AI 同时冲向产线、外包与监管

2026-11-10·6 min read·OKCodex 编辑部

本周几条信号单独看都是产品新闻,放在一起则构成一条完整曲线:模型在真实工作任务上的完成率一年内从 2.5% 升到 41.3%,同一周人形机器人在梅赛德斯-奔驰产线上做到 96% 的金属件分拣成功率,而八国政府和四家头部实验室在巴黎签下含关机条款的宣言。能力、物理落地、治理三条线首次在同一时间窗口内同速推进。

能力线:41.3% 的真实含义

Anthropic 的 Fable 5.2 在 Remote Labor Index 上以专业质量完成 41.3% 的真实自由职业任务,超过第二名 Opus 5.5 和 GPT 6 Astra 的两倍以上。一年前该基准的最高分是 2.5%。报道同时指出,产品设计和动画仍是明显弱项。

这个数字的意义不在替代,而在任务边界的重划。41.3% 不是全部任务,但已越过「能交付可用初稿」的门槛;弱项则集中在需要审美判断和多轮修改的领域,恰好是难以用验收标准量化的部分。对采购方而言,「可拆解、可验收的任务先被吃掉」是更现实的判断。

成本线:比榜单更该看的一栏

Google 在两周测试期后正式开放 Gemini 4 Carbon,在多项基准上排名第一,部分项目领先 Fable 5.2,单任务成本不到后者的一半;同时预览了通过 /swarm 功能组织的协同 agent 团队。

把这两条并列看,本周真正的变化是「能力/成本」比,而不是单点分数。当第一梯队模型的单任务成本差出一倍,选型逻辑就会从「选最强」转向「按任务分档」:高价值、低容错的环节用最强模型,大批量的中间环节用性价比模型。

物理线:96% 与 10–80% 之间的落差

Google DeepMind 推出面向机器人的控制模型 Gemini Robotics 2.5,与 Apptronik 合作在匈牙利和德国的梅赛德斯-奔驰在产线上测试,人形机器人 Apollo 2 完成金属件分拣,报告成功率 96%。

Nvidia 的路径不同:GR00T 2 用约 40 万小时视频,把人类手部动作迁移到机械臂上,试图绕开繁琐的遥操作。但报告的成功率在 10% 到 80% 之间大幅波动。

两个数字并置,指向同一个结论:当前机器人落地的水平高度取决于任务的结构化程度。奔驰的工位有固定位置、明确目标物和可验证结果,这正是成功率最高的形态;GR00T 2 的宽幅波动,则是泛化任务真实水平的如实反映。

治理线:签了字,短板同样明确

Paris Call for AI Safety and Security(巴黎 AI 安全与安全呼吁)由马克龙倡议,八个国家以及 OpenAI、Anthropic、Microsoft、Mistral AI 的代表签署,承诺关机机制、独立审计和披露已知风险。报道同时指出该协议存在明显的局限。

对企业来说,值得关注的不是签字仪式本身,而是「关机机制」和「独立审计」这两项要求会以什么形式写入采购合同、部署文档和日志规范。经验规律是:这类声明的直接约束力有限,但它往往会先变成大客户的招标条款。

被忽略的基础设施变量

MIT Technology Review 提出,美国围绕数据中心的反对声浪,实质可能更多落在电力上。这个视角值得中国读者留意:当算力扩张遇到电网容量限制,选址、能耗和并网周期会比模型参数更早成为瓶颈。

商业侧同步发生的三件事指向同一方向:Anthropic 推出 Claude Meetings,在会议进行中起草讨论中的计划、在白板上排出时间线、并从已连接的工作应用中调取数据;OpenAI 上线商业档案,让 ChatGPT 更像一个消费发现引擎;Oura 以 6.25 亿美元收购 AI 原生初级保健公司 Counsel Health,而数周前它刚以「IPO 市场不确定性」为由无限期推迟最高 22 亿美元的 IPO。Agent 正在从「回答问题」转移到「进入工作流的记录系统」。

结论:三条现在就能做的事

  1. 按任务分档选模型。用真实业务样本跑一次自己的小型 Remote Labor Index,把任务拆成「可验收」和「需审美判断」两类,前者优先自动化,后者保留人工复核。
  2. 机器人项目先挑固定工位。选位置固定、目标物明确、失败成本可控的工序做试点,不要从开放式环境起步。
  3. 把关机与审计写进合同。在供应商条款里要求风险披露和可中断机制,内部同步建立 agent 操作日志——这类要求正在从宣言变成招标门槛。

来源

分享:微博

为下一步任务找到工具

从扫描文档、代码审查或资料研究开始,得到工具短名单与匹配依据;目录筛选不运行模型。

为我的任务选工具 →

订阅每周好码简报

评论

加载中…

发表评论

0 / 500

评论经过审核后显示。

换两个模型分析这个主题

已预选 DeepSeek 与 Qwen,并带入文章主题;确认后才会运行。

试一下 →

继续阅读

Mentioned

文中提到的 Agent