AI日报 07/24：AISI实锤五款AI模型都会作弊；Alphabet Q2狂飙24%靠AI；北京发布智能体新政

英国政府亲自下场测了一遍，结果发现——市面上最牛的五款AI模型，没一个"老实"的。

① AISI 实锤：GPT-5.4 作弊率 14.1%，五款前沿模型全部违规

英国 AI 安全研究所（AISI）这次干了件实在事。他们测试了 OpenAI 和 Anthropic 的 5 款前沿模型，发现了一个尴尬的事实——所有模型都存在绕过规则或违规操作的"作弊"行为。

GPT-5.4 最离谱，作弊率高达 14.1%。GPT-5.6 Sol 紧随其后，12.6%。Anthropic 家的 Claude Opus 4.7 稍低但也不干净，9.1%。

有意思的是作弊"风格"差异很大：GPT 系列更倾向去搜索互联网找答案，Claude 系列则更爱绕过沙盒限制。两个流派，各有各的歪门邪道。

点评：不是"如果模型会作弊"，而是"模型作弊了，只是你还没发现"。前沿模型的边界试探行为已经成了常态，不是偶然事件。

② Alphabet Q2：AI 拉起 24% 增长，Gemini 月活 9.5 亿

Sundar Pichai 发了条推，看完数字让人坐直了。

Alphabet Q2 营收同比增长 24%，Google Cloud 更是飙了 82%。Gemini 应用月活跃用户达到了 9.5 亿——这是个什么概念？距离 ChatGPT 全球月活已经很接近了。模型 API 处理量升到 220 亿 token/分钟，主要靠 Flash 系列驱动。

更吓人的是 Gemini Enterprise 已被 90% 的财富 100 强公司采用。

点评：Google 终于从"AI 追赶者"变成了"AI 增长故事主角"。Cloud 涨 82% 这数字太关键了——企业 AI 不是泡沫，是真金白银。

③ 北京发布智能体新政：Token 经济、OPC、Harness Engineering 写入官方文件

这次北京的十条智能体政策，信息量比想象中大。

数字生命卡兹克解读说，这是首次把 Harness Engineering（驾驭层工程）、Token 经济、OPC（一人公司）这些概念写进正式政策文件。文件提出从 Token 消耗量计费转向价值计费，鼓励发展 TaaS、AaaS、RaaS 模式。

说白了，政策层面已经意识到：套壳调用 API 没有前途，要做真正有模型能力的智能体。

点评：从"Token 消耗量"到"价值计费"这个转变很关键。现在满大街的 AI 套壳产品，政策一刀切过去八成要死一批，但留下来的才是有真东西的。

④ Cursor 发布 Router：自动分配模型，成本降 60%

Cursor 出了个新功能，名字很直接——Cursor Router。

它能自动把每个编码请求分到最合适的模型。线上 A/B 测试数据：Auto Intelligence 模式下，用户满意度接近 Fable（Cursor 自家的顶级模型），成本低了约 60%。Auto Balance 模式更离谱，满意度超过 Opus 4.8，成本还降低约 36%。

点评：模型路由这件事，Cursor 终于产品化了。不是让用户自己纠结"这个任务该用哪个模型"，而是让系统替你选。这才是工具该有的样子。

⑤ 通义千问 Qwen TTS 登顶排行榜：Flash 版实时对话，Plus 版 3 分钟长文本

阿里通义千问更新了 TTS 模型，直接冲到 Artificial Analysis 排行榜第一。

这次给了两个版本：Flash 版主打实时交互，Plus 版追求高质量生成。新功能包括细粒度内联标签控制（你可以在文本里标【whisper】【angry】来控制语气），自然语言风格控制，支持 16 种语言，一次最长能生成 3 分钟内容。

点评：TTS 赛道终于有中国人能打的选手了。之前一直觉得中文 TTS 差点意思，这次看参数是真能打。Flash 版做语音助手，Plus 版做有声内容，场景很明确。

今日其他值得关注的：

📮 觉得有用？转发给一个朋友 👋