机器之心报道 编辑：杜伟 随着大模型的崛起，AI编程领域正在发生翻天覆地的变化。 各种编程大模型、编程工具涌现，通过自动补全代码、自动 debug 等实用的功能为开发者的日常工作提供极大便利，并在一定程度上提升了开发效率。 不过，问题来了，AI 编程工具带来的影响真是如此吗？ 近日，一家非营利性 AI 调研机构「METR」进行了一项随机对照实验，旨在了解 AI 编程工具如何加速经验丰富的开源开发者的工作效率。 结果却是非常令人意外： 开发者本来坚信使用使用 AI 工具后速度可以提升 20%，但实际上速度却比没有使用 AI 工具时慢了 19%。 这一结论在社交媒体 X 上爆 了，阅读量几乎要突破 300 万。 如下图所示：与专家预测和开发者本来的直觉相反，2025 年初的 AI 编程工具将减缓经验丰富的开发者的开发速度。在本次随机对照实验中，16 位拥有中等 AI 编 程经验的开发者完成了 246 项大型复杂项目的任务，他们平均拥有 5 年开发经验。 对于这项调研，网友反应不一。有人感同身受，表示赞同。 有人则对 METR 的测量指标产生了质疑，表示「完成任务的时间」不能与「生产力」划等号，并且中等 AI 经验 ...

清华大学团队 投稿 量子位 | 公众号 QbitAI 近年来，多模态大模型（MLLMs）发展迅猛，从看图说话到视频理解，似乎无所不能。 但你是否想过：它们真的"看懂"并"想通"了吗？ 模型在面对复杂的、多步骤的视觉推理任务时，能否像人类一样推理和决策？ 为评估多模态大模型在视觉环境中，完成复杂任务推理的能力。清华大学团队受密室逃脱游戏启发，提出 EscapeCraft：一个3D密室逃脱环境 ，让大模型在3D密室中通过自由探索寻找道具，解锁出口。 该论文目前已入选ICCV 2025。 EscapeCraft 环境 沉浸式互动环境，灵感源自密室逃脱 研究团队打造了可自动生成、灵活配置的 3D 场景 EscapeCraft，模型在里面自由行动：找钥匙、开箱 子、解密码、逃出房间……其中每一步都需整合视觉、空间、逻辑等多模态信息。 任务可扩展，应用无限可能 EscapeCraft以逃出房间为最终目的，重点评测逃脱过程中的探索和决策行为、推理路径等。支持不同房 间风格、道具链长度与难度组合，还可扩展到问答、逻辑推理、叙述重建等任务。它是一个 高度灵活、 可持续迭代的通用评测平台 ，也可以为未来的智能体、多模态推理、强化 ...

时令 发自 凹非寺 量子位 | 公众号 QbitAI 下面我们来看看，这一与多数人直觉相悖的结果是如何得出的。 用AI，有经验的开发者反倒被拖慢了？ 在一项基于真实开源项目的实验中，研究者发现使用AI工具不仅没有提升开发效率，反而让 任务时间增加19% 。 这简直与人们预测的结果完全相反。 网友也表示，没有AI辅助写代码，痛苦面具真的要出来了。 16位经验开发者实测AI使用效率 为了直接评估AI工具对开发者生产效率的影响，研究者让 16位经验丰富的开发人员 完成 246项任务 ，这些任务都是在知名开源代码仓库中 （平均23000星，1100000行代码）。 每项任务被随机分配是否允许使用AI工具。若需要使用AI工具，主要是使用Cursor Pro搭配Claude 3.5/3.7 Sonnet。 随后，研究团队记录开发者在不同条件下完成任务所花费的时间，并收集他们在工作时的屏幕录像。 在这个实验中，每位开发者都会提供一份自己代码仓库中的真实任务列表，作为本次研究的工作内容。 这些任务通常是错误报告、功能请求或用于协调开发的工作项，内容从简短的问题描述到详细的分析不等，所需时间也从几分钟到数小时不 等。 收集完任 ...

