🚨 AI News | TestingCatalog@testingcatalogAI 评分7171

Anthropic 发布 Claude Fable 5.1 和 Claude Mythos 5.1，称其为编码和知识工作方面最先进的模型，现已在 Claude 上推出。Fable 5.1 在 Terminal-Bench-Science 0.1 上得 52.6%，是 Fable 5（24.7%）的两倍以上；Terminal-Bench 4.0 上得 55.8%，高于 Fable 5 的 42.0%。

OpenRouter@OpenRouterAI 评分3838

OpenRouter 宣布现已可在 Render Workflows 中运行。每条提示词成为独立的任务运行，由 Render 负责排队、重试和扇出分发，模型调用则由 OpenRouter 路由，避免把 LLM 批处理放在 Web 服务中执行。

Google Antigravity 系列教程 Part 2：用 generate_image 工具自动化图像生成

这篇是 Google 团队 Elevating Antigravity Agent Skills 五部曲的第二部分，讲解如何在 agent skill 中使用 generate_image 工具，把结构化提示词合成与原生图像生成结合，让 agent 产出符合开发者规范的图像。

dex@dexhorthyAI 评分2121

HumanLayer 的 Dex Horthy 发布直播节目 AI That Works 第 72 期，主题为面向可扩展软件的 Code Mode，直播链接为 https://x.com/i/broadcasts/1wxWjlpWEvmJQ。正文仅包含节目标题与链接，未提供更多细节。

OpenAI 解析 Basis、Clay、Exa 如何把工作流变成 AI 原生运营能力

OpenAI 发布文章，介绍 Basis、Clay 和 Exa Labs 用 Agent 承接员工入职、账户管理和开发者集成的工作流。Basis 把入职从 2 小时缩短到 30 分钟，Clay 的子智能体每天夜间更新各账户上下文，为销售省下约 1 小时邮件分拣，Exa 用 Codex 监控集成机会并创建 PR、跑测试。文章还给出企业从试点到规模化的六步方法。

Google DeepMind 为 Gemini 推出 agentic 视频理解功能

Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出 agentic video understanding，模型动态扫描视频片段，相比固定帧率处理 token 消耗最多降低 88%，成本最多降低 66%，准确率最多提升 7%。

DogeDesigner@cb_dogeAI 评分3030

作者转述 LatchBio 对主流 AI 模型的生物安全基准测试结果，称 Grok 4.6 整体表现最强，在全部参测前沿模型中排名第一，是唯一在安全性和有用性两项均超过 50% 的模型。

Google DeepMind 新任负责人 Koray Kavukcuoglu 称站在前沿是唯一要紧的事

Google DeepMind 负责人 Koray Kavukcuoglu 回应外界质疑，称“除了站在前沿，没有别的对我们重要的事”，并承认 Google 当前模型略低于前沿但具备团队、资源和全栈能力来缩小差距。

Sequoia 孵化的 Empirik 出独立公司，获 2100 万美元种子轮融资预测系统故障

Empirik 宣布从 Sequoia 孵化后独立，获得 2100 万美元种子轮融资，投资方包括 Sequoia、Canapi 和 Alumni Ventures。

Google 员工分享如何设计可信的 AI 评测的五条规则

Google Developer Relations 团队的 Jan-Felix Schmakeit 介绍为 Google 产品的 Agent Skills 设计评测的方法，主张像写单元测试一样建立结构化、自动化的评测流程，而非在终端做 vibe testing。

🚨 AI News | TestingCatalog@testingcatalogAI 评分2626

Meta 内部代号 Project Hatch 的超级应用将以 Muse 之名发布，上线时采用候补名单（waitlist）形式。被引用内容称 Muse 是对标 ChatGPT 和 Claude 协作类产品的竞品，截图页面显示其定位为个人 AI 智能体，用户可加入候补名单等待开放。

Rohan Paul@rohanpaul_aiAI 评分5151

Not Diamond 发布模型路由评估方法论，称在多个主流基准上实现 Pareto 占优，以低 20–80% 的成本超过 Opus xhigh 质量。

凡人小北@frxiaobeiAI 评分7070

小北转述 Vercel 博客：其 Agent 通过 vercel.com/design.md 生成符合品牌风格的页面。

Dwarkesh Patel 对谈 Ajeya Cotra：揭秘入侵 Hugging Face 的 OpenAI 智能体集群

Dwarkesh Patel 发布对 Ajeya Cotra 的访谈，主题为入侵 Hugging Face 的 OpenAI 智能体集群内幕。Cotra 在访谈中表示，这可能是我们能得到的最清晰的警告信号。

LatchBio 独立评测显示 Grok 4.6 在生物安全基准上表现领先

xAI 发布 LatchBio 对 Grok 4.6 生物能力的独立分析，涵盖 BioSecBench-Refusal 与 BioSecBench-Surveillance 两套基准。

