AIDaily 2026-07-03

本期覆盖 2026-07-02 08:00 ~ 2026-07-03 08:00（GMT+8）左右的 AI 领域重要动态，重点聚焦 AI Coding 与 具身智能。信息源以 AI HOT 精选 API 为主，辅以 WebSearch 补充。

今日要点（7 条）

1. 阿里巴巴开源 Page Agent：用自然语言直接操控网页 DOM

• 来源：MarkTechPost（2026-07-02）
• 事件：阿里发布一个开源 JavaScript 客户端库 Page Agent，嵌入网页后即可通过自然语言指令操作 DOM 元素。与 Playwright、Puppeteer 等外部浏览器自动化工具不同，它不需要截图或多模态模型，而是把实时 DOM 压缩成 FlatDomTree 文本映射，让纯文本模型完成点击、表单填写等操作；继承用户 cookies 和会话，无需独立后端，兼容任意 OpenAI 兼容端点（示例使用 qwen3.5-plus），MIT 协议开源。
• 值得关注的原因：它把「AI 能看懂网页」从昂贵的多模态方案，变成轻量、可嵌入、可私有化部署的文本方案，标志着 GUI Agent 开始向网页内部原生集成，对智能表单填写、无障碍控制、产品内 AI 副驾都很有启发。
• 链接：https://www.marktechpost.com/2026/07/02/meet-alibabas-page-agent-a-javascript-in-page-gui-agent-that-controls-web-interfaces-with-natural-language-through-the-dom

2. Claude Enterprise 新增用量/成本分析与支出管控

• 来源：Claude Blog（2026-07-02）
• 事件：Anthropic 为 Claude Enterprise 推出更丰富的管理分析面板与成本管控功能：支持按 SCIM 群组、用户维度分析用量与成本；Claude Code 管理控制台新增「使用量」与「价值」标签页，可查看活跃开发者、常用命令、生产力提升估算、每次提交成本与年度价值估算；Analytics API 可接入 Datadog / CloudZero；组织级支出限额支持 75%、90%、95% 多级告警。
• 值得关注的原因：AI Coding 在企业快速放量后，成本失控成为头等大事。Anthropic 率先把「每次提交成本」「年度价值估算」做成可观测指标，意味着 AI Coding 工具正在从「尝鲜工具」进入「可预算、可审计、可 ROI 核算」的企业基础设施阶段。
• 链接：https://claude.com/blog/giving-admins-more-visibility-and-control-over-claude-usage-and-spend

3. Fable 5 在 RLI 自由职业基准上达成 16.1% 自动化率，八个月提升 6 倍

• 来源：The Decoder（2026-07-02）
• 事件：Remote Labor Index（RLI）测试 AI 智能体完成 240 个真实付费自由职业项目（总值 14.4 万美元）的专业质量比例。最新结果显示，Fable 5 自动化率达到 16.1%，是八个月前最佳系统 2.5% 的六倍多，超过 Opus 4.8（8.3%）与 GPT-5.5（6.3%）。研究还指出 AI 裁判会高估模型表现（GPT-5.5 评分偏高近三倍），仍需人类用专业软件（如 Blender）核验细节。
• 值得关注的原因：它用「真实付费工作」代替实验室基准，显示 AI Agent 正在从完成代码走向完成可交付成果；同时提醒我们，当前最顶尖的 Agent 仍有 ~84% 的任务达不到专业质量，「可交付性」仍是核心瓶颈。
• 链接：https://the-decoder.com/ai-agents-can-now-complete-16-percent-of-freelance-jobs-at-pro-quality-up-from-2-5-percent-eight-months-ago

4. Senior SWE-Bench：专门评估 AI 智能体作为「高级工程师」的基准

• 来源：Snorkel AI / Hacker News（2026-07-02）
• 事件：新开源基准 Senior SWE-Bench 针对高级软件工程师任务设计，任务分为功能开发与 Bug 修复两类：功能任务指令类似自然语言消息，用行为测试验证；Bug 任务要求根据日志、profiling 等运行时信息深入调查。排行榜显示，Claude Opus 4.8 + Mini-SWE-Agent（max effort）通过率 24.0%，Claude Sonnet 5 为 19.4%，GPT-5.5 为 16.0%，最强模型仍有超 75% 任务无法达到高级工程标准。
• 值得关注的原因：SWE-Bench 被「奖励攻击」质疑后，业界需要更能反映真实工程品味的评测。Senior SWE-Bench 强调跨文件推理、运行时调查与工程品味，说明 AI Coding 的下一个竞争点不是刷榜，而是能不能通过「高级工程师面试」。
• 链接：https://senior-swe-bench.snorkel.ai/

