8月13日 AI 早报：Grok 4.6 转向长流程代理，聊天安全义务进入执行期

覆盖时间：2026 年 8 月 12 日 07:45 至 8 月 13 日 07:45（上海时间）。本期按行业影响力和已落地程度排序；公司自报的性能数字、媒体调查和法律生效阶段分别标明，不把计划写成结果。

SpaceXAI 8 月 12 日发布 Grok 4.6，称新模型专门加强长时间运行的代理任务、编码和知识工作。它可以在研究陌生主题、分析资料、穿越代码库和把产品想法变成可运行应用之间持续工作，而不是只返回一轮答案。模型当天进入 Cursor、Grok Build 和 API；API 起价为每百万输入 token 2 美元、每百万输出 token 6 美元。1

官方公布的评测结果并不是全面领先：Grok 4.6 在 Artificial Analysis Intelligence Index 得分 61，与 GPT-5.6 Sol 同分；在 DeepSWE v1.1 上为 65.9%，低于 GPT-5.6 Sol 的 73%，在 APEX-Agents 上则为 57.5%，高于 GPT-5.6 Sol 的 56.7%。这些对手分数来自各开发者的系统卡或公开榜单，不能当作完全受控的横向实验。1

为什么重要： 这次发布更像一次产品方向更新，而非单一榜单登顶。对企业买方而言，真正要比较的是一项任务完成要花多少轮工具调用、多少 token，以及模型能否在较长流程中自检；官方发布页目前只给出基准和定价，生产环境的成本还要看具体工作流。

OpenAI 8 月 12 日发布两份企业使用研究，样本包括超过 1000 万条消息。按每位活跃用户的输出 token 排名，月度使用量前 10% 的企业被定义为 frontier firms，6 月它们的人均输出量是普通企业的 8.3 倍，高于 1 月的 2.6 倍。2

研究还显示，6 月 Codex 贡献了企业客户 Codex 与 ChatGPT 合并输出 token 的 64%；自 2 月以来，企业中每周活跃的 Codex 用户在法律、销售、招聘和市场职能分别增长 108 倍、41 倍、41 倍和 26 倍，工程职能增长 5 倍。OpenAI 将 output token 作为使用深度的代理指标，不等同于产出价值或生产率。2

为什么重要： 企业采购同一模型，结果可能完全不同。OpenAI 自己给出的解释是，领先企业更常把代理接入公司上下文、工具和可重复工作流；这意味着下一阶段的竞争会落到权限、人工复核、数据接入和组织培训，而不只是模型价格。

科罗拉多州 HB26-1263 已成为法律。州议会的法案摘要规定，面向公众的对话式 AI 服务运营者需要向用户披露其为 AI；如果知道用户是未成年人，还要进行相应披露，禁止用积分或奖励鼓励互动，并采取技术上可行的措施，防止生成露骨性行为、私密数字影像或模拟情感依赖的表述。法案还要求设置自杀意念或自残提示的处理协议，并每年向州检察长办公室报告相关协议信息。3

这条政策的时间点需要分开看：科罗拉多州议会页面列出的法律生效日期为 2026 年 8 月 12 日，但同一页面的摘要写明上述要求从 2027 年 1 月 1 日起生效；政策时间线也把 8 月 12 日标为宽限期开始。34

为什么重要： 监管对象不再只是模型训练方，而是公开提供聊天服务的运营者。对产品团队来说，年龄估计、未成年人模式、危机提示和人工升级路径都可能从「安全建议」变成上线前必须证明的功能；对跨州服务而言，真正的成本会出现在合规差异和证据留存上。

路透 8 月 12 日发布的调查显示，约 60% 的受访日本企业只在部分业务或有限场景使用 AI，18% 还没决定是否引入，6% 完全没有考虑采用；只有 16% 表示已经把 AI 作为全公司的常用工具。调查由 Nikkei Research 于 7 月 29 日至 8 月 6 日进行，联系 510 家企业，219 家在匿名条件下回复。5

预算意向并不悲观：4% 预计未来一至两年 AI 预算年增超过 50%，21% 预计增长 10% 至 50%，30% 预计小幅增长，14% 预计基本不变，31% 尚未决定；没有受访者表示会削减 AI 支出。调查结果反映的是企业自报，不是对日本全部企业的普查。5

为什么重要： 这组数据把「企业都在用 AI」的印象拆开了：预算可以继续增加，但使用仍可能停留在写文档等低风险场景。对供应商和管理者而言，部署率不如任务是否进入核心流程、员工是否知道怎么用来得重要。

Georgia Tech 8 月 12 日介绍了 SlideAgent。这个由 Georgia Tech 与 J.P. Morgan 团队开发的框架，把演示文稿、报告等多页视觉文档拆成三个层级：先理解整份文档，再定位页面，最后读取图表、表格和文本块。多个专门代理协同后，再整合成结构化理解。团队在金融演示、技术幻灯片和视觉问答数据集上测试，称 SlideAgent 比专有基座模型高 7.9%，比评测中的开源基座模型高 9.8%。6

原始论文的摘要给出的机制与数字一致：全局、页面、元素三个专门层级共同构建与查询无关的表示；论文目前标注为 ACL 2026 主会论文，arXiv 版本最后一次修订在 2026 年 6 月 5 日。因此，8 月 12 日的新增信息主要是研究团队和学校对结果的公开介绍，不是论文首次提交。7

为什么重要： 企业文档里的错误常常不是模型完全看不懂，而是漏掉脚注、误读图表，或无法跨页比较。SlideAgent 给出的路线是把一次大而模糊的阅读任务拆成几个能检查的步骤；这类结构设计可能比单纯增加参数更直接地改善高风险文档处理。

五条消息指向同一个变化：AI 的竞争正在从「模型能不能回答」转向「它能不能在真实约束下完成一段工作」。Grok 4.6 把长流程代理作为发布重点，OpenAI 的企业数据把使用深度与工具接入联系起来，SlideAgent 则把复杂文档阅读拆成多个层级；科罗拉多的法律又要求服务运营者把年龄、危机响应和内容边界做进产品。与此同时，日本调查提醒我们，模型能力和企业采用之间仍有很长的流程距离。