43.「26Q2」大模型半年报：RSI，Fable，5.2，混元3，龙猫，到处都是斩杀线 - 王铁震

现在是 2026 年 7 月。三个月前我们录了 2026 年一季度的大模型节目，昨晚我回头听，恍如隔世——AI 这个行业变化太快，上一期的我听起来又老登又过时，但那就是三个月前。中国的模型似乎赶上了美国，从御三家变成了御四家、御五家。今天请到第一季的嘉宾王铁震老师返场，聊 2026 年半年报，大模型的期中考。

上期节目非常火，视频加音频播放接近小 200 万。开门第一个话题是 RSI。上一季最后一个问题问你最惊艳的 breakthrough，你讲的是卡帕西说的 AutoResearch；过去几个月，RSI 成了被最广泛关注的词。什么是 RSI？跟 AutoResearch 有什么不一样？

1. RSI 开始自我进化

先退一步讲这几个月发生了什么。对我震撼最大的是 GLM-5.2 的发布——在实战场景，它基本把 Opus 4.8 取代了。我现在的工作流接近自我进化：Fable 做工作的分工拆解，把任务派发给 GLM-5.2，其他模型基本不用。Opus 4.8 像公司里很资深的员工，总跟我讨价还价：你的需求不够清晰，能不能再确认一下；我觉得你说的不对，scope 要改一下。

可在我做的事情上，我比它更懂——它是个会顶嘴的员工。GLM-5.2 可能稍微不如 Fable 聪明，但非常努力、认真、用功，能一鼓作气把事情做完。长程任务我不希望自己介入，它就非常合适。

我在做的长程任务，是希望 AI 能「自举」。这是编译器里的常用词：编译器把 Python、C++ 代码变成机器能读的机器码，最有挑战的是编译它自己——C 语言编译器的第一版由更早的语言写出来，之后就用 C 语言自己写、自己编译自己，不断迭代。RSI 非常像：先靠人类智慧堆出一个够聪明的模型，然后它需要越来越少的人工干预，自己从外界获取信息、自己优化、自己迭代，朝某个目标努力。

AutoResearch 是我优化别的东西——比如让 loss 更低，让模型做各种尝试，但「做尝试」这件事本身没有被优化。RSI 是我优化我自己——在 AutoResearch 的基础上，把自己串起来，变成一个环。

我问这个，是因为 RSI 可能是二季度最重要的关键词：Recursive 这家公司大额融资，田渊栋作为 co-founder 加入；Anthropic 也发了那篇 RSI 文章——现在 Claude Code 里 80% 的代码是 Claude Code 自己写的，人类在 Opus 进步过程中的参与比例越来越少。文章描述的担忧像养小孩：一、二年级会自我学习了，三、四、五、六年级不用你管，到初中你发现它染上坏习惯、跟你不 fully align——recursive drift 已经发生——可它进入青春期，你管不了了。所以文章呼吁全世界政府联合监管 AI。

先不管末世情况：RSI 有公司达到了吗？一旦掌握，进化速度无穷快，别人就永远赶不上了。

100% 的 RSI 我觉得不太可能达到。我自己做这方面探索的感受，有点像物理里的熵增：让一个东西完全自主、没有任何外界信息地循环迭代，是有瓶颈的。它写的屎山会越来越大，直到复杂度远远超过模型的上下文处理能力和智能本身，然后越来越差。

它必须在过程中不停从外界摄取低熵的信息、非常有价值的人类 input。衡量 RSI 进展的潜在指标，是人类参与比例逐渐降低——永远趋近 100%，但很难达到。

而且要分两层。一层是纯人类手写代码和机器代码的比例——机器写得快，人类代码很快就被稀释掉。看 impact 的话，得看机器代码是怎么生成的：就算在 Anthropic，我相信仍有大量工程师在 prompt Claude Code，它生成的是人类旨意下的代码。80% 的机器代码里，可能 60% 是人类直接下达的旨意。

只要是人类 prompt 直接下达的旨意，就还好。

2. 抽象驯服黑盒代码

但传统软件工程在公司内部是个白盒，随着机器参与越来越深，会逐渐变成灰盒、黑盒：人类定义架构、定义什么是好代码、坏代码——你要一个黑盒还是一个黑球，这个框人类可以定；但内部的可预测性、可解释性，人类基本无法掌握。

