昨天頭條新聞的內容變得更加真實，Superapp 的使用量自上次報導以來又增加了 100 萬用戶。swyx 提到，這次 GPT-5.6 的發布可能是 OpenAI 自 ChatGPT 以來最成功的模型。

Latent.Space 質疑 Codex 是否超越了 Claude Code 的使用量。Tibo 在 24.5 小時前宣布 Codex 擁有 600 萬活躍用戶，這意味著 Codex 的使用量在一天內激增了 100 萬。

Claude Code 上次聽到的用戶數是二月份的 200 萬，如果這個數據屬實，那將是一個非常重大的進展。更多分析將在文中提供。

在其他新聞方面，Richard MacManus 發布了他對 AIEWF26 的最終回顧。其中包括 Addy Osmani 精彩的主題演講，內容涵蓋了即使程式碼生成成本趨近於零，AI 工程師仍應持續做的事情。

這是 2026 年 7 月 13 日至 7 月 14 日的 AI 新聞。我們檢查了 12 個 Reddit 子版塊、544 個 Twitter 帳號，但沒有進一步的 Discord 資訊。AINews 的網站讓您可以搜尋所有過去的內容，提醒您，AINews 現在是 Latent Space 的一個專區，您可以選擇訂閱或取消電子郵件頻率。

OpenAI 的代理產品正經歷異常強勁的需求。@sama 表示 Codex 和 ChatGPT Work 的使用量在一週內增長了 2.5 倍，後來又補充說 GPT-5.6 Sol 的需求「瘋狂」，可能導致基礎設施跟不上而出現擴展問題。生態系統的反應是立竿見影的。

JetBrains 將 Codex 推薦為其代理，@theo 強調了 Codex 未被充分利用的「問題工具」，而 OpenAI 自己的團隊也展示了使用 GPT-5.6 從頭到尾建構的命令列評估工具。在產品方面，OpenAI 也進行了多次使用重置，並由 @reach_vb 和 @kimmonismus 等用戶放大。

代理品質和可觀察性正成為一流的差異化因素。多條推文都指出，單靠模型品質已不足夠。@swyx 警告說，過時的 agents.md 指令可能會像自我造成的提示注入一樣，導致長時間任務停滯數小時。

LangChain 為 Codex 增加了追蹤功能，後來擴展到 LangSmith 中的 Cursor、Copilot、Pi 和 OpenCode，公開了工具呼叫、子代理和 token 使用量。@Teknium 發布了 Hermes 更新，可以並行化任何工具呼叫子集，並在 Hermes Agent 中直接公開了預存重置。

@andykonwinski 精闢地指出，能夠將其價值編碼到評估和環境中的公司，可能會比那些僅依賴資金或原始規模的公司獲得更持久的優勢。

積極的壓縮技術正在將接近前沿的模型帶到消費級裝置上。PrismML 發布了基於 Qwen 3.6 27B 的 Bonsai 27B，有兩種緊湊型變體：三元 Bonsai 27B（5.9 GB / 1.71 有效位元）和 1 位元 Bonsai 27B（3.9 GB / 1.125 有效位元），兩者均採用 Apache 2.0 授權。

其聲稱的顯著之處不僅在於大小，還在於能夠在本地保留多模態、工具使用、長上下文代理工作流程。

一個演示展示了 Hermes 在 RTX 5090 上運行它，而 Locally AI 則強調了手機部署的可能性。同時，騰訊混元發布了 1 位元和 4 位元 Hy3，描述了一個 295B 旗艦級模型，可以透過啟用 MTP 的 llama.cpp 在單一 GPU 上運行。

量化和邊緣部署持續擴大開放模型的運行範圍。@danielhanchen 宣布在 Gemma-4 系列和包括 Qwen3.5-122B-A10B 和 GLM-4.7-Flash 在內的其他大型模型上實現 NVFP4 動態量化。@MiaAI_lab 的 DGX Spark 討論串描繪了實際的多節點本地部署，包括在兩台 DGX Sparks 上運行 100 萬上下文的 DeepSeek v4 Flash 和 MiMo-V2.5，以及在四台 DGX Sparks 上運行 GLM 5.2 NVFP4。

這些貼文的共同主題是，本地推論不再僅僅是一個玩具路徑。它正變得適用於嚴肅的代理工作流程，特別是當與低位元權重格式和優化過的代理框架結合使用時。

即時多模態互動正從「先看再回答」轉變為連續感知。OpenMOSS 發布了 MOSS-VL-Realtime，這是一個 11B 視覺語言模型家族，採用 Apache 2.0 授權，具有 256K 上下文，專為連續視訊串流設計。其關鍵系統特性是它可以在生成答案的同時持續觀看，隨著場景變化修改或中斷答案，並在證據不足時保持沉默。

