7 月12–14日，两条主线加速交汇：AI Coding 从"写代码"走向"操作系统级智能体调度"——阶跃星辰发布 Step AOS 智能体原生操作系统并推出首款智能体手机，让用户通过自然对话即可跨 App 完成任务；GPT-5.6 Terra、Muse Spark 1.1、Grok 4.5 三家同周推低成本模型，Coding Agent 的 Token 价格下探至旗舰模型的 1/10–1/16。具身智能路线出现关键分叉——蚂蚁灵波发布首个"原生具身"世界动作模型 LingBot-VA 2.0，宣告从"数字世界模型嫁接"转向"为物理交互原生设计"；源络科技在国家级科研平台完成全球首个自主实验室落地，机器人自主执行 40 余种精细操作。与此同时，《人工智能拟人化互动服务管理暂行办法》明日正式实施，情感陪伴类智能体将全面退场。本文精选 5 条高价值动态。

图源：智东西，侵删

一、阶跃星辰发布Step AOS智能体原生操作系统 + 首款智能体手机 STEPX Neo：AI Coding走进消费终端

7月14日，上海大模型独角兽阶跃星辰正式发布三款新品：智能体原生操作系统 Step AOS、个人智能体 Amoo、以及 AI 终端品牌 STEPX 旗下首款智能体手机 STEPX Neo。

【核心信息】

• Step AOS：定位为"智能体原生操作系统"，不再把 AI 当作 App 里的一个功能，而是让 AI 成为操作系统层级的调度中枢——用户说出意图，系统自主拆解任务、跨应用调度执行，无需手动在多个 App 间切换
• STEPX Neo 手机：首款搭载 Step AOS 的消费终端，联动支付宝、美团、滴滴、百度等主流 App。用户只需说"帮我订明天上午去上海的机票、顺便订附近酒店"，Amoo 智能体即可自主完成跨 App 的信息收集、比价、下单全流程
• Amoo 个人智能体：内置个性化记忆系统，能理解用户偏好、历史行为和上下文，不只是"问答"而是"代办"
• 技术底座：基于阶跃星辰自研的 GLM-5.2 大模型（7 月 14 日同步发布），强化了工具调用、多步规划和长上下文保持能力

值得关注的原因：这是 AI Coding 从"开发者工具"走向"消费级操作系统"的关键一步。过去两年，AI Coding Agent 在 IDE、终端、浏览器中不断进化，但始终停留在"辅助开发者写代码"的定位。Step AOS 将同样的 Agent 编排能力（任务拆解、工具调用、多步规划、结果验证）搬到了手机操作系统层，让普通用户也能"对话即任务完成"。这意味着 AI Coding 的核心技术栈——MCP 协议、Agent Harness、Loop Engineering——正在从"编程辅助"泛化为"通用任务执行基础设施"。对开发者而言，Step AOS 的发布暗示了一个重要趋势：未来为智能体编写"技能"（Skills/Tools）可能比编写"App"更重要——当操作系统级的智能体成为任务调度入口，App 的角色可能从"独立产品"降级为"被调用的工具节点"。

图源：网络侵删

二、蚂蚁灵波 LingBot-VA 2.0：首个"具身原生"世界动作模型，路线分叉时刻

7 月 10 日，蚂蚁集团具身智能团队 Robbyant 发布业界首个具身原生世界动作模型 LingBot-VA 2.0，标志着机器人基础模型从"基于数字世界模型构建"到"面向物理世界原生设计"的关键转变。

【核心信息】

• 路线分叉：当前行业主流路线依托面向数字内容创作的视频生成模型（如 Sora 类），再通过微调适配机器人控制任务——本质上是"数字世界模型嫁接"。LingBot-VA 2.0 选择基于自回归架构从头预训练，从动态建模、因果预测、实时执行等与环境交互的原始需求出发进行原生设计
• 四大核心设计：

1. 语义视觉-动作分词器：将视觉感知和动作指令统一编码，让模型能同时"看到"和"做到"
2. 因果预训练范式：基于因果关系而非纯时序关联学习，使模型理解"先推再抓"而非"看到推就模仿抓"
3. MoE 架构：混合专家路由，不同任务激活不同专家子网络，兼顾泛化与效率
4. 增强异步推理：单卡实现 150Hz 实时推理，满足物理世界毫秒级响应需求

• 真机验证：在不依赖任何外部拍摄设备的情况下，LingBot-VA 2.0 可完成与人类的多轮随机对打——这不是编排好的演示，而是真正的动态对抗
• 开源生态：蚂蚁灵波同步开源多款模型，构建具身原生技术生态

