眼下的竞争和未来的焦点。
文丨实习生裴雨桐
访谈丨程曼祺
2026 年第二季度的 AI 季报，我们继续邀请 MoE Capital 的创始合伙人 Henry Yin 和我们分享 AI 行业在这个季度的最新观察。MoE Capital 是一家硅谷早期 AI 投资机构，从硅谷 AI 研究员网络中捕捉技术发展趋势。
本次季报主要沿着两条脉络来看 AI 的进展：第一条脉络是推进智能前沿：
- OpenAI 和 Anthropic 间的竞争：上季度季报预言的 Codex “反扑”，本季发展如何？
- RSI（Recursive Self-Improvement，递归自进化）：延续上季季报的 AutoResearch/自进化的讨论，RSI 在 Q2 大热，Anthropic 专门写了 RSI 长文《When AI builds itself》，更多新创业公司正在涌现。7 月的第一周内，我们就了解到数个在这一方向创业的新团队，有些已经官宣，更多还在水下。
- Robotics 和物理 AI：不仅 Sam Altman 在 5 月底官宣了 OpenAI Robotics 团队，行业传言， Anthropic 也在考虑这个方向。
第二条脉络是智能的扩散：
- 更多企业客户想要自己的模型——这成为 Fireworks、Applied Compute 等美国科技公司和智谱 GLM 等中国开源模型的共同机会。
- 交互创新：OpenAI 带来了 Record and Replay，Claude 终于接入 Slack 群协作（Claude Tag）；Thinking Machines Lab 带来创新的流式语音模型 Interaction Model。
最后，我们补充聊了 Google、Meta、xAI 的近况，还有很久没上头条的 Midjourney，它居然做起了超声波医学影像设备。创始人 Holz 聊起新业务时说：“我们甚至还没用到 AI”。
以下是播客的文字整理，有部分精简。
Q2 总览与上季度回顾：OpenAI 的反扑已经发生，Token 消耗大战快速平息
晚点：欢迎收听晚点聊 2026 年 Q2 的 AI 季报，这次我们继续请到 Henry（MoE Capital 创始合伙人）来聊这个季度他的观察和进展。上个季度的话题有哪些延续到了这个季度，哪些发生了变化？
Henry：上个季度我们有几个方向性的判断，这个季度都变得更清晰了。
第一，OpenAI 在 coding 上的反扑基本已被验证：上季度我们说 Anthropic 最大的风险是 OpenAI 如果重新聚焦，战斗力会非常强；这个季度可以看到 Codex 的势头明显起来了，很多开发者从 Claude Code 转向 Codex，尤其是在 Anthropic 自己出现限流、价格调整、口碑波动之后，OpenAI 抓住了这个窗口期。
第二，上季度聊过 Andrej Karpathy 提的 auto research 项目，这个季度它从比较前沿科幻的概念变成了一个比较明确的研究和创业方向。
第三，computer use 也往前走了一步。上季度说 computer use 值得期待，因为它本质上是数字世界里的机器人；这个季度 OpenAI 出了一个基于 computer use 能力的新 feature，后面可以展开聊。
最后是开源，上季度最火的话题，当时说它是一个灯塔效应：自己可能不是终点，但会带来一种水平方向的扩散。这个季度它自己的热度降下来了，但很多前沿想法已经被 Codex 和 Claude Code 吸收进产品功能里了。
晚点：你会用什么脉络和框架来看 Q2 的进展？
Henry：第一部分是如何继续推进前沿智能；第二部分是如何把已有的智能加速在社会里扩散。
第一条线里最重要的能力有两个：一个是 coding，另一个是长程的 agency 能力。Coding 现在已经不只是一个应用场景，它既是当下最重要的收入来源，也是未来很多前沿突破的基础能力；长程 agency 能力则决定了 AI 能不能持续完成更长、更复杂的任务。这两种能力组合起来，才能真正实现 auto research 乃至未来的 RSI。这块最重要的进展来自 OpenAI、Anthropic，以及一些新公司比如 Recursive、Mirendil、Core Automation，都在往这个方向探索：他们做的都是自动化研究，或者说 RSI 方向。
