2026年7月8日 AI 早报：Cowork 数据揭 Agent 新战场，Antidoom 修死循环
Anthropic 公开 Cowork 120 万会话数据：33.4% 用于业务运营、仅 8.7% 是软件开发；Liquid AI 开源 Antidoom 将推理模型死循环率从 22.9% 降至 1%；微软自研 MAI 替换第三方模型降本。
今天几条新闻指向同一个趋势：AI Agent 的战场正从「帮程序员写代码」外溢到「帮企业运转业务」，同时推理模型的工程化质量和成本结构也在剧烈重构。
Cowork 120 万会话数据：Agent 主战场已从代码转向业务运营
Anthropic 在 7 月 7 日首次公开了 Claude Cowork 的使用数据。基于 5 月 11–31 日 120 万次匿名会话样本，最大使用类别是业务流程与运营——占 33.4%，场景包括汇总报告、入职检查清单、核对电子表格。内容创作与文案撰写占 16.4%（起草稿件、制作幻灯片），软件开发仅排第三，占 8.7%。（来源：Anthropic Blog）
结论很直接：约一半使用量来自「工作周边事务」——广泛存在于各岗位但很少是谁的核心职责。律师用它处理文档格式，招聘经理用它汇总面试反馈。正如我们此前在 AI 智能体改写软件工程的深度分析中所讨论的，Agent 产品的 PMF 应该围绕知识工作者的衔接性工作流设计，而非仅仅替代 IDE 自动补全。
多智能体模式公开：92% 性能仅需 63% 价格
同一天，开发者团队分享了内部高频使用的两种多智能体模式。Advisor（顾问）模式：Sonnet 5 执行主循环，遇高层判断时调用 Fable 5 获取指导。SWE-bench Pro 482 题上，组合方案拿到 Fable 5 约 92% 的分数、仅 63% 的价格。Orchestrator（编排者）模式更激进：Fable 5 做规划、向多个 Sonnet 5 worker 扇出任务，BrowseComp 上 96% 性能、仅 46% 成本。（来源：@shao__meng）
多模型协同不是炫技，是实打实的省钱公式——聪明模型做规划、便宜模型干苦力。继 Sonnet 5 发布后，模型组合策略正在取代模型本身成为差异化来源。
Liquid AI 开源 Antidoom：推理模型死循环从 22.9% 降至 1%
推理模型有一个顽固问题——doom loop：输出一段文本后不断重复直到上下文耗尽，小型推理模型在长思考轨迹上尤其容易触发。Liquid AI 7 月 7 日开源了 Antidoom，基于 Final Token Preference Optimization（FTPO）做针对性修复。（来源：MarkTechPost）
该方法定位循环的第一个 token，训练模型在该位置选择连贯替代项，其他分布基本不变——「精准手术」而非「全身麻醉」：
| 模型 | 修复前循环率 | 修复后循环率 |
|---|---|---|
| LFM2.5-2.6B | 10.2% | 1.4% |
| Qwen3.5-4B | 22.9% | 1.0% |
整套流程数小时可完成，代码与数据集（LiquidAI/antidoom-mix-v1.0）全部开源。对自己训模型或微调开源模型的团队，这可以直接集成进训练管线。
微软自研 MAI 替换第三方模型：用户或为更弱 AI 付同样价格
据彭博社报道，微软正在 Copilot 产品中逐步将 OpenAI 和 Anthropic 模型替换为自研 MAI。MAI 已进入 Excel、Outlook 和 GitHub Copilot，每周处理数万次请求。AI 负责人 Mustafa Suleyman 在 6 月公开确认目标是「减少并最终消除」对 Anthropic 的支出。（来源：The Decoder / Bloomberg）
但基准测试不乐观：MAI-Thinking 1 号称编码媲美 Sonnet 4.6 和 Opus 4.6，实测仅与 DeepSeek V3.2 相当。CEO Satya Nadella 还暗示 MAI 为默认、第三方模型付费附加——用户支付同样价格，得到更弱的 AI。依赖 Copilot 的中国企业团队，现在就该重新评估哪些环节真正依赖旗舰模型。
蚂蚁集团 AICon：万亿参数模型跑 15 分钟 ≈ 一辆特斯拉
蚂蚁副总裁周俊在 7 月 8 日 AICon 演讲中给出震撼数字：万亿参数模型每运行 15 分钟，算力成本约等于一辆特斯拉。团队提出从「更多 Token」转向「更高 Token 密度」策略，采用 7 份 Lightning Attention + 1 份 MLA 的混合线性注意力架构，256K 长上下文成本从指数级降至线性级。配合 Kpop 算法区分工具调用与自然语言 Token，输出减少约 4 倍而能力不降。（来源：蚂蚁百灵）
对国内企业 AI 应用开发，这指向务实路径：架构层面的效率优化——混合注意力、Token 密度提升、思维链剪枝——能让千亿参数模型在 Agent 任务中超越部分更大模型。这与我们观察到的 AI 编程效率持续提升趋势一致：工程优化带来的性价比提升，往往比等待更强模型更实际。
常见问题
Cowork 和 Code 的核心区别？
Code 是面向开发者的终端 CLI 工具，Cowork 将相同 Agent 能力延伸到聊天界面，面向所有知识工作者。底层能力一致，交互范式不同——命令行 vs 对话。
Antidoom 只适用于 Liquid AI 的模型吗？
不。已在 LFM2.5-2.6B 和 Qwen3.5-4B 上验证，方法通用。FTPO 训练只需数小时，任何面临推理循环问题的小型模型都可接入。代码已开源在 HuggingFace。
微软 MAI 替换会影响哪些产品？
已确认：Excel Copilot、Outlook Copilot、GitHub Copilot。Teams 预计将搭载自研转录模型。按 CEO 暗示，MAI 可能成为默认选项，OpenAI/Anthropic 模型转为付费附加。
今日信号：对中国软件企业的影响
- Agent 产品边界正在重画。Cowork 数据说明「帮人写代码」只是 Agent 市场冰山一角。33.4% 的业务流程运营使用量意味着，企业软件团队应把 Agent 能力嵌入客户日常工作流——报告汇总、表格核对、跨部门衔接——而非只盯着 IDE 插件。
- 模型成本结构剧烈分化。多智能体模式证明「聪明模型规划、便宜模型执行」的公式已成立，微软则在另一端用自研模型强行降本。两条路指向同一结局：模型组合策略正在取代模型本身成为差异化来源。选型应按任务复杂度分 tier，不全量押注最贵模型。
- 推理质量从「玄学」走向工程化。Antidoom 把循环率从 22.9% 压到 1%，蚂蚁的 Token 密度策略把长上下文成本线性化——这些都不是「等下一代模型就自动解决」的问题，而是需要主动集成的工程方案。