值得关注的原因：这条新闻的核心不是某个模型跑分又提升了几个百分点，而是路线分叉本身。过去一年，具身智能的"大脑"方案几乎默认走"视频生成模型 → 微调 → 机器人控制"这条路——因为视频生成模型已经学会了"预测下一帧"，看起来天然适合"预测下一步动作"。但这条路有致命缺陷：视频生成模型是为"视觉逼真"优化的，不是为"物理正确"优化的——它能画出漂亮的推门动作，却不理解门的阻力、摩擦力、惯性。LingBot-VA 2.0 的"原生具身"路线直接从物理交互的需求出发设计模型架构，150Hz 实时推理的需求倒逼出异步推理机制，多轮随机对打的验证方式倒逼出因果预测而非模式匹配。这是"嫁接路线"与"原生路线"的第一次正面交锋——谁能让机器人真正稳定执行长时物理任务，谁就定义下一代具身基础模型的标准。

图片来源：Artificial Analysis

三、AI Coding 价格战升级：GPT-5.6 Terra 成本仅为 Fable 5 的 1/16，三家巨头同周推低价模型

过去一周，OpenAI、Meta、SpaceXAI 三家巨头相继发布或更新低成本模型，AI Coding Agent 的 Token 价格正以前所未有的速度下探。

【核心信息】

• OpenAI GPT-5.6 Terra：GPT-5.6 系列中定位中端性价比的型号，性能超越 Anthropic Fable 5，但成本仅为 Fable 5 的约 1/16。同时 OpenAI 推出 ChatGPT Work——可跨应用收集信息、把复杂项目拆成小步骤、持续工作数小时的自主智能体，内置 Codex 技术；GitHub Copilot 接入 Codex agent provider
• Meta Muse Spark 1.1：API 输入 ​​1.25/MTok、输出 ​​4.25/MTok，仅为 Fable 5 的 1/10，在工具使用基准 JobBench 上得分 54.7%（超越 Opus 4.8 的 48.4% 和 GPT-5.5 的 38.3%），但 SDK 同时兼容 OpenAI 和 Anthropic 格式——开发者改一行 URL 即可切换
• SpaceXAI Grok 4.5：Token 使用效率显著提升，定位低成本高效推理
• Cognition SWE-1.7：基于 Kimi K2.7 基座训练的 Coding 专项模型，FrontierCode 1.1 基准达到 42.3%（逼近 GPT-5.5 / Opus 区间），成本显著下降——前沿 Coding 模型不再是巨头的专属游戏

图片来源：Artificial Analysis

（在独立AI基准测试与分析平台Artificial Analysis测评中，GPT-5.6 Sol的智能指数达到59分，领先于Grok 4.5（54分）和Muse Spark 1.1（51分），略低于排名第一的Claude Fable 5的60分。）

值得关注的原因：三巨头同周推低价模型的"价格战"背后，是 AI Coding Agent 商业模式的深层重构。当 Token 价格下探至旗舰模型的 1/10–1/16，意味着：编程智能体的边际成本已逼近"接近免费"的区间——对一个中等规模的开发团队，使用 Codex Agent 完成一次大型代码迁移的 API 费用可能只有几美元。这将催化三个趋势：① 更多团队从"偶尔用 AI 辅助"转向"把 AI Agent 当主力开发工具"；② Agent Harness（工作流编排、MCP 协议、验证闭环）的价值将超过模型本身——因为当模型成本极低，竞争焦点转向"谁能把 Agent 的工作流管好"；③ 中小团队基于开放基座 + RL 就能逼近 Opus/GPT-5.5 水平（如 Cognition SWE-1.7），Coding 模型的能力-成本曲线正在快速下探，编程智能体将加速普及。与此同时，OpenAI Codex 大面积误杀封号、Claude Code 推行严苛 KYC 实名认证的消息也值得关注——海外工具进入"算账收割"阶段，国内开发者首先被清理，这也是 Agnes-2.5 等国产 Coding 工具加速填补市场空白的重要背景。

图源网络，侵删

四、源络科技完成全球首个具身智能自主实验室落地：机器人自主执行 40 余种精细操作

7月13日，源络科技在国家级科研平台完成了全球首个具身智能赋能的自主实验室落地。机器人连续自主完成核酸提取预处理、细胞毒性检测等任务，在真实研发流程中实现跨设备、多步骤的稳定执行。

【核心信息】

• 自主执行能力：机器人可自主完成长达 3 小时以上的实验操作任务，具备 40 余种操作技能和亚毫米级操作精度，有效解决人工操作带来的通量瓶颈和一致性问题
• 核心技术：支撑这一突破的是源络自主研发的以物体为中心的物理原生模型 OPN（Object-centric Physics Native Model）。该模型可靠理解长序列任务的执行阶段，融合视-力-触觉实时调整交互状态，使机器人理解真实实验室场景中的柔性操作流程，依靠高决策带宽自主完成跨设备、多步骤的精细操作动作
• 真实业务闭环：这不是演示视频中的"一个动作"，而是试剂取放、试剂配置、自动分液、细胞毒性检测等完整实验流程的连续协同运行——涉及精细动作控制、设备状态识别、流程节奏管理、跨设备协同
• 意义：标志着具身智能在生化环材领域从"演示"迈向"应用"