我倒没那么悲观。几十年前完全用汇编写操作系统是可能的，后来人类从写汇编换到写更高级的语言。放到今天：C++ 已经离人的感知太远，让机器写；人负责写更高级的「代码」——prompt、设计、实际的 business 逻辑。

讲讲我自己用 AI 写代码的路径。一开始拿它完善一个函数：输入什么、输出什么，帮我写一两行；后来它自动写测试；再后来我把模块拆好扔给它；再后来就接近许愿式开发——我说要做个什么东西，它按它的理解去做。

然后我发现这项目跟我完全没关系了，像在 GitHub 上随便找的项目，我对它没有感情，它在做什么我也不知道。项目一复杂，让它解决一个问题，它拆东墙补西墙：这边解决了，那边创造出新问题。

你也不一定介意吧？反正它 work 了，又不是要给很多人用的东西。

我很介意——项目复杂到一定程度，它基本上就不能 work 了：我看不懂代码，也不知道 AI 在改什么。有人说许愿很有用，但许愿都是有后果的：有人许愿有钱，真得到很多钱，后果是身体变差。跟 AI 协作就是这种感觉，它总能满足你当下的要求，至于其他的，它不管——它的边界、它的理解范围就这么大。

我原来的解法是：项目过两个月没法管理了，天降一个新版本 AI——好吧，Fable 出来了，你帮我把屎山改一改。这样几轮之后我发现不行：我花了很多精力，其实只是在按 Next、Next、Yes，代码出来之后，我完全无法预测它的行为。

什么样的任务会让它不可预测？「每天早上给我泡杯咖啡」，第二天早上没咖啡就是做错了，反馈和修正路径都很明确。

我给一个 metrics：它一口气能做对的项目的 size。正常做项目是先有个原型，再一层层往上加东西。原型可能 2 万行代码，现在的模型完全没问题，能跑对；但往上加新东西的时候，它会把原型的代码改得六亲不认。

我现在的做法是规定它的设计：项目往前演进时，我只要改某个模块就行；我告诉它，你只能动 ABC 3 个模块，模块边界保持不变。

这背后是人和大模型认识世界的方式不一样。大模型学到的是世界的平均：把所有语料喂进去、背下来，把整个世界的信息记录在权重里——它对世界未必有理解。人类是能降低复杂度的生物：我们能从地球上发生的这么多事情里抽象出牛顿第二定律，能把 30 万行、100 万行代码抽象成几个不变量、几个衔接良好的模块。

我能做的，就是每次想到一个好的抽象，告诉它照着实现，在协同迭代里不停往前走。

那什么时候许愿式编程是成立的？

当你对结果有期盼、但对可复制性和稳定输出没有期待的时候——今天做完这一件事，之后就不用它了，那你就许愿。这就是刮彩票：可能有一天刮到 10 个亿。

但如果线上出了问题，此时此刻你要解决账上 10 个亿的资金缺口，你对代码没有掌控、没建立信任、不了解整个公司的资产负债表，你不可能瞬间刮一张彩票出来。

那篇文章还描述过 3 种状态。一，模型不再变强，人类文明止步于此——倒也不是什么大事；二，模型指数增强，需要更好的抽象和指令让它做得更好，这时有 research taste 的人是瓶颈——这也是 Recursive 融资的核心前提，有 taste 的 researcher 难得、值钱——我们貌似就在这个阶段；三，RSI 越来越快。

我的挑战是：你说的那些抽象，都是 5.2 做不到的事，3 个月之后 Fable 又出了 10 个版本，是不是全解决了？我们该讨论的其实都是过去——这期节目 3 个月后再听，大概一点都不 relevant。

我讲一下我的项目，你就明白我为什么强调抽象和掌控。我想让 GLM-5.2 从生成一个自己能用的 Harness 开始——相当于写一个 GLM-5.2 专用版的 Claude Code，让马自己给自己造鞍。

