AI 日报 | 2026-06-29
过去 24–36 小时，AI Coding 继续向“基础设施层”下沉：确定性模型路由、小模型推理压缩、AI CEO 长程决策评测同时亮相；具身智能则迎来智元第 15,000 台机器人下线的量产里程碑。
1. Grok 4.5 在 SpaceX 与 Tesla 开启私测，训练数据加入 Cursor
来源： X：Elon Musk (@elonmusk) / xAI | 时间： 2026-06-28
事件内容： 马斯克发文称，Grok 4.5 基于 xAI 的 1.5T V9 基础模型，并在补充训练中加入了 Cursor 数据，现已在 SpaceX 和 Tesla 进入私测。初步评估显示其性能“接近，或许超越 Opus”。他还表示，强化学习仍在持续带来显著改进，Grok Build 工具链也在完善；今年 SpaceX 将“每月发布完全从头训练的新模型”。
值得关注： 这是 Grok 首次明确将 Cursor 数据纳入后训练，也意味着 xAI 开始把 AI Coding 场景作为核心优化目标。对 AI Coding 赛道而言，Grok 4.5 + Grok Build 的加入会让头部竞争从“OpenAI / Anthropic 双寡头”进一步变为多强混战；而“每月从头训练新模型”则预示着 SpaceXAI 体系将用极快的迭代节奏追赶闭源前沿。
🔗 https://x.com/elonmusk/status/2071184354756477041
2. Wayfinder Router：本地、确定性的 LLM 查询路由工具
来源： Hacker News 热门 / GitHub：itsthelore/wayfinder-router | 时间： 2026-06-28
事件内容： Wayfinder Router 是一款完全离线运行的查询路由器。它通过分析 prompt 的结构（长度、标题、列表、代码）与措辞（证明、数学、硬约束）计算复杂度分数，在亚毫秒级决定将简单请求发往本地/低成本模型、复杂请求发往云端大模型。它提供 CLI、OpenAI 兼容网关、Python API、Web Chat 和 Docker 部署，支持 Ollama、vLLM、Anthropic、OpenAI、Gemini、Groq、OpenRouter 等后端，用户还可基于自有数据校准阈值。
值得关注： 与 RouteLLM、NotDiamond 等依赖模型做路由决策的方案不同，Wayfinder 的决策零模型调用、零网络、零成本，把“模型路由”从平台能力变成可自托管的基础设施。对 AI Coding 工作流来说，这意味着 Claude Code / Codex / Cursor 的每次请求都可以自动匹配性价比最高的模型，是“成本敏感时代”的关键拼图。
🔗 https://github.com/itsthelore/wayfinder-router
3. CEO-Bench：500 天创业模拟中，仅 3 个 AI 模型盈利
来源： The Decoder / 普林斯顿大学 | 时间： 2026-06-28
事件内容： 普林斯顿发布 CEO-Bench 基准，让 AI 智能体在模拟环境中运营订阅软件公司 NovaMind 500 天，起始资金 100 万美元。14 个受测模型中，仅 Claude Fable 5（最佳轮次 4,715 万美元）、Claude Opus 4.8（2,780 万美元）和 GPT-5.5（2,130 万美元）在最佳运行中超过起始资本。一个不调用语言模型的简单规则启发式方法（固定定价、配额、针对性开发）达到 1,576 万美元，超越除上述三款外的所有模型。多数模型无法保持连贯策略，在模拟结束前破产。
值得关注： CEO-Bench 把评测从“会不会写代码/解数学题”推进到“能否在长期不确定性中制定并执行商业战略”。研究发现，成功与四项能力高度相关：发现隐藏信息、预测未来现金流、快速适应竞争对手变化、提前规划 if-then 场景。这提示 AI Coding Agent 的下一阶段竞争点，可能不是单次代码质量，而是跨周/跨月的项目级战略一致性。
4. 新浪开源 VibeThinker-3B：推理可压缩，事实知识不能
来源： The Decoder / Sina WeiboAI | 时间： 2026-06-28
事件内容： 新浪发布仅 3B 参数的开源模型 VibeThinker-3B，基于阿里 Qwen2.5-Coder-3B，经多阶段后训练（SFT、多领域强化学习、自蒸馏、指令对齐）。在 AIME26 等数学/编程基准上，它持平 DeepSeek V3.2、Kimi K2.5 等 200–333 倍参数量的模型；LiveCodeBench 超越所有 20B 以下模型；LeetCode 竞赛中 128 题解决 123 题，超过 GPT-5.2、Claude Opus 4.6。但在知识密集型 GPQA-Diamond 上大幅落后。研究团队提出“参数压缩-覆盖假说”：逻辑推理依赖少数可压缩模式，而广泛世界知识仍需要大参数量。
值得关注： VibeThinker-3B 再次验证“小模型 + 高质量后训练”可以在可验证任务上追平甚至超越大模型。对 AI Coding 而言，3B 级别的模型意味着本地/边缘部署、极低延迟和成本，未来可能直接跑在 IDE 插件、浏览器扩展甚至智能眼镜里，成为“无处不在的编码副驾”。
5. 四大顶级 AI 对决《文明 VI》：感知与执行才是瓶颈
