AI本周Top进展 (20260308)｜GPT-5.4原生操控电脑、Skill 2.0 Chinese original

本周AI进展：从 OpenAI 旗舰大模型、谷歌 / 阿里轻量小模型，到 Claude Skill、Cursor 自动化编程，再到 AI 就业影响的权威研究、AGI 理论的全新定义，几乎覆盖了 AI 领域的所有核心赛道。全文干货拉满，结尾会精炼总结本周技术趋势帮你掌握 AI 圈最新动向～

我们解读最新技术，文末有相关信息。

作者：张长旺，图源：旺知识

Top1. 🔬 GPT-5.4 登场：AI 操作电脑比人类更熟练

OpenAI 本周发布了 GPT-5.4，这是他们首个具备原生计算机使用能力的通用模型。听起来有点抽象，但换成大白话就是：它真的可以像人一样操作电脑了。

具体有多强？在 OSWorld-Verified 测试中，GPT-5.4 通过屏幕截图识别界面，然后用鼠标和键盘完成各种操作，成功率达到了 75%。这个数字直接超越了人类的平均表现 72.4%，也超越了上个月刚登顶的 Claude Opus 4.6 的 72.7%。换句话说，AI 操作电脑这件事，已经比大多数真人更熟练了。

它能做什么？发邮件、填表格、排日程、点按钮——这些以前需要你亲自上手的操作，现在 GPT-5.4 都能代劳。更实用的是，它支持高达 100 万 Token 的上下文，意味着它能处理跨多个软件、持续很长时间的工作任务。

当然，天下没有免费的午餐。GPT-5.4 的 API 价格创下了新高：输入每百万 Token 要 2.5 美元，输出要 15 美元，Pro 版本更是高达 30 美元和 180 美元。但考虑到它能替代不少人工操作，对于企业用户来说，这笔账未必不划算。

Top2. 🛠️ Claude Skill 2.0 升级：零代码测试优化，智能体更可靠

如果你以为 AI SKill只是写几段提示词那么简单，这次可能要重新认识一下了。本周 Anthropic 发布的 Claude Code Skills 2.0，首次把软件工程界的“测试驱动开发”理念引入 AI 技能创作领域，被业内称为“AI 技能工业化的里程碑”。

长期以来，AI 技能开发者面临一个尴尬处境：技能写好后，到底能不能用？新版模型发布后，这个技能还能正常工作吗？改了一版优化方案，怎么知道到底是进步还是退步？这些问题长期没有标准答案，很多开发者只能靠“手动测试+凭感觉判断”，效率极低。

新版 Skill Creator 直接甩出三把“杀手锏”。第一把是评估框架（eval），通俗来说就是给技能做“年度体检”。开发者可以定义测试用例，描述“什么才是好的输出”，系统会自动判断技能表现如何，而且不需要写代码，门槛大幅降低。PDF 处理技能之前遇到非表单文档就容易“翻车”，新系统通过评估发现这个问题后，开发者针对性优化，最终让技能能够根据提取的文本坐标来定位。

第二把是 A/B 测试功能。Claude Code Skills 2.0 内置了对比 Agent，它会同时运行两个版本的技能输出，由 AI 来判定谁更强，而且它“不知情”自己评的是哪个版本，确保评价客观公正。基准测试模式还能一键生成通过率、耗时、token 消耗等关键指标，对接企业的 CI/CD 系统实现自动化监控。

第三把是触发优化功能。明明装了个很厉害的 AI 技能，它却在该出场时不出来，或者不该出场时瞎凑热闹——这个问题终于被解决了。系统会分析你的技能描述，对比大量实际使用场景的提示词，给出具体修改建议。官方数据显示，优化后 6 个公开技能中有 5 个触发准确率明显提升。

更值得关注的是，这次更新首次把 AI 技能的“血统”摆上了台面。能力提升型技能专门教 AI 做它本来不太擅长的事，但随着模型升级，这类技能可能逐渐“退役”；流程偏好型技能把现有能力按特定流程组织起来，绑定的是你的工作方式，生命周期更长。这意味着一件事：别把所有技能都当“传家宝”，有的技能注定会被淘汰。

Top3. 📊Anthropic 发布就业报告：AI 冲击的真相与误区

AI 会不会抢人类饭碗？这个问题本周有了一份相对严谨的研究报告。

Anthropic 发布了一份关于 AI 对劳动力市场影响的报告，提出了一个关键概念：观测暴露度。简单说，之前研究 AI 对职业的影响，主要看的是 AI“理论上能做什么”；Anthropic 则引入了真实使用数据，看 AI“实际上在做什么”。

结果很有意思：理论能力和实际使用之间存在巨大落差。以计算机和数学类职业为例，理论上 94% 的任务可以被 AI 覆盖，但实际 Claude 只完成了其中 33% 的任务。办公与行政类职业理论覆盖 90%，实际同样只有一小部分。

