今日 AI 速览
头条
Anthropic 的季度收入超过 OpenAI，但 OpenAI 正在美国企业客户中追赶
Ramp 对 7 万多家美国企业的付款数据表明，7 月约 44% 的样本企业向 Anthropic 付费，OpenAI 接近 40%。5 月两者曾是 41% 对 39%，Anthropic 仍领先，但 OpenAI 在第三季度截至目前增长更快。样本中付费使用 AI 的企业比例也从 3 月超过 50%，升到 7 月接近 56%。
另一组由《华尔街日报》依据投资者材料披露的数据给出收入侧对比：Anthropic 第二季度收入约 116 亿美元，OpenAI 约 67 亿美元。OpenAI 环比增长 18%，经营亏损扩大至 123 亿美元；Anthropic 同期收入增速更快，并报告小幅调整后经营利润。
两组数字不能混成同一个市场份额。Ramp 只覆盖使用其卡和付款产品的美国企业，样本偏科技行业，也没有公开实际花费金额；两家公司仍为私营企业，季度收入和调整后利润也不是经公开申报审计的同一套财务报表。
点评：Anthropic 现在把企业采用转成收入的效率更强，OpenAI 则显示出重新拿回企业增量的势头。真正值得继续追踪的是客户是否长期留下，以及增长能否覆盖推理和训练成本。
OpenAI 新设 AI Futures，专门讨论强 AI 将怎样重塑权力、经济与个人自由
OpenAI 推出 AI Futures 博客，准备持续讨论变革性 AI 对权力分配、治理、经济结构和个人自由的影响。它不是模型或产品发布，而是把“能力提升之后社会如何做选择”单独变成一个长期公开议题。
这类讨论的价值不在于预测一个确定未来，而在于提前暴露制度设计中的冲突：谁控制算力和模型、生产率收益怎样分配、个人还有多少选择权，以及公共机构如何在安全和创新之间建立可检验的规则。
点评：实验室讨论社会影响时，最重要的不是愿景词汇，而是能否把假设、利益冲突和可反驳的政策方案公开出来。
Apple Music 将在年底前强制标注 AI 生成音乐
Apple Music 正要求音乐供应方为 AI 生成内容增加标记，并计划在年底前强制执行。标签用于告诉平台和听众作品是否由生成式系统制作，减少 AI 音乐混入人工创作目录后无法辨认的情况。
公开报道目前没有给出完整的判定阈值、混合创作规则和误标申诉流程。平台若只要求上传者自报，仍会留下漏标空间；若采用自动检测，又必须解释检测误差和证据保存方式。
点评：“有标签”只是第一步。创作者、发行商和听众真正需要的是统一字段、可审计来源和可申诉的执行规则。
研究动态
美团用 64 维 LLM 语义向量改造本地生活搜索，长尾结果最先受益
美团搜索团队公布三期生产实践：先让轻量模型把搜索词、商家和商品压成语义向量，再把相似度注入排序模型，解决“宠物 SPA”和“萌宠护理套餐”这类字面不同但意思相近的问题。第一期只用 64 维向量，长尾 NDCG@5 增加 2.21 个百分点，长尾首位坏结果减少 2.96 个百分点。
第二期把训练改成 Query、商家、商品三元表征，并使用同一次请求里“曝光但未点击”的难负样本。消融实验中，加入 Triplet Loss 后商品下单 AUC 增加 11.02 个百分点，远高于点击 AUC 的 4.85 个百分点。三期方案均已完成全量上线。
点评：这份实践最有用的不是“大模型做搜索”这个结论，而是它说明了小向量、好样本和贴近业务的难负例，往往比一味放大模型更能带来真实收益。
工具与产品
Claude Code 2.1.238 释放旧子 Agent 结果，修复长会话内存持续增长
Claude Code 2.1.238 会在子 Agent 工具结果离开近期显示窗口后释放内存，修复长交互会话无限增长的问题。版本还增加 readline 键位风格、自托管 runner 延迟关机和动态代理授权，并改善 Remote Control 的断线重连、消息送达和跨会话错误反馈。
插件市场的 headersHelper 可以临时生成短期 HTTP 请求头，但安装或更新前会展示命令并询问确认；项目级 helper 还要求目录已通过信任对话，并在不继承凭据环境变量的情况下运行。
Ramp 推出 Router，让企业按成本、难度和基准在多家模型间分流
Ramp Router 通过一个 API 接入 OpenAI、Anthropic、DeepSeek、Moonshot、MiniMax、NVIDIA、xAI 和 Z.ai，并可按弹性价格层、最多三个自选基准或问题难度选择模型。控制台展示 Token、成本、延迟和失败回退。
