AI DAILY / 2026-06-20

06·20 - AI 午报：Jumper 入 Anthropic、Fable 遭出口管制、GLM 5.2 编程榜首

今天的主线是头部实验室的人才重组与监管博弈：AlphaFold 之父 John Jumper 离开 Google DeepMind 加入 Anthropic，同日 Gemini 联合负责人 Noam Shazeer 转投 OpenAI，两位 Transformer 时代核心人物的同步流动，反映 AI 人才正从谷歌向 Anthropic 和 OpenAI 两极集中。政策面，Stratechery 深度分析了 Fable 出口管制事件背后的安全逻辑与监管误解。评测上，DeepSWE v1.1 显示 Fable-5 以 70% 通过率超越 GPT-5.5，GLM 5.2 则在 LiveBench Agentic Coding 拿下第一。

9 NEWS ITEMSHYPO-WRITER 写作档案ASIA/SHANGHAI

#01人才流动与政策

AlphaFold 之父 John Jumper 离开 DeepMind 加入 Anthropic，Gemini 联创 Noam Shazeer 加入 OpenAI

诺贝尔化学奖得主、AlphaFold 项目负责人 John Jumper 于 6 月 19 日在 X 平台宣布，在 Google DeepMind 工作近九年后离职，将加入 Anthropic。 Jumper 在博士毕业仅六个月后被 DeepMind CEO Demis Hassabis 委以重任，领导 AlphaFold 蛋白质结构预测项目。AlphaFold 被认为是 AI 在科学领域最具里程碑意义的成果之一，Jumper 因此获得 2024 年诺贝尔化学奖。 Hassabis 随后在 X 平台公开致谢，称九年合作"非凡"，AlphaFold"改变了世界，向整个领域展示了 AI 为科学和医学带来的可能"。同日，Google Gemini 联合负责人、工程副总裁 Noam Shazeer 也在 X 平台宣布离开谷歌加入 OpenAI。Shazeer 是 Transformer 架构奠基论文《Attention Is All You Need》的联合作者之一，在谷歌担任软件工程师长达二十余年。他在帖文中称这是一个"艰难的决定"，未透露在 OpenAI 的具体职位。两位 Transformer 时代核心研究者同日宣布从谷歌流向 Anthropic 和 OpenAI，反映 AI 顶级人才正从谷歌向两大头部实验室集中。 ---

#02人才流动与政策

Stratechery 分析 Fable 出口管制：监管层对 AI 工作原理的误解与企业安全文化博弈

Stratechery 主笔 Ben Thompson 在最新一期周报中深度分析了特朗普政府对 Anthropic Fable 模型实施出口管制的事件。上周五，美国政府以安全担忧为由对 Fable 实施出口管制，限制美国公民访问，迫使 Anthropic 短期内将该模型下线。Thompson 指出，虽然监管层的具体理由尚未完全公开，但根据奥卡姆剃刀原则，外界普遍认为决策者并未真正理解 AI 的工作原理。文章认为，Anthropic 的安全立场构成了一种"安全超级力量"——公司的每一项行动从外部看都像是为自身商业利益服务，尽管 Anthropic 内部越来越确信其动机是纯粹的。这种张力使得公司在与政府博弈时，既能以安全为由挑战监管，又面临"自利"的质疑。事件最终凸显了 AI 安全、技术创新与政府监管之间的复杂三角关系。 ---

#03人才流动与政策

Anthropic CEO Dario Amodei 回应百度经历：其对中国的看法与百度无关

Anthropic CEO Dario Amodei 在彭博《The Circuit》节目中回应了外界对其百度工作经历的关注。 Amodei 明确表示，其在百度一年的工作经历并未塑造他对中国的看法，主要收获是语音识别等技术经验。该表态意在澄清外界对其中国背景可能影响公司政策立场的猜测。 ---

