开源对照测试显差距：ChatGPT 前端复刻能力遭遇“开卷考试”滑铁卢

前沿哨所

• 独家解析：OpenAI 5.6 sol Ultra 模式核心在于 Subagent 编排能力

  来自 Linux.do 社区的技术分析显示，在 OpenAI 测试环境（代号 5.6 sol）中，备受关注的 Ultra 模式其本质提升并非单纯的模型推理强度，而是系统层面的 Subagent（子智能体）编排与调度能力。技术调研发现，该模式是在 Max 模式的基础上叠加了多层智能体协作框架。目前，macOS 版 Codex 应用开启 Ultra 模式通常需要登录 OpenAI 账号，而直接使用 API 密钥（包括中转服务）的用户在常规配置下无法直接调用该模式。经测试验证，开发者可通过在 CLI 命令中添加特定参数（如 `model_reasoning_effort=”ultra”`）或在配置文件 `~/.codex/AGENTS.md` 中植入积极的调度提示词来解锁这一能力。这一发现揭示了 AI 应用层的发展趋势：顶尖的模型能力不仅依赖于底座模型的大小，更取决于应用层对多智能体工作流的精细化管理与自动化调度。

  事件分析

  此次针对 OpenAI 5.6 sol Ultra 模式的技术拆解，揭示了当前 AI 进化的一个关键转折点：从单纯的模型规模竞赛转向系统架构的深度优化。此前业界普遍认为 ‘Ultra’ 代表的是更高的算力消耗或更长的思考链，但事实证明，其核心在于应用层的智能体编排。这说明 OpenAI 正在将复杂的 AI 任务拆解为不同角色的 Subagent 进行协作处理。对于开发者而言，这意味着单纯的 API 调用可能无法释放模型的最大潜能，未来需要更依赖官方封装的 Agent 工作流或自行编写类似的编排逻辑。这种 ‘模型+编排’ 的组合拳，将成为定义下一代 AI 编程工具体验的关键标准，也暗示了 AI Agent 在实际落地中从 ‘单体智能’ 向 ‘协同智能’ 演进的技术路径。

  💡 核心观点：OpenAI 的 Ultra 模式表明，AI 的下一阶段竞争壁垒已从单纯的模型算力转向了 Subagent 系统工程的编排能力。

  原文链接：Linux.do

  6小时前

• 开发者实测国产大模型：Vibe Coding 场景下多模态能力仍存短板

  近日，在技术社区 Linux.do 上，一名专注于 Vibe Coding 模式的开发者发帖引发讨论。该开发者表示，虽然智谱 AI 在代码生成方面表现尚可，但在多模态处理能力上“一言难尽”。为了寻找更适合处理图片、视频和音频的模型，该开发者实测了 MiniMax、DeepSeek（Ds）、Kimi（月之暗面）以及豆包（字节跳动）等多款主流国产大模型。测试结果显示，尽管这些模型在单一文本或代码任务上各有所长，但在复杂的多模态交互场景中，综合体验均未能达到预期，普遍存在“差一点意思”的情况。该贴文反映了当前开发者社区对国产大模型在跨模态语义理解与生成能力的迫切需求，以及在 AI 辅助编程向全模态演进过程中所面临的具体挑战。目前，该开发者仍在寻求更优质的多模态解决方案。

  事件分析

  这一开发者反馈揭示了当前国产大模型发展的结构性瓶颈，即从单一的文本逻辑向多模态感知能力跨越时的“落地难”问题。Vibe Coding 不仅仅是代码补全，更强调 AI 对上下文的全面理解，包括 UI 图像、操作录屏甚至语音指令的解析。实测体验不佳表明，虽然国内厂商在语言模型的基座能力上已迅速逼近国际领先水平，但在视觉编码器（Visual Encoder）与大语言模型的深度融合、以及对长视频和音频流的语义对齐上，仍有优化空间。技术层面的挑战可能在于如何有效统一不同模态的特征空间，以及提升模型处理非结构化数据的准确率。产业影响方面，若无法补齐多模态短板，国产模型在高端 AI 开发工具和自动化工作流等高价值领域的应用将受到限制。后续预计各大厂商会加大在端到端多模态训练架构上的投入，以解决这一瓶颈。

