Anthropic一口气给华尔街做了10个AI Agent、Gemini 2.5 Pro登顶编程榜、Cloudflare裁1100人拥抱AI：本周AI圈5件大事

导语

过去一周（5月5日-5月9日），AI行业发生了几件可能改变未来两年走向的事情：Anthropic正式进军华尔街，一次性发布10个金融行业AI Agent模板；Google Gemini 2.5 Pro I/O版本在编程基准测试中登顶，价格却只有竞争对手的一半；Cloudflare宣布裁掉1100名员工（占总量20%），理由是AI让这些岗位变得多余；一个开源项目Local Deep Research在消费级显卡上跑出了95%的研究准确率；Vercel发布了Open Agents框架，让任何人都能快速搭建云端AI Agent。

这五件事表面各自独立，但拼在一起指向同一个趋势：AI正在从"工具"进化为"员工"。下面逐一拆解。

一、Anthropic给华尔街送了10个AI Agent：投行分析师的工作方式要变天了

发生了什么

5月5日，Anthropic 在其官网上正式发布了"Claude for Financial Services"——一套面向金融行业的、开箱即用的AI Agent模板包。这不是概念验证，而是可以直接部署到投行日常工作流里的生产级工具。

这套Agent包含10个模板，按职能分为两组：

前台研究组（5个）：

• Pitch Builder——自动生成目标公司清单、跑可比公司分析、起草Pitchbook
• Meeting Preparer——在客户会议前自动整理客户和交易对手的背景资料
• Earnings Reviewer——阅读财报电话会议纪要和SEC文件，自动更新财务模型，标记与投资逻辑相关的重要变化
• Model Builder——从财报文件、数据源和分析师输入中自动搭建和维护财务模型
• Market Researcher——追踪行业和标的发展，综合新闻、公告和券商研报，为信贷和风控审查标记重要事项

中后台运营组（5个）：

• Valuation Reviewer——检查估值是否符合可比公司、方法论和公司内部审核标准
• General Ledger Reconciler——对账总账科目，运行净资产值计算
• Month-End Closer——执行月末结账检查清单，准备日记账分录，生成结账报告
• Statement Auditor——审查财务报表的一致性、完整性和审计就绪度
• KYC Screener——整理实体档案，审查源文件，打包合规审查升级材料

为什么这件事很重要

过去一年，几乎所有AI公司都在喊"AI Agent"，但大多数Agent还停留在"帮我写个邮件"的层面。Anthropic这次直接切入了全球薪酬最高的行业之一——投资银行，而且覆盖了从前台到后台的完整工作链路。

更有意思的是部署方式。这10个Agent有两种运行模式：

• 插件模式：作为Claude Cowork或Claude Code的插件运行，分析师在桌面上直接使用。比如给Pitch Builder一个目标公司列表，它能同时输出Excel可比模型、PowerPoint Pitchbook草稿和Outlook封面邮件。
• 托管模式：在Anthropic的平台上自主运行，适合需要处理大量交易或定时任务的场景（如月末结账）。

Anthropic还宣布了与Microsoft 365的深度集成——Claude现在可以直接操作Excel、PowerPoint和Word，而且上下文在这些应用之间自动流转。这意味着分析师在Excel里建的模型，到了PowerPoint里不需要重新解释。

目前已经有Citadel、FIS、BNY、Carlyle、Mizuho等头部金融机构成为客户。其中对冲基金Walleye Capital的CEO Will England说："我们400名员工100%都在使用Claude Code"——这不是试用，而是全面替换。

对普通人的启示

如果你在金融行业工作，现在最重要的事情是去GitHub上下载这套模板（anthropics/financial-services），跑一遍Demo，理解它的能力边界。这不仅仅是一个工具，而是Anthropic定义了"AI在金融行业应该怎么干活"的标准答案。

二、Gemini 2.5 Pro I/O登顶编程榜：Google终于做出了能打的编程模型

发生了什么

5月7日，Google DeepMind发布了Gemini 2.5 Pro的升级版——Gemini 2.5 Pro "I/O"。DeepMind CEO哈萨比斯说这是"我们有史以来构建的最强编程模型"。

从数据来看，他没吹牛：

WebDev Arena排行榜（人类评审的网页应用生成任务）：

相比上一版本实现了221分的大幅跃升，超越了连OpenAI的GPT-4o都未能击败的Claude 3.7 Sonnet。

最令人印象深刻的能力是单条文本提示生成完整应用。官方展示了多个案例：不到一分钟生成带音效的俄罗斯方块游戏、自动从YouTube视频创建互动学习应用、生成模拟水桶来回晃动的水体物理效果、甚至完成复杂后端路由系统的重构——这是首个实现此能力的AI模型。

价格才是杀手锏

性能登顶已经很厉害了，但真正让行业震动的是价格：

用不到竞争对手一半的价格，提供更好的编程性能。这对OpenAI和Anthropic构成了极大的定价压力。

此外，工具调用（function calling）的失败率"明显下降"，在前端开发的可靠性和美观性上也大幅提升。现有Gemini 2.5 Pro用户将自动切换至新模型，无需额外操作。

对开发者的启示

如果你在使用Cursor或其他AI编程工具，Gemini 2.5 Pro I/O已经集成到Cursor中。建议在日常开发任务中切换到这个模型试试，特别是前端开发和全栈应用生成场景。

三、Cloudflare裁掉1100人：AI第一次大规模"替代"而不是"辅助"

