本期主题：最近两周模型层集中爆发，GPT-5.5、DeepSeek-V4、Kimi K2.6、Images 2.0 同周登场，加上国内三家大厂同时给出的智能体工程化中文版第一性原理。
🎧 同步播客：EP37 · BestBlogs 周刊第 92 期 · 模型周（在小宇宙搜索 BestBlogs 周刊）
导语：模型层的集中爆发周
最近这两周，模型层在很短时间内接连开了几个大门。
OpenAI 发布 GPT-5.5，把模型直接定位成为自主完成多步任务设计的智能体引擎。DeepSeek 同步开源 V4 预览版，把 1M 上下文做成所有官方服务的标配。月之暗面开源 Kimi K2.6，单次运行能不间断编码 13 小时。OpenAI 还在同一周把 Images 2.0 推到了能批量生产杂志和漫画的级别。
四款一线模型挤在一起刷分，讨论的重点已经从谁更聪明，切换到了谁能让智能体在长程任务里持续可靠地干完活。
回头看前两期周刊，第 90 期我们聊的是脑和手的解耦，第 91 期是基建周，那一周 Cloudflare 把智能体云的整个栈一次补齐。这两期讲的更多是基础设施层在为智能体重新设计；本周的故事更直接，是模型能力本身在补齐基础设施之上最关键的一块。当模型变得能可靠完成多步任务，前几期看到的那些基建动作才真正有了被放大的可能性。
这一周的 20 篇精选，从模型发布到智能体工程化，再到大厂的真实采纳，几乎每一篇都在用具体动作回答同一个问题：2026 年的模型公司、基建公司、应用公司应该长成什么样子。
个人更新：BestBlogs 后续开发
这周主要在推进 BestBlogs 的后续开发和优化。
前段时间通过微信和邮件陆续邀请了 160 多位朋友来做内测，本轮邀请已经告一段落，接下来不再新增，重心会完全放在版本迭代和体验改进上。
开发过程几乎全程是 Claude Opus 4.7 写代码、Codex 做代码审查、Claude 更新文档。这套组合用下来，把这周的三件事一起跑完了：
- 开放能力发布：包括 OpenAPI v2、命令行工具，还有 BestBlogs 的 skills 包，让外部开发者可以直接调用站内数据和功能。
- 内置翻译功能上线：文章和推文详情页可以直接读译文，省掉了跳转到外部翻译网站的步骤。
- 每日回顾功能上线：补全用户的阅读闭环。
完整更新日志：https://www.bestblogs.dev/changelog
下一阶段的重点：优化个性化推荐、优化早报图文体验、优化移动端使用体验、新增话题功能、推进 App 开发。
一边在自己的产品里把开放能力做出来，一边在读阮一峰那篇关于第二次 API 开放浪潮的文章，体感会比单看新闻深一层。
一、模型层旗舰：GPT-5.5、DeepSeek-V4、Kimi K2.6 三连发
GPT-5.5：自主完成多步任务的拐点
这次 OpenAI 没有把它包装成一次聊天体验的升级，而是直接说它是为把多步任务自主完成而设计的。
最关键的指标：延迟和 GPT-5.4 持平，但完成同样的 Codex 任务用的 token 更少。过去半年大家担心更聪明的模型一定更慢更贵，GPT-5.5 给了一个相反的答案。更聪明的同时还更高效。
OpenAI 也明确把智能体编程、计算机操控、早期科学研究列为未来的主战场。配套上线了网络安全信任访问项目，先把高风险能力关起来，在大约 200 名早期合作伙伴里做灰度。模型暂时不通过 API 全量开放。这种把能力发布和安全防护一起设计的做法，和上一期 Anthropic 推 Mythos Preview 的逻辑很像。模型公司开始接受一个事实，能力越强，红线就越要在发布前先画好。
→ 阅读原文：GPT-5.5 发布
DeepSeek-V4:1M 上下文成为标配，DSA 稀疏注意力
这版的最大动作是：把 1M（一百万）token 的超长上下文做成所有官方服务的默认配置，再也不需要用户特别开启。
技术上他们用了一种叫 DSA（DeepSeek Sparse Attention）的稀疏注意力机制，再叠加 token 维度的压缩，把长文本场景下的算力和显存开销大幅压下来。这就解决了长上下文一直以来最大的痛点，用得起但跑不动。
V4 分了两个版本：
- V4-Pro：在 Agentic Coding 上据 DeepSeek 自己内部反馈优于 Sonnet 4.5，体感接近 Claude Opus 4.6 的非思考模式，离 Opus 4.6 思考模式还有一定差距。世界知识仅次于 Gemini 3.1 Pro，数学和竞赛代码超越所有公开评测的开源模型。
- V4-Flash：为高并发与成本敏感场景准备的快速版本，简单任务和 Pro 旗鼓相当，高难度任务有差距。