第二条线是前沿智能的扩散：frontier lab 创造出的新能力，会通过产品、API、开源模型、企业 workflow，以及 UI/UX 乃至硬件，一层层扩散到社会里。这个季度可以看到 frontier lab 在想各种方法加速这个扩散过程：一方面是让 AI 更深入企业，企业会开始考虑该用什么样的模型——是继续用 OpenAI、Anthropic 的模型，还是用开源模型，或者自己的模型；另一方面是如何让 AI 更自然地进入人的工作和生活，这会带来很多 UI/UX 和产品形态上的创新，比如 Claude 有 Claude Tag，OpenAI 有 Record and Replay，这些都是 Q2 智能扩散的新进展。
所以接下来是两件事同时发生：一是如何在前沿把智能继续往上推，这会决定 AI 能力的天花板；二是如何把已有的智能往整个社会扩散，这会决定 AI 真正改变世界的速度。
智能前沿
Anthropic vs OpenAI：模型、coding agent、组织
晚点：我们就从第一条线——推进前沿智能开始。第一个话题延续上季度，也就是 OpenAI 和 Anthropic 这两大 frontier lab 之间的竞争。我们可以先从这个季度的新模型说起，因为这仍然是后续一切竞争的原点，刚好第二季度两家都有重磅发布。
Henry：这一季度真的非常 exciting。首先，Anthropic 发布了吊了大家胃口很久的 Mythos 5。这之后，Fable 5 也跟着上线，他们的基模是一样的，主要区别在于：Mythos 5 面向可信任客户，没有加安全护栏；Fable 5 面向所有人，加上了安全护栏。能力非常惊艳，比如在 SWE-bench Pro 上是 80.3%，相比上一代顶尖模型 Opus 4.8 的 69.2%，提升了大概 11 分；在 Terminal-Bench 上也做到了 88 分。
但整体的发布可以说是 “实施级能力，灾难级发布” 的反面教材，有几个问题反馈比较凶。一是过度封锁：因为加了安全护栏，遇到它觉得不合适的问题会拒绝回答，有时还会退回到 Opus 4.8。官方说大概在小于 5% 的任务上会回退，但网友实际使用发现问题不少，比如聊癌症会被当成生物安全问题拒答，问心脏方面的问题也会被拒绝，这个安全护栏有点过于神经质。
第二个问题可能更严重，虽然很快被修复了：他们在系统卡里提到，当任务涉及前沿 LLM 或 ML/AI 研究时，可能会在不告知用户的情况下静默降智，通过改写 prompt 或 steering vector 静默地把能力降下来。这如果算 misalignment 的话，几乎是定义级别的错误，所以被大量 AI 研究员吐槽。
晚点：misalignment 翻译成中文是什么？
Henry：非对齐。对齐的一个基础假设是，当人让 AI 完成一个任务时，AI 会忠实地尽自己所能去完成。而这恰恰是 Fable 的问题：在不告知的情况下，不尽力完成任务。
晚点：这件事第一时间在 X 上引起了很多人讨论、吐槽。
Henry：对，因为 Anthropic 一直以做最 align 的模型的 frontier lab 著称，这也是他们自豪的点，不过他们几个小时后就做了修正。现在如果拒绝回答，会主动告诉你 “我在降智到 Opus 4.8”。
OpenAI 这边，刚发布的 GPT-5.6 没有 report SWE-bench 分数，但 report 了 Terminal-Bench：达到 91.9%，是历史上第一个超过 90% 的模型。
晚点：SWE-bench 是一个偏 coding 的 benchmark，OpenAI 在 Terminal-Bench 第一次上 90 意味着什么？
Henry：Terminal-Bench 测的是在终端里完成一些多步骤、需要用工具的任务，可以认为它测的是偏长程的 agency 能力。
