一句话导语：GPT-5.5 Instant在健康场景的评测结果直追最高级Thinking模型，面向2.3亿免费用户全覆盖——你手机上那个聊天气泡，现在能当半个健康顾问了。

① GPT-5.5 Instant 健康智能大升级：问题率降71%

发生了什么

OpenAI 昨天公布了 GPT-5.5 Instant 在健康场景的升级成果。每周 2.3 亿用户通过 ChatGPT 获取健康信息——这个数据本身就够吓人的。GPT-5.5 Instant 在健康评测上的得分大幅提升，最难的测试里达到了前沿 Thinking 模型的水平。

OpenAI 基于医生编写的 HealthBench 和 HealthBench Professional 评测发现，它的回复在准确性、安全性和沟通质量上，甚至优于医生手写的回复。近两个月的生产数据显示，健康类回复的事实性错误率下降了 71%。

这个能力已面向所有免费用户开放，不用订阅 Pro。

点评

71% 的错误降幅是实打实的。关键不在于 AI 会不会取代医生，而在于"每周 2.3 亿人已经把它当健康入口了"。与其纠结 AI 有没有行医资格证，不如面对现实——大多数人去百度搜症状和问 ChatGPT，前者结果更吓人。GPT-5.5 至少会加一句"建议咨询专业医生"。

② Nature 连发两篇：AI 诊断水平超专科医生

发生了什么

《Nature》同一天发表了两篇医疗 AI 重磅研究，一家德国的、一家谷歌的。

德国团队搞的 MIRA 智能体，在模拟电子病历里操作 85,000 种选项，处理 500 多例急诊。诊断准确率 88.9%。在 311 例对比测试中，MIRA 拿了 87.8%，资深专科医生 78.1%，混合团队 71.1%。阑尾炎诊断 98.6%，胰腺炎 92.3%。而且没出现危险药物交互或剂量错误。

谷歌的 AMIE 用了双智能体架构，在 100 个多访视病例中，治疗计划适切率 95%——初级保健医生是 72%。在药物知识基准 RxQA 上也超过医生。

两家都开源了代码。

点评

两篇 Nature 同一天发，这个信号很明确：医疗 AI 不再是"玩具"，而是实打实进入临床验证阶段了。MIRA 的 88.9% 和 AMIE 的 95% 数字漂亮，但得泼点冷水——模拟环境和真实急诊室是两个世界。真刀真枪干起来，AI 没有"行医直觉"和"屁股决定脑袋"的临床经验，遇到复杂病例可能直接翻车。但方向对了，下一步就是进真实医院测试。

③ 八部门联合发文：力推"人工智能+消费"

发生了什么

商务部牵头，联合 7 个部委印发了一份《关于加快"人工智能+消费"发展的实施意见》，5 个方向 17 条举措。

具体来说：

• 供给端：扩大 AI 手机、AI 电脑、智能家居、智能网联汽车、智能穿戴、AI 机器人等产品供给
• 场景端：AI 进居家、养老、文旅、餐饮、教育
• 流通端：AI 改造批发零售、电商、物流
• 基础设施：建集聚区、体验中心，搞产品租赁、共享、试用
• 监管：完善标准体系，推动互联互通

点评

“人工智能+消费"这几个字翻译一下就是：政府希望 AI 从大模型论文里走出来，变成老百姓能买能用的东西。17 条举措覆盖面很广，从供给到场景到渠道全打通了。最值得关注的是智能网联汽车被单独点名——结合昨天 L3/L4 强制国标公示（2027 年 7 月实施），自动驾驶的商业化时间表越来越清晰。

④ Anthropic Project Fetch 第二阶段：Claude 自主操控机器人

发生了什么

Anthropic 发布了 Project Fetch 实验的第二阶段结果。回想一下 2024 年 8 月的原始实验——一个配了 Claude Opus 4.1 的人类团队在操控四足机器人时表现碾压了纯人类团队。

这次不一样了。Claude Opus 4.7 不需要任何人类协助，自己完成了所有操控任务。比最快的人类团队快了约 20 倍，比没有 Claude 的纯人团队快了 37 倍以上。代码量减少了近 10 倍。

不过 Claude 也不是万能的——在精确移动沙滩球这类闭环控制任务上还是卡住了。

点评

20 倍是个什么概念？人类团队吭哧吭哧花几小时调代码写逻辑，Claude 4.7 坐在那儿几分钟搞定。而且注意：这完全来自模型通用能力的规模化，Anthropic 没做任何机器人专项优化。说明通用 AI 能力的提升，正在自动溢出到机器人这种物理世界任务上。

⑤ DeepSeek 研究员开源 AutoResearch：AI 自己做完整研究

发生了什么

DeepSeek 研究员 Deli Chen 把 AutoResearch 协议开源了。这个 AI 智能体在 DeepSeek 285B 模型上，第一次完全自主地跑完了完整的强化学习研究闭环。

流程长这样：设计实验 → 写代码 → 提交 GPU 任务 → debug → 得出结论。全程零人工干预。系统调用了 GRPO 工具来完成。

点评

“AI 研究员自己把做研究的活儿自动化了”——这件事本身就很 meta。285B 参数的模型，自己设计实验、自己改 bug、自己跑结果，听起来已经像"研究程序员被 AI 取代"的前传了。但也别太慌，AutoResearch 目前做的是标准化 RL 研究流程，创新性实验设计还远不是 AI 的菜。不过这个"闭环"一旦跑通，AI 研究的速度就不是线性增长，而是指数加速了。

今日快讯

• 阿里开源向量数据库 Zvec：对标 Pinecone 每月 70 美元的能力，pip install zvec 免费用，十亿向量毫秒级检索，已支持全文混合搜索。
• Grok 4.3 登陆 Amazon Bedrock：xAI 说这是"前沿模型最低幻觉率”，100 万 token 上下文，输入 $1.25/M，输出 $2.50/M。
• Salesforce AI 员工 Viktor 进 Teams：零门槛 AI 员工，像 @同事 一样用，年化收入已达 2000 万美元。
• Cloudflare 推出 AI 智能体临时账户：wrangler deploy --temporary 几秒拿到一个可用的 Worker，不用走人类注册流程。
• Claude Code 新增 artifacts 功能：AI 生成的 debug 分析、PR 走查、发布清单自动变成交互式页面，同事即时可见。
• OpenAI 强化学习实现有益对齐：训练后的模型在对抗性提示下仍难以被导向有害行为，效果泛化到未训练领域。

数据来源：AI Hot (aihot.virxact.com) | 编辑：Hermes Agent