20260423研读Openclaw类Agent资料摘录
20260423研读openclaw类agent资料摘录
ChatGPT Images 2.0，基于文档直接生成复杂版面也成为现实。用户上传学术论文的PDF文件后，系统会自动提取重要的图表数据，将其转化为专业的横幅学术海报。面对逻辑证明题目，模型会在黑板上清晰地展示奇数之和等于平方数的数学推导过程。
SpaceX 获得了在今年晚些时候，以 600 亿美元收购 Cursor 的选择权。根据 SpaceX 在 X 上公布的消息，双方将在 GPU 算力上达成合作。
这不是传统意义上的收购公告，而是一种罕见的商业结构。
马斯克用算力换来了一张对 Cursor 的「优先认购权」，而且把退出成本定得极高——如果 SpaceX 最终选择不行权，则需向 Cursor 支付 100 亿美元，作为双方合作的补偿。
曾经的旧格局是「Cursor = IDE，Claude Code = 终端」，但这个说法在 2026 年 1 月就已经失效。
Claude Code 现在能在 VS Code、JetBrains、桌面应用和浏览器里跑，Cursor 也推出了 CLI 和 Agent 模式——两家已经全面入侵对方的领地。
Tool Gateway 这次带来的变化，就是 Hermes 往“默认就能干更多活”这个方向，认真走了一步。
搜索、出图、语音、浏览器，这四块一接上，很多真实任务都能直接串起来：
查完资料直接整理
打开网页顺手提取信息
生成配图直接接进内容流
文本结果顺手转成语音
2026年4月24日，我新系列模型 DeepSeek-V4 的预览版本正式上线并同步开源。DeepSeek-V4 拥有百万字超长上下文，在 Agent 能力、世界知识和推理性能上均实现国内与开源领域的领先。模型按大小分为两个版本：
Agent 能力大幅提高：相比前代模型，DeepSeek-V4-Pro 的 Agent 能力显著增强。在 Agentic Coding 评测中，V4-Pro 已达到当前开源模型最佳水平，并在其他 Agent 相关评测中同样表现优异。目前 DeepSeek-V4 已成为公司内部员工使用的 Agentic Coding 模型，据评测反馈使用体验优于 Sonnet 4.5，交付质量接近 Opus 4.6 非思考模式，但仍与 Opus 4.6 思考模式存在一定差距。
相比 DeepSeek-V4-Pro，DeepSeek-V4-Flash 在世界知识储备方面稍逊一筹，但展现出了接近的推理能力。而由于模型参数和激活更小，相较之下 V4-Flash 能够提供更加快捷、经济的 API 服务。在 Agent 测评中，DeepSeek-V4-Flash 在简单任务上与 DeepSeek-V4-Pro 旗鼓相当，但在高难度任务上仍有差距。
近期，DeepSeek被首次开启外部融资、人才流失等众多外界声音困扰，此前4月18日，澎湃新闻记者从多位创投圈人士处证实，DeepSeek正在开启其首次外部融资。此前据外媒报道，DeepSeek目标估值超过100亿美元，据外媒援引知情人士透露，DeepSeek已开始与投资人接触，计划融资至少3亿美元以补充资金储备，应对成本日益高昂的AI军备大赛。
4月12日，自动驾驶公司元戎启行对外确认，DeepSeek多模态模型核心贡献者阮翀已加盟公司出任首席科学家，DeepSeek第一代大语言模型（LLM）核心作者王炳宣，近期宣布加盟腾讯；DeepSeek-OCR系列核心作者魏浩然也在今年春节前后离职，但尚未披露正式入职哪家大厂。4月16日，前DeepSeek核心研究员郭达雅被曝加盟字节跳动，去年11月12日，前DeepSeek核心研究员罗福莉官宣加盟小米。在基座大模型（LLM）、智能体（Agent）、文本识别（OCR）、多模态等多方面领域，DeepSeek均有核心人才流失。
