Anthropic 将 Claude in Chrome 浏览器扩展的侧边栏正式升级为 Claude Cowork 会话：对话会保存至历史记录，技能（Skills）和连接器（Connectors）可直接在浏览器中工作，任务还能在桌面端、网页端和移动端应用之间无缝切换。这意味着浏览器侧的 Claude 从"一次性问答浮窗"升级为与主应用同级的持久工作空间——用户在网页里启动的任务可以回到桌面继续， Cowork 的协作上下文不再丢失。对重度使用浏览器做资料整理、表单填写和跨标签页操作的用户来说，这是 Claude 浏览器形态向"完整 Agent 工作台"演进的关键一步。
🔗 查看原文Meta AI 超级智能实验室的首个开放权重模型 Muse Glimmer 已在 OpenRouter 上线。这是一款 30B 密集（dense）文本+图像模型，采用 Apache 2.0 许可证，定位为可靠的本地智能体（local agent）：MCP Atlas 得分 75.5，SWE-Bench Pro 得分 51.2。30B 密集架构意味着它可以在高端消费级硬件上本地运行，同时多模态能力使其能处理截图理解、UI 操作等 Agent 场景。Apache 2.0 的宽松许可 + OpenRouter 的分发渠道，让中小团队可以零授权成本将其接入自己的产品链路。
🔗 查看原文OpenRouter 发布实时排行榜，系统评测"模型 × 搜索引擎 × 搜索方法 × 预算"四类配置组合的表现。核心发现：将搜索预算从 1 轮增至 25 轮可使 BrowseComp 得分近乎翻倍，而成本仅增 2.5-7 倍——搜索深度的性价比极高；模型选择比引擎选择更重要（平均分差 15 分 vs 10 分）；对失败率高的任务，应降低搜索深度以控制成本。这是首个持续更新的"搜索增强 Agent"配置基准，为搭建联网 Agent 的开发者提供了直接的选型依据。
🔗 查看原文Modular 宣布 Mojo 语言正式发布 1.0 版本，提供稳定、可用于生产环境的语言基础。自 2023 年首次发布以来，Mojo 已从"Python 超集实验"发展为通用语言；自开源标准库以来，近 200 名贡献者合入超 1,100 个拉取请求、改动超 200,000 行代码。1.0 的意义在于 API 稳定性承诺——此前因语言快速迭代而观望的团队现在可以基于稳定接口构建 AI 基础设施。Mojo 主打的卖点仍是接近 C 的性能 + Python 风格语法，面向 GPU/加速器编程场景。
🔗 查看原文Runway 宣布 Seedance 2.5 在其平台上线，主打"完整阵容，完整曲目，一次生成一个"：支持最多 50 个独特角色参考，以及最长 30 秒、与音乐同步的视频片段。50 角色参考能力对多角色叙事场景（短剧、MV、广告分镜）价值明显——此前视频生成模型在跨镜头角色一致性上普遍薄弱，角色参考库是直接的工程化解法。与音乐同步则指向 Runway 在"成片级"内容生产上的持续投入。
🔗 查看原文OpenAI 开发者账号宣布：用户现在可以将其他智能体的工作内容与 ChatGPT Work 和 Codex 保持同步——可导入项目、聊天记录、技能和插件，查看导入历史，并可在设置中选择开启自动更新，现已在 ChatGPT 桌面应用中提供。这是 Agent 生态"可迁移性"的标志性功能：OpenAI 在主动降低用户从其他 Agent 平台（包括竞品）迁入的成本，项目、技能、插件三件套的整体导入也意味着 ChatGPT 在把"Agent 工作区"作为核心留存阵地。
🔗 查看原文阿里 Qwen 团队正式开放 Qwen3.8-2.4T-A95B 模型权重，这是 Qwen-Max 级别模型首次开源。模型总参数 2.4T，每个 Token 激活 95B（约 4% 激活率），原生支持 262,144 Token 上下文并可扩展至 1,010,000 Token。旗舰级闭源模型走向开放权重是本轮开源竞赛的标志性事件：2.4T 总参 + 95B 激活的规格对标的是一线商用模型，而 1M 级上下文扩展能力直接瞄准长文档、代码库级 Agent 场景。开源社区第一次拿到了"Max 级"的完整权重，预计会迅速出现针对该模型的微调、量化和推理优化生态。
