

> 月之暗面（Moonshot AI）旗下产品 Kimi 近期实现里程碑式突破，其海外收入首次超过国内市场。这一增长主要得益于 K2.5 模型的强劲表现，推动全球付费用户数激增 4 倍，并在 Openrouter 等权威榜单中跻身世界前三。

## 墙内开花墙外香

中国 AI 独角兽月之暗面传出重磅利好。在与投资者的最新沟通中，公司透露 Kimi 的海外营收已实现对国内市场的反超。这一数据标志着中国大模型产品在出海商业化上取得了实质性突破。

驱动这一增长的核心引擎是最新发布的 **K2.5 模型**。数据显示，自 K2.5 上线后的短短几天内，Kimi 的全球付费用户数量实现了 **4 倍** 增长。在第三方模型聚合平台 Openrouter 上，K2.5 的排名迅速攀升至第三位，紧随 Claude Sonnet 4.5 和 Gemini 1.5 Flash 之后。这一排名直接证明了其在国际市场上与硅谷顶尖模型同台竞技的实力。

![Google_AI_Studio_2026-02-02T03_05_48.308Z.png](https://static.downly.cn/images/c0a2655f874d184dcba5d28b38890100.png) <center>图源备注：图片由AI生成</center>

## Agent Swarm：以协作破瓶颈

在 1 月 29 日的 Reddit AMA 活动中，月之暗面创始人杨植麟分享了公司在技术路径上的新思考。面对高质量数据增长赶不上算力提升的行业难题，Kimi 正在探索 **“Agent Swarm”（智能体蜂群）** 策略。

这种方法不再依赖单一模型的“单打独斗”，而是通过并行处理子任务的方式，让多个 AI 智能体协作完成复杂任务。杨植麟透露，通过这种协作模式，K2.5 在大规模信息处理场景下的效率提升了 3 到 10 倍。这种架构创新，为 AI 处理更复杂的逻辑推理和生产力任务打开了新的想象空间。

## 对标国际先锋的战略野心

Kimi 目前的战略布局正逐渐向“Anthropic + Manus”的混合模式靠拢：

*   **技术开源** 自 K2 起，Kimi 坚持开源模型权重和工具链，支持开发者在本地或云端部署，意在构建类似 Llama 的技术生态。
*   **产品定位** 在 C 端市场，Kimi 明确将自己定位为“生产力工具”，而非单纯的聊天机器人。

通过“卷”智能极限与“卷”实际应用并行，Kimi 正在全球激烈的 AI 竞速中，通过快速迭代和精准的市场适应能力，逐步建立起自己的护城河。

Kimi海外营收反超国内 K2.5模型驱动全球用户激增



> 阶跃星辰推出的 Step3.5Flash 模型专为 Agent 场景设计，凭借 350TPS 的极致推理速度和稀疏 MoE 架构，在保持低成本的同时实现了比肩闭源大模型的性能，旨在成为开发者构建智能体的首选“大脑”。

## 为Agent而生的速度怪兽

阶跃星辰（Stepfun）近日正式发布了其最新一代开源基座模型——**Step3.5Flash**。这款模型的定位异常清晰：做一个更聪明、更稳定且成本可控的“Agent 大脑”。

在智能体（Agent）的应用场景中，响应速度往往决定了用户体验的生死。Step3.5Flash 在这方面交出了惊人的答卷：其推理速度最高可达 **350 TPS**（Tokens Per Second）。这意味着它能在眨眼间生成大段高质量文本，尤其在需要频繁交互的代码编写和即时问答任务中，这种低延迟带来的体验提升是质的飞跃。

![Google_AI_Studio_2026-02-02T03_04_31.656Z.png](https://static.downly.cn/images/a9cde5dd6c845b821608a83fd1b65294.png) <center>图源备注：图片由AI生成</center>

