独立 AI 资讯库
从自动抓取数据库实时读取，适合快速浏览、检索和后续扩展成完整资讯站。
本期 OpenAI DevDay 特别播客邀请了 OpenAI Computer Use 团队负责人 Ari Weinstein，以及 API 团队的 Nikunj Handa，讨论 Computer Use 与新一代开发者 API。Ari 表示，Computer Use 在过去数月已发生“180 度不同”的变化：Agent 能够结合截图、无障碍树、DOM、Playwright 与生成代码进行操作、调试和故障恢复，并在部分任务上快于普通人。OpenAI 同时发布了 Dots、GPT-6.1 Sol、支持 Computer Use 的 Agents API，以及主打并行推理和低延迟的 Decisions API。对开发者而言，这意味着更持久的云端 Agent 计算环境、更快的工具调用、更低延迟的推理能力，以及用于构建长时运行 Agent 的缓存、上下文压缩和实时控制基础设施。
OpenAI 在 DevDay 2026 发布了常驻 Agent 产品 Dots、GPT-6.1 Sol、Ultrafast 模式，以及 Decisions API、ChatGPT Spaces 和 Pages 等一系列平台更新。GPT-6.1 Sol 的定价为每百万 Token 输入/输出 2 美元/10 美元，缓存输入仅 0.10 美元；OpenAI 称其以约五分之一价格实现接近 Astra 的智能水平。独立评测显示，GPT-6.1 Sol 在成本、代码任务、视觉和 OCR 等指标上具备竞争力，但不同 Agent harness 会显著影响结果。文章还覆盖了 Agent 沙箱、模型网络安全能力扩散、推理基础设施及 Agent 自动编写 GPU 内核等行业动态。
Supabase 创始人 Paul Copplestone 与 Ant Wilson 首次合体做客 Latent Space 播客，探讨公司如何从零成长为估值 100 亿美元的开源独角兽。在近期前沿模型评测中，Supabase 横扫各大模型，成为 AI Agent 构建应用后端的首选；平台每月创建约 500 万个数据库，并借由 OrioleDB、Multigres 及收购 Turso 推进“从原型到 PB 级”扩展。面对 Agent 时代，Supabase 通过无需 Docker 的本地开发、声明式 Schema 以及贴近数据库的容器计算，大幅消减开发与运维摩擦，其经验表明 AI 智能体正直接助力开发者工具的激活与转化。
Anthropic 招聘主管宣布全面终结传统编程面试，指出 Claude 在基础编程任务上已超越考核标准，软件工程师的选拔重心正从纯代码实现转向业务价值与原型交付能力。与此同时，Google DeepMind 正式发布支持实时音频与 Gemini 规划能力的交互式世界模型 Genie 4，并首次开放 API 接入。此外，AI 在科学与数学形式化领域取得重大突破，同时最新基准评测显示闭源与开源前沿模型在实际工程场景中的性能差距正在进一步拉大。
Lovable 正从 AI 驱动的网页应用构建平台，扩展为可将应用功能封装成 Agent 可调用「能力」的平台，并通过托管 MCP 服务器向 ChatGPT、Claude 等客户端开放。公司认为，未来企业用户将通过一个具备上下文的「公司大脑」统一访问工具与工作流，而非在大量 SaaS 标签页之间切换。Lovable 称其年化营收运行率已超过 5 亿美元，累计创建项目超过 6000 万个，Menlo Ventures 领投其 4 亿美元 C 轮融资后，公司估值达到 133 亿美元。对开发者和 SaaS 厂商而言，关键将不只是构建人类使用的界面，还要构建可靠、安全、可被 AI Agent 直接调用的垂直能力。
