OpenAI 一日三箭：GPT-5.6 模型、Sites 建站、Work 跨应用智能体同步亮相。马斯克罕见公开承认 Anthropic「当前 AI 领导者」地位。扎克伯格首度回应 Meta「算力过剩」——不是太多，是租出去更赚。
7 月 9 日至 10 日，OpenAI 连续放出三个重磅产品。Sam Altman 发推称 GPT-5.6 是「有史以来最好的模型」。同日，Sites 上线——描述想法即可生成可发布的实时网站。第二天，Work 亮相：可跨应用自主工作的智能体。
这家公司正从「对话式 AI」向「行动式 AI」全面转型。一键建站让非技术人员几分钟生成 Web 应用——压低简单前端门槛的同时，也创造出大量「需要接后端、上生产、做合规」的需求。跨应用自主操作能力则说明 AI 正从工具进化为「数字员工」。对于正在评估用 AI 加速软件交付的企业，编程基座又强了一个量级——但把基座能力变成可上线、可维护的系统，仍然需要架构设计和工程交付。一个人能搭出 MVP 原型；变成接支付、过等保、跑 CI/CD 的生产系统，依然需要专业的软件定制开发。
7 月 10 日，马斯克发文坦言此前对 Anthropic 的判断有误，称其「显然是当前 AI 领域的领导者」。他表示没有公司发布过像 Mythos/Fable 这样优秀的模型，并相信对方很快会推出 Mythos 2。即使身为竞争者，也不会以伤害方式切断合作。
这不是客套。马斯克手握 xAI 和 Grok 系列，本身是直接竞对，且从不轻易夸赞对手。他的表态意味着模型竞赛已出现清晰领先者——从开发者工具体验、到推理能力、再到 Bun 的 Rust 重写，领先者正构建从模型到工具链的完整生态。企业 AI 选型的局面已不是「OpenAI vs 其他」，而是双头格局加上 DeepSeek、Kimi、通义等中国厂商的快速追赶。落地智能体系统时，建议不要绑定单一供应商，而是设计模型路由层灵活切换。
7 月 10 日，Meta CEO 扎克伯格首次正面回应云基础设施业务传闻。他否认「算力过剩」猜测，称内部需求仍满负荷运转。但当前市场对算力出价极高，对外出租更划算。公司正制定代号「Meta Compute」的云计算计划，两条路径：开放模型访问 + 直接出租裸算力。
AI 算力市场正从「自建自用」走向「基础设施即服务」的成熟商品化。未来 12-18 个月内，高端 GPU 推理资源获取门槛可能进一步降低。如果你还在因「没有 GPU」而推迟 AI 应用开发，这个理由正快速失效。真正瓶颈在工程侧：高效推理流水线设计、多模型智能路由、AI 能力嵌入现有业务系统——这些才是全栈开发的核心命题。
7 月 9 日，Cognition 发布 SWE-1.7，基于 Kimi K2.7 基座，通过强化学习管线改进大幅提升性能。FrontierCode 1.1 Main 达 42.3%（对比：当前最强旗舰分别为 43.0% 和 46.5%），Terminal-Bench 2.1 达 81.5%。关键在成本——远低于同等智能的旗舰模型。
这款模型的关键词是「性价比」而非「最强」——距行业标杆仅差不到 1 个百分点，推理成本可能只有几分之一。对于 AI 辅助编程团队，这意味着接近旗舰级的代码质量、远低于旗舰的 token 账单。我们已在客户项目中实践：用它处理常规 CRUD 和测试生成，仅在复杂架构决策时调用顶级模型。整体效率提升的同时，成本压到单一旗舰方案的 30-40%。
7 月 10 日，Claude Code v2.1.206 发布：/cd 支持目录建议、/doctor 检查 CLAUDE.md 冗余、/commit-push-pr 自动 git push、/login 支持公共网关。桌面版同步获得应用内浏览器——可调出文档、设计稿或任何网站，像操作本地 dev server 一样阅读和交互，沙盒机制可配置持久性。
内置浏览器是从「代码补全」进化到「自主开发助手」的关键一步。以前它只读你喂的文件，现在可以自己去读 API 文档、看设计稿、调试线上页面。对 AI 辅助全栈开发团队而言，这意味着助手能承担独立调研和调试——工程师从「操作 AI」变成「审核 AI 产出」。这一能力在项目初期技术选型调研和第三方 API 集成阶段尤其高效：原本半天到一天的工作可压缩到 30 分钟。
7 月 10 日，百度成都 AI Day 发布搭子四项更新：个人版新增浏览器调用、智能路由（任务耗时降 20%、Token 利用率提 25%）、多端共享记忆、强化 PPT 生成，上架「一镜」数字人及「灵医」报告解读等 Skill。自媒体专业套件支持选题到复盘全链路。企业版支持团队协作与权限管理。搭子联盟同步启动。
智能路由是亮点：任务耗时降 20%、利用率提 25%——工程上实现了「小模型处理简单任务、大模型处理复杂推理」的自动分流，这正是模型路由模式的工程实践。对有多个 AI 场景的企业（客服、文档、数据分析），企业版的团队协作与权限管理降低了管理成本。但通用平台在医疗合规、金融风控等纵深场景的定制能力有限——仍需要专业定制开发。
7 月 9 日，Sequoia 合伙人 David Cahn 更新估算：2026 年全球 AI 基建投入 1.5 万亿美元，行业需产生 3 万亿收入才能回本。Anthropic ARR 达 600 亿美元，OpenAI 2025 年收入 130 亿，缺口仍大。谷歌、Meta、微软、亚马逊均预测 2028 年自由现金流大幅增长——华尔街赌 AI 终将兑现。
1.5 万亿相当于全球第十一大经济体 GDP，绝大部分流向 GPU 和数据中心——「算力供给」侧。但对应用侧企业，算力越充足越便宜，真正稀缺的是「能把 AI 用起来的人」。大量客户 GPU 预算已批、API key 已申请，却卡在「到底怎么做」。全栈开发解决的就是这个断层：从「有算力」走到「有 AI 驱动的业务系统」。
今天 7 条新闻，如果只用一个词概括：分化。
模型层在分化。OpenAI 与 Anthropic 双头格局确立，SWE-1.7 证明专精模型可在性价比上超越通用旗舰，DeepSeek-V4 Flash 在 AMD 硬件上的训练突破则打开国产算力另一条路。
应用层也在分化。一键建站进入「一句话生成」时代，自主操作能力和桌面浏览器把 AI 从对话框拉进真实工作流。这些工具正重新定义软件开发的边界——但它们不是在消灭工程师，而是在消灭低价值重复劳动。
对中国企业，尤其是评估 AI 驱动开发转型的技术团队，三个可操作信号：
如果你的团队正在考虑用 AI 加速软件开发——不管是第一个 AI 原型还是现有系统改造——蓝曜炬辉提供 30 分钟免费 AI 开发转型评估，帮企业把「AI 能帮我们做什么」拆成具体的工程路线图。
]]>