Skip to main content

AI Daily Digest: OpenAI 宣布 ChatGPT 转型 Agent 超级应用、Perplexity Search as Code、DeepSeek 登顶美国企业趋势榜 - 2026/06/07

· 8 min read
Yi Wang
Yi Wang
Full Stack & AI Engineer

今天的 AI 领域被 OpenAI 的一句 "Chat is dead" 震动——ChatGPT 将进行自 2022 年发布以来最大规模的重构，从聊天机器人转型为整合编码、Agent 和第三方集成的**"超级应用"**。与此同时，Perplexity 推出 "Search as Code" 架构，让 AI 模型自行编写搜索管线，成本降低 85%；DeepSeek 登顶 Ramp 美国企业 AI 软件趋势榜，中国企业 AI 模型加速渗透美国市场；学术界的 MLEvolve、Code2LoRA、RREDCoT 等论文展示了 AI 自进化、代码知识注入和推理训练的新突破。Hacker News 上关于 LLM 对软件工程职业影响的讨论获得 655 分，反映了技术社区的深层焦虑。

OpenAI："Chat is dead"，ChatGPT 转型 Agent 超级应用​

OpenAI 首席产品官 Thibault Sottiaux 在接受 Financial Times 采访时明确表示 "Chat is dead"。这不仅仅是一句口号，而是 OpenAI 产品战略的全面转向。

核心变化​

  • ChatGPT 重构：自 2022 年发布以来最大规模的产品重构，从"回答问题的聊天机器人"转向"自主处理任务的 Agent"
  • 超级应用定位：整合编码工具（Codex）、AI Agent 和与 Canva、Booking 等公司的合作伙伴集成
  • 团队合并：ChatGPT、Codex 等产品团队已全部合并至 Sottiaux 麾下
  • UI 改版：未来几周将重新设计 Web 和移动端界面，引导用户使用编码、图像生成和合作应用

长期愿景​

Sottiaux 描述的终极目标是："你将拥有一个个人 Agent，能够在个人生活和工作中帮助你处理一切事务。" 随着时间推移，模型将学会自主判断用户需求，不再需要显式引导。

这一转型标志着 AI 产品从 "工具"（Tool）到"代理"（Agent） 的根本范式转变，对整个行业具有深远影响。

来源：Financial Times（2026-06-07）

Perplexity "Search as Code"：AI 自写搜索管线​

Perplexity 推出了突破性的 "Search as Code" 架构，彻底改变了 AI Agent 使用搜索的方式。

技术创新​

传统做法是为 AI Agent 提供固定的搜索 API，Agent 只能调用预定义的搜索接口。Perplexity 的新方案让 AI 模型在沙箱中自行编写 Python 搜索程序：

  • 自主过滤和去重：Agent 自己决定如何处理搜索结果
  • 灵活查询构建：不再受限于固定 API 的查询格式
  • 沙箱安全：在隔离环境中执行，防止安全风险

性能表现​

在关键基准测试上超越 OpenAI 和 Anthropic 的方案，同时将 token 成本降低高达 85%。这表明在 AI Agent 架构中，给模型更多自主权（而非更多约束）可能带来更好的性能和效率。

来源：The Decoder（2026-06-07）

ChatGPT Lockdown Mode：对抗提示注入​

OpenAI 为 ChatGPT 推出 Lockdown Mode，用户可以禁用 Web 访问、Deep Research 和 Agent Mode。

工作原理​

Lockdown Mode 的设计思路是阻断提示注入攻击的数据泄露链——即使攻击者成功注入了恶意指令，没有网络访问和工具调用能力，也无法将窃取的数据发送出去。

局限性​

需要注意的是，该模式不能完全防止提示注入，仅阻断泄露链的最终环节。提示注入（Prompt Injection）仍是 AI 安全领域未解决的难题。Lockdown Mode 本质上是一种"纵深防御"策略——增加攻击者成功泄露数据的难度，而非从根本上解决漏洞。

来源：The Decoder（2026-06-07）

DeepSeek 登顶美国企业 AI 趋势榜​

据企业支出管理平台 Ramp 数据，DeepSeek 在 2026 年 6 月成为美国企业使用增长最快的 AI 软件服务商。这是一个标志性事件——中国 AI 模型开始以付费服务的形式直接服务美国企业客户。

关键数据​

  • 美国公司直接向 DeepSeek 发送数据处理
  • 成本意识是采用的主要驱动力
  • Ramp 首席经济学家 Ara Kharazian 警告使用中国模型存在安全风险

