【AI大战升温】7月AI大战最关键的一条战线陡然升温。10日凌晨奥特曼重摆阵形发布新版ChatGPT桌面端。原本独立的Codex被并入其中变成一个标签页夹在“Chat”和“Work”之间。看起来是几项产品调整背后意味却完全不同。【新版桌面端的作战地图】新版桌面端的三个标签几乎就是OpenAI下一阶段的作战地图Chat是过去的入口Codex对准程序员的终端Work则瞄向表格、文档和办公流程。过去只坐在聊天框里的ChatGPT如今开始走进电脑桌面将之变成工位在代码、办公两条线同时干活。【Anthropic的挑战】奥特曼显然着急了。这场围绕coding和办公场景的争夺战直接烧到了家门口。最难缠的是Anthropic。其Claude Code最初只是被当成又一个编程助手。到了4月Claude Mythos在SWE - bench上拿到93.9%。这个榜单考验的是让模型进入真实的GitHub仓库修复那些曾经折磨过真人程序员的历史bug。程序员随即涌入。Claude Code由此大举进入企业代码库接手真实项目占住了程序员的终端。尝到coding的甜头后Anthropic又把同一套打法推向了办公。Claude Cowork接管表格、文档和企业流程这条战线任务链更长、用户更多正是OpenAI那个“Work”标签瞄准的同一块阵地。【商业数据反超】靠着coding和办公Agent撕开的商业化缺口Anthropic的ARR从年初的140亿美元暴涨至470亿估值陡然飙升至接近万亿美元反超OpenAI其企业市场份额34.4%同样实现反超。在其他AI企业都受困于商业模式时Anthropic率先夺得了市场的青睐。【更危险的信号】不止于此。在商业数据之外奥特曼们也看到了更危险的东西。Anthropic挖出来的绝不是一块“金矿”那么简单它甚至可能改变AI竞争的全局。【数据飞轮比金矿还贵的“错题本”】1、一笔每天滚动的复利 比金矿还贵的是“错题本”。在Claude Code这样的产品里程序员每一次接受、拒绝和手动修改AI生成的代码都可能留下一条极有价值的反馈信号。GitHub上囤积的代码是已经凝固的成品编辑器里流动的操作却记录着代码形成的过程。前者告诉模型最后写成了什么后者则可能告诉它你错在哪里人类为什么不接受又是怎样把你改对的。可以说谁占领了这类场景谁就能让用户一边付钱一边获得改进下一代模型的真实反馈。这正是Anthropic让所有人眼红之处。它挖到的不只是一门赚钱生意更是一台会自己加速的机器数据飞轮。数据飞轮的链条并不复杂更好产品 - 更多用户 - 更多纠偏数据 - 更强模型 - 更好产品。但不是所有场景都能把这台飞轮转起来。它首先要进入一门真正值钱的生意。AI把段子写得更好用户笑过就走AI替企业修掉一个Bug、缩短一条工作流程老板却能算出节约了多少成本。企业持续付费产品才有机会积累足够多的用户和任务。与此同时反馈信号要足够强。比如代码提供高纯度的对错信号代码能不能编译测试能不能通过通常都有明确结果。办公没有这样干净的判卷器但它的任务链更长信号更密。一个人做季度销售分析要拉数据、写公式、调表格、做汇报、发邮件AI在哪一步出错用户就会在哪一步停下、撤回或者手动修改。一次任务走下来沿途可能留下十几个反馈点。到了2026年这类信号对下一代模型更稀缺了。过去五年全行业的信念建立在一条简单公式上更多算力加更多数据等于更强模型。但今天这套Scaling Laws开始出现裂痕。前OpenAI安全副总裁翁荔不久前连续撰文提醒人们Scaling Laws并没有承诺模型可以永远以相同速度增长。更现实的麻烦是公开互联网提供的高质量语料正在走向枯竭互联网留下的又大多是成品。一份漂亮的报告不会留下被删掉的五版开头一段正确的代码也不会告诉模型程序员此前走过哪些弯路。真实工作流刚好保留了这些过程。所以coding和办公场景的价值就不只来自市场规模。AI每完成一次真实工作也可能多获得一次改进自己的机会。模型、产品和用户由此进入同一个循环产品带来任务任务产生反馈反馈推动模型进步更强的模型再去接住更复杂的任务。