蚂蚁阿宝、Microsoft Frontier Company 与 Apple 多智能体研究——AI HOT 今日热点（2026-07-03）

今日主线

产品发布/更新：AI 进入支付、健康数据、IDE 和网页

• 支付宝「阿宝」AI 助手开放公测，iOS 和安卓用户可在应用商店或支付宝 App 搜索「阿宝」或「蚂蚁阿宝」体验；它能用对话方式匹配公积金等小程序和服务入口，资金变动和支付环节仍需用户本人确认2。
• ghealth 把 Google Health API v4 封装成开源命令行工具，以单个 Go 二进制文件发布，支持步数、心率、睡眠、体重、血氧饱和度、心率变异性等 40 种数据类型的结构化 JSON 输出；它面向 Agent 使用，提供确定性退出码、--dry-run 和 --raw 标志3。
• Senior SWE-Bench 开源后，把 AI 编码智能体放到更接近高级工程师的任务里评估：功能开发和 Bug 修复任务平均涉及 11 个文件，排行榜中 Claude Opus 4.8 搭配 Mini-SWE-Agent（max effort）的通过率为 24.0%，Claude Sonnet 5 为 19.4%，GPT-5.5 为 16.0%4。
• Kimi K2.7 Code 已进入 GitHub Copilot 模型选择器，GitHub 称这是 Copilot 首个可选的开源权重模型；它由 GitHub 托管在 Microsoft Azure，并按供应商列表价格计费，逐步推送给 Copilot Pro、Pro+ 和 Max 用户5。
• 阿里巴巴 Page Agent 是一个嵌入网页的 JavaScript 客户端库，思路是把实时 DOM 压缩成 FlatDomTree 文本映射，再让纯文本模型执行点击、填表等操作；它不依赖截图或多模态模型，也不需要独立后端，但高风险操作仍需服务端验证6。
• 昆仑万维天工 3.2 发布 Skywork Tags，把 AI 智能体作为团队成员接入 Slack、飞书、钉钉、Discord、Telegram 等群聊；团队可以直接在原有工作群里 @Skywork 参与讨论，不必切换到单独的 AI 工具窗口7。
• Claude Enterprise 新增管理分析与成本控制功能，管理员可以按群组和用户查看用量与成本，Claude Code 控制台也加入「使用量」和「价值」选项卡；组织级支出限额可设置 75%、90% 告警，用户侧在 75% 和 95% 时收到应用内提醒8。

行业动态：部署、估值、成本和电力账单一起上桌

• Microsoft 新设「Frontier Company」，据 The Decoder 报道将投入 25 亿美元，把 6000 名行业与工程专家派驻到企业客户现场，共同设计、部署并改进 AI 系统；该部门由 Rodrigo Kede Lima 领导，定位上更接近结果导向的工程组织9。
• Kim 在 X 上转述 WSJ 法庭文件称，Anthropic 与五角大楼围绕 Claude 军事用途护栏出现分歧：Anthropic 要求禁止全自主武器和部分监控用途，五角大楼希望 Claude 可用于所有合法国家安全场景；该条属于转述性信号，正文按「据转述」处理10。

• Testing Catalog 在 X 上援引 Financial Times 和 CNBC 称，OpenAI 提议向美国政府提供公司 5% 股份；按其转述的 8520 亿美元近期估值计算，这部分股份价值约 426 亿美元。该信息来自媒体转述，仍需等待当事方或正式文件确认11。
• IT 之家援引 404 Media 材料称，Atlassian、Adobe、亚马逊等企业正在限制员工使用 AI 工具，转向能力较低但成本更可控的模型；报道还称至少一家企业月度 AI 开销增至三倍、超过 1500 万美元，Atlassian 本财年 AI 支出预计超过 1.2 亿美元12。
• 快手公告显示，北京可灵获得初始投资者 138.24 亿元人民币（约 20.28 亿美元）现金注资，另有 15 名额外投资者追加出资 52.235 亿元人民币；按公告口径，可灵 AI 投后估值为 180 亿美元，快手预计未来 12 个月内启动可灵 AI 赴港上市13。
• Ars Technica 报道称，谷歌 2025 年年度用电量同比增长 37%，数据中心全年耗电超过 4200 万兆瓦时；报道将增长归因于 Google Cloud、YouTube 视频流以及支撑 AI 产品和服务的数据中心建设与运营14。

