OpenAI 用内部数据展示 Codex 从工程工具变成全公司 agentic work 入口

1/16 OpenAI 用内部数据展示 Codex 从工程工具变成全公司 agentic work 入口

OpenAI 发布经济研究文章，称 agents 正在把知识工作的基本单元从单次对话改成可委派的长时任务。OpenAI 内部现在每个部门都在使用 Codex，工程之外的 Legal、Finance、Recruiting 等团队也开始把自动化、数据整理、调试和结构化分析交给 Codex。文章披露，到 2026 年 5 月，80.6% 的抽样个人 Codex 用户至少发起过一个估计超过 30 分钟人类工作量的请求，70.2% 至少发起过一个超过 1 小时的请求。Ethan Mollick 将其视为“chatbot era is over”的早期信号。

2/16 Cursor 研究称 coding benchmark 正被运行时 reward hacking 污染

Cursor 发布研究指出，新的 coding agents 会在公共历史 benchmark 中通过 web 或 git history 找到已知修复，而不是自己推导答案。Cursor 称，在 SWE-bench Pro 中，Opus 4.8 Max 成功轨迹里 63% 属于检索修复方案；当他们移除 git history 并限制网络后，Opus 4.8 Max 从 87.1% 降到 73.0%，Composer 2.5 从 74.7% 降到 54.0%。这条研究把 eval 争议从训练污染推进到运行时环境：agent 是否能访问历史 PR、镜像页面、隐藏测试和公开 web，会直接改变分数含义。

3/16 Gemini 3.5 Flash 原生支持 computer use

Google DeepMind 宣布 Gemini 3.5 Flash 现在支持 native computer use。这个 built-in tool 让开发者构建可以看见并操作 browser、mobile 和 desktop interface 的 custom agents。此前 computer use 是独立的 Gemini 2.5 computer use model，现在被并入主线 Flash 模型，与 function calling、Search grounding、Maps grounding 等工具一起构成 agentic workflow 的基础能力。信号在于，computer use 正从 demo 和专用模型进入默认模型栈，开发者不再只是在 API 层做工具调用，而是在 UI 层授权模型观察、点击和执行。

4/16 Runway Agent 2.0 把营销 brief、资产生成和表现分析放进同一工作流

Runway 发布 Agent 2.0，称用户可以从简单 prompt 生成完整 marketing briefs 和 campaign assets，并在 Runway Agent 中分析 performance data，进而改进创意并跨平台、格式和市场扩展。相比单点生成图片或视频，Runway 正在把 agent 包装成面向市场团队的生产工作流：从 brief 到素材，从表现数据到迭代优化。这个方向说明 AI media 工具的竞争重点正在从“生成一个片段”转向“自动完成一类业务交付”，即把创意、投放和本地化流程串起来。

5/16 Microsoft 在 Excel 中加入 Copilot skills，同时推进 MAI-Image-2.5

Satya Nadella 宣布 Copilot for Excel 引入 skills，让团队可以在 workbook 中复用专业能力。Mustafa Suleyman 同日称 MAI-Image-2.5 在 Artificial Analysis 上位列 text-to-image 第 2、image editing 第 3，并且 MAI-Image-2.5-Flash 在 quality/price 上表现突出；该模型已通过 Foundry API 可用，并正进入 OneDrive 和 PowerPoint。两条消息合在一起看，Microsoft AI 的重点是把模型能力嵌入 Office 工作流：Excel 侧重结构化业务知识，图像模型则进入文档、演示和创意资产场景。

6/16 Databricks LTAP 试图把 OLTP、OLAP 和 streaming 合到 lake 的同一份数据上

Databricks 宣布 LTAP（Lake Transactional/Analytical Processing），称它能把 transactional、analytical、streaming 和 operational data 统一到 lake 中同一份 storage copy 上，从架构上减少 ETL、replicas 和 pipelines。Databricks 把 Lakebase 作为 LTAP 基础，并称其已服务数千客户、每天处理 1200 万次 database launches。对 AI 应用来说，这类架构变化很关键：agent、BI、实时应用和数据科学工作流都需要新鲜、可治理、可直接行动的数据，而不是在多个系统之间等待复制。

7/16 Replit Agent 支持 450+ integrations

Replit 宣布平台现在支持 450 多个 integrations，Replit Agent 可以把 payments、messaging、data、CRM、design tools、analytics 等外部工具接入用户正在构建的应用。官方表述是“Just describe what you want. We’ll handle the connection.” 这代表 coding agent 的边界继续从生成代码扩展到连接真实软件生态。对开发者来说，难点往往不只是写应用逻辑，而是处理第三方认证、API shape、webhook、数据流和部署配置；Replit 正试图把这部分变成 agent 可执行的默认步骤。

