发生了什么：3月29日，Chroma发布了Context-1，一个20B参数、采用Mixture of Experts架构的专用Agentic搜索模型。与此同时，OpenResearcher团队发布了开源离线深度研究流水线，训练出的30B模型在BrowseComp-Plus基准上达到54.8%准确率，超越了GPT-4.1。

为什么重要：这两个消息合在一起，指向同一个趋势——“一个通用大模型搞定一切”的范式正在承压。Context-1的核心创新是“自我编辑上下文”（Self-Editing Context），能在32k窗口内动态修剪无关信息，解决多跳检索中的“上下文腐烂”问题；OpenResearcher则证明：用9.7万条离线合成轨迹训练，30B模型就能超过闭源旗舰，不需要连接在线搜索。

深层逻辑：专用MoE架构让Context-1只激活必要的专家网络，本质上是在用“稀疏激活”换取任务专注度。如果这个路线成立，未来企业AI基础设施的采购逻辑将从“买最大的模型”转向“为每条任务链匹配最小有效模型”，对成本结构影响深远。

发生了什么：Anthropic发布Claude Mythos 5.0 Beta，内部员工表示“已经完全不再手写代码”，模型甚至能主动发现Linux内核等系统漏洞。同日，营销人Jacob Bank披露，他用40个AI代理取代了原本需要4人的营销团队，月成本从5万美元降至500美元，降幅99%。

为什么重要：Mythos 5.0代表模型能力的新高水位，Jacob Bank的案例则是这种能力在实际工作流中的变现路径。关键不是“AI会不会替代人”的讨论，而是已经有人做到了，数字在那里。

结构性含义：AI代理替代的不是“员工的所有工作”，而是“任务链”——内容分发、数据分析、文案生成、投放优化，每一段都可以拆出来交给专门的代理。Jacob Bank的另一个洞察更值得注意：AI更是“能给出个性化反馈的成长教练”，意味着AI的价值已开始渗透管理层职能。至于Mythos 5.0，能主动挖出Linux内核漏洞，意味着模型开始具备了真正的“主动侦察”能力。