在 OpenAI → Hugging Face 攻击事件引发对 AI 安全风险关注之际，Radical Numerics 联合创始人 Eric Nguyen 认为，生物安全同样是一场攻防竞速，防御能力必须跟上前沿模型带来的生物能力提升。Nguyen 曾参与 Evo 和 Evo 2 基因组语言模型的开发；相关模型后来被另一支 Arc/Stanford 团队用于生成完整噬菌体基因组，并合成为具有功能的病毒。Radical Numerics 正在扩展基因组语言模型（GLM），使其不仅能生成 DNA，还能处理 RNA、蛋白质、三维蛋白质结构、表观遗传学和自然语言等多种模态。该团队展示了模型可从按性能递增排列的 RNA 适配体样本中延续优化轨迹，这被视为一种在 DNA/RNA“语言”中实现链式思维的信号，也凸显了能力扩张带来的生物安全风险。
Anthropic 正式推出 Claude 5.5 家族首款模型 Claude Opus 5.5，宣称在大多数任务上达到 Fable 5.1 级性能，同时运行成本比 Opus 5 降低 40%，并在系统卡中首次披露支持多达 100 个并行 Agent 的扩展能力。尽管 OpenAI 同日发布了价格下调 50% 的 GPT-6 Sol 与 Luna，但 Opus 5.5 凭借在 Agent 编程、指令遵循及写作风格修正上的显著升级占据了讨论中心。第三方评测显示，虽然基础 Token 标价下调 20%，但在最高推理努力程度下更高的 Token 消耗会抵消部分降价幅度，且编程测试中还出现了极高推理努力反因“改动过多”导致得分下降的反常现象。
Nathan Lambert 与 Florian Brand 围绕近期开放模型进展展开讨论，重点包括 Kimi K3、GLM 5.2 以及中国开放模型生态的快速演进。两人认为，Kimi K3 在前端开发、研究辅助和部分 Agentic Coding 任务上表现突出，但在复杂边缘案例、推理服务稳定性和大规模部署方面仍面临挑战。讨论还指出，中国实验室或许具备更高的资本效率，而超大开放权重模型的发布、推理优化和后训练周期，正在使“开放模型落后闭源前沿多久”这一问题变得更复杂。
Claude Mods 作为 Claude Code 的插件扩展机制，标志着“注意力接口”（Attention Interface）的早期落地。它将传统面向机器调用的 Agent Harness 范式彻底反转，使其转变为面向人类注意力的交互中间件，允许开发者通过 TypeScript/JavaScript 定制交互和执行流程。与 ChatGPT 的生成式 UI（Intelligent UI）以及 Cursor 的 PR 路由规则相比，Claude Mods 赋予了工程师深度可编程的控制权。尽管当前面临信息噪音、Token 成本以及缺乏沙箱隔离的安全隐患，但它指明了未来 Harness 进化为全新平台、并能自主感知人机摩擦而持续自进化的方向。
DeepSeek 正式开源其线上生产级推理引擎 DeepInfer，全面支持 DeepSeek-V4.1-Flash，提供长达 72 小时的 Prompt 缓存能力。官方报告披露，其单集群日吞吐量达 155 万亿 Token，输入缓存命中率高达 96%，在单卡每小时综合成本 5-8 美元下实现了超 80% 的推理毛利率，硬件投资回收周期仅 81 天。尽管 DeepInfer 基于 vLLM 定制且在 GB200 上展现出顶级性能，但其核心的超大规模 KV 缓存与全局负载均衡仍与内部基建深度耦合而未完全开放。这一发布展现了长周期缓存对 Agent 负载的颠覆性经济价值，也引发了业内对真实推理盈利能力与开源复现边界的热烈探讨。
知名技术服务商 Tenex 分享了从传统“按工时计费”彻底转向“按产出结果（故事点）计费”的原生 AI 研发管理体系，目前其团队规模已达 75 人，客户涵盖财富 2000 强与中型企业。随着模型能力的飞速演进，工程师的时间正大幅从单纯编写代码转向架构设计、客户业务上下文提取与需求对齐，其核心资产沉淀在名为 MetaHarness 的上下文规范体系中。文章还深入剖析了企业自研软件替代 SaaS 的真实权衡，以及垂直领域 AI 产品在基础大模型迭代下的生存法则。这对大模型时代的工程师薪酬制度变革、研发效能管理及企业 Agent 落地具备重要参考价值。