## 稀疏MoE架构与技术创新

Step3.5Flash 的高性能并非单纯堆砌算力，而是源于架构层面的创新。

*   **稀疏 MoE 架构** 模型总参数量达到 1960 亿，但在每次推理时，通过混合专家（Mixture of Experts）技术，仅激活约 110 亿参数。这种设计在保证了千亿参数级模型“智商”的同时，大幅降低了计算负载。
*   **MTP-3 技术** 引入了多 Token 预测技术，一次预测 3 个 Token，直接将生成效率翻倍。
*   **长文本优化** 结合滑动窗口与全局注意力机制，模型支持 256K 超长上下文，能够精准捕捉复杂任务中的关键信息，非常适合处理长链条的逻辑任务。

## 多场景实测与部署

在实际应用中，Step3.5Flash 展现了强大的**端云协同**能力。它不仅能像“云端大脑”一样将模糊的用户需求拆解为具体的搜索与抓取任务，还能在不依赖外部工具的情况下，独立完成等差数列求和等复杂数学运算。在编程领域，它甚至能仅凭一段描述，自动编写出基于 WebGL 2.0 的可视化平台代码。

目前，该模型已在 GitHub、HuggingFace 和 OpenRouter 上线。为了方便开发者，阶跃星辰专门优化了其在 NVIDIA DGX 和 Apple M4 Max 等个人工作站上的运行性能，进一步降低了高性能 Agent 的开发门槛。与此同时，下一代 Step4 模型的训练也已启动。

阶跃星辰发布Step3.5Flash 打造350TPS极速智能体大脑



> **导语**
> Meta 首席执行官扎克伯格宣布 2026 年为公司 AI 战略的全面落地之年，计划将资本支出提升至 1350 亿美元以建设“超级智能实验室”。战略核心聚焦于“代理式商业”，意在通过能深度理解用户意图的 AI 智能体，彻底重构电商搜索与交易体验。

## 代理式商业：重塑购物体验

在经历了 2025 年的底层架构重组后，Meta 将目光锁定在了变现能力极强的电商领域。扎克伯格提出了**“代理式商业（Agentic Commerce）”**这一全新概念，试图超越传统的推荐算法。

Meta 正在研发的新型智能购物工具，不再是简单的关键词匹配。这些 AI 智能体将扮演私人购物顾问的角色，能够深入理解用户的个人偏好、历史兴趣甚至社交关系网络。在庞大的商家目录中，AI 将主动筛选并精准匹配最合适的商品。Meta 坚信，其拥有的海量独家个人数据背景，是竞争对手无法复制的护城河，将为用户带来真正“独一无二”的个性化体验。

![Google_AI_Studio_2026-01-29T03_09_46.286Z.png](https://static.downly.cn/images/3e21c9fcb51f8bca330345b3e82c56ad.png) <center>图源备注：图片由AI生成</center>

## 千亿美金豪赌基础设施

为了支撑这一宏大的 AI 愿景，Meta 决定在基础设施上进行史无前例的投入。公司预计 2026 年的资本支出将飙升至 **1150亿至1350亿美元** 之间。

这笔天文数字般的预算将主要用于建设其“超级智能实验室”。扎克伯格的目标非常明确 交付具备“个人超级智能”特征的产品需要极其庞大的算力支撑。这种激进的投资策略表明，Meta 已将公司的未来完全押注在通用人工智能（AGI）的实现与应用上，试图通过算力暴力美学来换取技术代差。

![Google_AI_Studio_2026-01-29T03_09_48.710Z.png](https://static.downly.cn/images/31c1dd467db0a753c5c9424e7169b917.png) <center>图源备注：图片由AI生成</center>

## 技术整合与密集发布期

除了自研投入，Meta 也在通过收购加速技术融合。去年底对通用代理开发商 Manus 的收购，其技术成果将在今年被深度整合进 Meta 的产品线中。

扎克伯格透露，未来几个月将进入 AI 模型与产品的密集发布期。2026 年的工作重点将不再局限于刷榜跑分，而是聚焦于商业变现与公司运作模式的重塑。对于 Meta 而言，这不仅是一场技术升级，更是一场关乎未来十年生存形态的生死时速。