V4 针对几个主流智能体框架都做了适配优化，包括 Claude Code 和 OpenClaw 这两个用户量最大的，还有 OpenCode 和 CodeBuddy 这种偏开发者的。1M 上下文加上对主流框架的开箱适配，让 V4 立刻可以接入很多现有的工作流。
一个细节：DeepSeek 的旧 API 接口（V3 时代的两个模型名）会在三个月后停用，强制大家迁移到新的 V4 命名空间。这种节奏说明 DeepSeek 把这次发布当成一个主版本切换，迭代之外还有更深的含义。
→ 阅读原文：DeepSeek-V4 预览版
Kimi K2.6:13 小时不间断编码，300 个子智能体协作
月之暗面这次直接说 K2.6 是迄今最强的代码模型，并且是开源发布。最有冲击力的是几个真实场景的数字：
- 连续编码 13 小时不间断，调用工具超过 4,000 次，迭代 14 轮
- 把一个 Mac 本地推理的吞吐量从 15 tokens/s 提到 193 tokens/s，最终比 LM Studio 还要快两成
- 对一个有 8 年历史的开源金融撮合引擎做深度重构，连续作业 13 小时，迭代 12 套优化策略，调整核心线程拓扑结构，把中位吞吐量提升将近一倍，峰值吞吐量提升一倍以上
这些都是真实跑出来的数字，不是基准测试的成绩。在博士级难度的人类最后的考试上，K2.6 也持平或优于一众顶级闭源模型，包括 GPT-5.4、Claude Opus 4.6、Gemini 3.1 Pro。在 SWE-Bench Pro 上同样行业领先。
除了单兵作战，K2.6 把智能体集群架构升级到能调度 300 个子智能体协作 4,000 个步骤。配合 OpenClaw 和 Hermes Agent 的适配，他们的强化学习基础设施团队用 K2.6 实现了连续 5 天的自主运行，模型负责监控、故障响应和系统运维。
更前沿的尝试是 Claw 群组，一个小范围内测的功能，把人和异构智能体放进同一个聊天群协作。K2.6 在中间做协调者，根据每个智能体的技能画像动态分配任务。如果某个智能体卡住，协调者会自动重新分配。这是把传统的人和工具的关系，往团队和成员的关系上推。
→ 阅读原文：Kimi K2.6 发布并开源
三大旗舰的共同信号
把这三个旗舰放在一起看，会发现一个共同信号。
过去大家比的还是单步推理的智商，现在比的是能不能把一个长任务干完。
GPT-5.5 和 Kimi K2.6 都在用同一类基准在卷，DeepSeek V4 也是在智能体框架上做适配。这其实印证了上一期广密在张小珺访谈里那句判断，编程是通用人工智能的第二幕。更深的含义是：模型公司从这周开始已经默认智能体是一个标准能力，过去那种把它当加分项的时代已经过去。任何一个新模型如果不能跑长程任务，连入场资格都没有。
还有一个信号值得提一下：这次三家发布有一个隐含的共同点，定价没有显著上升。GPT-5.5 的 token 价格和 5.4 持平，DeepSeek-V4 同价位甚至更低，Kimi K2.6 是开源免费的。在能力大幅提升的同时维持价格不变，意味着模型公司在用规模和效率消化成本，而非把成本传导给用户。这对开发者是一个好消息，用更强模型不需要重新规划预算。过去半年很多智能体应用因为成本被卡住的瓶颈，这周开始被打开了。
二、OpenAI 同周双发 + Cloudflare 简要回顾
Images 2.0：图像生成进入生产力级别
Images 2.0 是 OpenAI 把图像生成正式推到生产力级别的一次尝试。它具备了思考和联网搜索的能力，能搜实时数据再生成包含当日价格的菜单这种例子。
攻克的几个老难题：
- 精准排版
- 复杂的解释性图表
- 带完整推导过程的数学证明插图
- 多语言输出
- 成套连贯生成：一次性生成一整本结构化排版加写实摄影的杂志，或者每个房间都有独立设计的家装方案，或者一部固定角色和演进剧情的漫画
加上 2K 高清和结构化设计，Images 2.0 已经从画着玩的工具，变成一个为出版、设计、内容生产线准备的工具。OpenAI 自己把它比作图像生成领域的文艺复兴。在它之前的 DALL-E 像洞穴壁画，Images 1 像古代艺术。
→ 阅读原文：这就是 ChatGPT 图像 2.0
Workspace Agents：可重复工作流的标准化
同周的 Workspace Agents 走的是另一条路：把 ChatGPT 从一次性问答推向可重复工作流。一个智能体由三部分组成：
- 触发器（Trigger）：定时（如每周一上午 10 点）或事件触发（如 Slack 表单提交）
- 专业技能（Skills）：领域知识封装
- 可用的第三方工具（Tools）：CRM、Slack、文档系统等
举个例子：每周一上午 10 点自动拉取营销 KPI，识别趋势，起草总结，提议下一步行动，分配责任人。和过去用 API 做的确定性工作流相比，它多了一层概率性的判断。