晚点：偏长程，意思是还没有那么长程？
Henry：对，它还没达到比如几个小时甚至超过一天这种任务的长度，但至少是多步的了。
晚点：GPT-5.6 在 Agents' Last Exam 这个 benchmark 上表现也比较惊艳，是目前所有模型里第一个超过 50% 的。
Henry：对，这也是一个比较不错的分数。除了这两个 benchmark，他们还 report 在生物和网络安全上能够匹敌 Mythos Preview 的成果。
晚点：为什么这次没有公布 SWE-bench Pro 上的分数？这在以往模型发布中是惯常操作。
Henry：OpenAI 今年 2 月发过一篇文章，说 SWE-bench Verified 已经不是一个很好的衡量 coding 能力的 benchmark 了，因为它已经被持续污染，他们会推荐 SWE-bench Pro。但这次为什么没公布这个分数，外界也不清楚具体情况。
晚点：现在 GPT-5.6 和 Fable 类似，都是限量使用，它开了一个可信名单，只有这些人能用最先进的模型。所以今天也有很多人在讨论，美国政府的这种监管以后是不是会变得常态化。
Henry：补充一下，这两个模型发布后一个很大的变化是，现在不是所有人都能用最前沿的模型了。Fable 发布三天后，美国政府就下了禁令，不允许 Anthropic 给外国人提供 Fable；因为 Anthropic 无法判断用户是否是外国人，所以直接把 Fable 全球下线了。我们现在录节目的时候，它刚刚限量重新上线了 Fable。GPT-5.6 发布时也一样，美国政府要求只能对美国政府批准的实体开放这个能力，所以目前大概只有 20 家像英伟达、亚马逊这样的客户能 access GPT-5.6 。
晚点：总结来说，第二季度的新模型上，一边是 Fable，一边是 GPT-5.6，你觉得两家的对比怎么样？
Henry：如果看 benchmark，我觉得各有千秋。但实际使用体验上，GPT-5.6 刚发布，还没有太多用户能够使用；Fable 发布了三天，总体反馈不多；Fable 我们可以看到网上有一些 demo，比如能够 one-shot 《我的世界》，或者《红色警戒》这种级别的游戏，能力上应该是比之前有一个大版本的跃进。
晚点：接下来进入更产品化和商业层面的竞争，也就是两家公司在 coding 相关产品，以及通用 agent 产品上的竞争。上季度我们聊到 Anthropic 的隐忧——OpenAI 的 coding agent Codex 可能会反扑，你也提到这件事这个季度已经有苗头了，能感觉到周围很多人在迁移。可以讲讲你感受到的迁移状态，一些事实、背后原因，以及宏观上势头反转的情况吗？
Henry：先说我身边的感受，我觉得最大一波迁移潮可能是 Claude 4.7 的时候。4.7 是一个明显大家不太喜欢的模型（4.8 口碑有回升），4.7 当时主要目的是降本，但因为不满意它的表现，有大量用户从 Claude Code 迁移到了 Codex。
另外，Anthropic 五月份在定价上有变化，不想再让第三方 harness 按 subscription 的价格用 token，而是要按 API 价格算，这一波又流失很多用户。OpenAI 很好地抓住了这个机会：Sam 在 X 上说，最近 30 天内愿意从 Claude Code 迁移到 Codex 的企业用户，送两个月免费，这又拿了一波客户。所以宏观上看，Codex 的 usage 大幅上升；当然 Anthropic 最近几个月的 revenue 增长也还是非常猛，并且好像在 Q2 出现了首度盈利。
晚点：华尔街日报、路透等媒体都有报道说 Anthropic 出现了盈利，这不是公司官方放出来的，但都是比较权威的财经媒体，应该相对靠谱——大概是说它二季度有 5.6 亿美元的营业利润。
Henry：还有一个非官方的营收数据，Anthropic 五月早期的时候预期年收入大概 470 亿美元，到五月底增长到 540 亿美元，到六月中增长到 620 亿美元，增速非常猛。对比一下 OpenAI，六月中的时候大概是 400 亿美元。