Meta豪掷1350亿美元 扎克伯格剑指2026代理式电商纪元



> **导语**
> 企业级服务巨头 ServiceNow 正式确立“多模型”战略，宣布将 Anthropic 的 Claude 模型设为智能体构建的首选引擎。此举紧随其与 OpenAI 的结盟之后，意在通过去中心化的模型选择，为企业客户打造兼具灵活与安全的 AI 工作流生态。

## 拒绝捆绑的生态哲学

在企业级软件市场，单一模型依赖往往意味着巨大的供应商风险。ServiceNow 近期的一系列动作清晰地表明了其拒绝技术捆绑的决心。继上周宣布与 OpenAI 结盟后，该公司迅速与顶级 AI 实验室 Anthropic 达成多年期战略合作。

ServiceNow 首席运营官 Amit Zavery 对此持开放态度。他认为企业客户的业务场景千差万别，不存在“万能模型”。ServiceNow 的核心价值在于扮演“编排者”的角色，即在确保数据治理、安全合规及可审计性的坚实基础上，允许客户根据特定任务（如代码生成、文本摘要或复杂逻辑推理）自由匹配最适用的模型工具。

![Google_AI_Studio_2026-01-29T03_07_42.236Z.png](https://static.downly.cn/images/2ccddc2a2b235a5f9c6791239fa52f98.png) <center>图源备注：图片由AI生成</center>

## Claude 成为智能体构建核心

根据双方协议，Anthropic 的 Claude 系列模型将获得极高的战略优先级。Claude 不仅成为 ServiceNow AI 驱动型工作流产品的“首选模型”，更被直接指定为 **ServiceNow Build Agent（智能体构建器）** 的默认底层引擎。

这一决策基于 Claude 在长文本处理与逻辑推理方面的卓越表现，旨在帮助开发者更高效地创建复杂的智能体工作流。对于企业开发者而言，这意味着在构建自动化应用时，将默认获得 Claude 强大的语境理解能力支持，从而降低开发门槛并提升最终产品的稳定性。

## 氛围编程与内部效能革命

合作不仅面向客户，更深入 ServiceNow 自身的肌理。公司宣布启动大规模内部 AI 普及计划，全球 2.9 万名员工将全面接入 Claude 以辅助日常办公。

在工程团队层面，ServiceNow 引入了 Anthropic 旗下的 AI 编程产品 Claude Code。公司试图通过这种前沿工具通过“氛围编程（vibe-coding）”——一种更注重人机协作直觉与流畅度的编程模式——来显著提升代码交付效率与质量。这标志着这家软件巨头正在从自身开始，验证 AI 重塑企业生产力的可行性。

左拥OpenAI右抱Anthropic ServiceNow构建多模型护城河



> 苹果终于不再固步自封。通过引入谷歌 Gemini 的云端能力，Siri 将迎来史上最彻底的智能化改造。这不仅是两大科技巨头的罕见结盟，更标志着苹果试图通过外部合作与内部重构双管齐下，以此扭转其在 AI 时代的被动局面。

## 巨头结盟 2月迎来首战

苹果的人工智能战略正在经历一场里程碑式的转折。据彭博社资深记者 Mark Gurman 披露，备受瞩目的苹果与谷歌 AI 合作即将落地 基于谷歌 Gemini 架构的新版 Siri 计划于 2 月下半月正式推向市场。

此次更新被视为苹果兑现 2024 年 WWDC 承诺的关键一步。尽管苹果一向强调自研技术，但在生成式 AI 迭代速度极快的当下，选择与谷歌结盟显然是更务实的战略选择。

![Google_AI_Studio_2026-01-26T03_05_20.253Z.png](https://static.downly.cn/images/369faa19f7f309a179f1e9e74520305b.png) <center>图源备注：图片由AI生成</center>