我先用大马加大鞍——Fable 加 Claude Code——给小马 GLM-5.2 造了一个小鞍，初始版本已经有了。下一步看链条里还有哪些没掌控：推理用的是 vLLM、SGLang 这些现成框架，那能不能用小马加小鞍，做一个 GLM-5.2 自己的推理？已经能跑了，只是跑得慢。再下一步做训练，先从 LoRA 开始，计算复杂度不会特别大。

这条链跑通，我的 RSI 链路就通了，我只要把 preference 给它就行。现在的目标只是自举，下一个目标是提升某个性能。

3. 模型困在训练语料

但做的过程中我发现一个很严重的现象：训练语料里哪怕见过一次的事情，模型能做——让它写个 CUDA kernel，它写好了；让它优化一个目标，它就在那儿绕、绕、绕不出来。

它可以把人类在 A 领域用过的方法，应用到人类从没用过的 B 领域；但让它创造一个全新的 C 领域、用完全独立的 C 的方法，它做不到。这不是它训练的目标——它的目标是 predict the next token，预测人类已经知道的东西。创造一个没有人知道对不对的东西，在它的训练看来，是一个幻觉。

有点意思——任何科学技术发明，在当时看跟幻觉没什么差别。有电、有火车的时候，慈禧太后可能还觉得是妖术；过去 20 年，大家也都认为马斯克有幻觉。

这就是为什么 researcher 的 taste 重要——它指挥的是几千亿的投入。你问模型，它可能很快告诉你回收火箭不现实，因为没有人这样做过，现存语料的权重会非常明确地告诉它：有 137 种原因做不到。

模型会困在自己被训练的语料里面，它吃进的语料实际上是它的枷锁。人不一样，人可以用非常缓慢的速度——相比机器学习非常缓慢——一点一点探索一个东西的边界，这是人类的原生价值。

我做推理引擎时，看了执行图就知道某个地方肯定可以优化——我不会写 CUDA，但我知道。可它就是写不出来，在那儿绕；让 Fable 上，Fable 给的方案看着很美好，实际也写不出来。它无法把自己举起来。

其实它很轻，人走过去一拎就起来了，但它自己在那儿，就是举不起来。

像个扫地机器人，永远没法自己飞起来。所以现在的 RSI 只能推效率的边界，不太能超出人类的认知？

4. 智能开始网络化分发

效率边界确实是一个。我想再抛一个点：智能的分发——智能本身有网络效应。

我们都知道 Anthropic 在蒸馏我们所有人：一个用户在某个场景写了很好用的 skill 和 workflow；另一个人在另一个场景发现现在的版本解决不了问题；Anthropic 把他俩都蒸馏进去，下一版出来，原来解决不了的问题能解决了。

这个智能从哪来的？不是从模型本身来的——是地球另一端的一些人探索出了新路径，恰巧被蒸馏进去而已。任何单位时间，最新的模型都是当时所有知识工作者智慧的集大成——看着很聪明，但你让它做一件世界上从来没人做过的事、一个完全独立的新领域，它搞不定。

这也是为什么我觉得古法手作还是非常有价值的——不然我们就被锁死了。

感觉人类还有点希望，还能走过去把它拎起来，我自己还是有点价值的。「每个人生来就有价值」——这种鸡汤的话我会剪掉。

上一次你有个核心观点：一旦过了可用的边界，中国的模型能收集到大量工作数据，对模型进步有巨大增益，这给了我很大启发。

这次 OpenAI 出了个功能叫 Record and Replay：我要改简历，它开录屏，看我怎么改；我要从 100 份简历里挑人，它看我怎么挑，然后把录屏发给 ChatGPT——接下来你重复一样的动作，把剩下的做完。一份完整的劳动者数据。你怎么看这种交互创新？

这是必然会发生的方向。未来做产品就两件事：第一，把尽量多的人类智能交互数据，以最高效的方式收集上来，不漏掉一点可能对模型提升有用的数据；第二，把模型的智能尽快下发到每一个场景。

下发就是让智能无处不在：Claude Code、Codex 都从 TUI（命令行界面）起家，后面都要做 App，因为用 App 的人多。Anthropic 有个我非常不喜欢、但确实实用的功能：按一个快捷键，在屏幕任何地方呼出提问框，随时随地可以问。

