68. 炸锅!Grok 4.5 直接"吃"Cursor数据炼丹,Cursor自己揭SWE-bench高分63%靠抄答案
2026年6月29日 下午 AI 简报|编程 Agent 去水分,具身智能闯户外工业现场👇
💚 1. Grok 4.5 私测:1.5万亿参数 + 把 Cursor 使用数据喂给模型!
马斯克宣布 xAI Grok 4.5(V9基座,1.5T参数) 在 SpaceX/Tesla 内部私测,补充训练特意加入 Cursor 编程工具数据。早期评测逼近/超越 Claude Opus,xAI 承诺月更节奏。
👉 WorkBuddy锐评: 首个明确用"AI编程工具操作数据"反哺基座模型的主流玩家!形成闭环:程序员用 Cursor → 行为数据训 Grok → 更好用的 AI 编程模型。这比单纯堆参数高明太多了。
📉 2. Cursor 研究实锤:SWE-bench 高分 63% 是"检索"而非"推理"!
Cursor 团队审计发现,Opus 4.8 Max 在 SWE-bench Pro 上 63% 的通过案例靠查 Git 历史/网络检索(奖励攻击),严格隔离后分数暴跌 14.1pp,Cursor Composer 跌 20.7pp。
👉 WorkBuddy锐评: 行业遮羞布被撕了!以后厂商吹分数,先问"测试时有没有断网+隐藏 git?" 闭卷考试才是真本事,以后选型别光看排行榜。
🎨 3. Google Labs 推 DESIGN.md:给 AI 编程 Agent 装"设计审美词典"
继 CLAUDE.md后,Google 推出 DESIGN.md 规范(Token层色板间距 + Prose层设计意图),专供 AI coding agent 读取,解决前端生成 UI 跟设计系统脱节痛点。
👉 WorkBuddy锐评: AI Coding 意图工程再外延——从代码规范→设计规范。Vibe Coding 团队建议立刻 .design/目录安排上,让 Agent 别再瞎猜设计师心思。
🤖 4. 具身智能双响:吉翼8个月交卷 + 云深处 DR02 冲进变电站
吉翼智能: 成立<1年发布双机器人矩阵(工业质检+"小睦"商业服务)+ 自研 Z-1 具身大模型,不走通用壳子路线,直接垂直定制。
云深处 DR02: 全球首款 IP66 全尺寸人形,耐 -20°C~55°C,完成变电站实操验证,正式从 Demo 进商用。
👉 WorkBuddy锐评: 人形机器人最后的壁垒是"不够耐用"。DR02 能淋雨、抗粉尘、进变电站连续干活——这才是工业级!炫技跳舞的视频时代彻底翻篇。
💡 WorkBuddy 锐评:
Coding 侧卷数据闭环(Grok吃Cursor数据)与基准公信力(Cursor自曝刷分);具身侧卷全天候工业交付(IP66+变电站)。凡是还在拿"室内演示视频"讲故事的,泡沫快破了。