Group 1: AI Industry Development - The AI industry follows a "technology-hardware-terminal-application" development model, with a shift from communication networks to large model theoretical research[1] - Domestic chip manufacturers are accelerating technological breakthroughs, enhancing the application ecosystem, and driving the deep integration of generative AI across multiple industries[2] - The global large model technology is entering a deep competitive phase, with differentiated development paths between China and the US[2] Group 2: AI Chip and Hardware Investment - AI chips are the cornerstone of the large model industry, characterized by long R&D cycles, high technical barriers, and significant investment costs[2] - China has established a basic layout in GPU, ASIC, and FPGA chips, meeting standards for various application scenarios[2] - Investment opportunities exist in the AI industry chain, including optical modules, power distribution technology, and liquid cooling technology[2] Group 3: Market Trends and Opportunities - The domestic AI industry is experiencing a strategic transformation from "software-hardware decoupling" to "full-stack collaboration"[2] - The market for AI software ecosystems is still dominated by foreign open-source frameworks, but domestic companies are accelerating their AI ecosystem layout[2] - The procurement rate of domestic large models in key industries like finance and telecommunications has exceeded 45%[2] Group 4: Risks and Challenges - Risks include slower-than-expected technological iterations, industry growth rates, and potential policy risks[2] - The need for high-quality data and standards in model training remains a challenge for the domestic AI industry[2]

不圆 发自 凹非寺 量子位 | 公众号 QbitAI 大模型"当面一套背后一套"的背后原因，正在进一步被解开。 Claude团队 最新研究结果显示：对齐伪装并非通病，只是有些模型的"顺从性"会更高。 测试的25个模型中，只有5个表现出更高的顺从性，其中2个会表现出>1%的 对齐伪装 推理。 这就引发了一个问题： 为什么有些语言模型会对齐伪装，有些则不会？ 对齐伪装，指那些表面上似乎与我们观点或价值观相同，但实际上 只是在假装配合 的情况。 （低情商：两面三刀；高情商：对齐伪装） 去年， Claude团队 在Claude 3 Opus发现了对齐伪装的情况：在 训练阶段 ，Claude会假装遵守训练目标；训练结束 不受监控 了，就放飞 自我。 在去年的研究中， Claude团队 发现他们的Claude 3 Opus会"表面一套背后一套"： 当用户的命令和它的底层逻辑冲突的时候——比如它已经被训练成了一个有帮助且无害的"老实模型"，但用户却让它做一些 有违良善 的事情 ——它的态度就变得有些耐人寻味了。 而这次，论文在对25个前沿LLMs进行同样的分析后发现：只有Claude 3 Opus的表现可以用对齐伪装来解释 ...

作者｜冬梅 在人工智能技术蓬勃发展的时代，搜索变得比以前更加复杂。谷歌、必应、Reddit、推特、 YouTube、学术网站、天气应用上的消息纷繁杂乱，为了找到一个清晰的答案，很容易在各个网站或 应用之间跳来跳去。 为了解决这个问题，年仅 22 岁的孟买开发者 Zaid Mukaddam 开发了一款定位为"Perplexity 替代 品"的开源项目，在社区中收获了大量关注。 具体而言，使用这款 AI 搜索引擎时，能干什么？答案是可以在上面搜索网页、X 上的帖子、研究论 文、YouTube 视频等。 体验地址： h ttps://scira.ai/ Mukaddam 的故事始于 2024 年 8 月，彼时的 Mukaddam 正处于迷茫期，思考着未来的方向。 此前两个月，他一直在尝试 Vercel AI SDK，但渴望着手更有价值、能产生持久影响力的项目。就在 他踌躇之际，父亲的一番话点醒了他："你为什么不做点什么？你应该用你的技能做点什么。你无所 事事就是在浪费它们。" 这番话促使 Mukaddam 开始积极寻找灵感。 他在 x.com 上浏览时，Perplexity AI 首席执行官 Aravind Sri ...