🔗 查看原文微软 AI 负责人 Mustafa Suleyman 宣布：微软首个推理模型 MAI-Thinking-1 从零开始构建，现已在 Microsoft Foundry 上线。这是微软自研模型家族（MAI 系列）首次进入"推理模型"赛道——此前微软在核心模型能力上高度依赖 OpenAI，MAI-Thinking-1 的"从零构建"表述显示其自研路线正在覆盖到强化学习推理这一最前沿领域。短期内它主要服务于微软自家 Copilot 与 Foundry 企业客户，但战略意义在于微软对模型供应的"去单一依赖"又推进了一步。
🔗 查看原文xAI 发布 Grok 4.6，在 Grok 4.5 基础上重点强化长时运行智能体（long-running agents）及更复杂的交互式与视觉工作能力。官方称该模型在多项智能体编码与知识工作基准上达到前沿水平，并在 Artificial Analysis Intelligence Index（九项基准综合分）上追平 GPT-5.6 Sol。同日 Cursor 宣布与 SpaceXAI 联合发布 Grok 4.6 的编辑器集成，强调其在交互式视觉任务上的能力——发布即进入主流编程工具链，说明 xAI 正在把 Agent 编码作为核心落地场景。
🔗 查看原文LTX 推出 LTX-2.5 模型，原生集成 ComfyUI，在 2 张英伟达 GB200 配置下生成 10 秒 720P 视频仅需 6.8 秒——生成速度快于视频时长本身，实现"亚实时"出片。定价方面，LTX-2.5 Fast 以每秒 0.09 美元生成带音频 720p 视频，10 秒片段成本 0.90 美元；年度经常性收入低于 1,000 万美元的组织可免费使用。速度+低价+ComfyUI 原生集成的组合，明显瞄准独立创作者与小型工作室的量产短视频场景，对 Runway、可灵等按秒计费更高的产品形成价格压力。
🔗 查看原文SGLang 宣布对 NVIDIA Nemotron 3.5 Lightning 提供发布当日（Day-0）支持。该开源模型为 30B 总参数、3B 激活参数的混合专家架构（10:1 稀疏比），支持最长 1M token 上下文，可从 Hugging Face 下载 BF16 和 NVFP4 权重。模型支持 MTP、DFlash、DSpark 三种投机解码技术，并可通过 OpenAI 兼容 API 接入智能体工作流。3B 激活 + 1M 上下文的组合极具工程价值：长上下文 Agent 的推理成本被压到接近 3B 模型级别，NVFP4 权重则直接面向 Blackwell 硬件的低精度推理路径。
🔗 查看原文面向医学研究者的网站 Research Gold 宣称其同行评审服务"100% 由人类撰写、绝不使用 AI"，并列出多名博士审稿人。404 Media 调查发现：这些审稿人系 AI 生成、并不存在；部分真实方法学家的身份和照片未经许可被挪用。致电该公司时，自称"Sarah"的 AI 助手坚称自己是真人，邮件与聊天回复也均为 AI 生成。这是"反 AI 营销"被反向揭穿的典型案例——在学术出版这样对署名与责任高度敏感的领域，伪造人类专家身份的法律与伦理风险远高于普通内容农场。
🔗 查看原文OpenAI 与 Google 的聊天机器人均跨过 10 亿用户门槛。OpenAI 在 8 月 6 日的博文中披露 ChatGPT 月活用户超 10 亿（7 月周活已达 10 亿）；Google CEO 皮查伊则宣布 Gemini 月活达 10 亿，称其为 Google 史上增长最快的产品、也是 Google 第 14 个达到 10 亿用户的产品。Gemini 2 月月活为 7.5 亿，增速更猛。两个 10 亿级 AI 入口并存，标志着聊天机器人正式进入与搜索、社交同量级的"超级应用"阶段，双寡头格局初步成形。