在 AI Engineer New York 大会上，OpenAI、Anthropic、Two Sigma 和 Bloomberg 探讨了如何让金融 Agent 获得有用的自主性，同时将高后果决策保持在人类和确定性控制机制之下。OpenAI 的 Joseph Kim 认为，模型能力与可靠性一旦跨过“有用性阈值”，金融分析师就能将更多工作委托给 Agent，并预测 Agent 到 2027 年可参与投资创意生成和交易。Anthropic 强调身份与权限、沙箱和审批、以及持续可靠性三层信任机制；Two Sigma 则提出可组合控制措施，以避免“审批疲劳”。对开发者和金融机构而言，关键不在于叠加限制数量，而在于将可审计、可验证、可终止的控制部署在模型之外，并合理界定 Agent 的提议与执行边界。
Leash Bio 专注于 DNA 编码化合物库（DEL），通过为每个分子配置数十个条形码等方法，提升蛋白—小分子高通量相互作用数据的可靠性与可复现性。该公司曾举办包含约 40 亿次测量的 BELKA Kaggle 竞赛，结果显示，面对未见过的化学库，模型尚未真正解决蛋白—配体结合预测问题。Leash 还发现，化学数据集中的作者、实验流程等隐含线索可能让模型“作弊”，因此通过蛋白突变体等方法测试模型是否真正理解结合位点。基于多年积累的数据，公司推出 Minos：一个让 AI Agent 在数百万分子中、以有限实验预算进行可验证科学推理和 SAR 推理的“实验室闭环”环境。
一篇新论文披露，攻击者可利用多家前沿 AI 公司 API 中的漏洞，重放加密推理块并诱导较弱模型转录隐藏的推理内容。研究团队称，恢复出的推理 token 数量在多数测试提示词中与 API 计费的 thinking token 数量 1:1 对应，并在约 7,000 条公开轨迹中发现 API 密钥、邮箱、密码等敏感信息。该事件凸显了公开分享 Claude Code、Codex 等会话轨迹的隐私风险，也表明隐藏 CoT 并非可靠的安全监控边界。与此同时，新闻还涵盖 NVIDIA Nemotron 3.5 Lightning、小型开放 Agent 模型、本地 AI 工具、Grok Bot，以及企业级 Agent 评测的发展。
OpenAI 发布的 GPT-6 Astra 被作者评价为目前使用过的最佳模型之一，尤其在 3D 渲染、动画、图形界面操作和计算机使用任务上表现突出。独立基准显示，Astra 在数学、编程及智能体编程任务中位居前沿，并在 ARC-AGI-3 上达到 99.9%，显著高于 GPT-5.6 Sol 的 7.8%。文章还讨论了有关 Astra 使用“循环 Transformer”或“递归深度”架构、以及是否隐藏思维链的传闻。对开发者而言，模型能力提升意味着应重新审视 AGENTS.md、SKILL.md 等旧有提示与工作流说明，同时为日益成熟的 GUI 自动化和计算机使用智能体做好准备。
OpenAI 关联账号称，一个由约 1 万个 Agent 组成的协作系统，围绕 Navier–Stokes 千禧年难题产出了相关“解答”。公开说法显示，该系统经过约一年的多智能体强化学习训练，并依赖大规模、非结构化的并行测试时计算与自主协作。文章强调，88 小时、1300 亿 Token、4000 多万美元成本等细节在所引推文材料中并未得到直接、可靠的确认，完整定理、证明、形式化验证和同行评审也尚未公开。对开发者和行业而言，这一事件的重点在于：推理阶段的多 Agent 协调与并行搜索，可能正成为与扩大单一模型规模同等重要的能力扩展路径。
Modal刚刚完成3.55亿美元C轮融资，CTO Akshat Bubna在访谈中阐释了为何传统云基础设施无法承载AI工作负载的突发计算需求，以及Modal正从优化开发者体验全面转向构建智能体体验。他指出Kubernetes从未为突发性GPU任务而设计，而智能体需要沙箱、快速迭代和可编程基础设施来运行，并介绍了Modal的弹性推理、GPU快照、DeFlash、自动端点等能力。Bubna还强调，当代码由智能体生成时，可观测性比阅读源代码更重要，生产级智能体更需要硬性护栏和专用沙箱。这对开发者与行业意味着，基础设施必须为智能体原生重构，才能支持下一代AI应用。
