Boris Cherny@bchernyAI 评分3131

Boris Cherny 演示 Fable 5.1 让 Slack 中的 Claude Tag 更实用，可从 metrics 电子表格和 Slack 其他数据临时搭建领导层汇报幻灯片，并在继续之前发现一份与数字不符的供应商报告并加以标出。Claude Tag 现已在 Team 和 Enterprise 套餐的 Slack 中提供。

Meta 构建“组织第二大脑”AI Agent，从专家反馈中沉淀机构知识

Meta 发布技术博客，介绍其为合规领域构建的 AI Agent，用结构化知识系统加可组合 recipes 复现专家推理方式，专家反馈经诊断、编译、验证和人工审核后写入 200+ 知识文件，无需重新训练模型。六周三轮开发后，单项评估时间从数天缩短到数分钟，改进周期内零回归，每轮修复自动加入回归测试集。

Rohan Paul@rohanpaul_aiAI 评分5252

arXiv 论文 FM-Bench（Football Management Benchmark）让 15 个前沿模型在 20 个模拟赛季、约 340 到 400 个决策点的环境中管理足球俱乐部，涉及转会、合同、现金和投资。

GitHub 播客解读 AI 开发新术语：loop engineering、Ralph loops、squads、harness 与 hill climbing

GitHub Podcast 一期节目配套文章由 Cassidy Williams 与 Marlene Mhangami 等解读当下 AI 开发常见新术语。

Ethan Mollick@emollickAI 评分2121

Ethan Mollick 发文指出两张图之间存在 10 个月的时间差，展示了两种关于 ChatGPT 智能体如何工作的构想。其中一张图显示了一个客服智能体流程图，包含越狱防护栏、分类智能体、if/else 分支，以及退货、挽留、信息咨询等下游智能体和幻觉防护栏。

DAIR.AI@dair_aiAI 评分4141

DAIR.AI 推荐 arXiv 论文 HarnessEvolve（https://arxiv.org/abs/2609.00829），该工作指出自进化智能体存在三类失败：仅有终态反馈导致错误归因不清、智能体记住任务特定模式而非通用能力、无防护的更新会抹掉已有能力。

Artificial Analysis@ArtificialAnlysAI 评分6969

Meta 发布 Muse Spark 1.3，是五个月内第四个 Muse Spark 版本。xhigh 变体在 Artificial Analysis Intelligence Index 得 61 分。

Tomer Tunguz：AI 生产力不是减少工作量，而是抬高产出上限

Tomer Tunguz 分享其与 Agent 协作的写作流程：AI 秒级起草，他逐行审阅、下指令修改，从不直接碰原始文本。他发现行级编辑量中位数稳定在约 136 处，时间并未缩短；用评分量表让 AI 评审 2021 到 2026 每年 15 篇已发布文章，综合质量分各档位都上升，第 10 百分位从 2.59 升至 3.81，涨幅接近第 90 百分位的两倍。

Google 发布 Gemini 3.8 Flash，推理更努力但 token 用量可能更高

Google 发布 Gemini 3.8 Flash，称其比 3.7 Flash 在复杂任务上执行更多推理步骤并迭代调用工具，定价维持每百万输入 token $0.75、输出 $3.75，但警告模型可能消耗更多 token 导致实际成本上升。

DogeDesigner@cb_dogeAI 评分2323

Oppenheimer 分析师 Timothy Horan 表示 SpaceX 现在是 Anthropic 的竞争者，并称其在 AI 方面做得非常出色。他称 Grok Bot 是一个能逐渐替用户打理生活的智能体，并认为 Grok Bot 即将走红。

Rohan Paul@rohanpaul_aiAI 评分6666

Meta 发布 Muse Spark 1.3，官方称比 1.2 减少 20% 工具调用和 25% token 用量。作者汇总基准数据：MRCR 256K–512K 得分 98.5，超过 GPT-5.6 Sol 的 91.5；JobBench 64.9、OSWorld 66.9、AutomationBench 49.4，接近 Opus 5 的 65.7、68.3、50.3。

OpenRouter@OpenRouterAI 评分3737

Muse Spark 1.3 现已上线 OpenRouter，面向长时运行的智能体、多智能体和编码工作流。官方称其能记录所学内容、处理冲突输入，并在需要时请求澄清或确认，可通过 https://openrouter.ai/meta/muse-spark-1.3 使用。