OpenAI 在文档里特别强调，这种东西不适合一次性的开放式思考，但很适合那些每周或每天都要做的、有明确输出格式的事情。文档里还提供了几种典型模式：营销活动总结、产品反馈分流、销售管道总结，每个模式都给出了完整的智能体拆解，包括目标、触发器、流程、工具，方便企业直接套用。它服务的是企业流程里那些固定的协作节点，和单点任务的替代工具定位完全不同。
→ 阅读原文：工作区智能体
Cloudflare Cloud 2.0 简要回顾
上一期基建周我们花了很长篇幅聊 Cloudflare 的 Agents Week，本周他们出了一篇正式的总结博客，把计算、存储、安全、推理路由这四层一周内发布的东西全部汇总，并且明确说这是智能体云的官方定调。这篇博客更像是一个回顾索引，没有新信息，对上一期漏听的朋友是一个补课的好入口。
→ 阅读原文：构建智能体云：我们在 2026 年智能体周期间发布的一切
这一周模型层和基建层完成了一次同步迭代
模型公司发的不只是更聪明的模型，发的是配套的工作流形态。基建公司发的不只是新原语，发的是面向智能体重新设计的整个云。
这种节奏在过去是少见的。基建层的迭代往往要落后模型层半年到一年，现在两边几乎是平行推进。
对个人开发者来说，这意味着接下来选型的复杂度上升了。半年前可能只需要选一个模型，现在需要同时选模型、智能体框架、基建。但好处是每一层都有更成熟的选择，不再像一年前那样什么都要自己撑起来。这周的几篇文章其实给出了一些参考组合：
- 模型：GPT-5.5 / Kimi K2.6 / DeepSeek-V4
- 框架：OpenClaw / Hermes Agent
- 基建：Cloudflare 这套
这就是一个完整的智能体工作流栈。
三、AI 编程的真实图景：三个人的视角
Garry Tan：薄 Harness、厚 Skill 的开源实践
YC 总裁 Garry Tan 三周前开源了一个项目叫 GStack，到这周它在 GitHub 上的 Star 数已经超过了老牌 Web 框架 Ruby on Rails 的总数。这个对比本身就挺有意思。
GStack 的核心理念用八个字总结：薄 Harness 厚 Skill。它做的事情是把 YC 自己最核心的工作流封装成可复用的技能。
最典型的几个 Skill：
- Office Hours：把 16 位 YC 合伙人多年总结出来的 6 个核心问题做成模板，在你写代码之前先逼你回答清楚商业模式和用户痛点。Garry 在视频里演示了一个税务 App 的例子，用户输入想法，模型先问最强有力的证据是什么，再追问 TurboTax 等已有工具为什么不能解决，最后引出一个楔子战略的判断。整个对话像在和一个 YC 合伙人面对面交流。
- Design Shotgun：对抗性设计审查技能，让 AI 用不同视角挑战你的产品方案，找出弱点。
- Playwright 测试：浏览器自动化封装成 Skill，开发完成后自动跑回归。
Garry 自己讲了一个细节：他今年写的代码已经超过了 2013 年全年。那是他最后一次作为全职工程师高强度工作的年份。当年他和联合创始人带 10 人团队、花 1,000 万美元、用 2 年时间才把 Posterous 做出来，现在他基本上一个人就能重做出来。
这条信息与其说是炫耀，更像是在说明工具正在让一个人重新具备小团队的产能。
视频里他还演示了用 Conductor 同时管理多个并行会话。一个会话在测试网页，另一个在写后端代码，第三个在调试，他只需要在中间审阅和决策。
→ 阅读原文：Garry Tan 的 Claude Code 设置内幕
Cat Wu：把发布周期从 6 个月压到 1 天
Anthropic 的 Cat Wu 是 Claude Code 的产品负责人。她在 Lenny 的播客里揭了一些 Anthropic 内部的运作细节，最让我有共鸣的是他们把发布周期从 6 个月压到了 1 天。秘诀其实非常朴素：
- 所有功能先以研究预览版形式上线，明确标注早期性质，把长期支持的承诺压力降下来。团队能在 1-2 周内就上线新想法并获取反馈。
- 长青发布室频道：工程师觉得功能成熟了就在里面发个帖，文档、市场、开发者关系等团队当天就跟进，第二天发营销公告。
- 大量招产品品味强的工程师：让工程师能直接根据推特上的用户反馈在一周内自主迭代。
Cat Wu 还分享了她和 Boris 的分工模式：Boris 负责设定 3-6 个月后的产品愿景，她负责规划从现状通往那个愿景的路径，并且在功能开发完成后清除所有发布阻碍。两个人大约 80% 的时候想法完全一致。
她还谈了 Anthropic 文化的另一个特点：团队成员都有一种拥抱混沌的特质，因为风险和变数太多，过度焦虑很快就会崩溃。Anthropic 倾向于聘用经历过行业起起伏伏的资深人士。