  💡 核心观点：Vibe Coding 落地受阻暴露国产模型软肋，多模态理解力已成为 AI 编码进化的关键瓶颈。

  原文链接：Linux.do

  6小时前

• 开源工具 SQLTunnel：让 Claude 等 Agent 安全访问内网数据库的 MCP 网关

  开发者近期推出了一款名为 SQLTunnel 的开源网关工具，旨在解决 Claude Code、Dify 等 AI 智能体安全访问本地或内网数据库的痛点。SQLTunnel 部署在用户本地或局域网环境中，作为中间层连接 Agent 与 MySQL、PostgreSQL 数据库，避免将敏感的数据库凭证直接暴露给 AI 模型。该工具支持 MCP 协议和 OpenAPI 接口，兼容 SSH Tunnel 隧道连接（包括 ProxyJump），并提供了细致的安全管控机制。用户可针对不同的 Agent 客户端配置独立的 API Key，并精确限制其读写权限、最大查询行数及超时时间。在实际应用场景中，SQLTunnel 能够让 AI Agent 结合源码上下文与真实数据进行分析，例如通过自然语言指令完成销售统计、用户留存分析或生成数据报表。此外，在授权写权限的情况下，Agent 还能辅助执行数据库迁移或结构变更。该工具提供了 Docker 镜像及本地构建方案，目前已在 GitHub 上发布。

  事件分析

  SQLTunnel 解决了 AI Agent 应用落地中关键的“数据孤岛”与“安全隐私”矛盾。随着 Claude Code 等 AI 编程助手的普及，开发者迫切需要 Agent 具备理解业务数据的能力，而直接将内网数据库暴露给云端模型存在巨大的安全风险。SQLTunnel 通过引入网关层并采用 MCP 协议，建立了一套标准化的数据交互规范，使 Agent 能够在受控环境下执行 SQL 查询和数据分析。这一设计不仅保障了企业数据安全，更将 AI 的能力边界从单纯的代码生成拓展到了全栈业务分析。通过结合源码逻辑与数据库实体结构，Agent 能够提供更精准的上下文感知服务，这标志着 AI 辅助开发正从“单点代码补全”向“全链路业务理解”演进。

  💡 核心观点：通过 MCP 网关屏蔽底层数据风险，SQLTunnel 让 AI 具备了安全读取业务状态的能力，推动 Agent 编程从代码生成迈向全栈智能化。

  原文链接：V2EX 分享发现

  6小时前

• 国产算力新里程碑：粤港澳大湾区万卡昇腾智算集群正式上线

  7月10日，据央视新闻报道，粤港澳大湾区国产智算超万卡集群在韶关正式上线启用，标志着国产大模型研发正式进入“算力自主”新阶段。该集群作为全国一体化算力网络粤港澳大湾区枢纽的核心组成部分，总投资高达55亿元，总计部署11520张昇腾国产AI加速算力芯片卡，总算力规模达9000P，整体性能经评估已达国际领先水平。在技术生态建设方面，该项目深度联动了国产芯片、操作系统及算法框架等上下游产业链，成功构建了从基础设施到产业应用的完整算力生态闭环。据中国电信广东分公司介绍，该集群实现了全国产自研与自主可控，目前主要用于科研领域，后续将重点赋能粤港澳大湾区的大规模推理及中小企业数字化转型。值得注意的是，该项目通过打通电力、机房、液冷、算力及网络全专业端到端协同，仅历时90天便完成了全部建设、调试与上线工作，展示了极高的工程交付效率。

  事件分析

  此次万卡集群的快速交付是国内AI基础设施工程化能力的集中体现，90天完成9000P算力部署验证了国产供应链在预制化模块、液冷散热及网络互联层面的成熟度。技术上，全栈采用昇腾芯片与国产框架，意味着国内已具备独立构建万亿参数级大模型训练环境的硬件基础，有效缓解了外部制裁带来的算力焦虑。产业层面，该集群不仅服务于科研，更通过“以用促研”的方式，推动国产软硬件在真实商业场景中的迭代与优化，为降低大模型训练门槛及实现全域数字化底座替换提供了关键支撑。

