谷歌低调上线 Gemini 3.8 Flash 模型，面向软件工程与智能体任务

谷歌 9 月 2 日在 Google DeepMind 网站低调上线 Gemini 3.8 Flash 模型，基于 Gemini 3.7 Flash，截至发稿官方尚未通过新闻稿或社媒官宣。

🚨 AI News | TestingCatalog@testingcatalogAI 评分3131

Grok Bot 现已在 Android 平台可用，进入测试阶段。Grok 团队成员 @lingxi 表示 bot 已在 Android 上线，用户可在任意位置 @ 它，并欢迎反馈 bug 和使用体验，团队正在积极修复。

Sundar Pichai@sundarpichai精选AI 评分6565

Google 发布 Gemini 3.8 Flash，为 6 周内第 3 次 Flash 更新。官方称相较 3.7 Flash 在软件工程、智能体任务和多步推理上有显著提升，在 DeepSWE v1.1 上以更低成本自主端到端解决复杂工程问题，表现超越多数更大的前沿模型。图中基准显示其 Terminal-bench 2.1 得 89.4%、HLE-Verified 得 54.9%，输入价格 $0.75/1M tokens、输出 $3.75/1M tokens，为 2026 年 12 月 31 日前 introductory 价。详情见 https://blog.google/innovation-and-ai/models-and-research/gemini-models/3-8-flash-and-3-8-flash-cyber/

Rohan Paul@rohanpaul_aiAI 评分7070

Google 发布 Gemini 3.8 Flash，这是 6 周内第 3 次更新的 Flash 模型，官方称智能体与编码能力再次提升。

elvis@omarsar0AI 评分4848

上海人工智能实验室论文提出 Harness-of-Harness（HoH），把现有 coding agent harness 的执行组织为迭代的规划、编码、测试循环，使智能体在无人工干预下持续改进软件。

elvis@omarsar0AI 评分6969

Google DeepMind 发布两款新 Gemini 模型：3.8 Flash 相比 3.7 Flash 在软件工程、智能体任务和多步推理上有显著提升；3.8 Flash Cyber 专注网络安全，提供前沿级漏洞检测和自动补丁。作者认为 3.8 Flash 定价有吸引力，Cyber 版在补丁能力上处于 Pareto 前沿。

Ammaar Reshi@ammaarAI 评分6666

Google 发布 Gemini 3.8 Flash，距上一版仅 3 周，作者称这款 flash 模型在多项基准上超越旗舰模型，输入价格仅 $0.75/百万 tokens、输出 $3.75。模型当日已在 AI Studio、Gemini app 和 Antigravity 可用；介绍价有效期至 2026 年 12 月 31 日，之后恢复 $1.50/$7.50 定价。

Google 推出 Fairwind Program，提供 Gemini 3.8 Flash Cyber 与 CodeMender 自主漏洞防御

Google 发布 Fairwind Program，面向政府机构和可信合作伙伴开放限制访问的先进网络防御能力，首批提供专用模型 Gemini 3.8 Flash Cyber 与 CodeMender 组合，用来自主查找、验证和修复漏洞，可在几分钟内生成可部署补丁而非耗时数周的人工修复。

Multiverse Computing 发布 Quasar 438B 推理模型，自称欧洲领先

Multiverse Computing 发布首款大模型 Quasar 438B，定位面向企业级智能体和编码的推理模型，支持英文和西班牙语。

Google AI@GoogleAIAI 评分6262

Google 发布 Gemini 3.8 Flash，主打处理复杂智能体和多步任务，推理能力显著提升，不仅写代码还能驾驭复杂项目。模型延续 effort controls，使完成任务的思考量与 token 花费成正比；官方还演示其在 @antigravity 中结合原生视频理解与编码，自主构建 3D 游戏、试玩找错并执行代码修改。

Logan Kilpatrick@OfficialLoganKAI 评分5454

Google 发布 Gemini 3.8 Flash，是 6 周内第 3 次更新的 Flash 模型，主打智能体和编码能力提升。官方跑分显示其在 Terminal-bench 2.1 达 89.4%、HLE-Verified 达 54.9%、LVBench 达 87.8%， introductory 价为输入 $0.75、输出 $3.75 每 1M tokens，2026 年 12 月 31 日后恢复 $1.50/$7.50 定价。

ARC Prize 发布 OpenAI GPT-6 Astra 在 ARC-AGI-3 上的评测结果

ARC Prize 报告 OpenAI 的 GPT-6 Astra 在 ARC-AGI-3 Semi-Private 上，Standard harness 得分 62.7%（成本 $26K），Provider Adapter harness 得分 99.9%（成本 $19K），均为 SOTA。

LlamaIndex 发布 Turbo 抽取档位，中位速度每页 3.7 秒

LlamaIndex 在 LlamaParse 平台以 beta 形式推出抽取档位 Turbo，主打低延迟实时工作流。在自建开放基准 ExtractBench 上，其速度约为 Cost Effective 模式的 4 倍，中位处理时间每页 3.7 秒，F1 为 0.84；中等及以上长度文档因页面并行处理降至每页约半秒。定价为每页 35 credits，目前支持的输入类型和配置选项少于其他抽取档位。