Cat Wu 给从业者的核心建议很犀利：
把自动化做到 100%。差一点就会成为你的瓶颈。
她举例说，Anthropic 内部有些工程师写完一个 PR 之后，会用 AI 帮他做接下来所有事情，从写测试到写文档到合并部署。这种从首次代码提交到最终上线全自动化的工作流，才是真正放大产能的路径。
这条建议听起来朴素，但联系到上面 Garry Tan 那个数据，其实是一致的：工具效率的边际收益要在最后一公里才真正显现。
→ 阅读原文：Anthropic 产品团队如何比任何人都快 | Cat Wu
Pragmatic Engineer：大厂里那个让人哭笑不得的 token 刷量
Pragmatic Engineer 的 Gergely Orosz 在 AI Engineer 大会上揭露了一个让我哭笑不得的现象，他把它叫做 Token Maxing（token 刷量）。
简单说就是大厂把员工的 AI token 消耗量当作绩效指标：
| 公司 | 操作 |
|---|---|
| Salesforce | 每个员工月均 $175 的 token 最低消费，月初不达标就要疯狂用 |
| Meta / Microsoft | 内部排行榜，工程师为了排名不垫底开始用智能体生成一堆没用的总结 |
| Coinbase | CEO Brian Armstrong 发全员邮件要求所有人必须用 AI 工具，一周后真的开除了一名没用的工程师 |
Gergely 的判断是，这种现象本质上是管理层在对工具效果还没充分验证的情况下，用强制指标推动落地。这背后有一种古德哈特定律的味道，任何被作为目标的指标都会被滥用。
他还讲了一个对比，几个月前 Token Maxing 最初还只是个玩笑，大家是为了好玩疯狂尝试用它来构建很酷的东西，但现在演变成了一种奇怪的职场文化。
访谈里 Gergely 还分享了一个更有价值的观察：大厂在内部 AI 基础设施上的投入远超外界想象。Uber 自己建了一个内部的 AI 网关，统一管理所有内部模型调用；Shopify 把内部所有 AI 工具集中到一个平台；Meta 和微软都在做自己的 MCP 网关，专门处理智能体和企业系统的对接。这些公司不依赖现成工具，而是花大力气自研。
→ 阅读原文：AI 如何改变软件工程：与 Gergely Orosz 的对话
三个视角的张力
把这三个视角放在一起看，AI 编程在 2026 年呈现出一种很微妙的张力：
- 一边是 Garry Tan 这种能用工具放大十倍生产力的真实案例
- 另一边是大厂内部因为指标焦虑产生的扭曲现象
Cat Wu 的一句话其实是一个分水岭：把自动化做到 100%。要么让工具真正改变你做事的方式，要么不要假装它在改变。
四、智能体工程化：国内三家大厂同周给出第一性原理
第四个主题，是这周国内三家大厂同时发的关于智能体工程化的中文版深度文章，加上 Anthropic 和 Addy Osmani 对智能体技术栈的押注，最后再连上 MiniMax 和 Hermes 的中美对谈。这五六篇放在一起，构成了本周智能体工程化的一个完整切片。
腾讯云：从第一性原理思考 Agentic Engineering
腾讯云开发者那篇的核心论点：把 vibe coding（凭直觉接受 AI 输出）和 Agentic Engineering 做了清晰的切分。前者将需求直接抛给 AI，不审查 diff、不理解生成的代码，凭直觉接受输出，以最快的速度得到能跑的结果。而 Agentic Engineering 代表了一种截然不同的范式，AI 不仅是代码的执行者，也是问题分析、方案设计等环节的思考伙伴，但最终的判断和决策权始终在工程师手中。
文章有一个观点我特别认同：工程的本质是约束优化，是在给定资源、时间、质量的约束下找最优解。AI 不会改变这个约束本身，它改变的是约束内的搜索效率。
文章梳理了软件工程长期以来的几大痛点：需求阶段的意图表达失真、设计阶段的知识难以沉淀、编码阶段的上下文获取成本高、审查阶段的瓶颈在人。共同根源归纳为四点：
- 信息损耗
- 知识孤岛
- 认知成本
- 组织摩擦
Agentic Engineering 的方法论是把这四个问题分别用上下文工程、规约先行、技能模块化、自我精炼这四个手段来解决。这个映射很清晰，对于想在团队内部推动 AI 工程化的人来说，可以直接套用。
作者还把这套方法论开源成了一个基于 Skill 的完整框架，包含 SDLC 工作流、最佳实践、自我精炼机制，可以直接 fork 来用。
→ 阅读原文：从第一性原理思考 Agentic Engineering
阿里 Aegis：Harness 是为非确定性引擎设计的物理控制面
阿里云开发者那篇是 Aegis 项目的复盘。作者给出了一个最锋利的定义：
传统软件工程管的是确定性，Harness Engineering 管的是非确定性。