论文研究：Agent 协作、VLM 鲁棒性和视频分词

• Ethan Mollick 在 X 上称，围绕 Mythos 和网络安全的讨论「并非炒作」；这条内容没有展开实验细节或论文入口，本期只把它作为观点信号，不把它写成已验证研究结论15。
• Apple Machine Learning Research 的多智能体研究发现，自组织多智能体 LLM 系统无法有效利用专家成员意见；在多个基准中，即使团队知道谁是专家，整体表现仍落后于最佳专家智能体，性能损失最高达 41.1%16。
• Apple 的 VLM 鲁棒性研究把强化学习微调扩展到视觉语言模型，并发现误导性标题或错误 CoT 等文本扰动会降低模型鲁棒性和置信度；研究还指出，提升基准准确率可能侵蚀思维链忠实性和上下文变化下的稳定性17。
• VideoFlexTok 提出可变长度、粗到细的视频 token 表示。其 1.1B 参数模型在类别和文本到视频生成任务中达到与 5.2B 参数模型可比的质量；处理 10 秒、81 帧视频时，文本到视频模型训练只需 672 个 token，比同等 3D 网格分词器少 8 倍18。

技巧与观点：把 Agent 变成可重复的工程流程

• browser-use 团队发布开源 AI 视频剪辑 Skill「video-use」。邵猛在 X 上介绍，这套方法让 LLM 主要读取约 12KB 的转写文本和逐词时间戳，只在决策点调用 PNG 时间线视图，再生成 EDL 并用 ffmpeg 渲染；它更像一套让编码智能体稳定剪视频的工程流程，而不是传统剪辑软件替代品19。

• Emil Kowalski 把 UI 和动画原则整理成三个设计工程师 Skills，供 Codex、Claude Code、Cursor 等 Coding Agents 使用；核心规则包括动画必须有理由、高频操作禁用动画、UI 动画控制在 300ms 内、只动画 transform 和 opacity，并尊重 prefers-reduced-motion20。

• The Decoder 报道 Remote Labor Index 最新结果：Fable 5 在 240 个付费自由职业项目中达到 16.1% 的专业质量自动化率，八个月前最佳系统为 2.5%；同一报道给出的 Opus 4.8 为 8.3%，GPT-5.5 为 6.3%21。
• OpenRouter 在 X 上展示了用 Fable 5 构建 Rube Goldberg 机器的案例，称成本为 4.44 美元，并附上 Reddit 提示词链接；这更适合作为模型能力和调用成本的演示样本，而不是可直接推广的生产指标22。

• 千问团队朱达介绍 C 端 Agent Harness 工程方法：千问 App 复杂任务 Agent 已用于信息搜集、研究分析等任务，执行时间降至初始 1/3，Token 消耗约为海外产品 1/10；团队把下一步重点放在 User Memory、Environment、Task System、Assistant 等组件和主动服务上23。
• SGLang 团队把 LLM 服务、分布式运行时、GPU 内核和扩散管道等工作流编码成可执行的 SKILL.md、脚本、基准合约和审查循环；他们把长期优化方向称为 Loop Engineering，即用可重复循环而不是一次性提示词推进复杂工程任务24。
• Runway 介绍 deckard 容量控制器，用来在生产推理集群和研究集群之间动态重分配 GPU；生产流量在北美工作日上午 9 点 ET 达峰、晚 8 点 ET 跌至不足一半，集群间转移耗时 20–60 分钟，方案目标是把夜间闲置 GPU 还给研究、白天缩短排队等待25。