这说明什么？AI 的实际渗透速度，可能比很多危言耸听的预测慢得多。

但也不是完全没影响。报告显示，AI 暴露度最高的职业包括计算机程序员（74.5%）、客户服务代表（70.1%）、数据录入员等。这些职业的共同特点是：工作内容高度语言化或数据结构化。

另一个反直觉的发现是：AI 冲击最大的不是低薪劳动者，而是高学历、高收入的群体。高暴露群体中女性占 54.4%，平均时薪 32.69 美元，比低暴露群体高出 47%。

报告中还发现了一个值得警惕的信号：在高暴露职业中，22 至 25 岁年轻劳动者的新就业率出现了约 14% 的相对下滑。这意味着 AI 的影响可能首先体现在“年轻人更难找工作”而不是“老年人被裁员”。

Top4. 🎬 Descript×GPT-5：视频AI配音革命，告别嘴型错位

AI视频配音一直存在语速违和、嘴型对不上的痛点，不同语言表达同一内容的音节差异会导致配音生硬。Descript基于OpenAI GPT-5推理模型，重构了视频多语言配音流水线，将时长贴合与语义保真放在同等重要位置。

系统先将文本按语义与停顿拆分片段，精准计算音节数量，再结合目标语言语速生成适配时长的自然配音，避免人工调速后的怪异效果。上线30天内，配音视频导出量提升15%，时长贴合度提升13-43个百分点，73%-83%的片段语速自然流畅。该方案还支持企业视频库批量本地化，让多语言视频配音变得低成本、高效率，彻底解决视频配音的核心痛点。

Top5. 💻 Cursor 自动化上线：AI 程序员开始“自己干活”

编程 AI 领域本周也出了大新闻。Cursor 正式推出 Automations 功能，简单说就是让 AI 可以自动触发、自动执行任务，不再需要人类每次都下指令。

以前你需要告诉 Cursor：“帮我看看这段代码有没有 bug。”现在不用了。你可以设置一个自动化：“每当有人提交代码，就自动让 AI 检查 bug。”AI 会自己跑、自己发现问题、自己写修复建议。

这种转变意义重大。之前 AI 编程工具再强，也跳不出“人类下令、AI 执行”的模式。现在 AI 开始自己“上班”了——定时检查代码、响应 GitHub 事件、处理 Slack 消息、应对 PagerDuty 告警。据 Cursor 透露，他们每小时运行数百个自动化任务，涵盖代码审查、安全审计、故障响应等多个场景。

Bloomberg 本周报道，Cursor 的年营收已经突破 20 亿美元，而且在过去三个月翻了一倍。25% 的生成式 AI 付费用户选择了 Cursor。这个赛道正在从“玩具”变成“生产力工具”。

Top6. 🚀 谷歌 Flash-Lite 逆袭：每秒 363Token，价格打一折

如果说 GPT-5.4 是高端旗舰，那谷歌本周发布的 Gemini 3.1 Flash-Lite 就是走性价比路线的神仙产品。

先看速度：363Token 每秒。这个数字是 GPT-5 mini 的 5 倍，是 Claude 4.5 Haiku 的 3.4 倍。通俗点说，你刚打完一句话，它已经给你写完一小段了。

再看价格：输入每百万 Token 只要 0.25 美元，输出 1.5 美元。对比一下就知道有多便宜——GPT-5 mini 输出要 2 美元，Claude 4.5 Haiku 更是高达 5 美元。Flash-Lite 的价格只有它们的四分之一甚至更低。

但便宜不代表弱。在 GPQA 科学知识测试中，Flash-Lite 拿到 86.9% 的高分，碾压 GPT-5 mini 的 82.3% 和 Claude 4.5 Haiku 的 73%。在事实准确性测试 SimpleQA 中，Flash-Lite 的准确率是 43.3%，GPT-5 mini 只有 9.5%——差了 4.5 倍。

在 Chatbot Arena 盲测中，Flash-Lite 的 Elo 分数达到 1432，和 OpenAI 的旗舰推理模型 o3 持平。一个只卖几分钱的轻量模型，能和几十美元的高端模型打成平手，这放在一年前没人敢信。

Top7. 🧠 阿里Qwen3.5小模型来袭：马斯克盛赞智能密度拉满

阿里在3月3日发布Qwen3.5小模型系列，包含0.8B、2B、4B、9B四款参数模型，全部开源且采用Apache 2.0协议，具备原生多模态能力，上下文窗口达262K。其中9B模型性能媲美GPT-OSS-120B，4B模型成为5B参数内最强智能模型。