一个 add(a, b) 函数，只要代码没 bug，结果永远确定。但大模型是概率引擎，同样的输入，它可能直接返回结果，可能调一个不相干的工具，也可能因为前文某句话幻觉暴走。所以 Harness 不是泛泛的好习惯，它是一个为非确定性引擎设计的物理控制面。
文章用两个坐标轴画了智能体架构的四象限矩阵：
- X 轴：执行流路由，从静态预设到动态自主
- Y 轴：状态，从隐式内部到显式外部
Harness Engineering 落在第一象限：模型负责意图，外部 Harness 负责状态隔离和沙盒校验。开发成本相对高，但能用合理成本换一个更稳的系统下限。
文章还戳破了几个常见的伪 Harness 现象：
- 在提示词里写 5,000 字几十条 DO NOT 这种软约束
- 把所有逻辑塞进单次对话上下文，模型之外没有任何物理约束
作者举了 Aegis 项目的真实例子：一开始他们没急着写发请求的智能体，先去读架构文档、收敛目标、迁移参考实现。推进过程中遇到了上下文断裂、工具耦合、接口报错、本地测试退出这些问题。复盘下来发现，决定能不能跨过这些坎的关键其实在 Harness 是否搭得扎实，跟换一个更聪明的模型关系不大。
→ 阅读原文：从玩具到生产力：用真实项目讲透 AI Agent 的 Harness Engineering
腾讯审核 L3:80% 效能提升的全自动化路线图
腾讯审核团队的实战总结把全自动化研发交付分成了三个阶段：
| 阶段 | 状态 | 说明 |
|---|---|---|
| L1 | 纯人工 | 传统模式 |
| L2 | 人机协同 | 2025 年所处阶段 |
| L3 | 全自动 | 2026 年目标，80% 研发效能提升 |
他们梳理了四大核心挑战：
- 交付流程的标准化
- 需求的标准化
- 知识库的标准化
- 技能（Skills）的标准化
最让我印象深的是他们提的 PRD-Agent，让产品经理在标准模板里写需求，自动按规则评分，不达标直接打回。这本质上是把工程纪律前置到需求阶段，避免下游因为需求模糊而反复返工。
文章里还分享了一个很有意思的细节：他们用大模型自动生成代码评审、自动生成测试用例、自动生成部署脚本，把整个交付链路串起来。当某一环节出问题，流程自动回滚。这种把治理和交付双轮驱动的设计思路，把传统的 DevOps 平台能力扩展成了一个 AgentOps 平台。
→ 阅读原文：从提需求到部署发布，全 AI 全自动化后，研发效能全面跃升
三篇文章的共同结论
程序员的核心价值正在从亲手写代码迁移到定义目标、卡住边界、控制节奏、做最终验收。
它和上一期那篇 Anthropic 的 Managed Agents 文章里讲的脑和手解耦其实是同一个判断的不同侧面。
Anthropic：MCP 是 M×N 集成的事实标准
Anthropic 的 MCP 实战指南给出了智能体接入外部系统的三条路径对比：
| 路径 | 适用场景 | 局限 |
|---|---|---|
| 直接 API 调用 | 一对一集成 | 规模上去后变成 M×N 集成噩梦 |
| 命令行工具（CLI） | 本地环境 | 无法触达云端服务 |
| MCP（模型上下文协议） | 多对多通用层 | 需要前期投入，回报是可移植性 |
MCP 的 SDK 月下载量已经突破 3 亿次，是解决 M×N 集成问题的事实标准。一个远端服务可以同时被多个兼容客户端复用，包括 Claude，再到 ChatGPT 和 Cursor 这些工具。
Anthropic 给出的最佳实践：按意图组织工具，不要按 API 端点组织。复杂的接口考虑用代码编排模式，让模型写一段调用代码，而非直接调一个万能工具。
→ 阅读原文：使用 MCP 构建能够接入生产系统的智能体 | Claude
Addy Osmani：Agent Stack 四大架构押注
Addy Osmani 那篇 Agent Stack 押注从架构层给出了四个判断：
- 智能体需要独立身份，不是借一个服务账户跑
- 需要通用上下文，不能每次都重新构建
- 需要持久化运行，不能每次都从零开始
- 需要标准化平台，不能每个团队都重复造轮子
文章里有一句话我觉得很值得记下来：
今天大多数所谓的生产级智能体打开机盖看，里面没有智能，只有自定义的胶水代码、脆弱的会话逻辑、共用的服务账户，还有一个靠希望维系的安全模型。
→ 阅读原文：智能体技术栈的押注
MiniMax × Hermes：中美智能体团队的对谈
Hermes Agent 是 OpenClaw 之后这个月最火的智能体框架，GitHub 上 22K+ Star。MiniMax 的首席架构师阿岛和研发工程师择因，加上 Hermes 的业务负责人 Tommy Eastman 在直播里聊了将近 3 小时。