飞轮一旦转起来这一轮积累的模型、用户和数据就会成为下一轮竞争的起点。飞轮加速后后来者再追赶就很难。想复制Anthropic的coding飞轮就至少要同时拥有三样东西一个程序员愿意托付工作的模型一款真正进入工作流的Agent产品以及一套能把行为反馈转化为评测和训练数据的系统。这也是为什么硅谷巨头们都疯狂卷入了这场战争。就在不久前马斯克对Cursor砸下600亿美元投资圈一片“疯了吧”的声音但硅谷很快替他总结出了那句话他要的不是编辑器是所有程序员敲键盘的声音。扎克伯格的打法更加粗暴。Meta一边计划部署7GW算力下一年翻倍到14GW一边把新模型价格压到竞争对手的四分之一。低价不是目的让更多Agent用上Meta的模型并进入更多办公流程屏幕上的点击、犹豫和撤回才会源源不断地产生。只有模型领先优势随时会过期但飞轮领先却像是一笔每天滚动的复利。这或许是OpenAI面对的真正压力。他未必最怕Claude某一代模型比GPT更强——模型总有机会追赶。他担心的是Anthropic已经在高价值工作流里建立了一个闭环而OpenAI欠缺一条同样成熟的数据管道。不过真实工作流只负责产生原料并不会自动变成训练数据。怎么把混乱、含糊、甚至互相矛盾的用户行为炼成模型能吸收的经验才是飞轮真正难建的地方。这一步取决于一层看不见的系统harness。【Harness炼金系统】2、Harness炼金 Harness是什么简言之驾驭模型的一套系统。它操心模型进入真实工作之后谁替它拆解任务、调用工具谁检查结果是否正确又是谁把一次失败整理成经验送进下一轮迭代……在最近一篇博文中翁荔对AI的近期自我改进路径做了一个判断它未必从模型直接改写自身权重开始更可能先发生在Harness层。换句话说即使暂时不更新模型权重围绕它运行的系统也可以先一步升级。模型没有变任务成功率却可能提高。成熟的Harness还会继续发现模型的弱点为下一代模型提供评测题和训练材料。Harness由此同时连接了当前任务和下一轮迭代一边帮助现有模型把事情做成一边记录它在哪里失败、用户如何修改再把这些经验送回产品和模型。两者相互咬合数据飞轮才真正开始转动。在反馈提炼这一环Harness要做三件事从大量日志里找出真正值得记录的操作判断用户为什么接受、删除或重写再追踪任务最终有没有成功。代码相对容易测试通过与否可以当场判卷办公则难得多——用户今天接受了一张表可能三天后才发现公式引用错了。动作不会自己说明含义接受也不等于成功。Harness要做的就是把这些模糊、延迟的行为还原成机器可以学习的反馈。当然Harness产出的经验也不一定送去更新模型权重。有些反馈会进入当前任务让Agent立即重试有些会写进用户或团队记忆……只有其中一部分经过用户授权、隐私处理和质量验证的数据才可能进入后训练。某种程度上Anthropic的coding飞轮转得快也因为它在这个场景里把Harness磨了两年。这是飞轮更深的门槛一套在真实工作流里摔过无数次、又从每次失败中修出来的Harness是短期难以复制的。值得注意的是Harness的崛起又进一步打破了过去几年业界笃信的“线性神话”。在那套旧叙事里一切都是线性的只要堆够算力、训出更强的模型产品竞争力就会自然而然地“溢出”进一步形成数据飞轮。但Harness的复杂性却告诉人们模型能力与产品体验之间并非简单的线性关系。即便是最强模型如果没有一套精密的外部系统去拆解任务、捕捉反馈、修正错误它也无法胜任真正的工作。这一变化意外给了后发者一个窗口期。既然模型能力的溢出不再是唯一解那么通过抢占工作流、磨炼Harness、进一步构建数据飞轮也能够开辟另一条进阶乃至超车的路径。【飞轮从另一边转动】3、飞轮从另一边转动 这个窗口大洋彼岸的腾讯先抓住了。在春节后的“龙虾”热潮中其办公智能体产品Workbuddy突然闯入公众视野。外界以为是临时赶工后来才知道在它出现以前腾讯打磨了很长时间的Harness并跑出了编程助手CodeBuddy。