## Siri 的三大核心进化

新版 Siri 的发布，旨在彻底改变用户对这一语音助手“不够智能”的刻板印象。核心进化体现在三个维度

*   **深度语境感知** Siri 将首次获得系统级的屏幕感知能力，能够访问用户个人数据及当前屏幕内容，从而执行跨应用的复杂指令。
*   **交互能力飞跃** 依托 Gemini 强大的语言模型能力，Siri 的对话体验将向 ChatGPT 等先进竞品看齐，具备更自然的上下文理解与多轮对话能力。
*   **底层架构变革** 为了支撑庞大的算力需求，该版本的云端处理将直接运行在谷歌的基础设施之上，这是苹果服务生态的一次重大开放。

## 从内部动荡到战略定型

苹果 AI 战略的调整并非一帆风顺。此前，公司内部对外界关于其 AI 落后的批评反应激烈，高管迈克·洛克威尔甚至曾公开对负面报道表示不屑。然而，随着 AI 主管约翰·詹南德雷亚的离职以及与谷歌合作的最终敲定，苹果显然已经放弃了“闭门造车”的路线。

Mark Gurman 强调，2 月的更新仅仅是序幕。苹果正蓄势待发，准备在 6 月的全球开发者大会（WWDC）上展示更具颠覆性的 AI 整合方案，届时 iOS 系统或将迎来真正的“AI 原生”时刻。

苹果联手谷歌 Gemini重塑Siri智能体验



> 编程工具领域迎来重磅整合，OpenAI 的 Codex 模型正式入驻 JetBrains 全系 IDE。依托 GPT-5.2 的底层能力，开发者现可在本地环境中无缝调用云端智能，实现从代码规划到发布的闭环式 AI 辅助开发。

## 编程利器装上最强 AI 大脑

对于全球开发者而言，JetBrains 系列 IDE 是不可或缺的生产力工具，而 Codex 则是 AI 编程领域的标杆。两者的结合，意味着程序员手中的“利剑”被注入了灵魂。无论是构建后端逻辑的 IntelliJ IDEA，还是数据科学领域的 PyCharm，现在都已直接集成了这位“AI 编程代理”。

此次整合的核心突破在于“双模”作战能力。开发者可以在云端智能体与本地开发环境之间自由切换，并行处理多项任务。这改变了过去需要在编辑器和 AI 对话窗口间反复跳转的割裂体验，真正实现了在单一界面内完成代码规划、编写、测试及发布的全流程闭环。

![Google_AI_Studio_2026-01-24T04_41_22.596Z.png](https://static.downly.cn/images/a2eb6ef0ee5511b90e0641432f5a61d3.png)
 <center>图源备注：图片由AI生成</center>

## GPT-5.2 赋能与灵活接入

技术圈最为关注的是此次接入的底层模型版本 **GPT-5.2 Codex**。相较于早期版本，新模型在代码逻辑理解和生成的准确度上实现了维度的跃升，能够处理更为复杂的工程化需求。

OpenAI 为此提供了极其灵活的接入方案，用户既可以使用 ChatGPT 账号登录，也可以通过 API Key 或 JetBrains AI 订阅来激活服务。值得注意的是，为了尊重开发者的选择权，JetBrains 默认未启用该功能，用户需手动在插件市场安装 AI Assistant 才能解锁这一强大的数字大脑。这不仅仅是一个插件的更新，更是 AI 深度重塑软件工程生产力的重要里程碑。

生产力跃迁 OpenAI Codex 深度植入 JetBrains 全系工具


> **导语**
> 在AI商业化的十字路口，两大巨头展现出了截然不同的哲学。针对OpenAI近期测试广告的举措，谷歌DeepMind CEO德米斯·哈萨比斯罕见发声，直言“惊讶”，并阐述了为何在现阶段，保持AI助手的纯粹性比短期变现更为重要。

## 信任危机 助手与广告的天然矛盾

近日，在达沃斯论坛接受Axios专访时，哈萨比斯对当前AI聊天机器人的商业化路径提出了独到见解。面对OpenAI为平衡昂贵基建成本而针对非订阅用户测试广告的决定，他表达了深层的担忧。