  💡 核心观点：90天交付万卡集群标志着国产算力已具备承接万亿参数大模型训练的工程化与实战能力。

  原文链接：Linux.do

  6小时前

• 大模型周刊 第 36 期：出厂前多了一道政府闸门

  作者：toy　|　覆盖周期：2026.6.29 – 2026.7.10

  这一周 OpenAI 和 Anthropic 都把自己最强的模型放了出来，但两家都不是自己说了算。GPT-5.6 等联邦机构做完安全基准评估才全球开放；Anthropic 的 Fable 5 和 Mythos 5 更狠，发布三天就被商务部按出口管制令叫停，停摆 18 天才恢复访问。

  以前一个模型练好了、评测跑完了，实验室自己挑个日子就上线。现在中间多了一步：华盛顿点头。有点像药品上市前要过 FDA——不是你觉得能治病就能卖，得先过一道跟研发无关的审批。

  这道闸门这周第一次同时卡住了两家头部实验室。往后最强模型的发布节奏，一半握在实验室手里，一半握在华盛顿手里。这不是插曲，是新常态的开始。

  一、OpenAI：GPT-5.6 三兄弟同时开门

  本周动作：

  • 6 月 26 日预览旗舰 Sol，7 月 9 日 Sol、Terra、Luna 三个变体全球正式开放，个人和企业都能用
  • 定价（每百万 token，输入/输出）：Sol $5/$30、Terra $2.5/$15、Luna $1/$6
  • Sol 跑在 Cerebras 芯片上，速度做到每秒 750 token
  • 7 月 8 日推出全双工语音模型 GPT-Live-1 和 GPT-Live-1 mini，能边听边说、可被自然打断，替换掉原来的高级语音模式
  • AtCoder 世界巡回决赛算法赛道：OpenAI 系统五道题全解、8300 分拿第一，最强人类选手只解出三道

  市场信号：

  同一代里 Sol（$5/$30）比 Luna（$1/$6）贵五倍，这不是随手定的价，是 OpenAI 在按任务分层收费——重活给旗舰，杂活给便宜档。每秒 750 token 是什么概念？平时模型输出也就每秒几十个 token，你能明显看到它一个字一个字往外蹦；750 意味着话音刚落、结果已经出完。

  AtCoder 那条最值得琢磨。去年同一个赛事，OpenAI 只拿了第二；今年五题全解，最强人类才解三题。竞赛级算法题一直是”人类还能赢”的自留地，这块地这周也快守不住了。

  我的判断：

  GPT-5.6 最值得看的不是 Sol 有多强，是三兄弟一起出。OpenAI 在赌”一个模型解决所有问题”这条路是错的——不同任务配不同价位和速度的模型，才是 agent 时代的正确形态。

  但这周真正的信号藏在日期里：7 月 9 日不是 OpenAI 自己挑的。这个时间点，是等联邦机构按 6 月 2 日那份行政令做完能力基准评估之后才放行的。模型练好了不等于能发，这是头一回这么明显。

  

  二、Anthropic：Fable 5 / Mythos 5 停摆 18 天后归来

  本周动作：

  • Fable 5 和 Mythos 5 于 6 月 12 日发布，约三天后被商务部以出口管制令叫停，要求禁止任何外国人访问，连 Anthropic 的外籍员工都不行
  • 6 月 30 日至 7 月 1 日解禁，全球用户在 Claude 平台、Claude.ai、Claude Code 上陆续恢复访问
  • 叫停的触发点：有人找到了绕过 Fable 5 安全护栏、够到底层 Mythos 网络安全能力的方法
  • 6 月 30 日 Claude Sonnet 5 上线，成为免费版和 Pro 版的默认模型；引导价 $2/$10（到 8 月 31 日），之后 $3/$15；agentic 能力接近 Opus

  市场信号：

  一个已经进了企业生产环境的模型，被一纸出口管制令直接下线 18 天，这在 AI 行业是头一回。对那些把某家闭源模型当基础设施用的公司来说，这周补了一堂风险课：你最核心的依赖，可能因为一个跟你毫不相干的地缘政治理由，一夜之间消失。

  Sonnet 5 这边算的是另一笔账。它的 agentic 能力接近 Opus，价格却只有大约三分之一。Anthropic 是想把”够用就好”的活儿，从贵的 Opus 手里抢回到便宜的 Sonnet。

  我的判断：

  Fable/Mythos 这件事，输家不只是 Anthropic，是所有”单一供应商 + 闭源 API”的架构。能一键切换供应商的那层多模型抽象，这周从”锦上添花”变成了”保命必需”——你没法预测下一个被停的是谁。