来源： IT之家 / 新智元 | 时间： 2026-06-28
事件内容： 英国前首相府数据科学家 Liam Wilkinson 搭建 76 个 MCP 工具，把 Claude Opus 4.6、GPT-5.4、Gemini 3.1 Pro 等模型放入《文明 VI》进行 23 场对局。最戏剧性的一局中，Claude 扮演葡萄牙，在法国文化胜利逼近时花 50 回合研发核弹炸掉图卢兹，但最终法国仍以外交胜利获胜。量化数据显示：AI 主动检查全局状态的行为仅占 1–2%；写下计划后 10 回合内实际执行率仅 48–66%（Claude 最低）。Wilkinson 将前者称为“感知盲区效应”（sensorium effect），后者称为“知行差距”（knowing-doing gap）。
值得关注： 这一实验把 AI Agent 的短板从“智商不够”重新定义为“感知架构”和“执行工程”问题。对 AI Coding 和具身智能都有启示：再强的模型，如果不会主动获取全局状态、不能稳定把计划执行到底，就无法胜任复杂长程任务。这也解释了为什么“Loop Engineering”和“Hook 系统”正在成为 Agent 基础设施的新焦点。
🔗 https://www.ithome.com/0/969/570.htm
6. Artifacts 22：开源模型生态进入“广度扩张”阶段
来源： Nathan Lambert：Interconnects | 时间： 2026-06-28
事件内容： 开源模型生态正从少数中国公司扩展到全球多元参与者：纯模型制造商包括 DeepSeek、智谱、MiniMax、Poolside、Arcee、Zyphra 及主权 AI 玩家 Cohere、Sovereign、Mistral、Trillion Labs；科技巨头如阿里 Qwen、Google Gemma、NVIDIA 各有动机；产品公司如 JetBrains、Zed、Krea、Photoroom 则训练高度专业的小模型。同期 NVIDIA 发布 Nemotron-3-Ultra-550B-A55B-BF16（LatentMoE 架构、OpenMDW 许可证），Cohere 以 Apache 2.0 开源旗舰模型 Command A+（218B-A25B MoE，具备多模态、多语言和智能体能力）。
值得关注： 开源不再只是“低成本替代品”，而是正在形成分层生态：基础大模型、垂直小模型、专业产品模型、主权/区域模型并存。对 AI Coding 来说，这意味着开发者可选的模型矩阵急剧丰富，“为任务选模型”将成为标配能力，也进一步推高模型路由、评估和成本管理工具的需求。
🔗 https://www.interconnects.ai/p/artifacts-22-zyphra-cohere-and-poolside
7. 智元第 15,000 台具身机器人下线，精灵 G2 直接进厂“上班”
来源： 新浪财经 | 时间： 2026-06-28
事件内容： 智元创新在上海举行发布会，宣布第 15,000 台具身智能机器人下线，型号为“精灵 G2”。该机器人并非展示样机，而是直接奔赴龙旗科技工厂产线，与工人协同完成多媒体界面测试、音频测试等质检任务。智元表示，从第 10,000 台到第 15,000 台仅用时 90 天；目前柔性生产和年交付能力已达 10 万台以上。发布会上还披露，8 台精灵 G2 在龙旗工厂连续作业 6 天，累计生产产品超 17,500 件，作业成功率 99.99%。
值得关注： 15,000 台下线是中国具身智能从“小批量试点”迈向“规模化商业部署”的标志性节点。智元将其定义为“部署态元年”：机器人不再是科研院所的开发平台，而是即插即用、可算 ROI 的新质生产力。同时，智元建立的全球首个具身智能标准化供应链体系“A 链”和真实工况数据飞轮，也可能成为中国产业链在全球人形机器人竞争中“催熟供应链”的关键抓手。
🔗 https://finance.sina.com.cn/jjxw/2026-06-28/doc-inieyriq2761233.shtml
趋势总结
- AI Coding 竞争再升级： Grok 4.5 加入 Cursor 数据私测，意味着 AI Coding 已成头部模型必争之地；Wayfinder Router 等零成本路由工具则把“多模型混合调度”推向基础设施层。
- 小模型推理能力被重新定价： VibeThinker-3B 证明在可验证任务上，参数规模不再是瓶颈，本地/边缘编码副驾的落地路径更清晰。
- Agent 的短板从“智力”转向“感知+执行”： CEO-Bench 和《文明 VI》实验共同指出，长程一致性、全局感知、计划执行率才是当前 Agent 从“能用”到“可靠”的关键鸿沟。
- 开源生态进入分层扩张期： 模型供给从“几个大模型”变成“基础+垂直+产品+主权”多层矩阵，模型路由与评估工具的价值随之放大。
- 具身智能进入部署态元年： 智元 15,000 台下线并直接进厂，标志着中国人形机器人率先跨过规模化商业部署门槛，数据飞轮与供应链体系成为下一竞争焦点。
数据来源
- AI HOT 精选 API（aihot.virxact.com），过去 36 小时精选 + 关键词（AI coding / cursor / codex / robot / humanoid / embodied / OpenAI / Anthropic / Figure / Tesla 等）
- WebSearch 补充检索（2026-06-28）