AI DAILY / 2026-07-05
今天的主线从本地推理转回开发者平台的可靠性问题：Anthropic 上调 Claude API 速率限制并简化层级，但同一批材料里也出现 Claude Code 疑似跨会话缓存泄漏、Codex 中 GPT-5.5 推理 token 异常聚类等开发工具事故线索。Agent 工程化方面，社区提出用“Applications”把模型放进更小、更可控的工作界面，MiMo-V2.5 的推理循环反馈则说明长推理模型仍需要外部决策约束。行业侧，Anthropic 启动自主药物研发，Midjourney 在版权诉讼中反向要求好莱坞片厂披露内部 AI 使用。
Anthropic 官方宣布已为所有用户提高 Claude 平台 API 的速率限制，同时简化层级结构，新的层级不再基于 API 使用量分级。 最新 Sonnet 和 Haiku 模型在最高层级提供 5 倍更高的速率限制；各层级在 Opus、Sonnet、Haiku 模型上提供相同的每分钟请求数和令牌吞吐量，用户可按任务选择模型，而不是为了速率限制被迫切换模型。 层级提升会自动进行，用户也可在 Claude 控制台手动申请。对依赖 Claude API 的开发者来说，这次变化的直接影响是调用上限更清晰，模型选择和额度管理之间的绑定更弱。
GitHub Issue #74066 报告称，Claude Code 在一次会话中突然输出 Minecraft、墙面尺寸等与当前任务无关的内容，被用户怀疑存在跨会话缓存泄漏。 报告涉及 Sonnet 5 模型，首次响应等待超过 5 分钟后出现异常。发起者 milesrichardson-edb 表示，本地排查未找到对应文本，移动端响应也包含相同的无关内容。 社区讨论尚未形成定论：一部分评论认为这可能是模型幻觉，另一部分分析指向上下文隔离缺陷或多租户缓存问题。Anthropic 过去曾把类似现象解释为内部上下文错误呈现，但截至本稿，没有看到官方对这条 issue 的公开确认。 参考资料：https://news.ycombinator.com/item?id=48785665
多位开发者在 GitHub Issue 和 X 平台报告，GPT-5.5 在 Codex 环境中的推理输出 token 呈现反常固定值聚类，主要集中在 516，以及 1034、1552 等以 518 为步长的数值。 聚合数据显示，GPT-5.5 精确 516 事件占比达到 44%，明显高于其他模型；该比例在 5 月至 6 月间快速上升，同期平均推理 token 强度下降。 报告者把这一现象与复杂任务错误率增加联系在一起，但 OpenAI 尚未公开说明原因。社区临时规避方式包括修改系统提示配置、使用特定工具，或在提示前端加入更高强度的推理指令；这些方法仍属于经验性修补，不能替代平台侧解释。 参考资料：https://x.com/bdsqlsz/status/2073442704852226479 ---
一位开发者提出名为“Applications”的 Agent 架构：为模型创建有限作用域、持久状态的专用应用，例如文本浏览器和电脑控制界面，从而减少模型一次需要管理的工具和上下文。 作者把工具数量从 23 个大幅精简，让模型进入应用后只面对少量工具和局部状态，离开应用时再恢复完整上下文。 帖子称，该方法让小模型在复杂任务上的表现更稳定，尤其是精确文本处理和界面操作。作者在 RX6600XT 显卡上使用 Gemma 4 E4B，推理速度约 70-85 tokens/s。该方案仍是社区实验，但它把 Agent 失败问题从“换更大模型”转向“缩小模型当下要理解的世界”。 参考资料：https://www.reddit.com/r/LocalLLaMA/comments/1unobl4/usingapplicationstomakeasmallermodelmore
Reddit 用户报告，MiMo-V2.5 在 opencode 工具场景中出现推理循环：模型能持续生成看似合理的推理文本，但无法停止并做出执行决策。 用户使用的是 unsloth 的 ud-q4kxl 量化版本，需要通过人工提示把模型从循环中拉出来。 同一用户也给出对照：在相同工具集下，MiMo-V2.5 的实际调研表现优于 Qwen 3.5 397B。Qwen 因缺少网页搜索、只依赖 web fetch 而产生严重幻觉；MiMo 则能审查并推翻原计划，通过 web fetch 完成实际调查。这条反馈显示，长推理并不等于可执行性，工具 Agent 仍需要明确的停止条件和决策约束。 参考资料：https://www.reddit.com/r/LocalLLaMA/comments/1unfyfo/istheresomekdlchartformimov25orsomething ---
Reddit 用户 Freonr2 在 RTX Pro 6000 Blackwell GPU 上使用 vLLM 部署 NVIDIA 的 Qwen3.6-35B-A3B-NVFP4 模型，实现 30 路并发图像批量标注。 该模型采用 MoE 架构和 NVFP4 量化，实测聚合吞吐量约 2000 tokens/s，其中提示吞吐约 1301 tokens/s，生成吞吐约 1924 tokens/s。 测试中 GPU KV 缓存占用仅 4.8%，多模态缓存命中率 50.1%，模型显存占用约 23.4GB，低于 Unsloth 版本的约 26GB。作者用蒙特卡洛模拟估计，在 c=24 并发时约 53% 的专家被激活，解释了 MoE 模型在多路并发下仍能保持较高吞吐的原因。 参考资料：https://www.reddit.com/r/LocalLLaMA/comments/1unqkjy/concurrencyplusnvfp4onblackwell ---
Anthropic 本月初宣布启动自主药物研发项目，重点针对传统药企因商业回报有限而长期缺乏投入的“被忽视疾病”。 项目聚焦新药研发早期阶段和临床前研究，Anthropic 尚未公布首批具体疾病，也没有说明未来候选药物会自主推进还是与外部机构合作。 多位业内专家提醒，AI 可以参与靶点发现、分子筛选和早期实验设计，但候选药物的毒性、安全性、药效以及人体临床试验验证，仍然很难被算法明显压缩。也就是说，这更像是 Anthropic 对 AI for science 的长期下注，而不是短期药品发布。
据 TechCrunch 报道，Midjourney 在与 Disney、Universal 及 Warner Bros. 的版权诉讼中提交动议，要求法官强制三家制片厂披露其所有内部 AI 使用方式。 此前法官裁定制片厂只需提供与“面向消费者”内容相关的生成式 AI 信息，Midjourney 认为这一范围过窄。 Midjourney 的理由是，制片厂可能在内部开发同类图像生成 AI，甚至同样利用未授权版权内容训练。该公司还要求对方提供在平台上使用过的所有提示词与生成结果；制片厂首席律师则把这一要求称为“钓鱼取证”。这起诉讼已经从“模型是否训练了版权内容”扩展到“原告自身如何使用 AI”的证据攻防。 ---