“你想信任你的助手，那么广告该如何融入这种模式？”哈萨比斯一针见血地指出了其中的逻辑悖论。他分析认为，搜索场景与助手场景有着本质区别：搜索本质上是信息分发，用户意图与广告匹配度较高；而聊天机器人旨在成为处理高度私人事务的“得力助手”。在这种亲密且高度个人化的交互体验中，侵入式广告极易破坏用户建立的信任感。亚马逊Alexa此前在应用推荐上的尝试失败，以及OpenAI早期类似尝试引发的用户反感，都是前车之鉴。

![Google_AI_Studio_2026-01-23T02_50_50.245Z.png](https://static.downly.cn/images/9f6417ecd07a7eabc49ae8076a66224b.png)
<center>图源备注：图片由AI生成</center>

## 谷歌的定力 深耕个人智能体验

尽管广告营收占据了谷歌帝国的半壁江山，但哈萨比斯明确表示，谷歌目前并无计划在Gemini等AI聊天机器人中投放广告。相反，团队正将全部精力集中在**用户反馈**与**个性化功能**的深度开发上。

谷歌目前的策略是推动Gemini与Gmail、Google Photos及YouTube历史记录的深度打通，旨在提供真正懂用户的“个人智能”回复，从而提升工具的核心粘性。哈萨比斯强调，尽管团队也在思考商业化方案，但并未感受到来自管理层的变现压力。“我们将保持高度的科学性与严谨性，不会做出任何仓促的决定。”对DeepMind而言，确保AI助手的有用性与值得信赖，是目前远高于短期广告收入的战略优先级。

谷歌DeepMind掌门人谈变现：过早引入广告将以此损害AI信任



> 借助 OpenAI 的 Codex 模型，思科成功将软件开发从“人为主导”转向“AI 原生”模式。通过引入 Agentic AI（智能体 AI），思科不仅实现了代码补全，更在 C/C++ 等复杂环境中构建了自动化的编译测试修复闭环，将数周的工作量压缩至数小时。

## 从辅助工具到工程队友

在全球技术巨头纷纷探索 AI 落地的浪潮中，思科（Cisco）率先迈出了决定性的一步。公司近日宣布，已将 OpenAI 的 Codex 模型深度集成至其核心企业软件构建流程中。这一举措不仅是工具层面的升级，更标志着 AI 在企业研发体系中的角色发生了质变——从单纯的代码补全助手，进化为具备实战能力的“工程队友”。

思科工程团队强调，真正的生产力飞跃源于思维模式的根本转变。在传统的开发流程中，AI 往往仅作为辅助插件存在；而在思科的全新架构中，AI 被视为团队的一员，拥有处理复杂逻辑和长时任务的权限。这种“AI 原生”的开发理念，正在重新定义大型科技公司的软件工程标准。

![Google_AI_Studio_2026-01-21T03_10_23.186Z.png](https://static.downly.cn/images/e944673a9755ac4986ddf45915105074.png)
<center>图源备注：图片由AI生成</center>

## 智能体闭环与效率飞跃

不同于简单的代码生成，思科将 Codex 嵌入到了极为复杂的生产工作流中，特别是针对涉及 C/C++ 等底层语言的大规模代码库。为此，思科开发了一套基于 Agentic AI 的智能体系统，实现了“编译-测试-修复”的全自动化闭环。

在这一闭环中，AI 能够自主识别编译错误，生成修复方案并重新测试，直至通过验证。这种高度自主化的流程对效率的提升是颠覆性的。数据显示，原本需要资深工程师耗费数周才能完成的手动修复工作，现在仅需数小时即可完成。在复杂的 UI 框架迁移任务中，原本漫长的工期被压缩到了短短几天，展现了 AI 在处理遗留代码债务方面的巨大潜力。

## 数据验证与未来展望

思科公布的实测数据进一步印证了这一模式的成功。其内部开发的 CodeWatch 系统在部署 AI 后，缺陷解决的吞吐量惊人地增加了 10 至 15 倍。在跨仓库构建流程优化方面，AI 的介入使得思科每月在全球范围内节省了超过 1500 个工程小时，整体构建时间缩减了约 20%。