马斯克公开评价该系列“智能密度令人印象深刻”，小模型可在消费级硬件运行：0.8B/2B适合手机、IoT边缘设备，4B适配轻量级AI智能体，9B用于服务器端部署。在MMMU-Pro测试中，9B模型达69.2%，4B达65.4%，用小参数量实现跨级性能突破，让AI部署更普惠。

Top8. 🧠 LeCun 开炮：AGI 是个伪概念

本周 AI 圈还有一场“隔空论战”。

Yann LeCun（杨立昆）发布了一篇新论文，直接炮轰 AGI（通用人工智能）这个概念本身。他的核心观点是：AGI 这个定义就是错的，因为它预设了一个模糊的“通用”标准，但实际上根本不存在什么通用智能。

他提出了一个新概念：SAI（Superhuman Adaptable Intelligence，超人类适应性智能）。这个概念强调的不是“无所不能”，而是“在特定领域比人强、且能适应新任务”。

LeCun 认为，现在 AI 领域过度沉迷于“堆参数、刷榜单”的游戏，却忽视了真正的挑战：让 AI 具备常识、具备物理世界的理解能力、具备持续学习的能力。这些问题不解决，AI 再会考试也只是“高分低能”。

这番言论在业内引发了不少讨论。有人认同他对当前 AI 发展路径的批评，也有人认为他过度悲观。无论如何，LeCun 作为深度学习三巨头之一，他的观点值得深思。

本周AI趋势总结

1. 旗舰大模型全能化：GPT-5.4、Claude均向原生操作、自动化、低幻觉进化，实用能力突破天花板；

2. 轻量小模型普惠化：谷歌、阿里扎堆推出高性价比小模型，速度、性能拉满，大幅降低AI使用门槛；

3. AI智能体自动化：从Claude技能测试到Cursor自动编程，智能体从“手动操控”转向“自主运行”；

4. 就业影响精准化：AI冲击聚焦高学历白领，年轻人招聘放缓成为早期信号；

5. 理论定义革新化：AGI概念被重构，专业化、适应力成为AI研发新方向。

你觉得本周最重磅的AI进展是哪一个？GPT-5.4的电脑操控能力、小模型的性价比爆发，还是AI就业的新结论？欢迎在评论区留言讨论～

参考资料

• Improving skill-creator: Test, measure, and refine Agent Skills | https://claude.com/blog/improving-skill-creator-test-measure-and-refine-agent-skills

• Anthropic Drops Claude Code Skills 2.0 : Adds Evals, A/B Testing Tools & More | https://www.geeky-gadgets.com/anthropic-skill-creator/

• How Descript enables multilingual video dubbing at scale | https://openai.com/index/descript/

• GPT‑5.4 震撼登场｜https://openai.com/zh-Hans-CN/index/introducing-gpt-5-4/

• OpenAI深夜祭出GPT-5.4，暴击Claude，原生操控电脑，打工人悬了｜https://www.36kr.com/p/3710669511094400

• Labor market impacts of AI: A new measure and early evidence | https://cdn.sanity.io/files/4zrzovbb/website/dc7bcd0224644fce97cecb7f0e68dcd8434b35f1.pdf

• Anthropic最新报告！人工智能究竟如何影响劳动力市场？｜https://news.qq.com/rain/a/20260306A08RBA00

• Labor market impacts of AI: A new measure and early evidence | https://www.anthropic.com/research/labor-market-impacts

• Cursor版OpenClaw登场！AI自己审代码修漏洞，程序员的龙虾自由来了？｜https://news.qq.com/rain/a/20260306A05GPP00

• Cursor Automations 官方文档｜https://cursor.com/cn/docs/cloud-agent/automations

• Cursor is rolling out a new kind of agentic coding tool | https://techcrunch.com/2026/03/05/cursor-is-rolling-out-a-new-system-for-agentic-coding/

• Gemini 3.1 Flash-Lite: Built for intelligence at scale | https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-flash-lite/

• 谷歌Gemini 3.1新模型深夜掀桌，每秒狂飙363 token，1/4价格暴击Claude｜https://www.36kr.com/p/3707817046045065

• Qwen3.5 small models: Everything you need to know | https://artificialanalysis.ai/articles/qwen3-5-small-models

• 马斯克评价千问3.5， 称Qwen3.5新模型“智能密度令人印象深刻”｜https://news.qq.com/rain/a/20260303A047RK00

• AI Must Embrace Specialization via Superhuman Adaptable Intelligence | https://arxiv.org/pdf/2602.23643v1

• Yann LeCun’s New AI Paper Argues AGI Is Misdefined and Introduces Superhuman Adaptable Intelligence (SAI) Instead | https://www.marktechpost.com/2026/03/07/yann-lecuns-new-ai-paper-argues-agi-is-misdefined-and-introduces-superhuman-adaptable-intelligence-sai-instead/