未来甚至会出现随时待命的应用：你在聊天、做事的时候，它随时弹出你可能感兴趣的提示、信息、你以前做过的事——抢占你每一块需要动脑的碎片。

你说话的时候我就在想，我的录音设备可能正开着监听我们的对话，一个巨大的 context 已经发过去了。

能用开源就用开源吧。不过这无法避免——你生活在这个社会里。

ChatGPT 是有开关的：企业版默认不拿你的数据训练；订阅版默认加入训练，要你自己去反选。想想为什么这两个的价格差了一百倍——卖的不就是我自己。

聊聊 Harness。这个季度 OpenAI 的 Harness 也大幅提升，还把 Codex 跟 ChatGPT 合并了。你自己在给小马配小鞍——Harness 难做吗？

5. Harness 进入体验战争

两个感受。第一，一件事一旦被很多人做过，模型就在训练语料里见过它。两年前 Harness 难做，今天很好做：我说我有一个模型接口长这样，你给我做一个能做 ABCD 的 Harness，它就出来了。

Paper 有了，Reddit 帖子有了，鞍上的每个配件都被拆出来分析过了——就像走进华强北，啪啪啪一配，组装出一台新手机。但在手机被发明之前，你去华强北也找不到这些配件。

第二，难的是用户体验。为什么 Claude Code 要日更？一个简单的 Harness 满足不了极致体验，要做苦活累活。

比如现在 Harness 演进的一个方向，是不能让模型无时无刻都有能力删掉你硬盘上的所有文件：Claude Code 有个小模型专门 check 你要跑的命令会不会伤害电脑；Codex 没有这个，但有 sandbox。

我自己的做法很简单，每次跑命令前先让模型检测一下危险性，然后扔进 Docker 里跑。每家用不同方式解决，这是 taste 问题——所以 Claude Code、Codex 之外，还有 OpenCode、Cline，每家都有自己独特的体验和设计。

6. Fable 把安全变成武器

说说 Anthropic，今年一直在风口浪尖上。最狗血的是 Fable 的整个发布流程，你怎么看？

非常好的 marketing。

你觉得是有意为之吗？

可以啊。国家安全是个筐，什么都可以往里装。

Fable 出来时我还没用过它，当时我的假设是：GPT 出来是第一个级别，能聊天；然后是 agent 这个级别，能干活——这两个已经是历史，人人花 20 块、200 块都用得到。

到 Fable 这一级，我当时觉得真有可能是国家安全级别的东西——就像前面讲的 RSI，一旦有人掌握了钥匙，指数往上爬，它的 3 个月跟你的 3 个月完全不一样。

比如能破解银行的安全漏洞——国防跟银行哪个更安全我都说不好：国防肯定安全，但攻击的人少；银行钱多，攻击的人也多。所以我看到第一批能用 Fable 的「可信任用户」大部分是金融机构，五角大楼在不在里面我不记得了，我当时的反应是：哇，这还蛮夸张。Fable 主打的点就是能抓到很多 0-day 漏洞，对我触动蛮大。

我做了几个尝试：拿 Kimi K2.5、K2.6 去挖它说的那几个漏洞，比如 FreeBSD 的漏洞。你给一些 hint——告诉它哪个文件可能有问题，让它去看——它能找到一样的问题。

把问题局部化之后，找问题的能力不是问题；更大的问题是能不能在海量的地方遍历，且马上 spot 到。所以我猜开源模型和 Fable 的区别有两个。

第一，开源模型没被攻击型的安全语料训练过——Anthropic 肯定很关注这一点，应该收集了大量黑客攻击、安防相关的语料，开源模型没有。第二，智能程度还是跟 scaling law、跟模型大小有关：开源模型在 1T 的位置，几个月前就能做到「告诉它哪个文件，它能找到问题」；MiniMax 说要搞 2T、3T 的模型，尺寸上去之后，是不是给更少的 hint 就能直接找到问题？我觉得非常有可能。

所以 Fable 在范式上，应该和现有的模型没有本质差距。但 Fable 必须做一个非常夸张的发布——开源模型的斩杀线已经上来了，它必须拉开开源模型一个身位，而且要有一个很好的故事。不然开源比它便宜得多，还有各种优势，大家不会用它。