展望未来，思科与 OpenAI 的合作将不再局限于代码层面。双方计划在合规性审查、安全控制以及长时任务管理等深水区进行联合探索。这表明，AI 在企业级软件工程中的应用，正从单纯追求速度，向追求质量、安全与稳定性的全维度进化。

思科重塑软件工程 AI智能体驱动自动修复闭环

面壁智能推出的AI智能体软件开发平台，使用自然语言即可创建软件

ChatDev

Flowith

首个全自主的AI软件工程师智能体

Devin

智谱清言联合AiPPT推出的PPT生成智能体

清言PPT

阶跃星辰推出的AI聊天机器人和智能体平台

冒泡鸭

文心智能体平台

智谱推出的企业级AI智能体开发平台

智谱清流

海量AI智能体免费用，已接入DeepSeek满血版

Coze Space

百度推出的多场景AI智能体助手

百度AI助手

Genspark

强大的AI写作智能体，支持生成专业报告和科研论文

文思助手

Claude Code

科大讯飞推出的AI智能体开发平台

星辰Agent

京东推出的一站式AI智能体开发平台

言犀智能体平台

### 1. 核心观点：化繁为简

虽然现在有 Rules、Commands、MCP Servers、Subagents、Modes、Hooks 等众多概念，但从历史演变来看，用户其实只需要关注两个最核心的概念：

- **Rules (规则)** = **静态上下文 (Static Context)**
- **Skills (技能)** = **动态上下文 (Dynamic Context)**

### 2. 技术演变脉络

**第一阶段：静态上下文 (文本)**

- **Rules (规则)**：
  - **起源**：早期的 AI 模型经常产生幻觉（例如用错 Tailwind 版本）。
  - **作用**：通过在每一次对话中强制包含特定的文本文件（上下文），来纠正模型行为或注入业务需求。
  - **本质**：这就是 **静态上下文 (Static Context)**。
- **Commands (命令)**：
  - **作用**：将重复使用的 Prompt 打包（例如 `/commit-pr`），以便按需多次运行。
  - **形式**：通常表现为“斜杠命令”。

**第二阶段：动态上下文 (代码与工具)**

- **MCP Servers (模型上下文协议服务器)**：
  - **突破**：不仅是文本，还可以运行代码、连接现有系统、进行 OAuth 认证。
  - **作用**：暴露第三方工具（如读取 Slack 消息）给智能体。
  - **缺点**：如果工具太多，会严重占用 Context Window（上下文窗口），导致“臃肿”。
- **Subagents & Modes (子智能体与模式)**：
  - **Subagents**：类似一个带有特定任务设定的 Prompt，限制了工具的使用范围。
  - **Modes**：更进一步，不仅包含指令，还修改系统提示词、UI 界面，甚至加入提醒机制，让智能体专注于特定任务（如“规划模式”）。
- **Hooks (钩子)**：
  - **作用**：解决 AI 的非确定性问题。Hooks 是 100% 确定性的脚本，在特定时间点（如 Prompt 提交前、文件编辑后）自动运行。

**第三阶段：集大成者 (标准化)**

- **Skills (技能)**：
  - **定义**：这是动态上下文的未来标准。它既可以是简单的命令，也可以是复杂的脚本、可执行文件和资源的打包。
  - **优势**：解决了 MCP 的臃肿问题。**Skills 只有在真正被使用时才会加载到上下文中**，不会默认占用 Token。
  - **Cursor 的优化**：即使用户安装了 10 个 MCP 服务器，Cursor 也会像管理 Skills 一样，仅在需要时加载相关工具。

### 3. 最佳实践建议

对于代码智能体的用户，Lee 建议遵循以下简化的心智模型：

1. **使用 Rules (静态上下文)**：
   - 提供最小化、高质量的上下文。
   - 把它当作一个“活的”文档，当智能体犯错时，及时更新规则文件。
2. **使用 Skills (动态上下文)**：
   - 用来扩展智能体的能力（运行代码、外部工具）。
   - 通过 Skills，无需担心上下文臃肿问题。

搜索结果: 智能体