🔗 查看原文Alexander Panfilov 团队发现 OpenAI、Anthropic、Google 等主要 AI 提供商的 API 存在漏洞，可读取推理模型的加密思考过程。研究者扫描约 7,000 条公开会话，发现 62 个 API 密钥、33 个邮箱和 33 个密码泄露。通过越狱，Anthropic 的 Haiku 4.5 可逐字转写 Opus 4.8 的原始推理；解码 10,000 条推理轨迹的 API 成本约 720 美元。"加密推理不可见"是推理模型安全叙事的重要一环，该研究表明其实现层存在系统性弱点，且推理轨迹中泄露的密钥类敏感信息构成直接安全风险。
🔗 查看原文据 IT之家援引消息：英伟达正在研发新一代开源 AI 模型系列 Nemotron 4，规模最大的模型预计至少拥有 1 万亿个参数，旨在与全球最先进的开源模型竞争。英伟达尚未确定发布日期，最终训练也未完成，员工认为最早可能在今年秋末准备就绪。此举意在通过开放模型生态扩大 AI 应用范围，并推动市场对其 GPU 算力的需求——卖"铲子"的公司亲自下场做顶级开源模型，本质是用模型权重喂养算力生态。（注：此条为媒体报道的未官宣消息，具体规格以英伟达官方为准。）
🔗 查看原文Anthropic 研究指出，随着 AI 智能体在共享代码库、市场等社会系统中承担更多任务，智能体间交互量或将超过人机交互。实验中，45 个协调智能体在 2,700 万 token 运行中发现 266 个漏洞，而独立并行方法在 650 万 token 中发现 21 个；两种方法仅 12 个重叠，且协调智能体自发学会了专业化分工。研究同时警示：个体层面的良性行为怪癖可能叠加为意外的系统性失败。这是头部实验室首次系统给出"多智能体社会"的实证测绘——协调带来数量级的产出差异，也带来涌现层面的新型风险。
🔗 查看原文Google Research 提出"知识画像"框架，发现前沿 LLM（如 Gemini 3、GPT-5）的事实编码接近饱和，但回忆（recall）能力不足——多数事实错误源于"丢钥匙"（会但取不出）而非"空货架"（根本没学过）。该框架将事实分为编码失败、回忆失败等五类画像，并配套推出 WikiProfile 基准：含 2,150 条维基百科事实、每条配 10 个问题，分别探测编码、回忆与识别能力。结论对 RAG 与继续预训练的取舍有直接指导意义：加大数据灌入的边际收益已低，提升回忆机制（检索触发、推理链引导）才是降幻觉的主战场。
🔗 查看原文Google Research 与 Google DeepMind 推进医疗 AI 系统 AMIE，实现实时临床视频问诊，首次在此场景展示专家级 AI 能力。系统基于 Gemini 和 Project Astra 构建，可解读视觉与听觉线索、引导虚拟体格检查并实时进行诊断推理。在随机研究中，临床评估者对 AMIE 的病史采集、诊断准确性等核心能力给予好评，患者演员也更偏好视频体验。从文字问诊到实时视频问诊是医疗 AI 的关键形态跃迁——视觉线索（面色、皮疹、步态）进入诊断回路后，AI 可覆盖的病种场景大幅扩展。
🔗 查看原文研究团队为 macOS 虚拟机中的 Metal 能力查询构建了进程级兼容层，使 llama.cpp 能在虚拟机内选用更新的 Metal 内核。实测在 M1 Ultra 上：TinyLlama 1.1B 的提示处理速度提升 11.08 倍、token 生成提升 16.36 倍，接近裸机性能的 98%；Gemma 4 12B 的提示处理与生成速度分别提升 7.20 倍和 14.54 倍。macOS 虚拟机是苹果生态内做隔离测试、CI 与 Agent 沙箱的常用手段，此前 GPU 加速在 VM 内几乎不可用——该兼容层让"沙箱化本地大模型"在 Apple Silicon 上首次变得实用。