  Sonnet 5 成默认，则说明 Anthropic 自己也想清楚了：大部分 agent 任务根本用不着最贵的模型，默认给一个便宜够用的，比默认给最强的更实在。

  

  三、Google：安静的一周，NotebookLM 还在加码

  本周动作：

  • 本周没有重磅新模型，主要动作是 6 月 I/O 的延续
  • Gemini Spark 出了 macOS 版，能自动化桌面文件任务、远程给 Mac 派活、接 Canva 和 Dropbox
  • Android 17 带来悬浮窗多任务、生物识别锁定丢失手机等功能，先上 Pixel
  • NotebookLM 升级：推理增强、加了一个能跑代码的安全云端环境、可以直接生成图表、表格和幻灯片

  市场信号：

  NotebookLM 持续被用户叫作”最好用的研究工具”。Google 的打法从来不是单点爆发，是把 AI 一点点缝进每台设备和每个 Workspace 入口，让你不知不觉就在用。

  我的判断：

  Google 这周没新闻，本身就是新闻。当 OpenAI 和 Anthropic 忙着过监管闸门时，Google 靠既有生态位闷声铺量。短期看它落后于最顶尖的模型，但分发渠道才是它真正的护城河——模型能被超越，装机量和入口不会一夜蒸发。

  四、中国队：智谱进 TIME 榜，MiniMax 备万亿模型，芯片自研提速

  本周动作：

  • 智谱：GLM-5.2（6 月 13 日发布，MIT 协议开源）在 Intelligence Index v4.1 上拿 51 分，超过 DeepSeek V4 Pro 的 44 分；定价约 $1.40/$4.40，agentic 基准跟 Opus 4.8 差不到一个百分点，成本只要约五分之一；入选 TIME《2026 十大最具影响力 AI 公司》，与阿里、字节同列
  • MiniMax：7 月初被曝计划开源一个 2.7 万亿参数的模型，内部代号 M3 Pro，可能 Q3 发布，是现旗舰 M3（428B）的约六倍。注意：这是单一信源的爆料、MiniMax 未置评，属于路线图，不是已发布的模型
  • DeepSeek：自研推理芯片，聚焦压低单用户推理成本、减少对英伟达的依赖；智谱也在跟国内芯片厂探索 GLM 专用芯片，项目或需两年以上（TrendForce，7 月 8 日）

  市场信号：

  GLM-5.2 跟 Opus 差一个百分点、成本只要五分之一——对预算敏感的团队，这是”开源够用”第一次真的站得住的时间点。以前开源模型总差一档，你用它是省钱但认栽；现在差距小到可以忽略，认栽的理由没了。

  MiniMax 那个 2.7 万亿别急着信。它现在只是一份被两个知情人透露的 roadmap，官方一个字没确认。真发出来会是史上最大的开源模型，但”计划”和”发布”之间隔着好几个季度。

  我的判断：

  中国队这周的主线不是模型，是芯片。DeepSeek 和智谱同时动手自研推理芯片，说明大家把账算明白了：长期看买不到最好的英伟达卡，与其在榜单上再刷一分，不如把推理成本压到自己能控制的地步。这比多一个 benchmark 分数重要得多。

  

  五、开源 Agent：OpenClaw 还在还安全债，Hermes 靠”技能自生成”绕开供应链

  本周动作：

  • OpenClaw（开源 agent 框架）的安全问题还在发酵：3 月 18 至 21 日四天内爆出 9 个 CVE，最高一个 CVSS 9.9（满分 10）；技能市场 ClawHub 被查出大量恶意技能，一次扫描 2857 条里有 341 条是恶意的，约 12%；安全公司在公网上找到 13.5 万多个暴露的 OpenClaw 实例，遍布 82 个国家
  • Hermes Agent 走的是另一条路：技能由模型自己生成，而不是从社区市场下载，从设计上就避开了供应链投毒；主打七层安全模型

  市场信号：

  OpenClaw 的坑不在 bug 多，在它的技能靠社区市场分发——这等于给每个装了它的人开了一个下载后门。CVSS 9.9 已经接近满分，意味着攻击门槛极低、后果极重。Hermes 的”技能自生成”直接砍掉了这个攻击面：没有市场，就没有市场投毒。