服务目前只在美国开放，2026 年内免平台费，但推理费用仍由用户承担。默认会保存输入、输出和工具调用一年，用户可以退出；Ramp 表示会先移除可识别个人的信息再用于改进产品。
点评：模型路由器的价值是把成本和可靠性变成可观察的策略，但默认一年留存对敏感业务并不轻，接入前要先改数据策略。
社区热议
“别直接粘贴 AI”登上 HN：别人问的是你的判断，不是通用答案
dontpastetheai.com 用讽刺方式提醒：对方既然也能调用聊天机器人，仍然来问你，多半是想听你的背景、品味和判断。作者并不反对用 AI 起草，但建议读完后自己压缩、改写，或只引用真正有用的一段并解释原因。
这条观点获得近千分，也引发大量争论。它把“是否使用 AI”换成更实际的问题：信息接收者能否看出你做过筛选、承担判断，并尊重了对方的阅读时间。
125M 参数钢琴续写模型在 iPhone 15 上每秒生成约 108 个音符
开发者 Simon Edwardsson 用 14 轮实验训练了一个 1.25 亿参数 Transformer，让 MIDI 钢琴演奏能在设备端实时续写。最明显的提升来自重新设计 MIDI 事件表示、严格清洗训练数据和加入 DPO 后训练，而不是扩大模型。
免费应用 RollTab 面向连接 MIDI 键盘的 iPhone 和 iPad。这个项目说明，单一任务若把输入表示和数据质量做对，小模型也能提供延迟足够低的互动体验。
Builder 观点
Meta AI 高级总监 Madhu Guru 建议在评测 v1 完成后立刻建立失败模式分类：从最近 500 至 1000 条生产轨迹里找失败，不能只写“答案不好”，而要区分检索错文档、选错段落、未依据上下文、该拒答却编造、问题含糊却不追问等。命名足够具体，才能为每一类失败建立测试并形成改进闭环。
在 X 查看原帖 →Vercel CEO Guillermo Rauch 认为 AI 会推动基础设施原生优化。他以 6.3 MB、启动约 10 微秒的 Zig 编译工具 fx 为例，强调 Agent 完成任务前的启动和依赖成本本身也应该被持续压缩。
在 X 查看原帖 →Box CEO Aaron Levie 认为 AI 时代专家仍占优势。模型让任何人更快入门，但判断该让 Agent 做什么、何时纠偏、怎样验证输出和什么才算好，仍依赖领域技能；AI 反而可能放大专家与普通使用者之间的杠杆差距。
在 X 查看原帖 →此前漏报
腾讯开源 UI-Mate，让 GUI Agent 通过一次示范适应新的桌面任务
腾讯 HY Frontier 在 Hugging Face 发布 UI-Mate 9B、27B 和演示引导版 27B。模型读取实时截图与自然语言任务，输出鼠标、键盘、滚动和等待等结构化动作；演示引导版本允许用户先展示一次流程，再让 Agent 迁移到相似任务。
官方模型卡报告 UI-Mate-27B 在 OSWorld-Verified 得分 77.0、WindowsAgentArena 得分 66.2，权重采用 Apache-2.0。仓库建议配合官方提示、解析器和交互 harness 使用，不能把它当普通视觉聊天模型。
点评：示范学习能降低写长提示的成本，但桌面 Agent 仍直接触碰文件和应用权限，应在隔离账号、可回滚环境和任务级授权下测试。
GitHub 趋势
OpenViking 为 Agent 统一记忆、知识 RAG 与技能上下文
OpenViking 是火山引擎维护的 Agent 上下文数据库。窗口内提交新增 viking://~ 用户根目录别名，并改进对象存储缺失处理和 release candidate 节点兼容；项目核验时有 31,025 stars。
Microsoft Agent Framework 增加 Foundry 与 Azure Blob 会话持久化
Microsoft Agent Framework 支持 Python 和 .NET 的单 Agent、多 Agent 与工作流编排。窗口内提交为托管 Agent 增加 Foundry 状态持久化和 Azure Blob 会话存储，并迁移到 2026-07-28 的 MCP 长任务扩展；核验时有 13,009 stars。
今天最重要的信号不是谁在某一张榜单上暂时领先，而是谁能把模型能力稳定地变成企业采用、可控成本和可复验结果。Anthropic 与 OpenAI 的数据说明客户仍会迁移，美团和社区项目则提醒我们，表示方式、评测分类和小模型工程同样能决定真实效果。