能力，而非单独产品线。与此同时，披露信息显示 GPT-5.5 相比 GPT-5.4 在长上下文检索准确率上实现翻倍提升，并已在内部被广泛用于 Codex。这也反映出前沿编码模型竞争正从单纯比拼能力，逐步转向 UX、可靠性、价格与限额等综合体验。

𝕏 DeepSeek 全系 API 输入缓存价格降至原来十分之一，V4-Pro 折扣延续至 2026 年 5 月

DeepSeek 宣布全系列 API 输入缓存命中价格即日起降至原价 1/10，显著降低高频调用和长上下文场景的使用成本。同时，DeepSeek-V4-Pro 的 75% 折扣将继续延续至 2026 年 5 月 5 日。这项调整对依赖缓存命中的企业级推理、Agent 工作流和大规模 API 集成尤其有吸引力，体现出 DeepSeek 在价格策略上继续强化竞争力。

𝕏 Claude Code 被曝因提交信息触发额外计费，Anthropic 员工承认检测漏洞并承诺补偿

有用户反馈，在 Git commit message 中包含 HERMES.md 后，Claude Code 请求会被自动路由到额外用量计费，单次多花 200 美元。随后官方员工回应称，这是第三方 harness 检测逻辑中的 bug，而非预期计费行为，并表示将进行退款并补送一个月额度。事件也提醒开发者，Agent 编码工具在自动化检测、路由与计费链路上的透明性仍需加强。

𝕏 Anthropic 即将推出 Claude Platform on AWS，可在 AWS 账户体系内直连原生平台

Anthropic 将推出 Claude Platform on AWS，与 Bedrock 的托管接入模式不同，开发者可在 AWS 账户体系内直接使用原生控制台、API 以及后续新功能。这意味着企业既能保留 AWS 的账户与基础设施边界，又可更快获得 Claude 平台的原生能力与更新节奏，对希望兼顾云治理与模型前沿特性的团队具有实际吸引力。

𝕏 DeepSeek V4 Flash 成为 OpenClaw 默认启动模型，权重已出现但仍待文档与基准测试

DeepSeek V4 Flash 已被选为 OpenClaw 的默认启动模型，用户反馈其整体表现足以覆盖多数 AI Agent 运行需求，仅在部分更高要求场景下仍需 Claude Opus 4.7 或 GPT-5.5。与此同时，社区还发现 DeepSeek-V4 Flash 可用权重已经出现，但官方文档与benchmark尚未完善，因此其真实能力边界和与 MiniMax M2.7 等模型的对比表现仍有待进一步验证。

𝕏 Google Cloud 披露 TPU 8t 超级集群架构，单个 Superpod 可扩展至 9600 芯片

Google Cloud 展示 TPU 8t ASIC 模块图，称其面向大规模预训练和嵌入任务，延续 3D torus 网络设计，并将单个 superpod 扩展至 9600 颗芯片。这一披露反映出谷歌仍在持续强化超大规模训练基础设施，为更高密度、更大参数规模和更长周期的模型训练提供底层算力支撑。

𝕏 GitHub Next 提出 ACE 框架，试图缓解 AI 协作中的团队对齐瓶颈

GitHub Next 的 Maggie Appleton 指出，AI 提升实现速度后，“实现窗口塌陷”使团队对齐成为新的核心瓶颈。她提出 ACE（Agent Collaboration Environment）概念，结合 Shared Sessions 与 MicroVM 架构，让开发、设计和 PM 能共同管理 Agent 计划，减少协作中的上下文断裂与协调债务。这代表了从“个人 Copilot”走向“团队级 Agent 协作环境”的新方向。

𝕏 本地推理门槛继续下降：Qwen3.6 27B 可在单卡 3090 完成自主编码闭环，MLX 量化版也已上线

围绕本地运行能力，近期出现多条相互印证的信息：开发者称模型效率近半年明显提升，单块 3090 已可承担部分 agentic 与构建工作；更具体的实测显示，Qwen3.6 27B dense 在 1 张 RTX 3090 上以 30-40 tok/s 完成单文件应用开发、自写 10 个测试并自行修复通过。与此同时，社区也上线了 Qwen3.6 27B/35B 的 MLX quants，进一步降低苹果芯片设备上的本地推理门槛。

𝕏 开源社区正以模块化复用重构大模型竞争方式

有开发者总结，开源阵营正在通过组件级复用加速模型迭代：例如 DeepSeek-V4 吸收 Kimi 的 Muon 优化器思路，而 Kimi K2 又复用 DeepSeek 的 MLA+MoE 架构。这说明大模型竞争不再只是封闭体系内的单点突破，越来越多创新会以模块形式扩散、重组与再实现，从而提升整体迭代速度并降低追赶成本。

𝕏 GPT-5.5 Pro 批量处理测试显示其可在 40 分钟内完成复杂任务

有用户实测 GPT-5.5 Pro 执行批量数据处理任务，耗时 40 分钟 完成输出。该案例展示了模型在长上下文、复杂指令与较长执行链路下的实际工作能力，也为其在企业级工作流、异步批处理和复杂分析任务中的可用性提供了一个参考样本。不过，这类单次测试仍更适合作为能力侧证，而非全面性能结论。

𝕏 TRINITY 发布：面向多模型协作与多代理任务分工的演化式 LLM 协调器

TRINITY 被公开为一套演化式 LLM 协调器，核心目标是提升多代理、多模型场景下的任务分工、调度与协作效率。在模型能力趋同的背景下，这类协调层工具的重要性正在上升，它试图解决单一模型难以稳定覆盖复杂流程的问题，为更系统化的 Agent 编排提供基础设施思路。

𝕏 OpenAI 发布临床场景 ChatGPT 医疗评测数据集

OpenAI 在 Hugging Face Hub 发布“Making ChatGPT better for clinicians”相关基准数据集，用于评测模型在临床场景中的表现。该数据集说明 OpenAI 正在推进更贴近真实专业应用的医疗评测基础设施，为后续模型在临床辅助、医学问答与安全性验证等方向的改进提供统一参照。

𝕏 DeepSeek V4 被强调以 100 万上下文为核心特性，并针对重负载场景优化

开发者提到，DeepSeek V4 的核心卖点是 100 万上下文，并针对重负载场景进行了专项优化。虽然这更像对产品定位的提炼而非完整新公告，但它突出了 DeepSeek 在超长上下文与高压工作负载方向上的竞争重点，适合需要大规模检索、长链路推理或复杂 Agent 状态维护的使用场景。

---