拆开确认一下：你认为 Fable 发布里 marketing 的成分，远大过产品的巨大跳跃？

对。它能力可能强很多，但范式没有巨大的变化。

那第二个问题就来了。它想做全世界唯一的、上帝一般的「正的那边」，为了这个，它要去学所有坏人是怎么做坏事的——直接或间接收集了全世界黑客的语料。

你今天问 Kimi，Kimi 不会有一个部门专门去研究黑客怎么黑东西，也不会有供应商能提供黑客语料。也就是说，自称最高道德标准的人，反而是所有恶人语料的集大成者？

有一点是对的：如果没有这么多攻击语料，光靠模型智能提升本身，应该不会有这么强的攻击能力。

换句话说，智能本身不等于不安全——越有大智慧的人，可能反而越安全。爱因斯坦不会知道怎么黑 NASA，一个受过足够好训练的 19 岁高中生反而可能知道——甚至爱因斯坦不屑于黑 NASA。

那 Dario 的情况是：他收集了所有 19 岁高中生想黑 NASA 的手段——你可以认为，他训练了一个黑化的爱因斯坦。

对，他训练了一个黑化的爱因斯坦。

所以谁在制造不安全？为己所用——他的核心逻辑是：我必须防止黑化的爱因斯坦出现，所以我必须先学习、先创造黑化的爱因斯坦。

我觉得这跟五角大楼一直宣传的中国威胁论是同一个思潮：没有事，创造事也要搞事。

我现在轻松了一点。Fable 刚出来时，感觉中国模型被甩了好远好远，我挺焦虑；后来 5.2 出来，再听你讲完——这也不是不能做。

Anthropic 最好玩的还有 5.2 和马斯克这一段。6 月底，有人问：中国的模型什么时候能达到 Fable 的水平？马斯克回答：2027 年第一季度。智谱创始人唐杰接话：不用那么久，很快的。

马斯克马上回应：不是刷榜的——真正的大模型要看是不是 useful intelligence，有用的智能，唯一标准就是收入：收入高表示用户买账，用户买账表示你的 intelligence 有用。

这一来一回，是当时资本市场投资人最关注的对话。它定了几件事：最高的智能标准是 Fable，无庸置疑；马斯克认为中国的差距最多 9 个月、短则 6 个月；唐杰说根本不用那么长。第二天智谱股价涨了 20% 还是 30%，创了近期新高。——从这里大家也听出来了，智谱没有在我们节目投放。你怎么看？

7. 中国模型追上斩杀线

这是 Q2 最大的瓜。我们上期聊过，中国模型的迭代速度可能比美国慢——但你看这几个月，不是这样，中国模型的迭代速度上来了。

什么原因我不清楚：可能是中国在 Infra 上花了很多精力，也可能是模型结构比美国的更高效。如果迭代速度上来了，而且每一个马上要发的中国模型都会比 GLM-5.2 好——没有它好，可能就发不出来了——那超过 Fable 真的只是时间问题。

因为它没有范式的变化，不像 ChatGPT 3.5 横空出世、大家不知道从哪来的。你已经知道智能的本源是什么，在上面做 preference tuning、做 RL，给更多算力、更多人、更多语料，就能产生更高的智能。

给我足够的时间、足够的钱，都能做成。所以我们特别需要像你这样的投资者，买一下中国大模型公司的股票，给他们一点支持。

这个股票我已经买了。下一个问题：怎么判断一家公司下桌了？Meta 我们上期还开玩笑说 Llama 不知道在哪，它马上出了新模型，号称跟 5.5 差不多；xAI 当时眼看要销声匿迹，收购 Cursor 之后又跑起来了，Grok 最新的模型表现也不错。

好像所有人隔几个月都能翻盘，重新回到桌上大放异彩。多久不迭代算下桌？有没有一个框架？

很难说下桌——在资本市场的争议角度，它永远都会存在，只是配不配得上今天的热度。中国模型真达到 Fable 量级，Fable 肯定就没有今天的热度了。

开源世界还有一个非常有意思的点：开源的进步，是所有人的进步。它把整个 checkpoint 往前拉了非常多——technical paper、模型权重、新架构的探索，让所有人受益。

