AI 圈 24 小时：ChatGPT 回到 WhatsApp、vLLM 提速和 Agent 长测升温

过去 24 小时，X 上 AI 圈最值得看的不是又一次大模型参数发布，而是 AI 正在往两个方向同时外扩：一边进入 WhatsApp、Kakao、Viber 这类日常聊天入口，另一边把开源模型的部署、演示和长周期 Agent 评测往前推了一步。

覆盖窗口为北京时间 2026 年 7 月 13 日 09:00 至 7 月 14 日 09:00。窗口内没有看到足够强的一手融资、人事或并购信号，行业动态只保留与基础设施和应用入口有关的确认材料。

ChatGPT 官方账号在窗口内说，ChatGPT 在欧洲经济区重新可用于 WhatsApp。用户可以向验证过的 1-800-CHATGPT 联系人发消息，完成提问、图片上传、语音备忘录、图片生成和多语言聊天；同一条帖还说，ChatGPT 现在也进入韩国 Kakao，以及部分市场的 Viber 1。

这条的看点不是「又多了一个入口」。WhatsApp、Kakao、Viber 都是强关系聊天工具，用户在里面本来就会转发图片、语音、链接和长消息。AI 进到这里，意味着很多小任务不必从聊天上下文里跳出去做：解释一张图、改一段回复、把语音整理成文字、临时翻译一句话。这类入口不会直接证明模型更强，但会提高使用频次。

Sam Altman 几条窗口内短帖也把话题往用户体验上拉。他说「come for the best model, stay because we don’t treat you with contempt」，还说看到模型终于擅长设计仍然让他「breaks my brain」910。这不是产品公告，但它很像今天 X 上的情绪背景：模型分数之外，用户越来越在意产品是不是顺手、稳定、别拧巴。

Clement Delangue 的帖子把 Hugging Face 和 vLLM 的新进展讲得很直接：Transformers 模型现在可以在 vLLM 中以原生速度运行，经常可以匹配或超过手写实现；模型作者不必再先写一份 Transformers 实现，再为生产推理另写一份 vLLM 实现 2。

官方博客补上了技术细节。Hugging Face 说，Transformers 支持 450 多种架构；新的 vLLM backend 在 Qwen3-4B、Qwen3-32B、Qwen3-235B MoE FP8 三组测试里达到或超过原生 vLLM throughput，使用方式是一行 --model-impl transformers，但线性注意力模型和部分自定义 Hub 代码暂时还不支持 3。

这对开发者的实际意义很朴素：新架构如果先进入 Transformers，就有机会更快进入 vLLM 的高吞吐服务路径。少一份移植代码，就少一层维护成本，也少一个训练实现和服务实现逐渐跑偏的地方。

同一条基础设施线还有两个小信号。apolinario 说，ZeroGPU demo 或 app 现在面向所有 Hugging Face 用户开放，开发者可以直接新建 Space 或让 agent 帮忙搭 demo 4。vLLM 官方账号则提到，Novita Labs 为 Kimi-K2.6 和 Kimi-K2.7-Code 开源了 DSpark speculators，vLLM v0.25.0 已原生支持 DeepSeek 的 speculative decoding 方法 11。

这些都不算「大发布」，但它们会改变开源模型的扩散速度。模型权重只是第一步，能不能快速部署、快速演示、快速被别人试到，才决定它能不能从论文和榜单进入真实产品。

Long-Horizon Terminal-Bench 是今天技术讨论里最值得单独看的材料。Yucheng Shi 的帖子把问题说成一句话：多数 Agent benchmark 几分钟就结束，但真实终端工作不会这么短 5。

项目页给出的设置更硬：46 个任务、9 个类别、18 个前沿模型，同一个 Terminus-2 harness，每个任务 90 分钟预算，隐藏 verifier 给连续部分分。任务覆盖软件与逆向工程、科学计算、地球气候与能源、多模态分析、研究复现、系统与安全、专业工作流、交互式游戏、逻辑与约束谜题等类别。项目页还写到，29 个任务没有被任何模型通过，单任务平均需要 69 到 93 分钟、约 120 到 320 个 agent steps 6。

这类评测的价值在于，它不只问模型会不会写第一条命令，而是问它能不能记住前面做过什么，遇到死路能不能退回来，预算快用完时能不能把剩下的工作收住。很多 demo 看起来已经像工作流，真正难的是让它在一个多小时里不丢状态、不循环、不把目标改没。

Ethan Mollick 对数据口径的提醒很实用。他说，OpenRouter 不一定是 agentic tools 世界里真实模型使用的好指标，因为用量可能正在转向 Codex、Code、Cowork 这类工具 7。换句话说，一个模型在聊天路由平台上的占比下降，不一定代表它没人用；它可能被嵌进了更隐形的工作流里。

他同一窗口内还写到，Codex 在 PC 上的 computer use 已经变得很强，看到鼠标和键盘被一个「disembodied intelligence」控制，会让人直观感到有多少工作可以被完成 8。这和 LHTB 是同一条线的两面：一边是实际产品里的计算机操作体验，一边是 benchmark 里对长周期执行的压力测试。

swyx 的判断更激进。他列了一串年底前可能出现的前沿模型，并说 LLM 前沿从未如此多极化，agent labs、agent orchestration 和 LLM council judges 会从中受益 12。这条更像观点，不是确认日程；但它解释了为什么多模型编排会继续升温。模型变多之后，产品不一定只押一个模型，而是把规划、执行、审查、低成本补全拆给不同模型。

今天的主线可以归成一句话：AI 正在离「单个聊天窗口」远一点。ChatGPT 往用户原本就在用的消息工具里走，Hugging Face 和 vLLM 让开源模型更容易跑进生产推理，ZeroGPU 降低 demo 门槛，LHTB 则提醒大家，Agent 真正难的是长时间保持状态和目标。

如果你在做产品或选型，今天最该追的不是某个模型又多了几分，而是三个问题：用户会在哪里自然遇到 AI，新模型从发布到可服务要等多久，Agent 能不能在一个完整任务周期里不散架。榜单仍然有用，但它越来越像入口，不是结论。