6月17日 AI科技日报与行业趋势
一、微软考虑为 Copilot Cowork集成 DeepSeek V4
微软也嫌AI太贵？据传Copilot将引入DeepSeek V4，转为“按量收费”！
微软在 2026 年 3 月推出了强大的企业 AI 智能体 Copilot Cowork。与普通聊天机器人不同，它可以自主跨越 SharePoint、OneDrive 和 Outlook 帮打工人处理复杂的多步骤任务。
但问题来了：原本每月 30 美元左右的包月模式，遭遇了“重度用户”的暴击。有的用户每周运行数百个复杂任务，疯狂消耗算力。据透露，在现有的固定收费标准下，微软在部分用户身上每个月甚至要倒贴 20 到 80 美元。
为此，微软正在全面改革计费模式，计划将 Copilot Cowork 转向基于积分的“按使用量计费（Pay-as-you-go）”，用多少算多少，让真实成本浮出水面。
目前，Copilot Cowork 主要依赖 Anthropic（Claude）和 OpenAI 的顶级模型，这俩都是出了名的“吞金兽”。为了给客户提供更经济的选择，微软将目光投向了来自中国的高性价比开源模型——DeepSeek。
据 Axios 等媒体报道，微软正在评估在自家的 Azure 云平台上托管一个微调版的 DeepSeek V4。
二、智谱王炸开源GLM-5.2，编程能力逼近海外最强
今日（6月17日），智谱正式上线并全面开源新一代旗舰大模型 —— GLM-5.2
? 为什么说 GLM-5.2 是“王炸”？
作为迄今为止能力最强的开源模型，GLM-5.2 这次主攻的是高难度的“长程任务（Agentic Engineering）”，让 AI 不再只会“一问一答”，而是能像真人程序员一样连续工作数小时，自主跑完一个大型工程。
它带来了四大核心突破：
? 超大容量，稳定续航： 支持真正可用的 1M 超长上下文（Solid 1M），这构成了它强大的长程交付能力底座。
? 编程能力开源 SOTA： 在全球百万用户盲测的 CodeArena 以及 FrontierSWE 等权威榜单中，表现直逼目前海外最强的 Claude Opus 4.8，拿下排名最高的开源模型桂冠！
?? 全面适配国产算力： 极致的 Infra 优化，Day 0 即完成与华为昇腾、摩尔线程、寒武纪等国产算力平台的推理适配，实现高吞吐、低延迟的稳定运行。
? MIT 协议，技术无国界： 采用极其宽松的 MIT 开源协议，没有任何地域限制，主打一个技术平权！
? 巨头断供，国产开源迎高光时刻
就在几天前，美国政府以国安为由，紧急限制了 Anthropic 最新最强的 Claude Fable 5 和 Mythos 5 模型。海外闭源前沿模型的不确定性骤然上升，而智谱 GLM-5.2 的火速全量开放与开源，无疑为广大开发者和企业吃下了一颗“定心丸”，也让资本市场为之振奋（智谱港股股价近日累计涨幅已超 35%）。
三、支付宝开启AI版邀测 推出对话助手“阿宝”
支付宝今日开启 AI 版邀测，用户可右滑进入新版界面，在对话框或语音中输入指令，由“阿宝”助手代办事项。以查询公积金为例，阿宝自动匹配对应小程序和服务入口，用户点击确认即可完成，将多步跳转折叠为一句指令。所有涉及资金变动和支付的环节均需用户本人确认。支付宝也承诺，所有涉及资金变动和支付的环节，都会交由用户本人确认。阿宝负责把流程跑通、把窗口摆好，最后那一步“付”或“不付”，永远是用户自己来决定。
针对用户常用的扫码、转账功能，阿宝也预留出了入口。
目前阿宝正在逐步开放，官方送上了首批 100 个邀请码，快来拼手速吧~
四、openai团队详细解CODEX操控电脑的三种方式
OpenAI 团队详细解析了 Codex（及其背后的核心技术 CUA —— 计算机使用智能体）是如何突破系统壁垒，像真人打工人一样自主操控你的电脑的。其核心秘密就藏在这三种相互协作的运行方式（机制）中：
?️ 方式一：视觉感知 (Perception) —— 跨越API，直接“看懂”屏幕
过去 AI 操作软件必须依赖官方提供的 API 接口，而 Codex 采用了更通用、更硬核的方式：直接看屏幕。 它会在后台以固定的频率截取当前电脑桌面的视觉快照（Screenshots），并将这些像素画面直接扔进多模态大模型的上下文中。这意味着，只要是你肉眼能分辨的图形界面（GUI）——无论是 Mac 的系统设置面板、最新的 iOS 模拟器，还是公司内部连 API 都没有的老旧办公软件，Codex 都能看懂并识别其中的图标、文本和输入框。
? 方式二：思维链推理 (Reasoning) —— 像真人一样“动态思考”