自己的模型没有开源好？没关系，拿开源的 checkpoint 继续微调，把自己的数据放上去就好了，Airbnb、Cursor 都在探索这条路。开源越好，生态越好。

但这里就有投资人不喜欢的一点：一张桌子上人太多。我要投智谱，问题很简单：智谱的未来长什么样？你告诉我开源模型大家都能做——Anthropic 今天 ARR 最高，可它的服务并不会比别人好那么多。

行业第一名都这样，第二、第三名压力更大。最后可能一桌坐了十几个、20 个人，大家都不那么赚钱。

抛开智谱，我讲讲开源是怎么帮助投资的。回到 2023 年，国内百模大战，100 个模型都说自己有 ChatGPT 级别的能力——后来我们知道很多是套壳，网信办还专门出了管理办法来查你到底是不是套壳。

如果没有开源，这些模型背后的智能全是不透明的，你更没法投：看增长？大家一窝蜂砸广告。看政府产业基金投谁？一堆人去搞。没有人把拿到的钱放在真正的科研上。

所以开源在一级市场起到了「一百进十」的作用。现在是六进四了吗？

我都不知道中国该算多少家了——至少有 10 家能做的，包括美团和小米。

从二级市场角度很简单：一条赛道还有 20、30 家能做、每家差不多、还有人免费——这赛道就不好了，第一名很难提价。

如果你认为中美之间是堵墙、美国人不用中国模型，那投中美各自的第一名也 OK。但美国那边 xAI 和 Meta 追得很紧，GPT 也马上追上来——今年二季度，Anthropic 是断档式领先，要什么价格、什么估值都可以；现在好像不是了，接下来会不会是，不知道。

美国投资人想排美国这几家的位，中国投资人想排中国这几家的位，是同一个问题。

我觉得这事很简单。如果大家都继续玩开源的游戏，每一个模型就是供应链上的一个商品，位置都差不多：模型能力强，API 就有人买，应用就愿意接。

那问题就变成：你有没有足够的卡、足够的数据、足够的研究人员，能不能练出最新最强的模型。开源 enable 你继续玩这个游戏，不代表你玩得好；但很多人都能玩，就表示价格不会特别高，它变成一个比较商品化的东西。

第一名肯定还是茅台，还是卖得贵；但第二名的白酒，就很难提价了。这不是坏事——模型变成通用商品，对国家、社会、科研、教育都是好事。只是投资的时候你会发现：去投第八名的白酒，是有点傻的事情。

说到斩杀线，聊聊美团。美团过去两年被外卖大战打得焦头烂额，一波又一波，结果还抽空做了个模型：龙猫（LongCat）2.0，1.6T，5 万卡的国产卡集群全部训练出来。我看到还是蛮震惊的，你什么感受？

两点印象。第一，工程做得好，他们在探索模型的边界。以前蚂蚁的百灵尝试在混合卡——有 N 卡也有其他卡——的数据中心里训模型；龙猫是在完全没有 N 卡的情况下把模型训练出来，这是非常大的突破。

帮我扫个盲：训练里国产卡跟 N 卡的差别在哪？

推理是比训练简单得多的问题，产生 token 需要的能量和算力比较少。训练是非常长程的任务，要跑海量语料：GPU 跑得多快、GPU 之间的通讯、算术精度的稳定性、软件平台的适配度，挑战都很高，工程和模型侧都有很多工作，我非常钦佩美团的人。

第二点印象是它的模型优化得不错，跑得很快。

我当时的想法是：中国的斩杀线到处都是。大家一度觉得 DeepSeek 是那条斩杀线，后来发现好多人都在把线往前射——美团、小米这些非模型厂商在不断推高它。

别人随手做的副业都到这个程度，换句话说：美团自己有 1.6T 的模型，不会随便买你的 API 服务，除非你真的比它好很多。

第二件事：有天我在商场里想问点评一个问题——这商场里有没有一家咖啡店生意特别差、有位子、特别安静？它应该去搜商场 300 米内所有咖啡店排个序。结果点评没有这个功能。