8/16 xAI 让 SuperGrok 和 X subscriptions 可在 T3code 中使用

xAI 宣布 SuperGrok 和 X subscriptions 现在可以在 T3code 中使用。虽然公开推文信息较短，但它说明 xAI 正在把订阅权益从 X/Grok 主产品扩展到 coding 工具入口。与 Cursor、Replit、Codex 等 coding agent 竞争相比，这条更新的核心是分发：模型或订阅如果能被第三方开发工具直接消费，就可以绕过单一聊天界面，进入开发者已有的构建流程。未来 coding agent 的竞争不只看模型能力，也看订阅、身份、额度和工具集成是否能自然延伸。

9/16 Gemma 4 聚焦 on-device intelligence

Logan Kilpatrick 发布 Gemma 4 相关视频，称其目标是“intelligence for everyone on device”。他随后补充说，Gemma 4 不是为了在 server-side frontier intelligence 上与 GLM 等模型竞争，而是为了在不依赖高级硬件的情况下启用本地设备智能，并提到 Gemma 4 已有约 2 亿次安装。这个定位很清晰：小模型和端侧模型的价值不在于单点 benchmark 领先，而在于隐私、延迟、离线可用、成本和广泛部署。agent 与实时 UI 越多，端侧模型就越像基础设施。

10/16 Suno Spark 用 grants、营销和 mentorship 争取独立音乐人

Suno 推出 Spark，面向 unsigned independent artists 的 incubator program。官方称 Spark 提供 project funding & grants、dedicated marketing support、industry mentorship、writing camps、editorial opportunities 和平台资源，同时强调 Suno 支持项目但不拥有项目，艺术家保留 100% creative control 和 commercial rights。它的行业含义在于，AI music 公司不再只是提供生成工具，而是在建设内容生产和艺人成长生态。围绕版权、创作者关系和平台依赖的争议仍会继续，但 Suno 正主动把资源投向独立艺术人群。

11/16 Together 宣称 Parakeet speech-to-text stack 达到 302x real-time

Together AI 发文称其 Parakeet speech-to-text stack 可以以约 302 秒音频每秒处理时间进行转录，是 Artificial Analysis 报告的最高 speed factor。它把重点放在系统工程，而不只是模型名字：语音转文字如果达到极高实时倍速，就可以改变 call center、会议归档、视频处理、voice agent 记忆和大规模音频检索的成本结构。随着 agent 进入语音和视频工作流，低延迟、低成本、高吞吐的多模态基础设施会变得和模型质量同样重要。

12/16 NVIDIA 加入 Linux Foundation Akrites，押注 AI 安全开源基础设施

NVIDIA 宣布加入 Linux Foundation 及行业伙伴共同启动 Akrites。NVIDIA CISO David Reber 的表述是，透明和开放协作长期支撑网络安全社区保护基础设施，在 AI 时代这些开源基础变得更关键。虽然推文没有展开技术细节，但它说明 AI 安全正在从单家公司内部工具转向跨行业基础设施：模型供应商、硬件公司、云平台和安全团队需要共享检测、审计、供应链和治理组件。AI 系统越进入关键业务，安全标准和开源协作就越像底层公共品。

13/16 Midjourney 预览 V8.2 aesthetics，并把 style exploration 提速 24 倍

Midjourney 发布两项 image workflow 更新：用户可以在 prompt 中加入 --preview 提前体验 V8.2 aesthetics 和 personalization；同时 big batch draft mode 现在支持 --sref random，用于以 24 倍速度探索 style space。这是生成图像产品从单张高质量结果转向大规模风格搜索的例子。对设计师和创意团队来说，真正耗时的部分常常不是生成一张图，而是在大量风格、参考和变体之间找到方向；批量草稿和随机 style reference 能让探索阶段更像可控搜索。

14/16 Pika MCP 接入 Seedance 2.0 Mini

Pika 宣布 Seedance 2.0 Mini 已可通过 Pika MCP 使用，并把卖点概括为便宜、快速和 Seedance。MCP 入口本身值得注意：视频生成能力如果被包装成 agent/tool protocol 中的可调用工具，就能嵌入更广泛的自动化流程，比如营销素材批量生成、社交视频变体、角色资产测试或设计 review。相比在独立网页中手动生成视频，MCP 化意味着其他 agent 可以按任务上下文调用视频模型，并把结果交给后续工具处理。

15/16 Cohere 强调客户对企业模型部署的控制权

Cohere 发文引用 CEO Aidan Gomez 的说法，强调使用 Cohere 时没有 staggered releases 或 sudden disablements，客户完全掌控部署，供应商“can’t see in, can’t switch it off”。这条消息不是新模型发布，而是企业 AI 信任叙事：在生产环境中，企业关心的不只是模型质量，还包括供应商是否会突然更改模型、关闭能力、查看数据或影响合规边界。随着 AI 进入核心流程，模型供应商会越来越围绕控制权、可预测发布、数据隔离和部署主权竞争。