行业影响​

这一趋势凸显了 AI 市场的成本敏感性与安全顾虑之间的张力。企业希望在降低 AI 使用成本的同时，也面临数据跨境传输和地缘政治风险。DeepSeek 的成功表明，在当前 AI 基础设施成本高企的环境下，价格优势可以驱动快速采用。

来源：The Decoder（2026-06-07）

Anthropic 挖角 OpenAI 芯片工程师​

Anthropic 招募了 OpenAI 的第二位芯片工程师，两家公司均在竞相推进 IPO。这一动向表明：

  • AI 公司的竞争已从软件人才扩展到硬件基础设施人才
  • AI 芯片自主设计能力正成为战略重点
  • 定制芯片可能成为下一代 AI 模型训练和推理效率的关键差异化因素

来源：The Decoder（2026-06-07）

学术前沿​

MLEvolve：LLM 自进化框架实现 ML 算法自动发现​

MLEvolve（Du 等）提出基于 LLM 的自进化多 Agent 框架，用于端到端机器学习算法发现。核心创新包括：

  • Progressive MCGS：扩展树搜索实现跨分支信息流动，渐进式从探索转向利用
  • Retrospective Memory：结合领域知识库和动态全局记忆，实现经验检索和复用
  • 解耦架构：策略规划与代码生成分离，支持自适应编码模式

在 MLE-Bench 上 12 小时预算内（标准时间的一半）达到 SOTA，在数学算法优化上超越 AlphaEvolve。

Code2LoRA：超网络为零开销代码知识注入​

Code2LoRA（Hotsko 等）提出超网络框架，为代码语言模型生成仓库特定的 LoRA 适配器。两种模式：

  • Code2LoRA-Static：将仓库快照转换为适配器，适合稳定代码库
  • Code2LoRA-Evo：基于 GRU 隐藏状态按代码 diff 更新适配器，适合活跃开发的演进代码库

静态模式在 604 个 Python 仓库基准上达到 63.8% 跨仓库精确匹配，匹配每仓库 LoRA 上限。

RREDCoT：推理模型的分段奖励重分配​

RREDCoT（Ielanskyi 等）解决了 GRPO 训练推理模型的核心问题——延迟奖励的高方差。通过利用模型自身近似最优奖励重分配，无需额外生成，实现 CoT 轨迹的精细信用分配。

LLM 规模效应机制揭示​

新研究使用从 400 万到 40 亿参数的模型，揭示了小模型在罕见任务上失败的机制——频繁任务的训练信号不断覆盖已学到的罕见任务知识。实用发现：增加目标任务在训练数据中的出现频率，效果可能等同于增大模型规模。

来源：arXiv（2026-06-04）

Hacker News AI 热点​

"LLMs are eroding my software engineering career"（655 分）​

一篇关于 LLM 对软件工程师职业生涯影响的个人反思在 HN 引起巨大共鸣。作者描述了 AI 工具如何逐渐改变其工作内容和职业前景。655 分的高关注度反映了技术社区对 AI 替代效应的深层焦虑和真实讨论。

"Anthropic, please ship Claude Desktop for Linux"（327 分）​

开源社区呼吁 Anthropic 发布 Linux 版 Claude Desktop 的 GitHub issue 获得大量支持。反映了 Linux 用户在 AI 工具生态中仍被忽视的现状。

Tokenomics：Agentic 软件工程中的 Token 使用量化（155 分）​

来自 arXiv 的 Tokenomics 论文量化分析了 Agent 软件工程中 token 的使用分布，为理解和优化 AI 编程成本提供了数据驱动的视角。

Speculative KV Coding：无损压缩 KV 缓存 4 倍（127 分）​

通过投机编码技术实现 KV 缓存的无损压缩，最高可达约 4 倍。这对长上下文推理的效率优化具有重要意义。

知识库更新​

本次更新涉及以下文档：

  • AI Agents / Frontier Trends (docs/ai/agents/10-frontier.mdx): 添加 OpenAI ChatGPT Agent 转型、Perplexity Search as Code、ChatGPT Lockdown Mode、DeepSeek 企业趋势、Anthropic 芯片人才争夺、MLEvolve 自进化框架、Code2LoRA 仓库适配器、RREDCoT 奖励重分配、LLM 规模效应机制研究、关键趋势 #56-#62

本消化报告由 AiDIY 知识库自动生成，覆盖 2026 年 6 月 7 日的主要 AI 动态。如需查阅历史更新，请访问 AiDIY 博客存档。