🔗 查看原文LMSYS 团队提出 Unified Radix Cache：用单一 token 键控的 radix 拓扑，统一管理混合模型中 FULL（全注意力）、SWA（滑动窗口注意力）和 MAMBA 组件的缓存，各组件独立执行路径、滑动窗口和检查点复用语义。混合架构（注意力+状态空间模型）正成为长上下文模型的主流路线，但此前 KV 缓存与 SSM 状态缓存需要多套系统分别管理，前缀复用率低。统一树结构把混合模型的缓存命中率拉回到纯注意力模型的水平，对 Agent 长会话场景的推理成本下降有直接作用。
🔗 查看原文DeepSeek V4 Pro 正式版与 Grok 4.6 在 2 小时内先后发布，均为 1.6T/1.5T 参数级模型，体验上双双逼近 Claude Fable 5。旗舰模型"同日撞车"已成本轮发布季的常态，头部梯队（Fable 5 / GPT-5.6 / Grok 4.6 / DeepSeek V4 Pro）之间的体验差距被压缩到用户难以稳定感知的区间。当模型能力趋同，竞争焦点正在转向上下文长度、Agent 可靠性、工具生态与价格——参数规模的军备竞赛叙事正在让位于工作流叙事。
🔗 查看原文AutoGPT 维护者发现：AI 智能体不会主动阅读文档，因此他们把指令放进 AGENTS.md 和技能文件，置于代码目录旁边。通过强制 PR 模板、测试计划、CI 覆盖率门槛和 CLA 签名等门控机制，团队将智能体提交的 PR 从"不可用"转变为"可用但不符合路线图"。其中 CLA 签名因需要浏览器和 OAuth 流程，被用作区分人类与智能体的"人类探测器"。这是开源社区应对"AI 优先贡献者"的 early playbook：不禁止 AI 提交，而是用结构化门控把质量成本转嫁给提交方。
🔗 查看原文作者在完成一本 RLHF 教科书后反思：LLM 在长文非虚构写作上进展停滞，GPT-4.5 和 Kimi K2 等写作强模型已显老旧，而编码、数学等任务已接近超人水平。模型能改错字、做编辑，但组织整章内容时仍混乱且易出错——作者认为这种"长程结构性写作能力"的短板，阻碍了模型自主解决开放性科学问题。观点的价值在于校准预期：基准分数狂飙的这两年，长文写作质量几乎原地踏步，"能解奥数题但写不好一本书"是当前模型的真实剖面。
🔗 查看原文作者通过 mitmproxy 对 VS Code 中的 GitHub Copilot 进行中间人代理拦截，逆向分析其网络流量与内部架构。文章指出这些 AI 应用普遍基于 Electron 构建、共享相似的网络栈，因此探测结果可迁移至其他同类应用；作者借此揭示了 Copilot 的运行时行为，并分享了配置代理的具体步骤。对需要审计"AI 助手到底往外发了什么"的企业安全团队来说，这是一套可直接复用的方法论——也提醒开发者：本地 AI 工具的流量对持有代理权限的一方是透明的。
🔗 查看原文Dwarkesh Patel 与 Redwood Research 首席科学家 Ryan Greenblatt 探讨递归自我改进（RSI）：一旦 AI 达到人类顶级专家水平，可能在一年内实现相当于 4-5 年的 AI 进展，Ryan 的中位预期是 2031 年自动化 AI 研发。双方还讨论了超级智能的对齐对象、奖励黑客行为是否会升级为 AI 联手接管世界等风险。Greenblatt 是少数同时做前沿能力评估与对齐研究的实践者，其时间表判断比纯理论推演更值得参考——2031 中位数意味着"AI 研发自动化"已进入五年规划视野。
🔗 查看原文Codex 和 Claude 新增跨 Session 传消息功能后，新对话可从之前所有对话中选择可用消息，省去交接文档和 git 备份。作者据此重构工作流：主对话守住目标与决策，分支对话独立探索新想法，完成后由主对话读取完整记录。Codex 通过复制会话 ID 精确寻址，Claude Code 则用内置 session management 搜索对话历史（但桌面端只能搜索当前可访问的会话记录）。"主-从会话"模式正在成为 vibe coding 的标准组织方式，本质是人对 Agent 团队的轻量级管理结构。
🔗 查看原文