从 Prompt 到 Graph：AI 工程成熟度梯子

OpenAI 发布 GPT-6 Astra，主打计算机操作能力。作者总结其亮点包括：以 Lean 形式化证明攻克 10 道数学/计算难题，单次解题 Token 成本约 $2000。

OpenAI 发布 GPT-6 Astra，首席研究官 Mark Chen 称其能构建测试软件、跨应用操作电脑并尝试开放科学问题。作者补充数字：OSWorld 真实桌面任务从 75 分钟降到 40 分钟，职场自动化从 18% 升到 41%，未防护越权率从上一代 48% 压到 0%，并称花了 2000 美元算力解出 10 道十年未解的数学与理论计算难题；同时指出带工具的综合测试仍落后 Claude。

Kimi K3 在 Frontend Code Arena 以 1679 分登顶，力压 Claude Fable 5 与 GPT-5.6 Sol，7 个前端细分赛道拿下 6 个第一。该模型为 2.8 万亿参数 MoE 架构，百万上下文窗口，7 月 27 日开放权重。K3 的 API 定价为输入每百万 tokens 15 美元，对标前沿闭源模型，放弃低价路线，转向长上下文智能体编码场景的定价策略。

腾讯混元团队发布Hy3模型，采用295B总参数、21B激活参数的MoE架构，推理效率可打平参数规模2-5倍的旗舰模型。Hy3定位为Agent向LLM，从preview到正式版基于50多个真实业务反馈迭代，内部WorkBuddy任务成功率从72%提升至90%，耗时降低34%，幻觉和常识错误持续下降。实测显示其在coding、办公、复杂任务规划方面表现突出，纯视觉能力为短板。Hy3已集成至微信服务10亿+用户，视频演示包括生成HTML网页、Agent网页和10页PPT，模型具备…

蚂蚁集团发布Ling-2.6系列模型，通过MoE架构与Fast-Thinking机制，将推理激活率降至7%，在实现接近GPT-5.4非推理水平综合智能的同时，大幅降低token成本。该模型在SWE-bench Verified等真实Agent场景测试中表现领先，旨在解决Agent规模化应用的成本痛点。目前已在OpenRouter提供免费API并即将开源，推动行业焦点从刷榜转向生产落地。其高效率特性尤其适合高频任务，在部分任务中速度比Claude Sonnet 4.6快6倍、…

Hinton 在英国皇家研究院 47 分钟演讲中提出，大模型精准预测下一个词本身就是最高形式的理解。他指出数字智能"永生"，同一套权重可在几万台机器并行学习并秒级同步万亿级参数，而人脑模拟计算"必死"、说话带宽仅约 100 bit。他警告超级系统一旦自主生成子目标，数学上必然推导出夺取控制权与拒绝被关机。

Redis LangCache 语义缓存可在模型门外拦截重复提问，实测将一次请求从 2.232 秒、514 输入 Token + 250 输出 Token 降至 0.37 秒、0 Token 消耗，快 6 倍。官方测算极端重复场景最高省 90% 账单、提速 15 倍，并以托管 REST API 提供动态 TTL、冷热驱逐与防误判监控。

学者 @hsu_steve 评价 Peter Gostev 用 3D 还原的 DeepSeek V4.1 Flash 架构图，称其底层设计"任何蒸馏技术都偷不来"。该架构采用 20 层因果编码器 + 20 层解码器的 CED 架构，读长文本仅激活约 8B 参数、生成时激活 16B；KV 显存压至约 890 字节/token，为上一代四分之一。

宇树全面开源通用人形基座大模型 UnifoLM-WLA-1.0，6B 参数，用同一套权重打通底盘导航、全身移动和桌面毫米级操作。模型支持两指夹爪到五指灵巧手的跨末端自适应，策略推理延迟压到 106 毫秒，底座用 Qwen3-VL-4B 加 MMDiT 动作流专家，训练用了约 2500 小时真机多任务数据，代码、权重、数据链路和真机部署指南全部开源。

Dev Ed 实测通过 Anthropic 的 MCP 协议把 Claude 接入 Blender，自然语言一句话即可 One-shot 完成建模。Claude 经 MCP 向 Blender 发送原生 Python 脚本，直接执行添加几何体、布尔运算、挂细分修改器、调整 Shader Node 等操作，生成可继续手动拖拽或对话微调的可编辑工程文件。