  我的判断：

  先把归属说清楚：OpenClaw 是开源社区项目，Hermes Agent 也不属于中国队，别把它们混进国产阵营。

  真正的教训是：agent 框架的安全边界不在模型本身，在”它能从哪儿拿到能执行的代码”。任何允许从公开市场装技能的框架，都得默认那个市场是脏的——先假设有毒，再谈方便。

  

  本周关键观察

  • 前沿模型出厂前多了一道政府闸门。GPT-5.6 等基准评估放行、Fable/Mythos 被出口管制停 18 天，发布节奏一半已经不在实验室手里。
  • “一个模型通吃”正在退场。OpenAI 三兄弟分层定价、Anthropic 用 Sonnet 5 抢 Opus 的活，都在按任务配价位。
  • 多模型抽象层从选配变成必需。Fable 停摆证明单一闭源供应商就是单点故障，能切换供应商的那层不再是加分项。
  • 开源”够用”第一次真的成立。GLM-5.2 跟 Opus 差一个百分点、成本五分之一，预算敏感的团队没理由不试一把。
  • 中国队的主战场悄悄从模型移到了芯片。DeepSeek、智谱同时自研推理芯片，冲的是长期成本和供应链安全，不是榜单名次。

  下周看点

  • OpenAI 的 GPT-5.5 Bio Bug Bounty 7 月 27 日截止，看有没有人攻破那道生物安全护栏。
  • MiniMax 2.7 万亿参数模型（M3 Pro）传闻 Q3 发布，盯官方会不会正式确认。
  • Sonnet 5 的引导价 8 月 31 日到期，之后涨到 $3/$15，看用量会不会随之回落。

  如果你手上有跑在单一闭源 API 上的生产系统，这周该做的一件事很具体：去查一下有没有能一键换供应商的抽象层。Fable 停摆 18 天不是段子，下一个被停的可能就是你正依赖的那个。

  数据来源：OpenAI / Anthropic / Google 官方博客、CNBC、TechCrunch、VentureBeat、The Decoder、Engadget、Al Jazeera、South China Morning Post、TrendForce、Simon Willison、MarkTechPost、TIME。

  7小时前

• 打破编辑器边界：Emacs 如何将“万物”封装为服务

  这篇文章深入探讨了经典编辑器 Emacs 的架构哲学，提出了“在 Emacs 中，一切皆服务”的观点。作者指出，Emacs 不仅仅是一个文本编辑器，更像是一个运行在操作系统之上的编排环境，能够通过内置的 UI 组件、网络通信库（如 URL、Socket）以及本地数据库（如 SQLite）无缝对接各类网络服务。文章详细解析了 Emacs 充当“客户端”的三大要素：用户界面、客户端边缘通信以及数据管理。作者以构建一个天气预报客户端为例，演示了如何利用 Emacs Lisp (Elisp) 的动态特性，处理从 HTTP 请求发送、JSON 数据解析到最终结果展示的完整流程。此外，文章还介绍了一种更为极简的实现方式：通过 Shell 命令调用外部脚本，将其封装为“服务”供 Emacs 调用。这种高度的抽象能力和灵活性，使得用户能够在单一环境中完成绝大多数计算任务，实现了真正的“生活在 Emacs 中”的高效工作流。

  事件分析

  从技术架构视角分析，这篇文章揭示了现代软件开发中“组合式创新”与“接口抽象”的核心价值。Emacs 通过将外部服务、系统调用以及脚本工具统一抽象为“服务”，展示了极客圈对于效率工具的终极定义。虽然 Elisp 是一门古老的语言，但其动态类型和运行时即兴能力，在处理异构数据源（如 REST API、JSON）时展现了惊人的灵活性。这种设计哲学与当前主流的 AI 编程辅助工具（如 Cursor 或 Copilot）有异曲同工之妙，即通过编辑器作为中心枢纽，调度外部强大的模型或 API 能力。这种“客户端-服务”的解耦设计，不仅提升了个人开发效率，也为未来集成新兴技术（如 LLM 智能体）提供了标准化的接入范式，证明了在追求极致定制化领域，可编程性仍是不可替代的核心竞争力。

  💡 核心观点：将编辑器升维为服务调度中心而非静态工具，这种架构思想是构建下一代高适应性开发环境与 AI 集成界面的最佳范本。

  原文链接：Hacker News

  7小时前