2026年1月团队沿着这套底座做出WorkBuddy 0.01先交给腾讯内部2000多名非技术岗员工使用随后在龙虾热中迅速推出桌面版。那时腾讯的自研模型还没有明显优势WorkBuddy却先跑进了真实办公场景。到3月其PC端月访问量达到885万很快就跑到了中国同类产品日活第一名。最近OpenAI推出ChatGPT Work之后外界第一时间拿来类比的正是这款产品。媒体纷纷说OpenAI推出了类似WorkBuddy的智能体把它当作认识硅谷巨头举措的对标。对WorkBuddy的用户来说拉Excel、写长文档、串起一整套办公流程判断标准很直接活到底交没交出去。2025年底加入腾讯的姚顺雨看重的正是这样的场景。他反复强调大模型已经成为一把足够通用的“万能锤子”接下来更稀缺的是值得解决的问题以及问题发生时的真实context。CodeBuddy和WorkBuddy每天产生的便是这类问题。用户如何提出需求模型在哪一步卡住人又怎样把它改对这些过程开始成为混元的“错题本”。姚顺雨带队重建混元重点提升Agent能力同时也推动模型与产品Co - design。Hy3训练时WorkBuddy暴露出的指令遵循、工具调用和长任务执行问题开始进入混元的评测与训练目标。经过授权、脱敏和质量筛选部分真实反馈进入后训练和强化学习新模型再回到WorkBuddy去完成更长、更复杂的任务。然后是更好的产品的体验、更多的用户和反馈……Hy3 Preview接入后WorkBuddy首响提速54%任务总时长缩短47%开始能够稳定跑完数百步流程。7月Hy3正式版发布时其在WorkBuddy场景中的任务成功率从72%升至90%耗时进一步缩短34%。Hy3总调用量较上一代增长68倍在WorkBuddy主动选择模型的用户中六成选择了它。飞轮开始咬合。这条循环也不只发生在WorkBuddy和混元之间。姚顺雨一直强调LLM时代与过去AI最本质的区别是泛化性。模型在一个产品里练出的能力可以迁移到另一个产品。元宝、ima、CodeBuddy和WorkBuddy产生不同的数据这些数据又能相互泛化最终“形成一个像网络一样的体系”。这张网络能否真正转起来还取决模型与产品团队长期对齐的质量。但这条路径已经明了飞轮未必要等模型领先之后再转。产品先拿到用户和任务也可以反过来给模型供给真实的用户反馈反向推动飞轮。无独有偶。马斯克也走了同样的道路只是他没有做起Agent产品而是直接砸了600亿美元收购代码编辑器Cursor截了一条数据管道接入大模型Grok。数周后Grok 4.5发布。这款模型由SpaceXAI和Cursor联合训练。Cursor披露训练中使用了数万亿Token的Cursor数据里面不只有代码还有开发者怎样调用工具、怎样修改结果以及Agent如何在真实环境里完成任务。Grok此前最缺的恰恰是这些。在SWE - bench Pro上Grok 4.5拿到64.7%同期Claude Opus 4.8是69.2%。它还没有追上但已经坐到了同一张牌桌上。让对手警惕的也不是这一次跑分而是马斯克用一笔收购把Grok接上了真实开发者的工作流。马斯克向来想学微信看到他带着Grok 4.5重新回大模型牌桌有自媒体评论“马斯克又一次踏上了腾讯的路……如果这俩真能磨合出混元和WorkBuddy那种协同对Grok的拉升会很大。”看到这条路的不只SpaceX。在中国阿里、字节也都纷纷发力字节推出编程工具Trae对标Cursor阿里则力推旗下的编程平台Qoder。但不管是哪一种道路——Anthropic和OpenAI从模型领先出发SpaceX用收购补上产品入口和数据管道腾讯一边跑出Agent产品一边追赶模型能力模型和产品踩着彼此的肩膀螺旋上升……路径不同争夺的是同一种东西进入高价值工作流拿到源源不断的真实问题再把它们变成下一代模型的能力。模型榜单还会不断易主。但当竞争进入普通人的桌面、日常的工作流后来者要追赶的就不再只是一次模型发布而是对手在千万次真实任务中持续优化模型的循环。这就是复利。就像投资拉长时间看最终的赢家未必抓住了某一次最大的涨幅却拥有持续获得复利的能力。AI竞争也是如此。