访谈里几个判断我觉得很有冲击力：
- 模型和智能体必须一起做。靠模型公司纯训练或者智能体公司纯框架都做不出最好的产品。Anthropic 和 MiniMax 都在用行动印证这一点。
- 通用智能体终将吃掉垂直智能体。这个判断和上一期我们提到的广密的视角一致。
- 审美和目标定义将成为人类最后的护城河。当所有可被技能化的工作都被打包，剩下的就是那些需要品味判断的部分。
阿岛在访谈里还讲了一个有意思的观察：国内用户对 OpenClaw 的接受度其实比海外更高。因为国外用户之前已经接触过 Claude Code、Codex 这些好用的智能体，国内用户是被 OpenClaw 一下子捅破窗户纸的。海外是渐进式的，国内是跳跃式的。这种用户认知节奏的差异，决定了中国市场对智能体产品的需求形态会和北美不一样。
→ 阅读原文：当我们在讨论 Harness 的时候，我们在讨论什么
五、Shopify 全栈实践（本周最值得深读的一篇）
这一段我想专门给 Shopify CTO Mikhail Parakhin 在 Latent Space 那场访谈。它是这周我个人最推荐的一篇深度内容。因为它讲的是一家市值 2,000 亿美元的 20 年老公司，在 AI 时代怎么把内部全栈重新打造一遍。
Mikhail 是从微软过来的，之前负责过几个大盘业务，包括 Windows 操作系统、Edge 浏览器、Bing 搜索还有广告业务。他对 AI 的判断有一种从大公司高管视角出发的稳健感。
90%+ AI 采纳的三大支柱
Shopify 现在的内部 AI 采用率已经超过 90%，这是一家上万人规模的公司。支撑这个采用率的是三个内部系统：
| 系统 | 用途 |
|---|---|
| Tangle | 机器学习实验和数据流水线的可重复性工具，对标 Airflow 但更面向研究。实验、模型、数据从一开始就为生产环境设计 |
| Tangent | 自动科研工具，把模型优化的循环交给系统自己跑。工程师定义目标和约束，剩下的让自动化完成 |
| SimGym | 利用 Shopify 几十年积累的电商数据做顾客行为仿真，可以在虚拟环境里反复测试新功能对用户行为的影响 |
AI 时代真正的护城河，往往是私有数据和能在数据上反复模拟的能力，模型本身反倒不是壁垒。Shopify 几十年的真实电商数据，是任何模型公司都无法复制的资产。
两个让人警醒的判断
判断一：AI 编码的瓶颈已经从生成转移到 review 和发布稳定性
模型现在写代码可能比平均的人类更干净，但产品里出现的 bug 反而可能增多，因为代码审查、CI、CD 这些环节没有跟上节奏。Shopify 自己内部建了一套 PR 审查的工作流，并且认为大部分现成的 review 工具都没有抓到要点。
Mikhail 直接说：他们花在审查上的钱已经超过花在生成上的钱，这才是 AI 编码真正的下半场。
判断二：token 预算这个方向是对的，但用 token 数量评估工程产出仍然是错的
最终交付的质量、稳定性、可维护性，这些都不是 token 能量化的。
这其实直接呼应了前面 Pragmatic Engineer 那篇关于 token 刷量的文章：一边是大厂用排行榜逼员工刷 token，另一边是 Shopify 在花更大力气投资审查和发布稳定性。同样是高 AI 采用率，路径完全不同。
Liquid AI 与 CLI 工具趋势
访谈里还提到一个很有意思的细节：Shopify 在用一个叫 Liquid AI 的非 Transformer 架构做超低延迟搜索。这是为了把搜索响应控制在 20ms 以内，传统 Transformer 架构做不到这个级别。Liquid AI 是麻省理工出来的一家公司，他们和 Shopify 签了多年合作协议，专门做小型基础模型的核心商务体验落地。
这种工程取舍说明，到了真实生产规模，公司愿意为了延迟去用一些非主流架构，而非迷信通用模型。
Mikhail 还分享了一个对工程师角色变化的观察：在 Shopify 内部，命令行风格的工具上升速度比传统 IDE 风格的工具更快。因为命令行更容易被脚本化和编排进自动化流水线。这和 Cat Wu 那条把自动化做到 100% 的建议是一致的，工具形态本身在向更易自动化的方向演化。
Sydney 时代的经验带到 Shopify
Mikhail 还回顾了他在微软 Sydney 时代的经验，那是必应早期接入大模型的时候，遇到了非常多模型行为不可控的问题。他把那段经验带到 Shopify 之后，最大的体会是：AI 产品上线之前的安全测试和线上监控同样重要，不能只测一个静态的 benchmark，要做动态的对抗性测试。
