AI智能体进入算账时代
今天 AI 领域有个信号值得注意：Google 原定 6 月发布的 Gemini 3.5 Pro，据报道推迟到了 7 月。表面看，这只是模型发布时间的调整；但放在近期的行业背景下，它其实指向一个更现实的问题：AI 智能体越做越长、越做越复杂，成本和稳定性开始影响发布节奏。这个问题并非 Google 一家独有。过去一年，大家都在谈 agent，谈长任务，谈让 AI 自己规划、搜索、写代码、调用工具、检查结果。听起来很接近“自动干活”，但企业真正上线时会发现：智能体不是一次回答，而是一连串高频调用。所以今天不
AI日报：开源模型降本，企业争抢上下文入口
2026年6月25日 先看结论 今天的AI新闻有两条主线特别突出：一条是模型能力持续下沉，开源模型将长任务、代码和智能体成本不断压缩；另一条是企业AI开始争夺“上下文入口”，谁能接入团队消息、代码、文档和业务系统，谁就更容易成为日常工具。 AI竞争正从“谁更会回答”转向“谁更懂现场”。模型需要能处理长任务，应用需要能融入团队上下文，基础设施需要能支撑成本，物理AI需要能被验证和管理。 今日五大方向 01｜大模型与产品：Z.ai 发布 GLM-5.2，开源模型继续逼近长任务场景（Z.ai）。 02｜算力与基
AI 产品核心：超越问答，深耕长任务执行
用户提出问题，AI 提供解答。用户上传文档，AI 进行总结。用户输入需求，AI 生成内容。这确实具有价值。一个系统能理解人类语言，生成内容，将杂乱信息整理成易懂的段落，这本身已是巨大变革。但经过这两年的观察，我愈发认为，若仅将 AI 产品视为“问答工具”，可能仍低估了其潜力。AI 产品的真正关键，不在于回答问题，而在于执行任务。更确切地说，是执行长周期任务。近期，我阅读了张小珺与姚顺宇的访谈，其中提到了 OpenClaw。姚顺宇指出，OpenClaw 展现的能力在 AI 圈内或许并不陌生，许多大型企业内部