今天值得留意的 AI 进展，拆开事实、限制与真正的影响。
发生了什么：OpenAI 说，GPT-5.6 Sol 部署后被用于改进自身运行效率：生产 GPU kernel 优化把服务成本降了 20%，改进 speculative decoding 后令牌生成效率提升 15% 以上。文章同时把 Sol 放在旗舰位，称其 max reasoning 在 Artificial Analysis Coding Agent Index 上以更少令牌、约三分之一更低成本领先 Claude Fable 5；Terra 被描述为约 GPT-5.5 智力的一半价格，Luna 则比 Sol 低 80% 成本。晨报只报了前两项生产数字，这里补上了其比较口径。 为什么重要：模型竞争不再只有一次性 benchmark；推理端 kernel、解码和路由会直接改写产品毛利、等待时间与可承接的 agent 任务长度。
发生了什么：7 月 28 日的 MCP 规范和 SDK 已正式发布。核心变化是废弃 initialize/initialized 握手与 Mcp-Session-Id，HTTP 调用改为携带协议版本、方法和名称的无状态请求/响应；官方还将 extensions、MCP Apps、长任务与企业身份列为后续能力。晨报已点到“第五个大版本”，午间的关键补充是：这不是普通字段增减，而是连接生命周期模型改变。 为什么重要：无状态模型更贴近现有网关、负载均衡、缓存、审计和弹性扩缩容基础设施，远程工具服务不必为每个 agent 客户端长期保留会话。
发生了什么：Anthropic 在 7 月 27 日发表“对开放权重模型的立场”，并将 Opus 5 定义为面向长时运行 agent、编码与专业工作的 Opus 档跃升。这里真正的新信息不是一个权重包下载链接，而是公司把开放权重的安全、能力与部署权衡写成公开政策定位；晨报只给了“已完整说明”的短帖，未解释它与模型产品线的关系。 为什么重要：开源/开放权重争论会决定下游能否自托管、审计、蒸馏和定制，也会影响企业如何评估供应链、数据边界和模型替换成本。官方公开立场本身是行业治理信号。
发生了什么：Anthropic 表示支持一份由 CEO、共同创始人与高管签署的倡议，并援引其上月递归自我改进研究，主张为社会准备而“有意放慢前沿 AI 发展”的技术与治理工具。报道显示该倡议由大量前沿实验室员工签名，并区分“未来可协调减速机制”与立即停训。晨报已列出该帖；午间需明确它已从个人讨论升级为机构公开表态。 为什么重要：这是能力阈值、评测、跨实验室协调与政府角色被放进同一张政策议程的信号，可能影响发布前评测、信息披露和采购合规。
发生了什么：@dotey 在 7 月 29 日称“OpenAI 开源了 Codex Security”。它来自晨报过滤池，却未进入晨报正文。因为这涉及安全工具与开放代码，信息价值很高，午间不能因缺少第二条媒体链接机械丢弃；但原帖没有给出仓库、版本、许可证、功能边界或发布日期，故不能写成已确认的官方事实。 为什么重要：若消息随后得到项目页确认，安全审查自动化会成为 Codex 生态的可操作入口；即使尚未确认，它也提示团队关注 AI 编码代理在审计/安全场景的工具化趋势。
发生了什么：@vista8 展示用 Codex 调用 tldraw CLI、以一句话生成可交互的 3D 地球来讲地理，并称社区已有项目看板、Todo 和复杂演示交互等做法。晨报过滤池含有该线索却未进简版。它的价值不在“画图更快”，而在 agent 能否直接生成可继续编辑、可演示、可嵌入教学的画布对象。 为什么重要：当代码 agent 的结果不再只是文件或聊天文本，产品原型、课程、运营看板可在同一轮任务中得到一个可检查的交互表面，降低从需求到可讨论样本的摩擦。
发生了什么：@dotey 称自己今年使用 coding agent 时从 TL（Tech Lead）角色转向 EM（Engineering Manager）角色。原帖不等于一套被验证的组织理论，但它具体指出了使用重心的位移：人不必逐行提供方案，更多是在拆目标、设约束、验收中间产物、决定何时让 agent 停止。晨报收录该帖却没有把它交给读者。 为什么重要：这直接碰到 AI 编程落地的瓶颈：若团队仍按“模型替人写代码”来配置评审、责任与指标，就会忽略任务切分、上下文维护、测试门槛和风险升级机制。
发生了什么：Aakash Gupta 在 7 月 29 日称，许多 PM 职位仍要求严密 PRD，而最好的 AI 团队已停止这样做，理由是产品工作流的结构已经变了。它没有公布样本或公司名单，因此应读作来自实践圈的强观点；但“用模型快速构建和测试具体体验，再让文档承接决策”是可被团队实际验证的流程假设。 为什么重要：生成式开发压缩了从想法到原型的时间，PRD 的价值可能从预先穷尽方案，移动到定义用户问题、成功指标、数据边界和不可触碰的约束。
发生了什么：同一作者在 7 月 29 日发布了一个具体量级：AI 在 1900 万张以上发票场景中“11 秒、3 美分”完成处理。数字使它比泛泛的“AI 能提效”更值得记录，但帖文片段没有说明是单张、单批还是端到端流程，也没有模型、字段、人工复核、拒答率和准确率。因此本刊把它视作需要追问的商业案例，而不是性能结论。 为什么重要：发票是有明确结构、可抽检、能连接回款/报销链路的高频后台任务，若单位成本和时延成立，会改变自动化项目的 ROI 门槛。
发生了什么：@vista8 称 Product Hunt 当日第二名是免费 AI 吉他练习 app Soundgate Guitar，自己用美区 Apple ID 试用后认为体验不错，练习结束由 AI 对表现评分；同时明确不知道中国大陆是否可下载。晨报候选池包含此产品但没有让读者看到。它是一个具体产品入口，而非关于音乐理解准确性的技术声明。 为什么重要：音乐练习是“输入—即时反馈—重复训练”闭环很清晰的消费场景，AI 的可感知价值通常不在一次生成，而在持续评估、错误定位和训练计划是否能留住用户。