视觉搜索正在变成智能体记忆 重要的不是网页搜索可以返回图片；重要的是，智能体开始需要把视觉证据纳入自己的工作记忆，因为许多真实任务依赖的是用户通过视觉识别的东西，而不只是能够用文字准确表达的事实。 OpenAI 6 月 9 日的 API 更新日志记录了一个看似很小的功能：Responses API 中的网页搜索现在可以在常规文本结果之外返回图片结果，适用于需要当前视觉信息或有网页依据的视觉信息的场景，例如产品照片、地标、地点、事件或视觉参考。单独看，这像是搜索能力的改进。更尖锐的解读是：视觉检索正在成为智能体运行时的基础能力。 这不是为了让聊天答案更好看，而是为了弥合用户识别世界的方式和 LLM 系统检索世界的方式之间的缺口。用户可能不知道一把椅子的型号、一栋建筑的名字、一款产品的准确版本，或某个公共事件的正式标题。他们可能指着一张照片、描述一个形状、问“带绿色标签的那个”，或者用视觉方式比较两个商品列表。文本搜索能帮忙，但它经常丢掉真正让任务变具体的区分特征。 这里的核心机制是“视觉 grounding 缓存”。在严肃的智能体工作流中，图片结果不应该被当作装饰附件。它们应该成

新的 AI 产品，是权限层 重要的不是 Anthropic 发布了一个更强的模型；重要的是，同一套底层能力正在通过不同的权限层被包装和分发，因为前沿 AI 的分发正在变成一个“信任路由”问题，而不再只是简单的 API 可用性问题。 Anthropic 在 6 月 9 日发布 Claude Fable 5 和 Claude Mythos 5，表面上看是一则熟悉的前沿模型公告：更强的代码能力、更强的知识工作能力、更好的视觉、更持久的长上下文、客户评价、基准比较，以及新的价格。标题数字很容易被转述。根据 Anthropic 的说法，Fable 5 和 Mythos 5 的价格是每百万输入 token 10