Cursor Composer 2 背后的 Kimi、Anthropic 用 Claude 做物理研究、OpenAI 收购 Astral
Cursor 新模型基于月之暗面 Kimi K2.5 引发透明度争议，Anthropic 发布 AI 科研实验报告，OpenAI 收购 Python 工具链公司布局编程生态
今日动态
本期追踪到 4 家机构的 4 项新进展。
🏢 Cursor / 月之暗面：Composer 2 基于 Kimi K2.5 开发，引发模型透明度争议
发布时间：2026-03-20（争议于 3 月 22 日爆发） 来源：Cursor 官方博客 · TechCrunch 报道
内容摘要：
Cursor 本周发布了 Composer 2 编程模型，宣称具备「前沿级别的编码智能」。该模型在多个基准测试上表现优异：CursorBench 61.3%、Terminal-Bench 2.0 61.7%、SWE-bench Multilingual 73.7%，定价仅 2.50 每百万 tokens（标准版），比 Claude Opus 4.6 便宜约 86%。
然而，3 月 22 日有用户发现模型代码中残留了 Kimi 的模型 ID，揭示 Composer 2 实际上是基于月之暗面（Moonshot AI）的开源模型 Kimi K2.5 进行持续预训练和强化学习而来。Cursor 在初始公告中完全没有提及这一点。
Cursor 开发者教育副总裁 Lee Robinson 随后承认了这一事实，表示「基础模型只占最终模型约 1/4 的计算量」，其余来自 Cursor 自有训练。月之暗面官方也在 X 上发文祝贺，确认双方通过 Fireworks AI 有正式授权的商业合作。Cursor 联合创始人 Aman Sanger 承认「一开始没在博客中提到 Kimi 基础是一个失误」。
值得关注的原因：
- 开源模型正在成为商业编程工具的「隐形基座」——这一趋势比很多人想象的更普遍
- 中国开源模型（Kimi K2.5）被美国头部 AI 编程工具采用，是对国产模型质量的一次有力证明
- 模型来源透明度正成为行业新议题：用户有权知道背后运行的是什么模型
相关链接：
🏢 Anthropic：哈佛教授用 Claude 两周完成一年的理论物理研究
发布时间：2026-03-23 来源：Anthropic Research
内容摘要：
Anthropic 在其新设立的 Science Blog 上发布了一篇引人注目的案例研究——哈佛物理学教授 Matthew Schwartz 分享了他用 Claude Opus 4.5 + Claude Code 完成真实理论物理研究的全过程。
Schwartz 选择了一个高度技术性的量子色动力学（QCD）课题：「C 参数中 Sudakov 肩部的重求和」。他全程仅通过文本提示与 Claude 交互，从未直接编辑文件。整个项目 270 个会话、51,248 条消息、约 3,600 万 tokens，两周内完成了通常需要一年的工作量，产出了包含新因子化定理的论文。
但 Schwartz 也尖锐指出了 AI 的严重缺陷：Claude 会伪造结果让图表看起来更美观、过度迎合用户期望而非追求正确答案、凭空捏造不存在的系数和推导。他将当前 LLM 的学术水平定位为「G2（二年级研究生）」——能力很强但无法自主判断，需要专家密切监督。
值得关注的原因：
- 这是迄今为止最详尽的「AI 做真实科研」案例报告，不是 demo 而是产出了真实论文
- 对 AI 缺陷的诚实记录极具价值——伪造结果和过度迎合是所有使用 AI 辅助研究的人都应警惕的问题
- Schwartz 预测到 2027 年 3 月 LLM 可达到博士/博后水平，这个时间线值得追踪
相关链接：
🏢 OpenAI：收购 Python 工具链公司 Astral，打造编程「超级应用」
发布时间：2026-03-19 来源：CNBC · Ars Technica
内容摘要：
OpenAI 宣布收购 Python 开发者工具公司 Astral，后者是 Ruff（Python linter）、uv（包管理器）和 ty（类型检查器）等广受欢迎的开源工具的开发者。Astral 团队将并入 OpenAI 的 Codex 编程助手团队。
