你有没有这种体验：对着 Siri 说完一句话，然后自己动手把事做了。苹果显然也受够了。今天，全新 Siri AI 以英文测试版上线。

Apple 发布新一代 Apple Intelligence：Siri AI 以测试版上线

来源：Apple Newsroom

苹果把 Siri 从头重做了一遍。新的 Siri AI 能理解个人语境，能读屏幕，能在系统层面直接操作 App，对话还能跨设备接着聊。今天起以英文测试版推出，随 2027 版系统更新推送。下个月扩到法语、日语、韩语、葡萄牙语和西班牙语。

点评：这场重构苹果喊了两年多。之前几次承诺都往后推，所以「今天上线」这四个字分量不轻。但注意两件事。第一，中文还没排上。第二，真正难的是「操作系统里的每个 App」——那正是苹果过去最不敢保证的地方。测试版意思就是别抱太高期待。

小红书 AllSpark 开源搜索智能体 Iris：35B 和 397B 两版同量级领先

来源：小红书技术（dots.llm）公众号

小红书 AllSpark 团队把 Iris 开源了。权重公开，评测代码公开，数据配方说好陆续也公开。Iris 定位是 Search Agent，35B 和 397B 两个规格，成绩在各自量级里领先。

点评：关键词是「真开源」。权重给了，评测代码给了，配方也答应了。做 Agent 的团队不少，多的是只给推理接口的。这次姿态给得干脆。

Anthropic 定档纳斯达克：称连续第二季度盈利，估值瞄准 2 万亿

来源：The Decoder、Financial Times

Anthropic 告诉投资者，本季度将实现连续第二个季度盈利，上市地点选了纳斯达克。毛利率据称超过 80%。

点评：口径得抠一下。这个「盈利」是调整后数字，剔掉了股权激励等成本。而 AI 公司最大的一块人力开支，恰好就在这里。80% 的毛利率也没算对亚马逊等伙伴的分成，没算模型训练成本。我们 09-13 写过英伟达想掏 100 亿当基石。今天补上后半截：目标市场定了，盈利口径也给了。

GPT-5.6 Luna 对比 GPT-6 Astra：$0.20 对 $5.66，代码评审该花多少钱

来源：Hacker News、Entelligence

Entelligence 拿 50 个公开基准 PR 做了对照，提示词完全相同。结果是这样的：Luna 找到 69 个经验证的 bug，Astra 找到 92 个。总成本 $0.20 对 $5.66。精度 74% 对 96%。

点评：28 倍差价，换来 33% 的召回提升和 22 个百分点的精度。这笔账怎么算，取决于你漏掉一个 bug 值多少钱。我猜大多数团队会选便宜的，然后在后面加一道人审。省下的钱够请人看了。

Anthropic 的 CI 被自家智能体压垮了

来源：Claude Blog

Anthropic 自己透了底：工程师每季度交付的代码量，是 2021 到 2025 年均值的 8 倍。其中 80% 由 Claude 写成。六个月内，CI 任务量涨了 25 倍。他们为此重构了测试影响分析服务。

点评：这是「AI 写得快」最诚实的副作用。代码产量翻 8 倍，测试基础设施就得跟上。写代码不再是瓶颈，跑测试成了瓶颈。所有在推 agentic coding 的公司，下一个要修的都是这里。

今日还值得关注的：

• DeepSeek-V4.1-Flash（Max）进 Agent Arena 开源榜第 3：每任务中位成本 $0.07，比第 2 名 Hy4 preview 低 68%，成绩只差 0.09 个百分点。
• Hy4 preview 上线硅基流动：770B 总参数、激活 49B、1M 上下文，Apache 2.0，输入 $0.834 / 输出 $2.501（每百万 token）。
• Tomer Tunguz 拆「放缓」提议：梳出可解释性、劳工、经济、地缘政治、监管俘获五派立场，指出没有一派给出具体速度。
• Agent 长任务怎么不跑偏：MarkTechPost 复盘 harness 层四类机制——上下文预算与卸载、压缩、todo-state 复述、跨会话记忆。
• GemStuffer 恶意包成分复盘：利用 .yardopts 的 –load，在装包或渲染 YARD 文档时执行任意代码，容器还有外网权限。

今天这几条放一起，说的是同一件事：工具越强，账越难算。Apple 让 Siri 去碰你的 App，Anthropic 用 80% 的代码省出人力，供应商拿 28 倍的差价让你自己取舍。你手上那套流程，最近有没有哪个环节突然变了瓶颈？