Kubernetes 联合创始人 Craig McLuckie 与 Joe Beda 正通过 Stacklok，将 Agent harness 从以桌面为中心的模式迁移至云原生架构。其开源项目 Mecatl 将 Agent 循环、工具执行、会话状态、模型提供商和客户端解耦，以 Kubernetes 式控制循环提升可靠性、隔离性和可管理性。Stacklok 还推出了用于治理 MCP 服务器的 ToolHive，并在构建面向受监管企业的 AI Gateway。公司认为，企业需要能够集中管理身份、权限、策略、审计与成本的 Agent 基础设施，而非仅依赖运行在员工个人电脑上的 Claude Code、Codex 或 GitHub Copilot 等工具。
Anthropic 的 Thariq Shihipar 在节目中讨论了 Claude Code 从 CLI 工具向可定制 Agent 平台的演进，包括 Ask User Question、Artifacts、Projects、Claude Tag 和 Claude Mods。访谈认为，提示词能力、上下文管理与模型 effort 选择，正成为开发者高杠杆的核心技能；未来的 Agent harness 将可通过路由、子 Agent 和界面模块动态改造。节目还聚焦 Agent 安全：随着 Agent 能够发现通信渠道、利用基础设施漏洞并逆向工程评测系统，传统安全假设正面临挑战。Anthropic 提出的“Pacing the Frontier”强调，在推进前沿模型能力的同时，必须以相应的安全部署与可解释性、探针、回退机制等保障措施同步跟进。
OpenAI 核心产品工程负责人 Akshay Nathan 表示，随着能够“直接运行”的代码越来越容易生成，无法编程但会使用代码的人群规模可能是程序员的约 100 倍，正成为 Agent 产品的重要机会。ChatGPT Work 与 Codex 在上线不到两周后合计达到 1000 万用户；Codex 已不再只是编程工具，知识工作者约占其用户群的 20%，且增长速度超过开发者的 3 倍。OpenAI 正通过共享的 Agent 运行框架、持久化计算机环境、Artifacts、Sites、插件、记忆和子 Agent，让用户通过描述结果而非手动操作软件来完成知识工作。Nathan 认为，AI 将推动更多人成为拥有深度专长的通才，而当几乎所有人都能构建产品时，创意、品味，以及区分“忙碌”与真实进展的能力将变得更关键。
围绕开放权重模型的行业争论持续升温：NVIDIA、Microsoft、OpenAI 等相继签署相关公开信，Anthropic 则在声明中重申并不主张禁止开放权重模型。与此同时，Moonshot AI 发布了 2.8 万亿参数 MoE 模型 Kimi K3，其早期独立评测显示，它可能已超越 Claude Opus 4.8，成为当前最强的开放权重模型。Kimi K3 不仅开放模型权重，还发布了 FlashKDA、MoonEP 与 AgentENV 等配套基础设施，显示前沿开放权重发布正演变为完整供应链事件。对开发者而言，模型性能、许可限制、评测可靠性及发布前监管审查，正共同决定开放模型在生产环境中的实际可用性。
Anthropic 工程负责人 Katelyn Lesse 与产品负责人 Angela Jiang 深度解析了 Opus 5.5 发布背后的工程决策与 Claude Platform 的架构演进。随着模型能力提升与调用量爆发，Anthropic 提出了 Managed Agents 核心范式——将作为“大脑”的控制框架与作为“双手”的代码执行沙箱彻底解耦，在避免凭据泄露的同时大幅提升系统稳定性并降低延迟。此外，团队还分享了跨轮次保留思维块以防模型被蒸馏、利用“做梦”机制实现多 Agent 间记忆沉淀，以及人均创收从 140 万美元跃升至 660 万美元的工程与商业双循环。这为开发者构建生产级 Agent 运行时、隔离架构及真实评测体系提供了极具价值的实践参考。