晚点：六月中 Anthropic 和 OpenAI 是 620 亿对 400 亿，有 1.5 倍的差距。这个差距如果比第一季度，应该是拉大了——不过结合前面说的价格战来看，用量上的差距也许没有这么大，因为 OpenAI 送了很多免费的东西，价格战比较激进，因为它是相对落后的一方，所以可能有一些用户增长没反映到收入上。
Henry：因为现在 CodeX 很多人 20 美元每月就能用饱，但 Anthropic 可能至少是 100 或 200 美元。
晚点：相当于相同的用量，就差了 5 到 10 倍的收入，OpenAI 在争夺份额上还是挺激进、挺狠的。你自己投的一些公司，他们有让员工去用 Codex 这种现象吗，比如之前用 Claude Code，现在两个都用？
Henry：用 Devin、Claude Code、Codex 的都有。用 Devin 是因为 Devin 和 Slack 的合作做得不错。Devin 是最先推出 AI coder/AI software engineer 和 Slack 合作的，当然现在这已经是所有人都有的功能了，不算一个非常新的东西，只是它体量比较大。
晚点：这两家公司的竞争还有一点，虽然这季度还没发生，但正在进行中，就是 IPO 的竞争。目前看应该是 Anthropic 更快，递文件的时间更早。你觉得谁先上市，对两家公司影响大吗？
Henry：我觉得影响不会很大，因为时间差不了太多。
晚点：你觉得 OpenAI 如此激进地打价格战，会怎么影响它的 IPO？因为这很可能会在财务上反映成，比如毛利相比 Anthropic 会有差距，收入体量现在也已经有比较大的差距了。
Henry：我觉得他们可能还是相信现在用户和数据很重要，如果能通过这种手段把更多用户拉回来，收集更多数据，对他们模型进一步提升和赶超应该是有帮助的。
晚点：其实我还是觉得他们的做法挺有魄力的：一方面在准备登陆二级市场，另一方面从长远考虑还是采用了比较激进的竞争手段，没有因为要上市就想让财务数字更好看。
关于这两家的竞争，还有一个相关的第三方，就是 Cursor 退场。上季度我们聊到 Cursor 处境比较危险：在 Claude Code 和 Codex 的压力下，到了第二季度它已经不再是一家独立公司了，被合并了 xAI 之后的新主体以 600 亿美元收购了。这在行业里引起的联动和变化是什么？
Henry：首先 Cursor，包括所有做 coding 的公司，短期和长期要分开看：短期这些公司的营收增长都非常强劲，但长期在 Claude Code 和 Codex 的双重打压下，公司的前景在哪里，我觉得 Cursor 可能主要就是在这方面遇到问题。
收购价格我觉得其实是一个非常好的退出——600 亿美金，应该是历史上最大的创业公司被收购的价格。如果和它的竞争对手 Windsurf 仅二十多亿美金被 Google DeepMind 收购相比，有接近 30 倍的差价。如果大家用过 Windsurf 就知道，它被收购之前用户体验几乎和 Cursor 完全一样，所以我觉得 Cursor 以行业第一的价格被收购，是非常好的退出结果。
晚点：它刚好赶在一个很好的时间点：xAI 自己出了比较大的波动和问题，他们有需求要收这样一个团队；同时 SpaceX 刚上市，需要去做一些更完整的布局，或者讲一些故事，也有这个需求，刚好卡在这个点上。
Henry：准确地击中了马斯克的需求。他从去年年底开始非常看重 coding 这块，给了 xAI 内部团队很大压力去做 coding，也导致 xAI 团队重要的人都离职了，所以他现在非常急需收一支团队，把 coding 这个故事接着讲下去。
晚点：你觉得还有什么买家接下来可能会需要这一类公司？Google 有可能做类似的动作吗？
Henry：我觉得 Google 这个季度战略上在给它之前的传统强项多模态 “降级”，给 coding 继续 “升级”。不过它之前已经收购了 Windsurf 团队，所以我不知道它是不是还会继续通过收购团队的方式来补。
晚点：Meta 呢？