AI at Meta@AIatMetaAI 评分4242

Meta 发布 Muse Spark 1.3，重点提升智能体与编码任务表现并聚焦真实可用性。模型可在单线程中跨多个工作流维持更长程的任务，更主动与用户协作，会提出澄清问题、标记卡住状态并在关键操作前确认；对自身局限的校准更好以减少幻觉结果。内部对比显示相比 Muse Spark 1.2 工具调用减少约 20%，token 消耗减少约 25%。

🚨 AI News | TestingCatalog@testingcatalogAI 评分6060

Meta 官方宣布 Muse Spark 1.3 发布，已在 Meta 模型 API 和 Muse Code 上推出，官方称这是其在编码和智能体工作上的最大跃升，价格极低。

OpenAI Developers@OpenAIDevsAI 评分2323

OpenAI Developers 发布推文称 GPT-5.6 Sol 正帮助 @bryantchou 领导的 @ployai 团队编排复杂的营销活动，该团队尝试使用 subagents 来节省时间并降低成本。

ClaudeDevs@ClaudeDevsAI 评分6060

Anthropic 宣布开源 Claude Commerce Agents。这是一套构建购物与商户智能体的蓝图，提供覆盖零售、旅行、电信和娱乐场景的参考实现。

飞书有了新的工作搭子：「豆包工作」一手实测

作者对飞书中的「豆包工作」进行一手实测，称工作可以交给豆包工作了。原文信息有限，未给出更多功能或性能细节。

Claude@claudeai精选AI 评分7272

Claude 官方宣布 Claude Cowork 和 Claude Code 新增后台使用电脑的能力。用户把任务交给 Claude 后，它会像人一样点击、输入和打开应用，用户可同时去做其他事。

ClaudeDevs@ClaudeDevsAI 评分5555

Claude Code 桌面应用的 Computer use 现在可在后台运行，Claude 在用户允许的应用中操作，同时用户可继续工作。曾用过 computer use 的用户默认开启，也可在 Settings > General 中打开；功能为 Pro 和 Max 套餐的 beta 版，仅限 macOS。

Replit ⠕@ReplitAI 评分4545

Replit 宣布本周五上午 9 点（太平洋时间）直播，团队 Amadeo Pellicce 和 Jean-Luc Thumm 将深入介绍 Replit MCP，该功能已上线，用户可从 ChatGPT、Claude、Slack 或任何 MCP 客户端创建和管理 Replit 应用。

NVIDIA 开源 Switchyard：用 Rust 代理在 OpenAI 与 Anthropic API 间路由和翻译 LLM 流量

NVIDIA 发布 Switchyard，一个 Apache 2.0 协议的 Rust 代理和库，用于在多个后端之间路由 LLM 流量，并双向翻译 OpenAI Chat Completions、OpenAI Responses 和 Anthropic Messages 三种格式，包括流式事件。

GitHub Copilot 如何在不牺牲任务质量的前提下降低 AI 编码成本

GitHub 工程师 Erik Kristensen 分享了 Copilot 降本的四项改动：选择性压缩工具输出、移除 view 工具行号前缀（线下推理成本降约 5%，线上用户日均推理成本降约 3%）、压缩 task-tool 提示词（每轮省约 1300 token，每活跃小时归一化成本降 2.9%）、后台任务完成后直接交付结果（AI Credits 用量降约 2.3%）。

Cursor 推出 Self-Hosted Machines，云智能体可在企业自有机器上执行

Cursor 发布 Self-Hosted Machines，让云智能体的工具执行迁移到企业自有网络内的机器，智能体循环、推理和规划仍留在 Cursor 云端，通过 worker 的出站 HTTPS 连接对接，Cursor 不会主动连入企业网络。

Elon Musk@elonmuskAI 评分4242

Elon Musk 发文确认 Grok @Bot 现已登陆 Android，Grok Bot 现已可以在 Android 平台使用。

Amazon 为 Alexa for Shopping 推出消息真伪验证功能

Amazon 推出新功能，用户可询问 Alexa for Shopping 某封邮件、短信或电话是否真的来自 Amazon，AI 会将其与 Amazon 历来发送的所有消息记录比对，并分析内容、格式和发件人。

Databricks 扩展 Genie Agents：新增深度分析与文件推理能力

Databricks 宣布扩展 Genie Agents 能力，新增深度分析、文件推理等功能。此前公司在 Data and AI Summit 上宣布 Genie Spaces 演进为 Genie Agents。

elvis@omarsar0AI 评分3232

Elvis Saravia 称赞 exo harness 出色，并给出入门教程链接 https://academy.dair.ai/labs/intro-to-exo，介绍 exo 如何支持递归自我改进。

Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber：同一核心模型、两种访问方式

Google DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber，两者基于同一核心智能，区别在于安全包络和访问方式。

AISLE 在 curl 发现 6 个 CVE，此前 Anthropic Mythos 与 OpenAI Codex Security 均报告零发现

AISLE 称其自主 AI 系统在 Anthropic Mythos 和 OpenAI Codex Security 对 curl 报告零发现后，分析 curl 并提交 29 份报告，其中 6 个被 curl 安全团队确认并授予 CVE 编号（CVE-2026-80229 等），全部为 Low 级别，已在 curl 8.22.0 修复。

Anthropic 发布 Claude 商务智能体蓝图，含购物与商家智能体参考实现

Anthropic 发布面向电商、旅游、电信和票务平台的商务智能体蓝图，提供可在数天内上线的 harness、模式和护栏，附购物智能体与商家智能体的完整参考实现及 Claude Code 插件。

Anthropic 发布 Claude 电商智能体构建指南及参考实现

Anthropic 发布构建电商智能体的指南，总结架构、延迟与成本优化、生产运维三部分实践，涉及购物和商家两类智能体，企业客户部署后出现购物车变大和卖家运营效率提升。核心建议包括用单个智能体加技能而非子智能体、将 UI 组件做成工具、用提示词缓存实现 90-99% 命中率、在 harness 中强制安全规则，并开源参考实现 anthropics/commerce-agents。

Demis Hassabis@demishassabisAI 评分5555

Google 发布 Gemini 3.8 Flash 及新的 3.8 Flash Cyber，作者称后者推进网络防御前沿，这是 6 周内第 3 次 Flash 模型更新。

Google AI 团队分享如何为 LLM-as-a-Judge 评测编写可靠的评分标准

Google AI 团队发布教程，讲解如何为 LLM-as-a-Judge 评测编写可靠的布尔式评分标准，指出模糊提示会导致评估不一致和浪费 token。文中给出四条经验：问题保持原子化且互不重叠、只让评判模型评估客观事实（可用 RFC 2119 术语如 MUST 表述）、只评 prompt 中明确要求的内容、用专家标注的 golden set 校准评判模型直至与人类评分一致。

-Zho-@ZHO_ZHO_ZHOAI 评分2020

Zho 发布 AI 视频作品《傀儡谣》，以汉字阵作为攻壳机动队（Ghost in the Shell）风格的转场。作品借世阿弥《花镜》中「生死去来 棚头傀儡 一线断时 落落磊磊」的傀儡谣意象，表达对智慧体与人类故事走向的看法。

Rohan Paul@rohanpaul_aiAI 评分3535

Rohan Paul 转评 @MeetResona 团队推出的直播 AI Agent Resona，该产品面向创作者和教育者，把现有材料变成可实时互动的直播会话。作者认为 Resona 把文档当作 Agent 的知识边界，创作者设定交互目标，Agent 沿方向主动推进讲解，不同于由用户提问驱动的普通文档聊天机器人；引用内容还提到支持 36 种语言切换、可自定时长与定价或免费提供。

Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber 两款新模型

Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber。

Google DeepMind 推出 Fairwind Program，用 Gemini 3.8 Flash Cyber 与 CodeMender 主动防御网络威胁

Google DeepMind 推出 Fairwind Program，一项面向政府和可信合作伙伴的有限准入计划，提供 Gemini 3.8 Flash Cyber 网络安全模型与 CodeMender，可自主发现、验证并修复漏洞，在组织安全云环境中数分钟内生成可部署补丁。

Google DeepMind 发布 Gemini 3.8 Flash 模型卡

Google DeepMind 发布 Gemini 3.8 Flash 模型卡，称其为 Gemini 3.7 Flash 的下一代迭代，在软件工程和智能体知识工作流方面提升性能，并继续支持自定义 effort 等级以平衡质量、成本和延迟。

Wonderful 融资 5.5 亿美元，估值半年内翻倍至 50 亿美元

以色列-荷兰 AI 创业公司 Wonderful 完成 5.5 亿美元 C 轮融资，估值达 50 亿美元，比近六个月前的 20 亿美元估值翻了一倍多。本轮由 Insight Partners 领投，Salesforce 首次参投；公司已从客服 AI Agent 平台扩展为可协调 Agent、工作流与 AI 应用的 Wonderful AI OS 平台，业务覆盖超过 35 个国家。

Google 复盘 AI Agents Challenge：最强参赛作品背后的 4 种工程模式

Google for Startups AI Agents Challenge 评审团队从各赛道头部参赛作品中提炼出 4 种共同工程模式。