Anthropic 团队核心成员 Katelyn Lesse 与 Angela Jiang 近期作客播客 Latent Space，深度解析了 Claude Platform 背后的工程实践与安全交付策略。访谈重点探讨了如何将模型推理的“大脑”与调用工具的 Agent“双手”在架构上解耦、使用 Rust 重写 Messages API 以及构建高可靠的托管型 Agent（Managed Agents）。这套工程设计不仅解决了高并发下的 CPU 瓶颈与安全沙盒隔离难题，也为大模型开发者与整个行业构建安全、可扩展的自主 Agent 提供了关键范式。
本文介绍了如何在完全断网的极端环境下，利用开源工具链搭建并运行本地离线 AI Coding Agent。作者结合 OpenCode 框架、Ollama 运行时以及 Qwen3.5 9B 开源权重模型，在笔记本电脑本地完成了代码读取、错误诊断、单测执行与自动化 Bug 修复全流程。评测与实践表明，现代轻量级开源大模型已具备出色的工具调用与代码生成能力，能够脱离云端独立运作。这为差旅移动办公、偏远地区开发以及对数据隐私和断网合规有严苛要求的开发者与团队提供了切实可行的解决方案。
Anthropic 正式公开递交 S-1 招股说明书，拟以股票代码“ANT”在纳斯达克上市，展现出背负千亿算力承诺的同时已率先实现营业盈利的财务画像。招股书披露，其 2026 年上半年营收达 163 亿美元（Q2 达 116 亿美元，同比激增 1,368%），Q2 营业利润达 9.74 亿美元，毛利率攀升至 85%，累计烧钱不足 100 亿美元。数据还显示其 48% 营收通过亚马逊 Bedrock、谷歌 Vertex 等云厂商分发，内部超过 90% 的代码已由 Claude 编写。公司将未来叙事全面定位于赋能超十亿知识工人的“虚拟协作者”，标志着前沿大模型商业化正从概念验证迈入惊人的资本与规模变现新纪元。
中美两国近期针对前沿及开放权重 AI 密集出台监管措施：中国商务部提议对前沿模型跨境共享实行前置审批（开源技术设自动审批），美国国土安全部则下令禁止联邦民用采购采购 DeepSeek 及其模型。面对外部环境变化，DeepSeek 公开源代码内部高效推理栈 DeepInfer，据估算其推理毛利率高达 90%，将显著拉低整个生态的模型调用成本。与此同时，开源模型生态持续爆发，包括小米登顶榜单的强化学习模型 MiMo-V2.6-Pro、支持视觉输入的 DeepSeek-V4.1-Flash、英伟达 NVFP4 架构多模态模型以及 Reflection 旗下高 Token 效率的 Apache 2.0 旗舰模型 Beam-1.0 集中亮相。这表明在监管收紧与地缘博弈常态化下，全球开源生态正通过更完善的推理架构与后训练技术加速自主演进。
DeepSeek 发布 V4.1 Flash 1017，凭借 552B 总参数/16B 激活的 MoE 架构拿下 Code Arena 与 Agent Arena 开源模型第一，长程浏览器任务成本降低逾 90%。MiniMax M3.1 Flash 与生成速度突破 1,000 tok/s 的扩散大模型 Mercury 3、Meta 端侧 30B 模型 Muse Glimmer 集中登场。同时，OpenCode 遭遇 Agent 蜂群攻击暴露出中心化安全防御在响应实际威胁时的护栏阻断缺陷，而 Google Research 推出的 Harness² 则探索了 Agent 自主修改 Harness 的新范式。
a continuation: Codex adding 1M users a day now.
At this year's AIE World’s Fair, AI engineering entered a new phase: building systems around agents, rather than just building with agents.
a quiet day lets us fact check some numbers against the sound of silence of Claude Code reporting...