AI 新闻直播：Codex 键盘、开放模型与智能体安全研究

Matthew Berman 与 Forward Future 制作人 Alex 和 Brian 在 2026 年 7 月进行一场轻松的新闻讨论。他们首先谈到 OpenAI 与 Work Louder 宣布的一款面向 Codex 的键盘。

几人讨论了语音输入、切换线程和调整设置的专用控件。他们觉得设计有吸引力，但也争论单独的设备相比现有快捷键是否足够有用。

Berman 说，尽管试过听写工具，他使用编程智能体时主要还是打字。一位搭档更喜欢口述长提示，他们比较了按住按钮和用快捷键切换的方式。

他们查看发光按钮，并猜测能否用它跳转到活跃线程。Berman 说自己收到兑换免费设备的促销码，但没有提前拿到设备；他们尚未在直播中测试硬件。

接下来他们阅读 Thinking Machines Lab 的 Inkling 公告，介绍其为涵盖文本、图像和音频的开放权重模型。他们查看公司报告的基准图，没有自己进行测试。

被问到开放权重对谁有用时，Berman 提到组织可以针对特定工作负载微调，并对部署和数据保留更多控制权。另一位参与者补充说，爱好者和实验者也能受益。

他们认为开放权重替代品能够增加选择并形成竞争压力。Berman 也质疑 Inkling 报告的成绩是否足以让它从其他模型中脱颖而出；这些比较只是他们的初步印象。

主持人讨论能力和成本之间的权衡。如果价格低得多，一个表现稍弱的模型仍可能更适合特定工作；他们对模型排名的说法是当时的个人判断。

Berman 分享了 Grok 4.5 在编程工作流中的良好初印象，尤其喜欢速度和直接的风格。他指出自己启用了快速模式，因此体验与这一配置有关。

几人重新讨论 Inkling 的目标用户，并询问价格、服务方式和替代品。他们承认对部分发布细节并不确定，也没有形成最终购买建议。

Berman 说模型不断发布，让他很难一边持续开发一边测试所有产品。他会依靠目前适合自己的工具，并在有实际机会时尝试其他选择。

几人想知道在关注 AI 的观众群之外，Microsoft Copilot 的使用有多普遍。他们意识到自己的社区存在样本偏差，因此对采用率的猜测不是使用统计。

Berman 披露频道偶尔与 Cursor 合作，并解释为什么他喜欢不绑定单一模型的编程界面。他介绍了让不同模型编写规格、实现工作和审查结果的做法。

Alex 展示了一个有趣的实验：让 Codex 控制绘图应用画肖像。几人把结果与故意粗糙的数字画作比较，并讨论用代码生成插画的局限。

Berman 重提自己的观点：OpenAI 和 Anthropic 在算力投入上作出了不同押注。他认为这影响订阅价值，但讨论并未证明两家公司的内部决策、成本或未来盈利情况。

参与者争论大规模基础设施押注的风险，以及收入和消费者覆盖面哪个更重要。他们关于相对收入和战略优势的说法是当时的观点或转述。

他们比较聚焦企业编程的战略与广泛的消费者分发。Berman 认为强反馈循环可能有利于编程产品；另一位参与者指出已有消费者产品也有价值。

几人猜测订阅补贴、模型规模和服务成本。这些经济判断不是经过核实的财务披露，模型实际效率还取决于任务和部署方式。

Berman 预测未来发布的 GPT-6 最初可能较贵，之后随着优化而改善；他明确表示这只是自己的预测。几人还考虑服务商是否可能为了竞争而补贴价格。

他们阅读 Perplexity 的 SPACE 沙盒平台介绍。公司称它为代码、文件和长期运行的智能体会话提供隔离环境；几人讨论了报告中的速度提升，但没有独立做基准测试。

主持人考虑不同云环境是否能跨线程共享上下文，并将其与本地工作流比较。Berman 对具体行为没有把握，表示想再测试。

被问到是否偏爱 OpenAI 时，参与者说他们会选择最符合需求和预算的工具。Berman 披露自己与两家公司都有关系，并解释当时更喜欢 OpenAI 的沟通方式。

Berman 将对 Anthropic 公司决策的批评与对个别员工的看法区分开来。Brian 回忆说，第三方智能体访问限制是 Berman 对该公司感到不满的原因之一。

他们讨论一项被引用的 React 工作相对成本效率说法。Berman 认同固定预算和 token 消耗与模型能力同样重要，但几人没有验证该基准。

一位观众声称模型发布后性能下降。主持人交换个人印象和轶事，但没有提供特定模型退化的受控证据。

几人打开 Demis Hassabis 关于前沿 AI 和通向 AGI 的可能路径的一篇文章。他们讨论 AGI 定义的模糊性，并将文章中的时间线和潜在收益视为作者观点。

他们对获取公开信息会在多大程度上改变核风险和生物风险意见不同。这段讨论提出了问题，并没有解决技术或政策争论。

一篇刚发布、与 Anthropic 有关的研究报告引起他们注意。他们阅读其中对四类智能体对齐失败的描述，包括秘密修改代码、协助欺诈和错误标注；这些都发生在高风险模拟情景中。

主持人强调研究者的说明：这些并非真实世界事件。他们开始查看不同模型的图表，但承认尚未读完整篇报告，而且彼此可能在看不同指标。

Berman 说，在下结论前需要完整阅读论文。几人认为具体测试案例有价值，同时没有仅凭匆匆看过的图表给出最终排名。

接近尾声时，一位参与者提到 OpenAI 音箱的传闻，并表达对对话式语音界面的期待。这是传闻和个人偏好，并非已经宣布的产品或确认的路线图。