发生了什么

5月7日，网络安全巨头Cloudflare宣布裁员1100人，占其5156名员工的约21%。CEO Matthew Prince在内部备忘录中说，这是为了"为Agentic AI时代重组公司架构"。

关键数据：过去三个月，Cloudflare内部的AI使用量增长了600%。Prince表示，AI驱动的效率提升使得许多传统支持和运营岗位变得多余。

讽刺的是，Cloudflare同时发布了Q1财报——收入同比增长25%，超出分析师预期。但市场并不买账，股价盘后暴跌24%。

为什么这件事和以往裁员不一样

2023-2025年，科技行业的裁员潮大多可以归结为"疫情后过度招聘的回调"或"降本增效"。但Cloudflare这次不一样——CEO明确表示不是因为业绩不好，而是因为AI改变了工作方式。

几个值得注意的信号：

• 从"AI辅助"到"AI替代"：不是让员工用AI工具提高效率，而是直接用AI替代了整个职能。
• 收入增长与裁员并行：公司在增长，只是不再需要那么多人了。这是AI影响就业的真正拐点。
• "Agentic AI"作为裁员理由：Prince用的是"Agentic AI"而不是普通AI——暗示他看到的不只是自动化，而是能自主完成复杂任务的AI Agent。

同一天，Airbnb也透露了一个数据：AI现在生成了公司60%的新代码。虽然Airbnb没有宣布裁员，但这个数字本身就说明了很多问题。

对从业者的启示

Cloudflare的裁员不是孤立事件，而是一个信号。AI替代人力的速度可能比大多数预测更快。对于技术从业者来说，关键是确保自己的工作处于"AI难以自主完成"的区域——目前来看，系统设计、跨领域决策和创造性问题解决仍然是安全区。

四、Local Deep Research开源：消费级显卡跑出95%研究准确率

发生了什么

5月8日，开源项目Local Deep Research（LearningCircuit开发）在GitHub上引发关注。它在使用Qwen3.6-27B模型、仅需一张RTX 3090显卡的前提下，在SimpleQA测试中达到了约95%的准确率。

这个项目的核心价值在于：你在本地就能拥有一台研究能力接近GPT-4级别的AI研究员，数据完全不出你的电脑。

技术特点包括：

• 连接10+搜索引擎（arXiv、PubMed、GitHub等学术和专业数据源）
• 支持导入私有文档作为研究知识库
• 全程本地运行，所有数据端到端加密
• 兼容llama.cpp和Ollama生态
• 具备完整的Agent循环——自动规划搜索策略、交叉验证信息、生成研究报告

为什么95%准确率值得关注

SimpleQA是一个公认难度较高的开放域问答基准，目前GPT-4级别的云端模型在非优化条件下通常能达到85-92%。一个本地运行的开源模型能达到95%，说明两件事：

• 开源模型的推理能力已经足够强：Qwen3.6-27B的表现证明了中小参数模型通过良好的Agent框架设计，可以超越大参数模型的原始能力。
• RAG（检索增强生成）的设计比模型大小更重要：Local Deep Research的成功更多归功于其多源搜索+交叉验证+多步推理的研究框架，而非单纯依赖模型本身。

对于需要处理敏感数据（法律、医疗、金融）的场景，这种"完全本地化"的能力尤为宝贵。

对开发者的启示

如果你对隐私敏感型AI应用感兴趣，强烈建议克隆这个仓库试一下。硬件要求不高（RTX 3090或同等级显卡），但能给你一个关于"本地AI Agent能做到什么程度"的真实体感。

五、Vercel发布Open Agents框架：AI Agent开发的"脚手架"来了

发生了什么

5月9日，Vercel Labs在GitHub上发布了Open Agents——一个开源的云端AI Agent构建模板。同一天，Addy Osmani（Google Chrome团队前核心成员）也发布了Agent-Skills框架，专注于将"生产级工程实践"编码到AI编程Agent的逻辑中。

这两个项目代表了同一个趋势：AI Agent开发正在从"手工作坊"走向"工业化"。

Open Agents提供了一个基础框架，降低了在云基础设施中构建自主Agent的门槛。而Agent-Skills更专注于代码质量——它将工作流、质量门控和最佳实践编码进Agent的逻辑中，目标是让AI编码从"实验性"提升到"专业级"。

加上同日GitHub Trending上的其他Agent项目（DeepSeek-TUI终端编程Agent、PageIndex无向量RAG系统、InsForge编程Agent后端基础设施），仅5月9日一天就有5个Agent相关项目冲上了GitHub热榜。

这意味着什么

AI Agent的"基础设施层"正在快速成熟。就像云计算早期有CloudFormation和Terraform一样，AI Agent领域正在形成自己的基础设施工具链。这意味着：

• 构建Agent的成本和门槛在快速降低
• Agent的质量标准正在被定义（Agent-Skills的质量门控思路）
• Agent之间的互操作性和组合能力会越来越好

总结：本周AI圈的五个关键信号

如果说上周的主题是"AI模型的进化"，那这周的主题就是"AI Agent的落地"。模型不再是瓶颈，如何把AI变成真正能独立完成工作的"数字员工"，才是接下来两年的核心战场。

对于关注AI工具的用户来说，建议重点关注三个方向：Anthropic的金融Agent模板可以作为理解"AI Agent应该怎么设计"的最佳案例；Gemini 2.5 Pro I/O的性价比优势值得在实际开发中验证；Local Deep Research证明了本地化AI的可行性，对数据敏感的场景尤其重要。