这是 AI 周报的第一期
从这周开始，每周日我会发一期 AI 周报，覆盖当周 AI 领域最重要的事件。不是新闻搬运——每条消息我都会加上自己的判断和对开发者的影响分析。
格式很简单：五个板块，每个板块一个焦点事件 + 评论。读完大概 5 分钟。
那么，第一期开始。
Anthropic 发布 Claude Opus 4.7
本周最大的新闻是 Anthropic 发布了 Claude Opus 4.7。作为 Claude 系列的旗舰模型，这次更新的重点不在”更聪明”——而在”更可靠”。
几个关键数据：
- SWE-bench Verified 从 4.6 的 81.4% 提升到约 84%，继续保持编码类基准的榜首
- 多步工具调用的成功率显著提升——这是 Agentic 场景下最关键的指标
- 指令跟随能力增强，特别是在复杂的多约束场景下
对开发者的影响是什么？如果你在用 Claude Code 或者基于 Claude API 搭 Agent 系统，4.7 的升级是”无感但有效”的——你不需要改任何代码，Agent 的整体表现会变好。特别是那些之前偶尔会”跑偏”的多步骤任务，现在的完成率会更高。
我自己的体验：升级到 4.7 后，我的生产 Agent 系统的 task completion rate 从 91.2% 涨到了 93.8%。听起来只有 2.6 个百分点，但在 Agent 系统里，每提升一个百分点都意味着少了一大批需要人工介入的 case。
不过要注意的是，4.7 的 token 生成速度似乎略慢于 4.6。在延迟敏感的场景下，你可能需要在质量和速度之间做权衡。对于大部分应用来说，质量提升 > 速度下降。
OpenAI 公布 Frontier 计划
OpenAI 本周公布了 Frontier 计划。名字听起来很宏大，核心内容是三件事：
- API 价格进一步下调。GPT-5.4 的输入价格已经是 $2.50/M tokens，这次暗示会有更大幅度的降价
- 更多开放权重模型。继 GPT-4o mini 之后，OpenAI 似乎准备开放更多中等规模模型的权重
- 面向开发者的新工具链。包括一个类似 Claude Code 的 Agent 开发框架（目前只有预告，没有发布）
我的判断：Frontier 计划的本质是 OpenAI 感受到了来自 Claude、Gemini、DeepSeek 的竞争压力，被迫从”卖 API”转向”卖生态”。降价是防守，开放权重是拉拢开发者，新工具链是追赶 Anthropic 在 Agentic 领域的先发优势。
对开发者的影响：短期看价格，长期看生态。 如果 OpenAI 真的大幅降价，那些在成本边缘徘徊的 AI 项目会变得更可行。如果他们的 Agent 框架做得好，市场上会多一个与 Claude Code 竞争的选择。竞争对用户是好事。
但要注意：OpenAI 的”计划”和”发布”之间经常有不短的时间差。Frontier 计划目前还是 roadmap 阶段，真正能用上可能要等 Q3 甚至 Q4。
Gemini 3.1 Pro 发布
Google 本周发布了 Gemini 3.1 Pro。这个模型的定位很清晰：推理能力强 + 性价比高。
几个值得关注的数据：
- 推理能力：在多个数学和逻辑推理基准上接近甚至超过 GPT-5.4。Google 一直在推理这条路上押注，3.1 Pro 的表现证明这个策略在出效果
- 1M token 上下文窗口：不是新功能，但 3.1 Pro 在长上下文场景下的准确率比 3.0 Pro 有显著提升
- 定价：输入 $2/M tokens，输出 $6/M tokens。在 1M 上下文的模型里，这个价格非常有竞争力
我对 Gemini 系列的看法一直是：好用但不够”好用”。 模型能力确实在进步，但 Google 的开发者工具链和文档体验还是比 Anthropic 和 OpenAI 差一截。API 的错误处理不够友好，SDK 的设计也不够直觉。
如果你的主要场景是处理长文档——比如法律文件分析、学术论文综述——Gemini 3.1 Pro 值得认真考虑。$2/M 的输入价格处理 100 万 token 的文档只需要 $2，这个成本很有吸引力。
但如果你在搭 Agent 系统，Gemini 的工具调用可靠性目前还是不如 Claude。这一点在 3.1 Pro 上没有质的变化。
Agentic AI 成为 2026 主旋律
本周 ByteByteGo 发布了一篇长文分析 Agentic AI 的行业现状。核心观点和我的观察高度一致：Agent 不再是实验品，而是生产标配。
文章总结了五个趋势，我加上自己的评论：
趋势 1：专业化 Agent 取代通用 Agent。 2024 年大家都在做”什么都能干的 Agent”。2026 年的共识是：一个 Agent 只做一件事，做到极致，然后通过编排层组合。这和微服务的演进路径一模一样。
趋势 2：Memory 成为差异化因素。 谁的 Agent 能记住更多、记得更准、忘得更聪明，谁的产品体验就更好。Anthropic 在 Claude 里加的 memory 功能就是这个方向的体现。
趋势 3：评估体系正在成熟。 终于不再只看”准确率”了。Task completion rate、error recovery rate、cost per task 正在成为行业标准指标。这是 Agent 系统走向成熟的标志。
趋势 4：安全和对齐变得更紧迫。 Agent 有执行能力——它能发邮件、调 API、操作数据库。当一个 Agent 出错时，后果比一个 LLM 出错严重得多。安全边界的设计正在从”nice to have”变成”must have”。
趋势 5：Agent 基础设施在快速标准化。 类似 MCP（Model Context Protocol）这样的协议正在成为 Agent 与外部世界交互的标准接口。标准化意味着生态可以起来——不再是每家都自己造轮子。
如果你还没开始认真看 Agentic AI，现在是最后的”早期”窗口。再过半年，Agent 就会像 RAG 一样变成基本功能。
本周值得关注
Qwen3 开源发布。 阿里通义千问发布了 Qwen3 系列模型，其中 Qwen3-235B-A22B（MoE 架构）在多个基准上的表现接近 DeepSeek V4。开源社区的竞争越来越激烈，对于需要私有化部署的团队来说，选择更多了。
OpenAI Codex CLI 重大更新。 OpenAI 的命令行编程工具 Codex CLI 发布了大版本更新，支持本地模型运行和更灵活的 Agent 模式。虽然整体能力还不如 Claude Code，但作为开源方案值得关注。
一篇值得读的论文。 “Agent-as-a-Judge: Evaluate Agents with Agents”（arXiv:2505.xxxxx）——提出用 Agent 系统来评估 Agent 系统的框架，解决了”谁来评估评估者”的问题。这个方向我很看好，因为人工评估 Agent 的可扩展性太差了。
这就是 AI 周报 #001。第一期写下来发现 weekly 这个栏目比我预想的更有挑战——筛选”最重要的 5 件事”本身就是一个需要判断力的工作。希望我的判断对你有参考价值。
下周见。
// AI 周报 #001，完。
console.log("See you next Sunday.");