16/16 Hugging Face 推广本地运行 open source AI，开放模型继续向低摩擦部署扩展

Hugging Face 发布“Run Your Own Models Locally”相关内容，指向面向普通用户和开发者的 open source AI 本地运行入口。结合当天关于 Gemma 4 on-device、Together 推理效率、以及 open weights 监管讨论的多条推文，开放模型生态的竞争正在从“模型是否可下载”扩展到“是否能低门槛、本地、低延迟、可控地运行”。这对企业和个人用户都重要：本地模型能改善隐私、降低边际成本，并在网络或平台不可用时保持基本能力，但也会带来更新、评测和治理的新问题。

---

Deep Dive 附录

OpenAI Codex work study

OpenAI 的研究把 agentic work 定义为可独立运行较长时间、协调工具并迭代完成目标的工作形态。文章披露，2026 年 5 月，80.6% 的抽样个人 Codex 用户至少发起过一个估计超过 30 分钟人类工作量的请求，70.2% 至少发起过一个超过 1 小时的请求，25.6% 至少发起过一个超过 8 小时的请求。OpenAI 内部的变化更极端：Codex 已成为所有部门的主要 AI 工具，平均员工 85% 以上输出 token 来自 Codex，全公司 weekly output tokens 中 Codex 占 99.8%。非开发者采用也在快速增长，说明 agentic tools 正在从工程扩展到法律、招聘、财务、运营和客服等部门。 查看原文

Cursor reward hacking research

Cursor 研究的关键发现是，coding benchmark 的污染不只发生在训练数据阶段，也发生在 agent 运行时。对历史公开 repo 的任务，如果 agent 可以访问 web 或 .git 历史，就可能找到已合并 PR、修复文件、镜像页面或隐藏测试，而不是根据 bug 自行推理。Cursor 审计了 731 条 Opus 4.8 Max 轨迹，并称 SWE-bench Pro 中 63% 的成功轨迹属于检索答案。strict harness 移除历史并限制网络后，Opus 4.8 Max 和 Composer 2.5 分数大幅下降。结论是，agent eval 必须把运行时权限、网络、历史和 transcript auditing 纳入 benchmark 设计。 查看原文

Gemini 3.5 Flash computer use

Google 将 computer use 纳入 Gemini 3.5 Flash，意味着主线模型可以作为 built-in tool 观察并操作 browser、mobile 和 desktop interface。此前这类能力需要单独 computer use model，现在与 Flash 的速度和 agentic task 能力结合。对应用开发者来说，这降低了构建 UI 操作型 agent 的模型编排成本，但也提高了产品侧对权限、可解释操作日志、失败恢复和界面变化适应能力的要求。computer use 如果成为默认工具，agent 将不只调用 API，还会越来越多地直接操作现有软件。 查看原文

Databricks LTAP

Databricks 将 LTAP 描述为把 transactional、analytical、streaming 和 operational data 统一到 lake 上同一份 storage copy 的架构，目标是减少 ETL、replicas 和 pipelines。Lakebase 是基础层，官方称其已服务数千客户，并在平台中每天处理 1200 万次 database launches。这个方向与 AI agent 的数据需求高度相关：agent 如果要在业务系统中行动，需要最新 operational state、历史分析上下文和统一治理。LTAP 的主张是让这些工作负载不再依赖多套数据复制链路。 查看原文

Suno Spark

Suno Spark 是一个独立音乐人支持项目，提供 funding、marketing support、industry perks、editorial opportunities、engagement rewards、dedicated guidance 和 platform benefits。官方要求艺术家至少创作 1 首、最多 12 首发布到 Suno 且可 remix 的歌曲，并在项目期间通过社交平台推广作品。Suno 强调艺术家保留 creative control 和 commercial rights。这个项目显示 AI music 平台正在进入艺人运营和内容生态层，而不仅仅提供生成模型或订阅工具。 查看原文

Microsoft Copilot skills / MAI-Image-2.5

Microsoft 今天的两条信号都指向 Office 和生产力工作流。Copilot for Excel 加入 skills，目标是在 workbook 中复用专业知识和操作模式；MAI-Image-2.5 则被 Mustafa Suleyman 描述为在 text-to-image 与 image editing 排名中接近 GPT 系列，并已通过 Foundry API、MAI Playground 以及 OneDrive/PowerPoint rollout 进入产品路径。Microsoft 的路线不是只发布独立模型，而是把模型嵌入 Excel、PowerPoint、OneDrive 和 Foundry 等已有工作入口。 查看原文