Claude Duet研究预览上线，Fable 5.5发布在即｜AI日报

Anthropic 开放了 Claude Duet 的研究预览，OpenAI 把三款模型接进了 Google Cloud，蚂蚁数科和中国电信各开源了一个意图/决策模型，ElevenLabs 则把实时语音翻译开放给企业客户。今天这几条消息放在一起看，指向的是同一个方向：AI 正在从「回答问题」转向「替你办事」，而且办得越来越懂边界。

Claude Duet：云端继续跑，关键动作等你点头

Anthropic 这次开放研究预览的 Claude Duet，对标的正是此前引发讨论的 MUSE 和 DOTS 这类「主动型助手」。据 B 站 AI 日报的介绍，Duet 的做法是先把当天要处理的事找出来，关掉应用以后任务还会在云上继续做，不用一直开着窗口盯着。

更关键的是权限设计：要发消息、付款或删除时，它会先停下来等你批准。

这个细节值得单独说。主动型 Agent 最大的争议从来不是能力够不够，而是它在你不在场的时候能做什么。Duet 把「不可逆动作」单独拎出来做人工确认，实际上是在能力和可控性之间划了一条线：日常检索、整理、跟进可以放手，涉及钱和对外沟通的环节必须回到人手里。研究预览阶段就明确这条边界，比事后补权限要聪明得多。

主动型助手（Proactive Agent） 与传统的对话式 AI 有本质区别：后者需要用户逐轮发起请求，而前者能自主感知环境、拆解目标并持续执行任务，即使用户关闭应用也不中断。MUSE、DOTS 以及 Claude Duet 都属于这一范式。这种能力的实现依赖于持久化的云端执行环境、任务状态管理与工具调用编排。其核心风险在于「不可逆操作」——一旦 Agent 在无人监督下发送消息、完成支付或删除数据，错误就无法回滚。因此业界逐渐形成共识：对可逆的读操作放开自动化，对不可逆的写操作引入人工确认（human-in-the-loop），这既是安全边界也是产品设计的关键分界线。

Fable 5.5 发布在即，内测反馈集中在「懂意图」

另一条受关注的消息是 Fable 5.5 即将发布，内测用户已经用上了。从流出的反馈看，评价集中在两点：几乎无所不能，以及非常懂意图和品味。

「懂品味」这个说法在模型评测里不常见，但它其实指向一个真实的变化——用户对模型的期待已经从「答对」变成「答得像我想要的那样」。这背后是意图理解和风格对齐能力的提升，也是这一代模型竞争的实际战场。不过目前只有内测用户的主观感受，缺少可复现的评测数据，正式发布后的实测表现还需要观察。

OpenAI 三款模型进入 Google Cloud Model Garden

OpenAI 的三款模型现已进入 Google Cloud Model Garden。开发者从今天起可以把本季的 Codex 接到 Google Cloud 上，提示和输出留在客户指定的数据边界里，也不会拿去训练模型。

跨云部署这件事对企业的意义大于对个人开发者的意义。数据不出边界、不用于训练，这两条几乎是企业采购 AI 服务时的硬门槛。OpenAI 把模型放到竞争对手的云市场上，说明模型层的竞争已经从「谁更强」蔓延到「谁更容易被接进现有基础设施」。

Google Cloud Model Garden 是 Google Cloud 上的模型目录与托管服务，企业可以在同一平台发现、部署和调用来自 Google 自家及第三方的模型。对模型提供商而言，入驻意味着触达已在 Google Cloud 上构建基础设施的企业客户，无需客户迁移云环境。企业采购 AI 时通常要求数据驻留（data residency）与不使用客户数据训练模型，这两点在多云部署场景下尤其敏感。OpenAI 模型进入竞争对手的云市场，反映出模型层的竞争重心正从基准测试分数转向分发渠道与集成便利性，即「谁更容易被接进企业现有技术栈」。

蚂蚁数科 LingDT：跳过「先写一段话」

蚂蚁数科发布的决策模型 LingDT，思路和通用大模型不太一样。它在给定的选项里直接判断，省掉先写一段文字再解析的环节；一句话里的几件事可以一次选中，再按依赖排线；官方称同样的任务能少用九成以上的 Token。

九成以上的 Token 节省如果成立，意味着成本和延迟都会有量级上的变化。这类「直接决策」模型的适用面比通用对话窄，但在风控、调度、工单分派这类结构化场景里，效率优势会非常明显。

决策模型与生成式对话模型的区别在于输出空间：通用大模型以自然语言 token 为输出单位，需要先生成一段文字，再由外部逻辑解析其中的选择；决策模型则直接在候选动作或选项集合上做分类/排序，输出即是结构化决策结果。这样做省去了自然语言的编解码开销，在选项有限、依赖关系明确的任务（如风控规则命中、工单分派、调度排程）中可显著降低 Token 消耗与推理延迟。代价是适用范围窄——它不擅长开放式生成，需要预先定义好动作空间，且对未见过的选项泛化能力有限。

中国电信开源星辰意图模型

中国电信开源了星辰意图模型。你给它一句话和要填的字段，它就生成可以直接往下传的结果。电信客服和智能音箱已经在用它来识别意图。

意图识别是对话系统里最枯燥也最基础的一层，长期被各家当成内部资产不对外开放。运营商把这一层开源，配合已有的客服场景验证，对做垂直应用的小团队来说是个实用的起点——不用再从零标注一套意图体系。

意图识别（Intent Detection） 是对话系统的第一层：把用户的一句话映射到预定义意图类别（如「查询话费」「办理套餐」），并抽取槽位字段（slot filling），供下游业务系统直接执行。它通常基于分类模型或序列标注模型实现，需要大量标注数据。长期由各家企业内部维护、不对外公开，因为意图体系本身反映了业务理解。运营商开源这一层，等于把经过真实客服场景验证的意图分类能力开放出来，小团队可以在此基础上做领域适配，而不必从零构建标注体系和训练分类器。

ElevenLabs 开放实时语音翻译

ElevenLabs 向企业客户开放了实时语音翻译：双方各说各的语言，听到的是对方语言的语音，覆盖 90 种以上语言，还能自动听出对方说的是哪种语言。

自动语种识别这个功能看起来小，实际决定了产品能不能用在真实会议里——没人会在开口前先手动选语言。90 种语言的覆盖加上实时输出，跨境电商、国际客服、远程协作是最直接的落地场景。

几条消息的共同线索

把今天这几条放在一起，能看出两个趋势。一是 Agent 的权限设计正在成为产品定义的一部分，Duet 的「关键动作等批准」和 OpenAI 的「数据不出边界」本质上是同一类问题：AI 能做什么，以及在什么条件下做。二是模型形态在分化，LingDT 这种跳过自然语言中间层的决策模型，和通用对话模型走的是不同的路，前者在特定任务上的效率优势可能会逼着更多团队重新考虑架构选型。

Fable 5.5 的正式表现、Duet 研究预览的实际可用度，还有待后续验证。