看懂了屏幕，接下来该怎么操作？传统的自动化脚本（RPA）遇到一点意外弹窗就会彻底卡死，但 Codex 引入了强大的思维链（Chain of Thought）能力。 它不仅会评估眼前的屏幕状态，还会结合历史操作步骤进行逻辑推理。比如：“我刚刚点击了加载，但现在屏幕上出现了一个报错弹窗，我需要先寻找并点击右上角的‘X’关闭弹窗，然后再尝试刷新。” 这种不断自我纠错的“内心独白”，让它能在复杂的桌面环境中应对各种突发状况。
?️ 方式三：键鼠级行动 (Action) —— 像素级精准微操
思考完毕，最后一步就是“动手”。 Codex 会向操作系统直接发送底层的鼠标移动、点击、滚动、拖拽以及键盘输入等物理指令。它能在屏幕上精准定位一个仅有几个像素宽的按钮并完成点击。同时，OpenAI 团队为其设定了严格的红线：在执行绝大多数任务时它可以全自动狂奔，但一旦遇到极度敏感的操作（如输入密码、资金操作或需要填写 CAPTCHA 验证码时），它会立刻停下来，将控制权交还，主动向“人类主子”请示批准。
? 延伸：开发者视角的“三种落地路径”针对不同的自动化需求，OpenAI 在开发者文档中也明确了使用 Codex 操控工作流的三个最佳实践路径：
内置浏览器模式 (In-app Browser)： 最安全轻量，专门用于测试和检阅开发者本地运行的 Web 网页，不出应用边界。
插件与 MCP 协议： 直接调取 GitHub、Slack 或日历的底层结构化数据，最高效准确，无需进行视觉抓取。
全局电脑接管 (Computer Use)： 终极杀器！当任务必须跨越多个可视化软件时，授权 Codex 在后台接管 Mac 桌面进行跨应用协同。
五、颠覆 GitHub？Cursor 突发重磅王炸：专为 AI 打造的代码托管平台 Origin 诞生！
传统的 Git 架构无法承受大量 AI Agent 同时高并发提交代码，极易导致合并冲突和工作流瘫痪。为此，Cursor 推出了专为 AI 时代设计的底层基建——Origin。
⚙️ Origin 的四大核心优势：
? 自动解决冲突： 专为 Agent 并行工作设计，AI 自动处理代码合并的“烂摊子”。
⚡️ 极致吞吐性能： 底层基于 S3，单仓库可扛住每秒 22.6 次 Commit 的高频读写。
? 强扩展与兼容： 提供高可扩展 API，并无缝支持 MCP（模型上下文协议）。
? 整合 Graphite： 结合刚收购的审查工具 Graphite，打通“AI 写代码 ➡️ 提 PR ➡️ 自动 Review 与合并”的全自动流水线。
六、小米正式发布 MiMo Claw 正式版
今日，小米正式发布全云端托管的 AI 助手 MiMo Claw 正式版，
其配置如下：
搭载旗舰模型： 内置小米最新 MiMo-V2.5-Pro 模型，支持 1M（一百万）超长上下文，可处理多步骤的复杂长链路任务。
打通 WPS 生态： 深度联动金山办公，全面支持 Word、Excel、PPT、PDF 格式，实现“生成-预览-编辑”的一站式闭环。
全云端后台运行： 采用免部署的云端托管模式，支持后台任务续跑与自主纠错，关机离线状态下仍可执行任务。
免费额度与订阅资费：
免费版： 每日单次免费体验时长提升至 4 小时，开放所有核心功能。
专业版（TokenPlan）： 上线分层订阅服务，当前首月特惠 14.9 元（年费 233.8 元）。
小米给人的感觉是，啥行业，只要是火的都要横插一脚，弄一个性能不高的低价版。在工业产品这可能行得通，毕竟中国是工业克苏鲁，有无数好的工厂上赶着给小米贴牌。但是AI本身就存在着一定的门槛，使用的人群也更多的是兼顾性能和价格，小米一味的推出一些竞争力并不强的AI产品，这些可以说它是积极推行转型，又可以说上一句何意味。
七、成本砍半，字节跳动推出 Seedance 2.0 Mini 视频生成模型
字节跳动（火山引擎）今日正式放出大招，推出主打极致性价比的视频生成模型 —— Seedance 2.0 Mini，直接将单秒生成成本“腰斩”！
? 成本与速度的“双重暴击”
过去，高质量 AI 视频高昂的推理成本和漫长的等待时间，常常让企业级的批量应用望而却步。Seedance 2.0 Mini 的核心使命，就是让大家“敢放开手脚用”：
? 价格直降 50%： 相比 2.0 标准版，Mini 版的生成成本大幅下降，单秒视频最低可探至 0.16 元左右，甚至低于此前广泛使用的 Fast 版本。
⚡️ 渲染提速 5 倍： 告别动辄数分钟的等待，现在通常 30-60 秒即可出片，完美适配“先出草图看动态，再定稿精修”的真实工业流。
