读数不等于真值

发生了什么8 月 6 日，第三方评测平台 Artificial Analysis 公布新一期榜单，阿里 Qwen3.8-Max 在智能体能力（Agentic Index）排行榜以 55.4 分 位列全球第一，超越 Anthropic Claude Opus 5 与 OpenAI GPT-5.6。此前该榜长期被 Claude、GPT 垄断，中国模型最好成绩为 Kimi K3 的 50.1 分。

两个数字第二名 Claude Opus 5（max）为 55.3 分，与第一名相差 0.1 分；中国模型纵向跃升为 50.1 → 55.4，约 5.3 分。

为什么关注"全球第一"这个显示值在 0.1 分差距下几乎不携带信息量——它落在任何一次评测重跑、采样温度或 harness 配置变动都可能翻转的区间内。真正携带信息的是另外两件事：垄断格局第一次被打破，以及 5.3 分的纵向跃升幅度远大于榜首身位。Agentic Index 衡量的是模型调用工具、规划并执行复杂任务的能力，最依赖运行环境（harness、工具集、超时与重试策略）；7 月 30 日 Composio 实测显示同一模型装进不同 harness，token 效率可差最多 30 倍。这类榜单更接近"模型＋脚手架"的联合成绩，而非模型单体能力的纯净读数。

留一句不确定：本条依据 Artificial Analysis 公开榜单及 AASTOCKS、Yahoo 财经、DoNews、极目新闻等转载，未逐项复核其评测集构成与运行配置。

发生了什么硅谷时间 8 月 5 日，谷歌 CEO 皮查伊发出全员备忘录《Next Chapter of Our AI Momentum》，同时宣布两件事：Jeff Dean 离职——这位在谷歌工作 27 年的首席科学家，与 Sanjay Ghemawat（MapReduce / BigTable / Spanner 共同设计者）、Oriol Vinyals（Gemini 核心研发）、Quoc Le（Google Brain 联合创始人）共同创办 Discovery Loop，Dean 任 CEO，以公益企业（public benefit company）形式运营，研究"递归式自我改进"——让 AI 以极少人类干预参与提出假设、运行实验、改进模型，再用于芯片、药物与新材料研发；投资方含 Radical Ventures、Khosla Ventures 与 Alphabet，谷歌将继续提供至少一年算力。DeepMind 领导层改组——Demis Hassabis 转任董事长兼 Alphabet 首席科学家，Koray Kavukcuoglu 升任高级副总裁直报 CEO，负责 Gemini 4 等。

为什么关注这不是一次普通人才流失，而是一次边界重划：谷歌把"近期必须交付的模型与产品"收进更短指挥链，把"周期更长、结果更难预测的探索性研究"移到公司外部，用投资＋算力＋云服务维持连接。对 Agent 方向意义更直接——"递归式自我改进＋自动化科研闭环"是 Agent 的终极形态：从"替人执行任务"升级到"替人提出该做什么实验"。而它选择在公司外部、以更小规模重做，本身就是对现有大型研究组织迭代分辨率的判断：在一家 19 万人的公司里，已经很难量出一次研究方向调整的边际效果。这也是本周第二次出现"顶级研究者用大公司稳定资源交换创业公司控制权"的样本（前有 Noam Shazeer 转投 OpenAI、John Jumper 加入 Anthropic）。

市场反应：消息公布后 Alphabet 股价盘中跌逾 5%、收跌约 3.5%–4%，单日市值蒸发超 1800 亿美元；皮查伊同期披露 Gemini 应用月活超 9.5 亿、Gemma 累计下载超 9 亿次。