5. Kimi K2.7 Code 正式上线 GitHub Copilot

• 来源：GitHub Blog / Hacker News（2026-07-02）
• 事件：Kimi K2.7 Code 开源权重模型已作为可选模型加入 GitHub Copilot 模型选择器，成为 Copilot 首个可选的开源权重模型。模型由 GitHub 托管于 Microsoft Azure，按供应商列表价格计费；逐步向 Copilot Pro / Pro+ / Max 用户推送，支持 VS Code、Visual Studio、JetBrains、Xcode、Eclipse 及 Copilot CLI / GitHub.com / GitHub Mobile。
• 值得关注的原因：开源权重模型首次进入全球最大开发者平台，意味着 AI Coding 模型选择从「闭源默认」走向「开源可选项」，对降低成本、主权部署和模型多样性都有长期意义。
• 链接：https://github.blog/changelog/2026-07-01-kimi-k2-7-is-now-available-in-github-copilot

6. browser-use 发布开源 AI 视频剪辑 Skill「video-use」

• 来源：browser-use / X（2026-07-02）
• 事件：browser-use 团队推出面向 Codex、Claude Code 等 AI 编码智能体的开源 Skill video-use，让 LLM 通过 ElevenLabs Scribe 把音频转写为约 12KB 文本（含逐词时间戳、说话人分离、事件标记），仅在决策点生成 PNG 帧图；流水线包括转写、JSON 格式 EDL 生成、ffmpeg 渲染、最多 3 轮自评估，并附带 12 条硬规则确保生产正确性。
• 值得关注的原因：它把「AI 编码能力」扩展到视频剪辑工作流，展示了 Skill 作为 Agent 可复用能力包的潜力：一个 Skill 就能把通用 Coding Agent 变成垂直领域生产工具。
• 链接：https://x.com/shao__meng/status/2072644710523691110

7. 证监会同意宇树科技科创板 IPO 注册申请

• 来源：IT之家（2026-07-02）
• 事件：证监会同意 宇树科技 首次公开发行股票并在科创板上市的注册申请。宇树科技是国内头部民用足式、人形机器人研发企业，全球四足机器人销量领先，核心零部件（关节电机、减速器、控制器）全栈自研，关键部件成本约为进口产品的 1/3。批复自同意注册之日起 12 个月内有效。
• 值得关注的原因：这是中国具身智能领域标志性资本事件，意味着 人形/足式机器人企业开始通过公开市场融资扩产，供应链成本优势和量产能力将成为下一阶段竞争的核心变量。
• 链接：https://www.ithome.com/0/971/790.htm

关键趋势

• AI Coding 成本与可观测性成为企业刚需：Claude Enterprise 的成本分析面板与 Fable 5 的 RLI 结果同日出现，说明 Agent 用量的增长已经把「花多少钱、产多少价值」推上首位。
• 开源与开放权重模型进入主流开发者工具：Kimi K2.7 Code 进 Copilot、Page Agent MIT 开源，开源方案不再是「平替」，而是平台级选项。
• 评测体系从「做题」向「真实工作」迁移：Senior SWE-Bench 与 RLI 都强调真实任务与可交付质量，SWE-Bench 刷榜时代正在过去。
• Skill 成为 Agent 能力的封装单元：从 design engineer Skills 到 video-use，Coding Agent 的竞争力越来越取决于「谁能沉淀可复用的垂直技能包」。
• 具身智能进入资本化阶段：宇树 IPO 获批是产业从「演示」走向「量产+资本」的又一信号，但当日具身智能重磅产品新闻相对较少，需持续跟踪。

@WoLoveAI · 每日精选 AI 资讯