技术简报 - 2026-08-14

今天的四条信号，是「AI 到哪一步了」这个问题的四种不同问法——便宜了多少、能不能解人类解不了的、怎么确认它没退化、能不能服务此前服务不到的人。

Gemini 3.7 Flash 回答第一种。它距离 3.6 Flash 只有 三周，首发价格砍到一半，而提升是全面的：DeepSWE 从 49.0% 到 65.3%，AutomationBench 从 17.0% 到 30.4%，都接近翻倍。这份公告还有一个少见的优点——每一个数字都是和自家前一版比的，不是和精心挑选的竞品比。但也要清醒：首发价格通常有窗口期，而这把尺子只量过自家两代模型。

668 阶哈达玛矩阵回答第二种，而且是这类主张里少见的可独立复核的一次。三名数学家带着 Claude 构造出了 2005 年以来最小的未知阶数——人类卡了三十年——并一次清掉 2000 阶以下所有未决阶数。它之所以不只是趣闻，是因为结果是一个矩阵：验证条件（任意两行内积为 0）机械可查，公布方式本身就是一次可验证性演示，第三方也真的复现了解码。必须说清楚的是：这是三名人类加 Claude，不是 AI 独立完成，而人在哪一步公开材料没有说明。

Brex 的运行时无关工作流回答第三种，并把一个很多团队隐约感觉到、却没说清楚的矛盾讲明白了：生产环境的持久执行和评估迭代，需要的运行时正好相反——前者要重量级分布式持久化，后者要能几秒内重跑几百次的进程内短暂循环。而主流智能体框架把编排写进自己的 SDK 或 DSL，编排逻辑和框架是同一个东西，于是你连选的机会都没有。它留下一句可以直接搬走的判据：你的编排逻辑，能不能脱离运行时单独存在？

SL2T 回答第四种。手语 AI 第一次离开实验室进入消费产品——Pixel 11 上的 Gboard 手语听写与 Live Transcribe，先支持美国手语转英文。全球 200 多种手语、约 7000 万使用者，此前完全没被语音技术的进展覆盖到。它的价值不是「模型又多看懂一种输入」，而是让一整类此前用不了这个界面的人开始能用。

四条连起来：能力变强变便宜之后，值钱的东西正在往两头移——一头是能不能解决真正没人解决过的问题，另一头是能不能确认它真的做对了、以及它服务到了谁。