值得关注的原因：这条新闻与蚂蚁灵波 LingBot-VA 2.0 形成呼应——两者都在强调"物理原生"而非"数字嫁接"。源络的 OPN 模型以"物体为中心"理解实验流程，融合视-力-触觉多模态实时调整，这恰恰是"数字世界模型嫁接"路线做不到的：视频生成模型可以"看到"试剂瓶，但无法"感受"移液时的液体阻力。更重要的是，这是全球首次在国家级科研平台完成的自主实验室落地——不是创业公司自建实验室的内部演示，而是在真实的国家级研究环境中验证。3 小时自主执行、40 余种操作技能、亚毫米级精度——这些数字表明具身智能在精密操作场景的可靠性已经达到"可信任"级别。与宇树 G1 完成活体手术（粗定位 + 远程操控）不同，源络的自主实验室强调的是完全自主——没有人类远程操控，机器人自己规划、自己执行、自己纠错。这是具身智能从"遥控延伸"到"自主代理"的关键一步。

图源：国家网信办

五、《人工智能拟人化互动服务管理暂行办法》明日实施：情感陪伴类智能体全面退场，Agent 监管元年开启

7 月 15 日，《人工智能拟人化互动服务管理暂行办法》将正式实施。这是中国首部专门针对 AI 智能体拟人化互动的监管法规，标志着 AI Agent 监管元年正式开启。

【核心信息】

• 核心监管对象：提供拟人化互动服务的 AI 智能体——即"看起来像人、说话像人、行为像人"的 AI 产品，包括情感陪伴、虚拟恋人、AI 朋友等
• 情感陪伴类智能体全面退场：法规实施后，此类产品将被要求整改或下架，不能继续以"拟人化情感互动"作为核心卖点
• 监管逻辑：防范 AI 拟人化带来的情感依赖、认知混淆、社交替代等风险——特别是对青少年和心理健康脆弱群体
• 与 AI Coding 的关联：法规主要针对消费端智能体，但监管框架的建立意味着：未来 Agent 类产品（包括 Coding Agent）可能也需要在身份声明、能力边界告知、数据使用透明度等方面满足合规要求
• 同期，欧盟 AI 法案也遭遇现实挑战——6 月底通过修订案，将高风险 AI 系统部分规则延期至 2027 年 12 月与 2028 年 8 月实施，原定 8 月 2 日生效的核心条款"急踩刹车"。中美欧三条监管路径正在分化：中国率先在"拟人化互动"这一细分领域立法；欧盟选择"全面但延期"的策略；美国仍以行业自律为主。

值得关注的原因：这条法规对 AI Agent 生态的影响远超表面。情感陪伴类智能体的全面退场只是最直接的效果，深层影响在于：它为"AI 应该像什么、不应该像什么"划出了法律边界。当一个智能体被禁止"看起来像人、说话像人"，它就必须在交互中明确声明"我是一个工具，不是一个人"——这对所有 Agent 类产品的设计理念都有冲击。对 Coding Agent 而言，虽然不在此次监管的直接范围内，但趋势是明确的：未来 Agent 产品需要在身份声明、能力边界、数据透明等方面满足合规要求。"黄仁勋称不应该过度赋予智能体人性化特征，它们本质上只是工具和软件"——这与监管方向一致。AI Agent 正在从"越像人越好"转向"越像工具越好"——这是产品设计哲学的根本转向。

【总结】

本周五条主线指向两个加速交汇的趋势：AI Coding 正从"辅助工具"跃迁至"操作系统级基础设施"，具身智能正从"数字嫁接"转向"物理原生"。

在 AI Coding 侧，阶跃星辰 Step AOS 将 Agent 编排能力从 IDE 搬到手机操作系统层，标志着 AI Coding 的核心技术栈正在从"开发者专属"泛化为"通用任务执行基础设施"。三巨头同周推低成本模型的价格战，则将编程智能体的边际成本推向"接近免费"区间——竞争焦点从"谁最强"转向"谁最会管 Agent、谁最便宜"。《人工智能拟人化互动服务管理暂行办法》的实施，则为所有 Agent 产品划出了"工具而非人"的法律边界。

在具身智能侧，蚂蚁灵波 LingBot-VA 2.0 的"原生具身"路线宣告了与"数字嫁接"路线的分叉——谁能让机器人真正理解物理因果而非视觉模式，谁就定义下一代标准。源络科技全球首个自主实验室落地，则证明"物理原生"路线在真实科研环境中已达可信任级别——40 余种操作、3 小时自主执行、亚毫米精度，且完全无需人类操控。

两条赛道的交汇点在于：AI 正在从"模拟人类表现"转向"为任务原生设计"——无论是 Coding Agent 从"补全代码"到"操作系统级智能体调度"，还是具身模型从"嫁接视频生成"到"为物理交互原生设计"，核心逻辑都是同一个：不再追求"看起来像人做的事"，而是追求"为任务本身找到最优解"。这可能才是 2026 年 AI 发展最根本的范式转向。