#04模型与评测

智谱 GLM 5.2 在 LiveBench Agentic Coding 评测中取得第一名

智谱 GLM 5.2 在 LiveBench 的 Agentic Coding 评测中取得第一名。据 Linux Do 论坛帖子，GLM 5.2 在该评测中超越了当前主流模型，Artificial Analysis 上的结果也显示类似表现。目前缺乏具体分数、对比模型的详细数据和智谱官方正式报告，详细跑分需等待更多信息。 ---

#05模型与评测

DeepSWE v1.1 跑分：Fable-5 以 70% 通过率超 GPT-5.5，Kimi K2.7 Code 超 Sonnet 4.6

DeepSWE 基准测试于 6 月 19 日发布 v1.1 版本跑分。 Fable-5（Anthropic 最新模型）以 70% 的通过率超越 GPT-5.5 的 67%，但差距仅 3 个百分点。Kimi K2.7 Code 则超越了 Claude Sonnet 4.6。DeepSWE 衡量模型在软件工程任务上的综合能力，v1.1 版本可能调整了评估标准。当前信息来自论坛帖子，官方详细报告尚未公布。 ---

#06AI 科研与应用

脑科学研究首次证实：LLM 预测概率与大脑语言预测机制高度一致

一项新研究首次利用自然语音刺激证实，人脑语言预测机制与大型语言模型的预测概率高度一致。研究者同步记录了 29 名参与者在聆听有声读物时的 EEG 和 MEG 数据，使用 BERT 和多语言 LLaMA 模型对名词进行可预测性评分。结果显示，高可预测性词语引发更低的 N400 波幅（神经反应降低）和更强的预期活动，低可预测性词语则激活感觉运动区域。这是首个使用自然语音刺激验证该效应的研究，将计算语言模型与神经生理数据直接对应。该发现为认知计算神经科学提供了新见解，也为受神经科学启发的人工智能发展提供了方向。论文发表于 ScienceDirect。 ---

#07AI 科研与应用

Greg Brockman 分享 OpenAI o3 帮助罕见遗传病家庭案例

OpenAI 联合创始人 Greg Brockman 在 X 平台分享了 o3 模型帮助罕见遗传病家庭的案例。 Brockman 指出，这使用的是已发布一年多的 o3 模型，感叹当前模型的能力将带来更大可能。该应用的具体细节尚未公开，但表明 AI 在罕见病诊断或支持领域已进入实际应用阶段。 ---

#08本地推理与工程

社区实现双路 Radeon R9700 在 vLLM 上长上下文解码 3 倍提升，FP8 被证为死胡同

一位开发者在双路 AMD Radeon AI PRO R9700（RDNA4/gfx1201）上成功运行 vLLM 0.22.1，通过启用 AITER Unified Attention 后端，将长上下文解码性能从 79K 时的 14 tok/s 提升至 41 tok/s，提升约 3 倍。方案还修复了 TP=2 下混合模型（如 Qwen3.6）的 GDN-KKT Triton 编译问题。关键发现：FP8 KV 缓存在 gfx1201 架构上是死胡同——即使编写内核补丁也无法超越 bf16 KV，且 AITER Unified Attention 本身要求 bf16 KV。最终配置在 118K 上下文下保持约 30 tok/s 的单流解码速度，KV 池约 768K tokens，足够覆盖模型原生 262K 上下文并支持约 2.9 倍并发。该社区工作填补了 ROCm 生态在 RDNA4 消费级/专业卡上的长上下文推理空白。 ---

#09本地推理与工程

社区用 1800 美元GPU 构建 Qwen3.6-27B 262K 上下文推理方案

一位用户使用 4 张二手 RTX 5060 Ti 16GB 显卡（总成本约 1700-1800 美元），通过 P2P 互联和 vLLM 推理框架，成功运行 Qwen3.6-27B-FP8 模型。该方案支持 262K 上下文长度和 BF16 KV 缓存，在单用户推理场景下达到 55.67 tok/s 的输出吞吐量。配置利用 Qwen3 Next MTP 投机解码（接受率 65.25%）和 FlashInfer 注意力后端实现加速。方案仅适用于纯推理场景，且依赖二手市场低价显卡。 ---