Mikhail 这场访谈和前面那个 token 刷量形成了一个鲜明对照。判断哪一种更对，可能要等到一两年后看公司的产品质量和事故率。但至少从访谈里能看出来，Mikhail 思考的重心放在怎么重塑工作方式本身，token 这种表层指标对他来说反倒不是第一位的。
→ 阅读原文：Shopify 的 AI 相变 - 对话 Shopify CTO Mikhail Parakhin
六、模型公司战略：四场重磅访谈
最后一个主题，几场重磅访谈把模型公司的战略叙事彻底刷新了一遍。
Sam Altman + Greg Brockman 罕见同台：OpenAI 的重大重置
最罕见的是 Sam Altman 和 Greg Brockman 在 Core Memory 播客上的同台。这是他们很长时间以来第一次一起接受播客采访。
两个人从 2015 年那场决定创办 OpenAI 的晚宴讲起，复盘了从非营利到营利的转型、董事会冲突、Sam 那次被解雇的风波。但访谈最有信号价值的部分，是 OpenAI 这次的所谓重大重置：
- 从模型即产品转向智能体基础设施
- 为 Codex 战略性推迟 Sora。Codex 处理的是繁琐的电脑工作，是一个能让 AI 帮你完成日常的入口
- Sam 提了个人 AGI 的概念，未来每个人都有一个深度了解你上下文、能代表你执行任务的 AI
- 两个人都明确说，未来是一个由 80 亿个个人智能体驱动的计算经济
这个判断如果是对的，今天所有平台都会被重新定价。
访谈里还提了一个细节：OpenAI 现在面对的不只是产品竞争，还有大量对算力的物理需求。Sam 强调算力普惠是一个道德义务，集中在少数几家公司手里会加剧不平等。他还讲了这两年 OpenAI 经历的紧张时刻，包括一次他在自己家附近被人扔燃烧瓶的事件，以及他们正在和马斯克打的法律纠纷。但 Sam 的态度是把所有这些都看成发展中的成长烦恼，不影响 OpenAI 的核心战略。
→ 阅读原文：Sam Altman + Greg Brockman - 关于 OpenAI 的重大重置
Greg Brockman 单独：强化学习是从预测到推理的拐点
紧接着是 Greg 单独做客另一档英文播客 The Knowledge Project，主播是 Shane Parrish。这场更长，超过 2 万字，重点是他用强化学习这条主线串起了从 Dota 到 GPT-4 的整个历史。
他的核心判断：
强化学习是 AI 从预测走向推理的关键拐点。
预训练让模型学会了世界的统计规律，强化学习让模型学会了在没有明确答案的环境里探索和调整。
他还预言未来的经济会被 80 亿个个人智能体重新结构化，主导力量会是大量中等智能的智能体协作，而非几个超级 AI。
访谈里 Greg 也坦率讲了 Sam 被罢免的内部博弈，团队当时表现出的忠诚度让他至今印象深刻。绝大多数员工都签了愿意跟 Sam 一起离开的承诺书。
两场访谈对照看，Sam 和 Greg 的关系更像是早期合伙人那种相互依赖，和典型的 CEO 加总裁分工很不同。Greg 自己说他们俩平均一天通 5 次电话，每次几分钟，保持持续的同步。这种节奏是 OpenAI 这十年能在巨大压力下维持稳定的一个关键。
→ 阅读原文：OpenAI 联合创始人 Greg Brockman 谈 AI 竞赛、Sam Altman 解雇风波与 AGI 未来
罗福莉首次长访谈：后训练时代的范式转变
第三场访谈是张小珺对小米大模型团队负责人罗福莉的 3.5 小时长谈。这是罗福莉的第一次正式技术访谈。她之前供职过阿里达摩院和 DeepSeek，目前主导小米 MiMo-V2 系列模型。
她给出了几个判断：
- 2026 年大模型战争进入第二幕：从预训练主导的对话时代转向后训练主导的智能体时代
- 国内顶尖团队的卡资源分配正在向预训练和后训练 1:1 的方向收敛
| 阶段 | 过去（Chat 时代） | 现在（Agent 时代） |
|---|---|---|
| 预训练 | 60% | 33% |
| 研究 | 30% | 33% |
| 后训练 | 10% | 33% |
- 研究效率因为智能体框架编排，已经从周级压缩到小时级
她直接说：过去自己以为做的工作已经足够有创造力，不会被 Skill 化和工作流化，但现在发现它竟然也能。
这种自我冲击在一个亲手训模型的研究者身上发生，比任何外部预测都更说明问题。
她还提到一个判断：预训练模型从 1T 参数水平往上 scaling 是必经之路，但这条路上要押的是参数量，还是别的维度（比如多模态融合），是当下立刻需要决策的问题。这种判断会决定半年以后谁更领先。
罗福莉还谈到了一个很有意思的组织变化：做后训练现在的一个重要范式是需要多样性，让做预训练的人转去做后训练，能形成很好的补充。这种组织级的人员流动，意味着大模型公司内部的部门壁垒在被重新定义。
她说接下来两三个月会非常精彩：大家正在重新分配卡、重组团队、调整研究方向，谁能更快适应新范式，谁就有可能在下半年拿到领先。