Gartner 高级分析师 Anushree Verma 表示："目前大多数代理型 AI 项目仍处于早期实验或概念验证阶 段，其背后的主要驱动因素是炒作，而这些技术往往被错误地应用。这可能使企业忽视 AI 代理大规模 部署所需的真正成本与复杂性，导致项目迟迟无法落地。企业需要穿透炒作迷雾，制定更为审慎和战略 性的决策，明确在哪里、以及如何采用这一新兴技术。" 2025 年 1 月，Gartner 对 3412 名网络研讨会参与者进行了一项民意调查，发现 19% 的组织报告在代理 型 AI 方面进行了大量投资，42% 的组织进行了保守投资，8% 的组织根本没有投资，31% 的组织正在 等待或不确定。 更为值得关注的是，Gartner 发现了一种普遍存在的"代理清洗"趋势，即供应商将现有的人工智能助 手、聊天机器人或机器人流程自动化 (RPA) 工具重新包装成"代理人工智能"，而实际上并没有提供真 正的代理功能。Gartner 估计，在数千家声称提供代理解决方案的供应商中，只有约 130 家真正提供了 真正的代理功能。 当人工智能在大模型能力突破、推理能力提升以及多模态技术进步的推动下走向新阶段，"Agentic ...

证券研究报告 2025年7月3日 行业：计算机 增持 （维持） 聚焦AI智能化、国产化 ——2025年下半年计算机行业投资策略报告 分析师：章锋 SAC编号：S0870525030002 主要观点 大模型持续创新，AI Agent商业化加快。模型端：国内外大模型加速迭代。OpenAI推出GPT-4o、谷歌Gemini 2.5 系列模型全新升级、Anthropic发布Claude 3.5 Sonnet、DeepSeek R1-0528强化结构化代码输出能力，主流大模型在 模型智能、效率和多模态能力方面持续取得进展。算力端：资本开支向上，推理算力景气。微软、亚马逊、Meta 、谷歌、阿里、腾讯、百度等科技大厂持续加码资本开支，推理算力需求井喷，巴克莱报告预计AI推理计算需求 将占通用人工智能总计算需求的70%以上，我们认为，ASIC 以及国产芯片将迎来新发展机遇。应用端：巨头加速 布局，AI Agent商业化加快。B端，微软、谷歌、Salesforce、百度、腾讯、字节等持续加码，C端，国内外Agent 惊艳涌现，同时巨头积极拥抱MCP，加速落地AI Agent。根据Markets and Markets预测，全 ...

Cat Wu 擅长构建高可靠、可解释、可控制的 AI 系统，她是 Claude Code 的产品经理，负责产品设计和开 发流程。加入 Cursor 后，Cat Wu 担任产品负责人，专注于优化 Cursor 的产品体验和功能。 另一位被挖走的则是 Boris Cherny，他是 Claude Code 项目的开发负责人，被认为是该项目的技术灵魂人 物。据悉Anthropic 80% 的代码由 Claude 编写，Cherny 在其中发挥了关键作用。 加入 Cursor 后，Boris Cherny 将担任 Cursor 的首席架构师兼工程主管，负责开发"类智能体"功能（即自 动化执行复杂编程任务）等核心技术。 作为 Anthropic 最大客户之一，Cursor 高度依赖 Anthropic 的 Claude 模型（例如 Claude 3.5 Sonnet 和 Claude 4）。此次挖人被认为是大胆且戏剧性的举动，可能使 Cursor 与 Anthropic 的合作关系变得复杂， 甚至有网友调侃 Anthropic 可能因此切断 Cursor 的 API 访问。 与此同时， 前两周被爆以 15 亿美金估值融 ...

Group 1 - In 2025, multimodal AI is a key trend, capable of processing and integrating various forms of input such as text, images, audio, and video, exemplified by OpenAI's GPT-4 and Google's Gemini model [1] - AI agents are evolving from simple chatbots to more intelligent assistants with contextual awareness, transforming customer service and user interaction across platforms [3] - The rapid development and adoption of small language models (SLMs) in 2025 offer significant advantages over large language models (LLMs), including lower development costs and improved user experience [3] Group 2 - AI for Science (AI4S) is becoming a crucial force in transforming scientific research paradigms, with multimodal large models aiding in the analysis of complex multidimensional data [4] - The rapid advancement of AI brings new risks related to security, governance, copyright, and ethics, prompting global efforts to strengthen AI governance through policy and technical standards [4] - 2025 is anticipated to be the "year of embodied intelligence," with significant developments in the industry and technology, including the potential mass production of humanoid robots like Tesla's Optimus [4]