为什么？因为中国各家 App 的数据完全不打通：豆包拿不到这个数据，任何人都拿不到。所以最后会不会变成：中国每一家大厂稳固了信息的割裂，每家出一个自己的模型——小红书明天要出自己的模型——人均一个大模型？

品牌效应、吸引技术人才、秀技术肌肉之外，数据孤岛确实是每家必须出模型的另一个原因。美国也一样：Cursor 不会把自己的数据卖出去——那么好的用户亲手摸过的编程数据，非常有价值，xAI 为什么要买它？我觉得跟数据离不开关系。

报个菜名：GLM-5.2 已经是今年二季度的冠军，不用讨论了；MiniMax 跟 Kimi 最近都有新闻，要发比较大的模型。

MiniMax 那个 2.7T 的模型，但凡能训出来应该都挺不错——能发出来就说明模型不错，发一个和友商差距太远的模型，很伤自己的品牌。另外，最近混元 3 的发布是一件非常有意思的事。

请说。我有非常多听众想听这段——大家都被腾讯套住了。腾讯过去半年股价非常不好，跟资本环境有关，也跟它在 AI 上的进度有关。

大家的心态是：你好歹是腾讯，不能掉队，那我是不是可以抄个底？这肯定不是投资建议，但来听听王老师对混元的看法。

混元 3 的上一版 preview 是二、三月份发的，被关注得少，因为性能确实有差距。混元 3 我重度测了，非常好。

神奇在哪？它的模型结构相比 preview 没有变化，就是换了数据、换了训练方法，用的都是最经典的架构，却实现了巨大的性能飞跃。

现在国内各大厂都在疯狂搞新的模型结构——要不要上 linear attention、要不要搞稀疏 attention——混元 3 说明，大家研究模型结构，主要是为了降本，而不是提升性能；结构在提升能力边界上可能没那么大帮助，或者还远没到瓶颈。

这是我作为局外人的合理推断，研究员肯定有 ablation 实验这种更确凿的证据。反过来，这说明数据的作用可能非常大。

而腾讯有很多数据：WorkBuddy 做得不错，腾讯内外用的人都多，能收集到非常多数据；海外 Google 有 Gmail，国内大家都用微信——我在腾讯面前没有什么秘密。

如果公众号的数据能被混元合理地用起来，威力会非常大，混元 3.5、混元 4 可能还有更大的质的飞跃。还有一点：它结构比 GLM-5.2 小，用国内能买到的卡、单机一台 8 卡的机器就能跑起来。

晚点我写了篇混元 3 的独家深度报道，提到两点。第一，腾讯过去一年在组织架构上给了混元很大的空间，让它跑起来——这是很多大公司做不到的人事调整。

第二，姚顺雨训这个模型，不追求奇技淫巧，不搞模型架构的创新，不刷榜——练武功不想着先学九阴真经，先扎马步，一直扎，扎 6 个月，这才是大智慧。

中国真的不缺数据，腾讯更不缺；可是数据如何洗好、按什么标准定义、模型怎么拿到反馈，需要有人操盘。再往下想一层：全世界到底有多少公司是能「生产数据」的？

数据是活着的东西。我们在淘宝买东西、在抖音上下滑、在微信聊天、在腾讯文档里编辑，都是在生产数据。有些数据值钱——一个程序员写复杂任务、给反馈、自己修 bug，这是很贵的数据；我跟我妈聊天，就不太值钱。

腾讯刚好站在中国最大的数据端口上。这些数据能不能用、怎么用，可能是接下来最重要的话题。

加一点：需要合理、合法地用。你跟你妈的聊天里有很多隐私。怎么在尽量保护用户隐私的情况下，用到群体智慧里的智能，是很有意思的问题，也好奇腾讯后面怎么做。

Anthropic 跑起来之后，所有模型厂都把 coding 定为第一优先级——之前还有人追多模态、追声音、追图像视频。这个变化合理吗？

8. Coding 变成全面自动化

很自然。之前大家卷聊天、卷 role-play，每个都有场景，但要看用户愿意直接为它付费的比例，以及它能取代的人类工作时薪。

一个谷歌工程师年薪可能三四十万美元，他的工作有 30% 到 40% 能被取代，这个社会价值不知道比 role-play 模型大多少倍。而且生成代码是很多事情的底座：让机器做一份调研报告、用漂亮的 H5 页面展示出来，它就是一个写代码的任务。