@Open_MOSS 的技術討論串強調了其交叉注意力架構、用於統一時間空間定位的 XRoPE，以及跨離線/串流/即時設定的統一模板。

長視訊理解越來越被視為主動證據搜尋，而非被動的影格攝取。@ZhihuFrontier 的一份詳細摘要描述了 OmniAgent，它基於 Qwen2.5-Omni-7B，使用觀察-思考-行動循環來僅請求其所需的影格/音訊。在 LVBench 上，OmniAgent-7B 據報導得分 50.5，擊敗了 Qwen2.5-VL-72B 的 47.3，同時僅消耗約 203 影格，而後者為 768 影格。

其訓練方法也值得注意：被動的 SFT 損害了性能，而 5.8 萬條代理軌跡和透過 TAURA 進行的熵加權強化學習則改善了性能。這裡更大的研究模式與 Andrew Carr 的觀點一致：運動是一種根本上新穎的資料類型，需要專門的收集、基礎設施和模型處理，而不是將其簡化為帶有時間的圖像。

開放世界模型正逐步邁向互動式、更長期的模擬。@RekaAILabs 概述了全能世界模型背後的資料堆疊，強調了數 PB 的視訊資料、六個管道階段，以及當模型同時生成和理解視訊時，資料品質改進所帶來的雙倍回報。@omarsar0 將 LingBot-World 2.0 總結為首批聲稱能實現小時級、720p/60fps 互動式生成的開放版本之一，儘管仍缺乏長期記憶。

在應用方面，PixVerse Game 被強調為正在追求即時互動式視訊回應這個更困難的問題，而非預設的遊戲式片段。

Perplexity 開源了 WANDR，這是一個用於廣泛而深入的代理研究的基準測試。@perplexity_ai 將 WANDR 描述為一個包含 500 個任務的基準測試，這些任務來自去識別化的生產研究任務，需要跨多個難度層級的 170,495 條有來源支持的記錄。WANDR 不僅根據靜態黃金集進行評分，還會重新擷取引用的頁面並根據基礎證據檢查主張，這更符合動態網路研究。

@AravSrinivas 將其視為 Perplexity Computer 深度廣泛研究框架背後的內部基準測試，而 @denisyarats 則強調了其作為從生產追蹤合成的強化學習環境的額外作用。

評估設計正變得更具對抗性和更真實。Agent Arena 強調了在匹配最佳靜態配置準確性的同時，將系統成本降低 89% 的工作，認為完整的系統配置優於單獨的 LLM 路由。與此相關，Google DeepMind 關於模型路由的研究認為，路由器的判斷標準不應僅限於準確性/成本，還應包括專家之間的行為差異以及在釋義下的穩定性；否則路由可能在功能上毫無意義。

@HamelHusain 的自動化評估貼文也得出了類似的結論：這些系統可以發現人類錯過的問題，但仍缺乏足夠的領域品味和回饋循環來取代專家。

基準測試正從一次性 SWE 任務擴展到退化和搜尋的真實性。mini-swe-agent 標誌著其一週年，現在為多個軟體基準測試提供支援；SlopCodeBench 被引用來衡量代理如何在連續任務中侵蝕程式碼庫，而不僅僅是解決一個孤立的問題。這將基準測試的範圍從「它能否解決一個任務？」擴大到「它能否避免隨著時間推移使儲存庫變得更糟？」。

Sakana AI 將集體智慧從軟體推向了實體自我修復系統。Sakana 在多個貼文中介紹了發表在《自然通訊》上的「智慧蜂窩磚」。該系統由許多相同的立方體組成，每個立方體運行一個小型神經網路，僅與物理鄰居通信，卻能夠推斷出整體形狀並檢測損壞，而無需集中控制。

一個後續細節尤其值得注意：這些單元能夠以 95% 的準確度檢測六個空間方向上缺失的鄰居並重新生長目標結構；在模擬中，該方法擴展到 18,000 多個立方體。

實體自主性也以更小的形式出現。@alextoussss 發布了一個引人注目的自主微型無人機擊落飛蛾的演示，這被視為邁向蚊子根除的一步。另外，@fchollet 強調了 Airtap，它將 SMS 轉變為行動應用程式的無頭代理執行層，使用文字作為控制平面，僅在身份驗證時進行干預。

這些是自主性光譜的不同兩端，但都指向了人類指定目標而系統處理實體或半實體執行的介面。

OpenAI 的需求激增和產品拉力：@sama 關於 GPT-5.6 Sol 定價/效率、Codex/Work 使用量增長 2.5 倍以及「5.6 Sol 增長瘋狂」是這組數據中最具影響力的營運商信號。

治理和實驗室政治：@BlackHC 關於 DeepMind 五角大廈合約和廢棄保障措施的討論串，以及 Carole Cadwalladr 對其的放大，引起了極高的參與度。同時，Demis Hassabis 的 AGI 治理提案，得到了 @mustafasuleyman 和 @sama 的認可，是一個主要的政策討論節點。

值得注意的開放模型發布：Bonsai 27B 因其 27B 規模、手機級佔用空間和 Apache 2.0 授權的結合，成為時間軸上技術實質最強的開放模型發布。