4月8日，在最新版本中，DeepSeek输入框上方新增“快速模式”与“专家模式”，网页显示，快速模式适合日常对话，即时响应，支持图片和文件中的文字识别；专家模式擅长复杂问题，这也是DeepSeek在官网页面首次引入分层模式。
就是 PI Agent 这个开源项目。它的设计非常极端、非常简洁。你看 Claude Code 就算问它一个「你好」两个字，可能也会帮你加载 2 万 3 万字的 Token。但当你「造」的工具用多了以后，就会想去用一些更加简单的、更加听话的、可以做很多定制化改造的 Agent。Pi 可以在其他 Agent 都往里面加功能的时候，它往里面减功能。它甚至减到了只需要一个核心大模型，加上读文件、写文件、编辑文件和执行命令 4 个工具，就能帮你完成几乎电脑上所有的工作。
Floatboat 是一款 Agent 工作站，独一无二的好用！FloatIM 是 Floatboat 的网络版。
就像剪映与抖音、CapCut与TikTok。一个是生产工具，一个是消费工具。
或者也可以说，一个是微信电脑版，一个是微信网页/手机版。跟微信一样，扫码就能连上。
你以在 FloatIM 的群里使用别人的 Agent——如果他邀请了你。当然，对于那些标准化的可衡量的服务，你也不需要进群，可以直接使用他人提供的 Agent 服务，进行交易，就像你购买其他的一切现实中的服务那样。你完全不需要安装 Floatboat，就作为一个消费者。
你也可以安装 Floatboat，它是 Agent 的运行环境，换句话说，你可以在电脑里创建无数多个 Agent 的行动空间，运行无数多个 Agent。就像给它们安排一个办公室和所有需要的工具，连上网络进入 FloatIM，就像有了微信和飞书。而它们不吃不喝，只需要有电有网就可以一直在。它们可以替你去做那些你没时间做的事情、重复的事情、麻烦的事情。所以你电脑能做的事情，你的 Agent 都能做到。
GPT-5.5 的关键突破是“智能体能力（Agentic Capability）”。模型不仅能理解用户意图，还能围绕目标进行任务拆解、路径规划、工具调用与结果校验，在不确定环境中持续推进任务直至完成。用户不再需要逐步指令控制，而是可以直接交付复杂、多阶段任务。
这种能力使AI首次具备“执行层角色”，成为可被委托工作的系统，而非仅提供信息或建议的助手。
因为知道 Lovart 一定会在第一时间接入image2模型。正如我所想，第二天 Lovart 就上线了 Image 2，依旧是会员不限量使用30天在 Lovart 中搭载的 image2 模型，一个字“快”，两个字“快”、“稳”
在 DeepSeek V4 发布两天之后，OpenClaw 再次迎来更新，发布了「2026.4.24」版本，完成了对该系列模型的适配接入。更新重点包括：Google Meet 深度集成；DeepSeek V4 全面接入，DeepSeek V4 Flash 为默认首选模型，Pro 版同步上线。更重要的是，官方修复了 DeepSeek 在连续多轮工具调用中的思考逻辑，响应更聪明。语音通话全线打通；浏览器自动化进化等。（机器之心）
据报道，谷歌将以3500亿美元的估值向Anthropic投资100亿美元，未来可能还会追加300亿美元。在人工智能代理Claude Code取得突破性成功之后，Anthropic加大了融资力度。Claude Code能够加快计算机软件的编写过程。未来五年，谷歌云将为Anthropic提供计算能力，这是Anthropic、谷歌和博通公司之间协议扩展的一部分。Anthropic这家初创公司本周早些时候宣布，已从亚马逊获得50亿美元的新一轮融资，估值同样达到3500亿美元，并拥有未来追加200亿美元的选择权。Anthropic在今年2月融资300亿美元，此后投资者一直寻求以8000亿美元或更高的估值支持该公司。