Henry：虽然 Meta 裁了很多人，但他们的 TBD 已经招了很多很好的 researcher，大概会用自己的团队去追这件事。
晚点：总结一下这两家公司的竞争，你觉得他们现在核心比拼的是什么？
Henry：模型能力上两家现在旗鼓相当（当然还要看 5.6 真实使用起来的反馈），他们在产品、变现，以及整个生态系统上面，应该是一个系统化的竞争。
晚点：你觉得 “模型即产品” 在多大程度上成立？
Henry：我觉得 “模型即产品” 在这两家的竞争中不完全成立。我在和很多 OpenAI 研究员聊的时候，他们会认为他们的模型做得很好，和 Anthropic 是同一个 level 的，但在产品和推向市场方面是一团糟。所以这两个不完全画等号。至少有一些 OpenAI 研究员的观点是，他们收入各方面做得没有 Anthropic 好，是产品和 go-to-market 的问题。
晚点：这个想法挺有意思的。因为一般来说大家的印象是：Anthropic 是一个更精简的团队，更 focus 在少数方向上，给人的印象是研究做得更多；而 OpenAI 已经有七千多人，职能相对更齐全，包括最近也招了很多 FDE（前项部署工程师），也在做 to B。但反而他们内部研究人员认为自己的产品和 go-to-market 做得不够好，你觉得这个评价客观吗？
Henry：我们可以看到 OpenAI 在这方面的管理层也经常在换，不是非常稳定。当然 OpenAI 是个很大的公司，但我这也不止听一个 OpenAI 研究员有这方面的看法。我觉得 Q1 或者说早期确实是这样的——如果你在 X 上看，Claude Code 的声量会比 Codex 大很多，在产品宣传、社区构建上要比 Codex 好很多。Claude Code 在 X 上有几个大的 influencer，新功能发布时能以更快速度触达用户。
晚点：你提到其中一个点是产品和走向市场的能力，那如果更完整地说，这个系统里还包括什么？
Henry：我觉得有一个点是 Anthropic 的人才 retention 一直做得很好。从 Anthropic 离职的人的数量，应该远小于其他 frontier lab。有人说是因为 Anthropic 现在已经有点 “邪教化”，洗脑非常成功；有人说是因为他们的 option 太贵了，走了以后付不起钱买那个 option。但我觉得 “人” 其实是一个很重要的因素。
晚点：你说它是一个有点宗教化的组织，因为这个组织的愿景比较独特和强烈，所以最开始吸引来的人就比较信这套理念，所以走的人比较少吗？
Henry：对，我觉得它的愿景是非常强烈的，另外还有个小道消息，就是面试的时候价值观筛选是非常严格的。
晚点：历史上有什么类似的公司吗？
Henry：我觉得还真不多，他们是非常认真地看待自己做的这件事，所以也会去和教皇合作，发表一些 “宗教怎么和 AI 结合” 相关的内容，他们是真的在思考未来这个 AI 世界应该怎么构建。
晚点：现在有一些人由于 Anthropic 出现一些 “反人设” 的行为，类似你刚才提到的静默降智，对这家公司有很多非议和争议，不太相信它宣称的一些理念，比如做非常安全的 AI、把对齐视为非常高的优先级。你还是觉得他们确实是在践行这些东西的吗？
Henry：硅谷这边对 Anthropic 在对齐上的投入应该还是比较认可的，不能代表所有人。我聊到的一些 OpenAI 研究员也认为 Claude 在对齐上做得比 OpenAI 更强。
晚点：这个东西如果反映在体验上，是不是也会带来更好的体验？大家用的时候能感觉出这个区别吗？
Henry：这里可以举一个例子，OpenAI 最近发了一个研究，说人其实并不太喜欢听到真实的反馈，如果模型的 “谄媚程度” 上升，人反而会更喜欢。所以如果往这个方向去优化，会增加模型的谄媚程度。
我想大家如果同时用过 Claude 和 ChatGPT，会感觉到 ChatGPT 更会提供情绪价值，而 Claude 有时候会给你 “当头一棒”，更说实话一些。这可能也是在 training 目标和对齐目标上，两个公司有一些不一样的价值观。
精彩评论