她还提到一个观察很值得想一想，研究者本身的工作也在被技能化。过去研究员引以为傲的是设计实验、分析结果、写论文这种创造性工作，但现在用智能体框架编排，整个研究循环可以被一段一段地外包给系统。这种自我冲击是从一个一线研究者口中说出来的，不是外部观察者的预测。这条信号比任何宏观判断都更具说服力。
→ 阅读原文：138. 对罗福莉 3.5 小时访谈：AI 范式已然巨变
阮一峰《科技爱好者周刊》：第二次 API 开放浪潮
最后想聊一下阮一峰的《科技爱好者周刊》本周这期。整期周刊汇总了很多本周值得一看的科技内容，推荐大家直接读原文。这里我只展开其中一段我印象最深的观察，第二次 API 开放浪潮。
阮一峰的判断是：
| 浪潮 | 时间 | 驱动力 | 服务对象 |
|---|---|---|---|
| 第一次 | 2011 年 | 云服务兴起，平台希望第三方扩展 | 应用程序 |
| 第二次 | 2025 年下半年 | 大模型必须调用其他平台 | AI 代表用户行事 |
第一次浪潮里，Facebook、Twitter、GitHub 都开放了 API，但后来因为商业模式跑不通，平台陆续关上了门。
本周正在发生的第二次浪潮则有本质差别：
- 开放范围：这次被卷进来的不只云服务，还有外卖、电商、银行、餐馆预订
- 调用方式：不用手动写代码，自然语言由大模型翻译后调用
- 使用目的：API 这次服务的对象从应用程序切换到了 AI，也就是代表用户行事的智能体
腾讯也意识到了这一点，所以才会在 OpenClaw 爆红后用最快速度开放微信接口，让智能体可以向微信发消息。强如腾讯都怕在智能体世界里没有自己的位置，其他平台都在抢着通过 MCP 开放自家的接口。
→ 阅读原文：科技爱好者周刊（第 394 期）：第二次 API 开放浪潮
四篇访谈合起来看到的图景
- OpenAI 在准备从模型公司转型为智能体基础设施公司
- 罗福莉 在告诉国内同行卡的分配要变
- 阮一峰 在告诉所有平台 API 开放是新的入场券
共同的底色是：2026 年的 AI 行业正在经历一次结构重组，基础设施层、模型层、应用层都在被重新定义。这种重组的速度比过去任何一次技术换代都要快，留给每家公司适应的时间窗口都很短。
如果把这周这 20 篇内容做一次归纳，最值得记下的是一种新的分工：
- 模型公司：把通用能力推到能可靠完成长程任务的水平
- 基建公司：为智能体重新设计计算和路由层
- 平台公司：开放接口让 AI 能代表用户行事
- 开发者：用 Skill 和 Harness 把这一切组装成具体的工作流
每一层都在变，但每一层该做什么反而比以前更清晰了。
七、本周关键判断与下周展望
整体节奏回顾
| 板块 | 关键事件 |
|---|---|
| 模型层 | 连发 4 款旗舰：GPT-5.5、DeepSeek-V4、Kimi K2.6、Images 2.0 |
| OpenAI 生态 | Workspace Agents 给出可重复工作流的标准化 |
| AI 编程实践 | Garry Tan 和 Cat Wu 给出工程纪律的两个标杆 |
| 国内智能体工程化 | 腾讯云、阿里 Aegis、腾讯审核 L3 同周给出中文版第一性原理 |
| 大厂真实采纳 | Shopify CTO 反例式实践 vs 大厂 token 刷量异象 |
| 战略叙事 | Sam+Greg、罗福莉、阮一峰 分别从不同角度刷新模型公司转型故事 |
个人推荐
最值得花时间深读：Shopify CTO 在 Latent Space 那场访谈。它把过去半年的所有抽象判断都落到了一个具体公司的具体动作上，让你看到 20 年老公司是怎么在 AI 时代重新定义工作方式的。
最值得跟着实践的方向：Garry Tan 的 GStack 思路加上 Cat Wu 的 100% 自动化建议。这两件事放在一起，是任何一个想用 AI 改变自己工作方式的人都可以立刻开始的。
下周值得关注什么
- GPT-5.5 在更多真实场景里的反馈，尤其是它在长程任务上的稳定性
- DeepSeek-V4 发布后的市场反馈
- 国内智能体工程化继续深入，特别是其他大厂可能跟进给出自己的版本
- BestBlogs 的后续开发：个性化推荐、早报图文体验、移动端、新增话题功能这几块都会陆续推进，进展会同步在周刊里
完整周刊
本期 20 篇精选完整列表：https://www.bestblogs.dev/newsletter/issue92
🎧 同步播客：EP37 · BestBlogs 周刊第 92 期 · 模型周（在小宇宙搜索 BestBlogs 周刊）
PS：欢迎大家添加 Gino 的微信（ID：ginobot）加入 BestBlogs 交流群，一起讨论 AI 相关话题。