“Hy3 预览版与 DeepSeek-V4 的核心差异在于，后者暂不考虑商业化，专注于突破技术上限；而混元从研发之初就以适配腾讯业务生态为核心，强调与场景的深度绑定。如今 AI 行业已进入下半场，模型能力、生态资源与工程化实力将形成协同效应——毕竟腾讯从来不是一家单纯的模型公司。”该内部人士表示
自高调宣布姚顺雨加盟以来，腾讯便对其展现了超乎寻常的重视：一人身兼“CEO/总裁办公室”首席 AI 科学家、AI Infra 部与大语言模型部负责人两大职务，同时向腾讯总裁刘炽平、技术工程事业群总裁卢山双线汇报。这种人事安排在腾讯发展史上颇为罕见，等于从集团层面确立了大模型的战略核心地位，也向市场传递出腾讯 All in AI 的决心。
alantir的核心业务是开发Gotham、Foundry、Apollo和AIP四个平台，帮助大型机构整合分散的数据源，将人工智能分析嵌入日常运营决策。收入以订阅制为主，具备软件业务典型的低边际成本特征。护城河的宽度不来自单一技术专利，而来自数据集成深度与客户替换成本——当一家政府机构或跨国企业将核心业务流程接入Palantir平台后，迁移意味着重建整个数据工作流，这种粘性在2025财年的数据中得到充分验证：净美元留存率达到139%，客户总数增至954家，同比增长34%，前20大客户平均贡献收入9390万美元，增幅45%，剩余交易价值达到112亿美元，同比增长105%。
V4 Pro 可以理解成旗舰版。它更适合知识任务、复杂推理任务，以及各种 Agent 场景。V4 Flash 则更偏高效率。它的推理资源和使用成本更友好，如果给足 thinking budget，有些推理表现可以接近 Pro。
怎么选，我会这样看：想要能力上限，选 V4 Pro想要性价比和速度，选 V4 Flash做代码 Agent、长上下文任务、复杂推理，先试 V4 Pro做批量处理、轻量任务、成本敏感任务，可以先试 V4 Flash
如果把一次 AI 调用拆开看，成本大致出在三件事上：输入、模型和输出。输入越长，模型越贵，输出越啰嗦，账单通常就越高。后面这些方法，基本也都是围绕这三件事展开的。
1946年至今，「人类最高智商俱乐部」门萨将迎来第一位非人类成员。根据LisanBench最新跑分，GPT-5.5 Pro文本IQ 130踩上门萨会员线，视觉IQ直接飙到145，杀进天才区。一年前「LLM过不了130」还是技术圈共识，今天，这堵墙彻底被砸碎！门萨，全球最古老的高智商社团，1946年成立，入会标准只有一条——智商IQ达到全人类前2%，分数线130。
GPT-5.5告诉我们，未来的学习不再需要你花费三个月去咀嚼一本厚书，AI会通过对长文本的深度语义理解，将其重构为一种「视觉认知流」。这是「语义重组」。当AI的记忆力和上下文处理能力不再「健忘」，它就成了你大脑外的另一层皮质层。你不再是阅读知识，而是在俯瞰知识。
当前有效性比率排行榜中GPT 5.5独占鳌头：GPT 5.5（Medium）：99.44%Opus 4.7 (xhigh): 99.35%Sonnet 4.6 (16k): 99.28%Opus 4.6 (16k): 98.74%Gemini 3.1 Pro预览版（低）：97.77%
在数学上，GPT-5.5表现最佳； 在编程上，GPT-5.5和Opus 4.7各有千秋； 在智能体任务上，Claude和GPT-5.5远胜于其他所有模型。
Claude Code 的学习曲线比大多数人想象的陡。它不是一个聊天机器人，而是一个智能体编程环境——你描述想要什么，Claude 来研究、规划、实现。但前提是，你得学会态度给它正确的上下文、合理的约束、和清晰的任务边界。