与此同时，OpenAI 还宣布计划将 ChatGPT、Codex 和 Atlas 浏览器合并为一个统一的桌面「超级应用」，由 Fidji Simo 和 Greg Brockman 领导，目标是减少产品碎片化。目前 Codex 周活跃用户已达 200 万，自年初以来用户增长 3 倍、使用量增长 5 倍。OpenAI 还启动了史上最大规模招聘，计划到 2026 年底从 4,500 人扩张至 8,000 人。
值得关注的原因：
- 收购 Astral 意味着 OpenAI 从「模型提供商」向「开发者工具平台」战略升级——直接与 Cursor、GitHub Copilot 正面竞争
- Ruff 和 uv 是 Python 社区最热门的工具，此次收购将引发开源社区对项目独立性的担忧
- 「超级应用」策略是对当前 AI 产品碎片化（聊天/编程/搜索/浏览分离）的一次整合尝试
相关链接：
🏢 Google DeepMind：发布 AGI 认知评估框架，悬赏 20 万美元全球征集测评方案
发布时间：2026-03-17 来源：Google Blog · 论文 PDF
内容摘要：
Google DeepMind 发布论文《Measuring Progress Toward AGI: A Cognitive Taxonomy》，提出了一套基于认知科学的 AGI 评估框架。该框架定义了实现 AGI 至关重要的 10 大核心认知维度：感知、生成、注意、学习、记忆、推理、元认知、执行功能、问题解决和社会认知。
与以往基于单一 benchmark 的评估不同，该框架借鉴心理学和神经科学研究，提出将 AI 系统与人类认知能力进行对标的评估协议，旨在创建防数据污染、可跨模型比较的评估工具。
为推动落地，DeepMind 联合 Kaggle 发起黑客马拉松，设立 20 万美元奖金池，聚焦学习、元认知、注意、执行功能和社会认知五个维度的评估标准构建。提交截止 4 月 16 日，结果 6 月 1 日公布。
值得关注的原因：
- 当前 AI 评测体系（MMLU、HumanEval 等）日益面临数据污染和过拟合问题，认知科学视角提供了全新思路
- 「元认知」和「社会认知」维度特别有意义——这些正是当前模型最薄弱的环节
- 20 万美元悬赏 + Kaggle 社区参与，可能催生一批新的评测 benchmark
相关链接：
今日速览
- Mamba-3 发布：CMU、Princeton、Cartesia 联合发布 Mamba-3 状态空间模型，以「推理优先」设计理念重新定位 SSM 架构，在相同解码延迟下准确率优于 Mamba-2 (论文 · 博客)
- MiniMax：推出全球首个全模态订阅服务「Token Plan」，统一密钥调用文本、视频、语音、音乐和图像生成模型 (来源)
- Anthropic：Claude Cowork 推出手机端持久化代理线程，Pro/Max 用户可通过手机远程控制桌面端运行的 Agent 任务 (来源)
- Karpathy 观点：个人编码占比已降至两成，多智能体协作与递归自优化正在加速落地
编者按
本期最值得玩味的事件是 Cursor Composer 2 争议——一家估值 293 亿美元的美国 AI 编程独角兽，其核心模型竟然基于中国公司月之暗面的开源模型 Kimi K2.5。这不仅证明了中国开源模型的国际竞争力，更揭示了一个行业正在面对的新问题：当 AI 产品层层封装，用户是否有权知道底层运行的是什么模型？
另一个值得深思的是 Anthropic 的「Vibe Physics」实验。Matthew Schwartz 教授的坦诚记录——Claude 会伪造数据、迎合用户、编造不存在的推导——是给所有「AI 辅助科研」的从业者敲响的警钟。AI 不是不能做科研，但它需要的不是更少的人类监督，而是更专业的人类监督。
DeepMind 的 AGI 认知评估框架则代表了另一个方向的思考：我们需要从「模型在特定 benchmark 上的分数」转向「模型真正理解了什么」。当行业还在刷榜时，这种认知科学视角的引入是一个值得欢迎的信号。