AI动态 6月29日 | Grok 4.5直逼Opus / 3B小模型逆袭 / CEO-Bench

duckwolf

Grok 4.5 进入SpaceX/Tesla私测，性能接近Opus
xAI发布基于1.5万亿参数V9基础模型的Grok 4.5，补充训练中加入Cursor数据，已在SpaceX和Tesla内部测试。马斯克称性能接近甚至超越Opus，SpaceX将每月发布全新训练模型。AI Coding模型竞争格局突变——SpaceXAI从航天算力切入编程模型赛道，月度迭代节奏远超行业常规。

VibeThinker-3B：3B参数编程力压200倍大模型，MIT开源
新浪开源3B参数VibeThinker-3B，AIME26持平DeepSeek V3.2，LiveCodeBench超越所有20B以下模型，LeetCode竞赛123/128题超过GPT-5.2和Kimi K2.5。研究提出"参数压缩-覆盖假说"：逻辑推理依赖少数可压缩模式，世界知识仍需大参数。小模型编程能力极限突破，对AI Coding成本结构冲击深远。

CEO-Bench：仅3个AI模型在500天创业测试中盈利
普林斯顿大学测试14个AI模型运营虚拟软件公司500天，仅Claude Fable 5（4715万美元）、Opus 4.8（2780万）、GPT-5.5（2130万）超过起始资本。多数模型无法保持连贯策略中途破产。AI长期战略决策能力的关键标尺——当前Agent的"智力"还远不足以替代人类CEO。

Anthropic发布Claude Tag：Slack内@Claude异步执行任务
Claude Tag让用户在Slack中@Claude异步执行任务，AI Coding从IDE实时对话走向协作平台自动化。工作流从"人盯AI写代码"转向"人派活AI异步交付"，Agent工作范式的重要一步。