EP112 · GPT-Live、Grok 4.5、本地模型编程 · 07-09 早报

OpenAI 的 GPT-Live 把语音交互从轮流说话推进到全双工架构：模型可以边听边说、在需要时保持沉默或打断，同时把搜索、推理和更复杂的任务交给后台前沿模型处理。它不只是一次语音体验更新，也是在把实时对话和更长程的 Agent 工作流接起来。

Cursor 与 SpaceXAI 发布 Grok 4.5，重点不只是模型进入 Cursor，而是训练目标从纯软件工程扩展到数据科学、金融、法律等更宽的知识工作。文章还披露了用分布式 Agent 系统构造困难环境、通过强化学习训练长任务能力的路线，适合观察 AI coding 工具如何走向通用电脑工作。

这篇发布在 Martin Fowler 站点的文章作者是 Birgitta Böckeler。她用本地小模型做 Agentic coding 实验，按内存、速度、工具调用、功能正确性、上下文延续和代码质量建立可行性漏斗。结论很克制：本地模型还远不能替代大模型，但在小而明确、文件范围清楚的任务上已经能进入真实工作流。

Claude Cowork 现已上线网页和移动端，允许用户在一台设备开始任务，随后在另一设备继续，支持后台执行和无缝切换。

Aditya Bhargava 认为，智能体性能与其说取决于模型选择，不如说取决于具备工具、安全边界、推理循环、子智能体和优化能力的高质量 Harness。

Rajiv Chandegra 认为，AI 工程必须从预先固定的 Harness 走向自适应多智能体系统，让结构在运行过程中涌现、稳定并持续变化。

本文介绍了 Hugging Face Storage 与 SkyPilot 的集成，使 AI 工作负载能够在任何云上运行，同时从 Hugging Face Hub 读取模型和数据集且无出口费用。

Google Cloud 的 C4N 虚拟机为高要求工作负载提供高达 400 Gbps 的网络和 25 GiB/s 的存储性能。

Meta 推出 Muse Image，这是一个具备智能体能力的图像生成模型，能够使用工具、自我优化以及测试时计算扩展，同时预览了 Muse Video（一款支持原生音频的视频生成模型），现已可在 Meta AI、Instagram Stories 和 WhatsApp 中使用。

Angel Ortmann Lee 认为，human-in-the-loop AI 只有在界面促使人独立核验证据，而不是机械批准模型输出时，才真正有效。