Cohere Labs 发布 ATE 数据集：69.6 万 MCP 工具中仅 2.6% 能完整执行职业任务

Cohere Labs 聚合七个公开目录，构建含 696,291 个工具、123,069 个 MCP 服务器的 Agentic Task Ecosystem 数据集并对外开放。

Google DeepMind@GoogleDeepMindAI 评分6262

Google DeepMind 发布两款 Gemini 新模型。Gemini 3.8 Flash 是其目前最智能的模型，相比 3.7 Flash 在软件工程、智能体任务和多步推理上有显著提升；Gemini 3.8 Flash Cyber 是其能力最强的网络安全模型，具备前沿水平的漏洞检测和自动修补能力。

Artificial Analysis@ArtificialAnlysAI 评分6565

Google DeepMind 发布 Gemini 3.8 Flash，为四个月内第四款 Flash 模型。

lauren@potetoAI 评分4444

Grok Bot 安卓版现已上线，作者提供了 Google Play 下载链接（https://play.google.com/store/apps/details?id=ai.x.grok.bot）。

什么是 harness 工程？Google 用 ADK 2.0 与 Antigravity SDK 演示自动修复编码循环

Google 员工 Shir Meir Lador 介绍 harness 工程，即用确定性组件包裹 LLM，包括编排层、执行沙箱、状态持久化和验证工具，让 Agent 不需逐行人工审查即可安全生成代码。

DAIR.AI@dair_aiAI 评分4848

上海人工智能实验室论文提出 Harness-of-Harness（HoH），包裹现有 coding-agent harness，将执行组织为规划、编码、测试的迭代循环，使编码智能体在无人类干预下持续改进软件。

elvis@omarsar0AI 评分4949

ByteDance Seed 等机构发布 HarnessDev 论文（https://arxiv.org/abs/2609.01437），把评估单位从任务输出转为可运行的 harness，分 Creation 与 Evolution 两阶段，按能力和执行 token 成本打分。

Rohan Paul@rohanpaul_aiAI 评分6565

Rohan Paul 推荐 GitHub 仓库 academic-research-skills，收录覆盖论文全流程的 Claude Code 技能，包括文献调研、论文规划、写作、引用与论断核查、同行评审式修改和最终投稿文件生成，仓库已有 45K+ stars。

Rohan Paul@rohanpaul_aiAI 评分4242

普渡大学论文提出 Naive Prompt Optimization（NPO），只保留一条提示词谱系，由教师模型根据近期 rollout 轨迹和奖励迭代修改。在 IFBench 和 HotpotQA 上，NPO 以更少的 rollout 达到与基于 Pareto 选择维护多候选的 GEPA 相当或更好的结果：3,500 vs 3,593 和 6,800 vs 6,871。

Runway 发布 Runway Dev MCP 托管服务器，让编码 Agent 自动完成集成

Runway 发布 Runway Dev MCP，一个托管 MCP 服务器，将 Runway Dev 账户连接到编码工具，让 Agent 能研究可选模型及价格与能力、拉取请求 schema、配置 Model Router 和 Characters，并在生成失败时查询任务原因后重试。

美国国防部 GenAI.mil 平台新增 ChatGPT Mil 和 Grok for Government

美国国防部在 AI 平台 GenAI.mil 上新增 OpenAI 的 ChatGPT Mil 和 xAI 的 Grok for Government，此前该平台自去年 12 月上线以来仅有 Google Gemini。

Amazon 推出 Alexa for Shopping 验证消息真伪功能，帮助识别诈骗信息

Amazon 宣布 Alexa for Shopping 新增功能，可判断来自 Amazon 的消息是真实还是诈骗。AI 通过对比 Amazon 全球发送的数十亿条消息，分析发件人信息、内容、时间与元数据来确认真伪，并随用户举报增多而改进。

HiddenLayer 融资 1 亿美元 B 轮，企业加码 AI 部署安全

AI 安全公司 HiddenLayer 完成 1 亿美元 B 轮融资，由 Delta-v Capital 领投，Ten Eleven Ventures、Morgan Stanley、Microsoft 的 M12、Booz Allen Hamilton 等参投。

🚨 AI News | TestingCatalog@testingcatalogAI 评分5151

Wonderful 完成 5.5 亿美元 C 轮融资，估值 50 亿美元，由 Insight Partners 领投，Salesforce 为新投资方，Index Ventures、Bessemer Venture Partners、IVP 等跟投。公司企业智能体平台上线 20 个月，已在 30 多个市场的十余个垂直行业落地数百个智能体，产品覆盖客户服务、员工内部系统和后三类场景。

Rohan Paul@rohanpaul_aiAI 评分5656

Cohub 是一个开源 Agent OS，为 Agent 提供会话之外的持久工作空间，集中管理文件、会话、工具、定时任务和可复用上下文。作者 Rohan Paul 转发了该项目的介绍，并重点分析其双层记忆模型：Space 保存单个项目的完整工作状态，只把持久性知识提升到作为组织记忆的 Hub，兼顾低成本保留执行状态与选择性沉淀共享判断。