写代码还天然有数据闭环：代码能不能编译、跑出来的结果对不对、跟预期差多少，反馈喂回去，让这件事越来越快——role-play 模型拿不到这么好的数据。

最后，AGI 的定义大家说不清，但看上去，写代码这件事能帮我们往 AGI 的方向走得更近一点，能让模型更聪明、让所有人做事的速度被加速。

我有个想法想跟你交流：都 2026 年 7 月了，我觉得 Coding 还是一个非共识，资本市场对这个词的误解还很深——这个词用错了，不应该叫 Coding，应该叫 Automation。

投资人会说：谷歌的工程师才几个人啊，一个人 10 万、20 万美元，TAM 就这么大。可谁想去 Code 呢？没有人。

但我们生活在一个完完全全数字化的世界里，所有跟别人的交互都通过某种数字行为体现，而这些数字最后都能用 Coding 的形式实现。会计师的工作是在 Excel 里把一加一变成二——Coding 能实现；设计师要在前端画一只猫、一只狗，拼在一起——还是 H5 页面，还是 Coding 的实现。

所以它讲的是 Automation：所有东西都能被自动化。你看我天天在「Coding」，你觉得我是在 Code 吗？

所以今天的公司起名叫 CodeBuddy、WorkBuddy，我觉得都有问题——叫 Buddy 没问题，前面不能有 Code。Sam Altman 可能就是听了我们上期播客，把 Codex 改成了 ChatGPT。

是的。

但今天还是个非共识：我很多朋友用 Claude Code，第一个 tab 还是 Chat——那你用豆包就好了。

聊天、Cowork、Code 这 3 个东西最后会合并到一处，但它不该叫 Code——Code 这个词听起来就不像正常人会用的工具，大家又不是程序员。可如果说你许个愿，make a wish，很多人都会做。

这实际上是词汇语义的自然演进。很多词在过去几十年里语意已经完全变了，说不定 Code 也会。

今天你搜 Code 的图片，出来的是黑色屏幕、绿色的字。也许我儿子长大后，他理解的 Code 就是说段话、许个愿。

我去庙里烧香也是许愿，那也叫 Code 吗？他对这个词的理解会完全不一样。

阿拉丁神灯，make a wish。我觉得这就是所有公司往 coding 转的核心原因——coding 有最大的数据飞轮。

回到 Cursor，补一个纯脑洞：假设 OpenAI 有机会，用 600 亿美金、用自己的股票换，它该买 Cursor 吗？如果你跟 Sam Altman 有一次喝咖啡的机会，你建议他买吗？

Sam 买它的动力，没有马斯克强。马斯克有算力——xAI 的算力一度闲置，甚至把闲置算力卖给别人——他更需要一个有数据、有产品的公司，跟他一起搞事情。而且马斯克是非常有想象力的人。

这个交易应该是三、四月份发生的，我当时完全没理解。它不是 Devin、Windsurf 那个时期的逻辑——买 coding agent 这件事 2025 年就发生过。

这次的情况是：Anthropic 已经做出了 Claude Code，Cursor 压力很大、自己还推出了 Composer，这时候还要买它，看的就完完全全是数据了，数据在这个交易里的权重高很多。

我当时的想法是：如果我足够有钱，我肯定买尽可能多的算力、拥有尽可能多的研究团队——如果追求智能本身是唯一要做的事，那就追求智能本身就好。所以我没看懂。

好，非常感谢王老师。我们要每个季度见一次面，AI 迭代实在太快——这 3 个月，中国的模型赶上来一大截，真的是巨大的飞跃。

接下来 3 个月呢？Anthropic 作为今天的第一名，还能不能交出更惊艳的答卷？不确定。三季度 very likely，Anthropic 和 OpenAI 已经上市了——他们的财报长什么样？不知道。上市表现好不好？不知道。

会不会迎来整个 AI 板块的重估？不知道。会不会有更多公司加入做大模型、中国是不是还有很多厂要发？不知道。斩杀线最后长在哪里？不知道。这些，都是三季度的问题。