AI News｜2026-07-06

今日目录

• Cloudflare 看到 bot 流量首次超过人类，互联网商业模式开始被迫重写
• Vercel AI Gateway 的真实调用图：Anthropic 领先，开源模型在抬头
• Claude Fable 5 的增量不只是会写，而是会主动选对分析方法
• Codex 团队负责人公开征集失败案例，说明 coding agent 还在找真实短板
• Nan Yu：找 bug 先用产品去把它弄坏，别只在代码里推演

今日判断

我今天更关注两类信息：一类是站在流量和调用入口的人，已经看到 AI 把互联网结构改掉了；另一类是天天真用模型做事的人，开始把注意力从单次惊艳，转到判断质量、调试能力和失败边界。前者给我的是分发和商业模式的变化信号，后者给我的是产品设计信号。比如 Cloudflare 看到 bot 流量首次超过人类流量，Vercel AI Gateway 看到 Anthropic 长期吃下大量真实调用，这些都不是抽象趋势，而是已经落在网关、计费和安全面上的生产事实。

我看下来，模型能力这几天最有价值的增量不是会不会写代码，而是会不会在不被提示的情况下选对方法。Cat Wu 提到 Claude Fable 5 会主动在留存分析里用 propensity score matching，这种判断力一旦稳定，才真的能进入分析、运营、客服这些半结构化工作流。但另一面也很清楚：Codex 团队负责人公开问大家它还做不好什么，说明 coding agent 还远没到收敛阶段，产品团队还在主动找盲点。我的判断是，接下来 builder 真该投的不是再包一层聊天界面，而是把网关可观测性、工作流里的评估点、以及人能兜底的调试路径做深，因为真实使用已经进入拼系统而不是拼 demo 的阶段。

快讯

1. Cloudflare 看到 bot 流量首次超过人类，互联网商业模式开始被迫重写

查看原文 · 来源：The MAD Podcast with Matt Turck

Matthew Prince 在播客里给了一个很重的信号：2026 上半年互联网上 bot 流量已经超过人类流量，未来五年总流量可能再放大三个数量级。这不是一句耸动判断，因为 Cloudflare 就站在流量入口，能直接看到 agent、爬虫、推理请求怎么改变网络负载、安全策略和广告模式。我今天最看重的是这件事对 builder 的含义：如果 bot 不点广告，很多默认的内容分发和变现逻辑都会失效，做产品的人要提前把鉴权、限流、缓存、agent 访问策略和新的计费面想明白，而不是等平台替你定义。

2. Vercel AI Gateway 的真实调用图：Anthropic 领先，开源模型在抬头

查看原文 · 来源：Guillermo Rauch (@rauchg)

Guillermo Rauch 分享了基于 Vercel AI Gateway 生命周期累计调用做的模型 token 消耗动画，样本来自数百万开发者、总量达到万亿级 token。图里最直接的信息是 Anthropic 仍然占据显著优势，同时 open-weight 模型的份额在持续上升。我看这条的价值，不在于又做了一次模型赛马，而在于它反映了开发者在真实成本、延迟、效果三者之间的长期选择。对 builder 来说，这意味着多模型路由和网关抽象不是锦上添花，而是必须预留的基础能力，因为模型偏好正在动态变化，不会长期锁死在一家。

3. Claude Fable 5 的增量不只是会写，而是会主动选对分析方法

查看原文 · 来源：Cat Wu (@_catwu)

Cat Wu 提到一个很具体的使用体验：Claude Fable 5 在做留存分析时，没被提示就主动用了 propensity score matching，把相似活跃度用户先做匹配再比较。这种细节比“更聪明了”更重要，因为它说明模型开始在任务里补足方法选择，而不是只负责语言生成。我今天更愿意把这类反馈当作产品信号：如果模型真的能稳定做出正确方法判断，它会先改写分析、研究、支持这些高频知识工作，而不只是帮助写文档。我的判断是，下一步竞争点会变成如何验证这些判断有没有持续可靠，而不是单次案例多惊艳。

4. Codex 团队负责人公开征集失败案例，说明 coding agent 还在找真实短板

查看原文 · 来源：Thibault Sottiaux (@thsottiaux)

OpenAI Codex 相关负责人 Thibault 公开问开发者：有哪些事是 Codex 到现在还做不好，而且本来早该做好。这类帖子看上去只是收反馈，但我更看重它背后的产品阶段判断：coding agent 的主战场已经从秀能力，转到补稳定性、补边界、补令人意外的失败点。两千级回复量也说明，真实用户积累的问题已经足够多，值得被系统整理。我的判断是，接下来 coding tool 的护城河不会只来自模型本身，而会更多来自团队收集失败案例、做评估集、修长尾 bug 的速度。

5. Nan Yu：找 bug 先用产品去把它弄坏，别只在代码里推演

查看原文 · 来源：Nan Yu (@thenanyu)

Nan Yu 这条很短，但我觉得对现在做 AI 产品的人很实用：多数 bug 不是靠在代码里静态推演找出来的，而是靠真的去用产品、尝试把它弄坏。代码评审更适合盯架构和 API 设计，避免技术债失控。这句话放在 agent 和 AI workflow 里尤其对，因为很多失败来自状态、工具调用、权限、超时和异常输入，单看代码不容易暴露。我的判断是，AI 产品团队如果还把测试重点放在 happy path demo，很快会被真实使用打脸，必须把破坏式体验测试前置。