Rohan Paul@rohanpaul_aiAI 评分6666

Anthropic 维护的大型开源 Claude Skills 仓库已获 173K+ GitHub stars。Skills 是按需加载的预定义指令文件夹，每个 skill 仅用约 100 token 读取基本元数据，完整指令只在任务需要时才进入上下文窗口；还有专门的 skill-creator 用于从头构建新技能，可通过单条终端命令安装，在网页端和 API 中通用。

elvis@omarsar0AI 评分3232

Elvis Saravia 提出 harness 并非千篇一律，好的 harness 应解决上下文工程问题，关键在于理解并优化系统提示词、缓存和有效工具调用等底层细节。他建议用自己喜欢的语言构建一个带基本 agent 循环、系统提示词和工具调用能力的最小 harness，在用例上测试验证并迭代，掌握这些可调旋钮后再迁移到生产级 harness。

Adobe 收购印度营销智能初创公司 Rilo

Adobe 收购印度营销智能初创公司 Rilo，涉及技术授权与团队收购，交易条款未披露，这是 Adobe 继 2023 年收购 Rephrase.ai 后第二次收购印度公司。

研究发现 AI 客服更拟人未必带来更佳体验

发表于《欧洲营销杂志》的研究发现，在某些情况下不那么像真人的文字聊天机器人反而获得更积极的客户反馈，打字的慢节奏让消费者有时间平复负面情绪。另一项发表于《商业研究杂志》的研究显示，能准确识别消费者愤怒等情绪状态的 AI 客服会带来更高满意度。调查还显示 1031 名澳大利亚受访者中 78% 用过自动化客服，仅 39% 感到满意。

消息称月之暗面启动港股 IPO 流程，已向港交所秘密递交 A1 文件

据晚点 LatePost 9 月 2 日消息，月之暗面本周以保密形式向港交所递交 A1 文件，正式启动港股 IPO 流程，公司回应不予置评。报道称其同时以 500 亿美元投前估值推进新一轮融资，可能是 IPO 前最后一轮；此前 7 月公司完成超 35 亿美元 F 轮融资，投后估值 350 亿美元，认购金额超原定目标 3 倍有余，另有消息称 IPO 或募资约 30 亿美元，但当时公司回应消息不实。

IBM 与 Confluent 发布 Granite 时间序列模型 Early Access，可在流数据上实时预测与检测异常

IBM 与 Confluent 宣布四款 IBM Granite 时间序列基础模型（PatchTST-FM、FlowState、TTM、TSPulse）以 Early Access 形式上线 Confluent Cloud。

Every 播客文字稿：明星写手如何把职业教练变成 AI 员工

Every 发布播客文字稿，讲述其明星写手把自己的职业教练改造成 AI 员工的经历。正文无有效文本，具体方法与细节以原文为准。

🚨 AI News | TestingCatalog@testingcatalogAI 评分3535

Gemini 3.8 Flash 已在 GCP Agent Studio 上线。作者称其适合复杂多模态数据处理、编码场景以及软件工程相关的智能体任务，用例包括图文数据处理、编码问题和网页研究与应用测试。

Ethan Mollick@emollickAI 评分3131

Ethan Mollick 分享 Richard I. Cook 写于 AI 出现之前的《How Complex Systems Fail》三页内容，称其值得阅读。核心观点是复杂系统带病运行但仍存活，因为缺陷很少同时对齐，给了人类介入的机会；而 AI 能发现或制造对齐的缺陷，因此需要一套借助 AI 的系统防御新哲学。

X.PIN@thexpinAI 评分6464

LatePost 独家报道，Kimi 母公司月之暗面本周已向港交所秘密递交 A1 申请，正式启动 IPO 流程。Kimi 表示不对市场传闻置评，目前无可披露信息。LatePost 同时报道称，公司正以传出的 500 亿美元投前估值进行新一轮融资，该轮可能是其 IPO 前的最后一轮融资。

SemiAnalysis@SemiAnalysis_AI 评分3535

SemiAnalysis 本期节目由 Doug、Sam 和 Jordan 讨论 OpenAI 与 HuggingFace 的安全事件，以及其关于 Neocloud 安全的文章（https://newsletter.semianalysis.com/p/most-neoclouds-suck-at-security），并预告 ClusterMAX 3.0。

🚨 AI News | TestingCatalog@testingcatalogAI 评分5555

Catch 发布 AI 行政助理 Catch AI，定位是为忙碌的高管真正执行行政工作，而非仅建议或总结。产品可管理日历、分类收件箱并代表用户拨打真实电话，支持连接 Slack、WhatsApp、iMessage、邮件和电话等渠道。示例包括直接邮件对方安排或改期会议、致电餐厅和诊所等、在用户确认意图后代拟发送邮件，以及语音播报当日安排并按回答执行。