一份早报塞进10篇技术文章,覆盖大模型、智能体落地、评测方法三条线。信息密度不低,但真正值得停下来看的,是其中关于AI自我改进的那一段。

Gemini 4 Neon与GPT-6.2的双线推进

Google DeepMind发布Gemini 4 Neon,给出四档思考强度和付费入口,开发者可以按任务难度试跑。OpenAI这边推出GPT-6.2 Astra与Sol,前者主打三维交互,后者把成本效率放在优先位置。

两家的技术报告都区分了榜单成绩与实际产品交付价值——榜单是一回事,交付到用户手里是另一回事。

自我改进卡在哪

Mark Chen与John Schulman通过实验给出一个判断:模型已经能执行计划、监控运行,但人类仍需判断问题是否值得研究。

自动化确实在提速,可要证明自主自我改进成立,还得靠人工判断这一环。瓶颈不在执行,在选题。

智能体落地的几个样本

  • Ramp CEO分享AI如何被纳入整个公司工作流程,客服提交修复的方式随之改变
  • Claude Docs团队用混沌测试验证上线准备
  • 淘宝闪购共享实时可信业务知识
  • 美团通过评测白皮书优化商家AI助手

评测闭环怎么搭

美团把商家助手流程拆成状态图,用线上失败回补评测集,再校准判分器定位问题根源。淘特动线Agent则按用户进端、在端、离端三个时机划分智能体职责,供增长团队决定策略延迟与成本。

CodeRabbit把智能体用在代码评审上,Coinbase CEO谈创业时代与AI智能体应用。十篇文章方向各异,共同点是:模型能力在涨,落地和评测的活儿还得一件件补。