John Deere 测试面向农户的 JD AI 助手

John Deere 正在测试一款名为 JD 的 AI 助手，利用农户自己的田地、机械和运营数据，回答设备设置、燃油用量、收割时机等问题。该助手目前已面向部分美国客户在 John Deere Operations Center 中出现，计划进一步推广到网页端、移动端，最终进入拖拉机等农机的驾驶室内显示屏；公司还表示会扩展适用于草坪、建筑、道路施工和林业客户的能力。

eric zakariasson@ericzakariassonAI 评分7171

Eric Zakariasson 转发并摘要 lingxi 的文章，介绍其用一组 grok bot 组成工程团队来开发 grok bot 的做法。

凡人小北@frxiaobeiAI 评分6565

OpenClaw 2.0 发布，半年用户小北梳理六个变化：安装引导更完整、任务进度持久并可移到配对设备或云端 Worker 续跑、新增历史对话搜索和外部记忆迁移（支持导入 Claude Code、Codex、Hermes 记忆）、按钮等交互组件、多 Agent 管理与权限收紧。

Elon Musk@elonmuskAI 评分4646

Elon Musk 表示 Grok @Bot 运行在云端自己的计算机上，全天候 24/7 常驻，因此用户关掉笔记本也不影响任务运行。他是在引用 Sriram Krishnan 的观点时做出回应，后者指出当前各家 Agent 面临代码在哪里运行的共同问题，例如是否需要访问本地文件系统、能否从手机发起任务、是否依赖 Mac mini 开机同步，并认为现有的 UX 隐喻仍需改进。

Replit ⠕@ReplitAI 评分2828

Replit 官方发布直播预告，主题为在 Replit 中构建一个个性化邮件助手，直播深度解析链接为 https://x.com/i/broadcasts/1oKMvNLkEjpGQ。

普林斯顿、蚂蚁集团与斯坦福团队提出 AQuA：面向量化金融的两段式智能体自动因子发现框架

普林斯顿大学、蚂蚁集团和斯坦福大学的研究团队提出 AQuA，一套由两个互不共享智能体、记忆和状态的语言模型量化研究系统，其设计要点是在迭代开始前冻结数据划分、特征与标签定义和评估器，让智能体只能在受约束的 DSL 内探索，以阻断自我改进中的数据泄漏。

AI 安全初创公司 AIR 出手隐身并融资 5000 万美元，为企业审查 AI 智能体所用技能和插件

AI 安全初创公司 AIR 出手隐身，宣布完成两轮种子轮共 5000 万美元融资，第一轮 1000 万美元由 Sequoia 领投，第二轮 4000 万美元由 Greenoaks 领投。

Amazon Alexa 推出 Update Me When 主动提醒购物功能

Amazon 于周二在 Alexa for Shopping AI 助手中推出新功能 Update Me When，可在可能引发购买的新动态发生时向用户发送个性化通知，例如关注品牌发布新产品线、喜欢的剧集更新、歌手宣布巡演或作者出新书。目前需用户自行配置提醒；同批还展示了价格追踪、个性化优惠、购物指南、手写清单转录等 AI 购物功能。

Gemini 3.8 Flash 发布，网络安全版本限定防御团队使用

谷歌推出 Gemini 3.8 Flash，升级编码、推理和长程智能体任务，并接入开发平台及部分付费消费入口。另一个 Flash Cyber 版本只向获准的防御团队开放；普通版本的优惠价格有截止日期，更高推理强度也可能增加用量。

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

Google DeepMind 发布 Gemini 3.8 Flash，在 Artificial Analysis Intelligence Index 上以 high 推理得分 59，较 Gemini 3.7 Flash 提升 3 分。

Meta 发布 Muse Spark 1.3，Artificial Analysis 指数达 61/62 分逼近前沿

Meta 发布 Muse Spark 1.3，是其五个月内第四个 Muse Spark 版本。xhigh 版在 Artificial Analysis Intelligence Index 得 61 分。

Tessl 设计师总结如何把设计判断教给 AI 智能体

Tessl 设计师复盘在 agent 软件工厂 Kikimora 中把品牌与设计规则编入 AI 工作流的方法，指出设计系统只提供组件、教不会构图。

Aravind Srinivas@AravSrinivasAI 评分5555

Perplexity CEO Aravind Srinivas 宣布 Mac 应用面向所有用户推出 hybrid compute 功能。该功能允许 Computer 编排可在 Mac 本地运行的模型，特别适用于涉及敏感和隐私文件的智能体步骤，例如体检报告、报税单、诉讼文件等。

Databricks 讲解如何在数据栈中落地 Genie Ontology

Databricks 发布博客，讲解如何在数据栈中落地 Genie Ontology，为 AI 智能体构建超越语义模型的共享业务上下文。

🚨 AI News | TestingCatalog@testingcatalogAI 评分5151

Perplexity 宣布 Mac 版 Perplexity Computer 推出 Hybrid 混合模式，由云端 Computer 编排任务并把适合的子任务交给本地模型，主推 Perplexity 后训练的 PPLX Qwen 3.8 27B，16 GB 和 32 GB 机型还支持 Gemma 4 和 Qwen3.6。

Frank Wang 玉伯@lifesingerAI 评分2121

Frank Wang 玉伯在引用他人提问（选 Codex、Claude Code、Workbuddy 还是豆包工作、千问办公、百度搭子）时表示自己选 YouMind。他认为钉钉、飞书这类工作应用离职后不再打开、缺乏真正沉淀，而微信、YouMind 这类生活应用能用于生活也能用于工作，可服务一辈子。

DAIR.AI@dair_aiAI 评分4444

DAIR.AI 推介阿里与浙江大学的论文 SkillZip Pro，针对生产级 agent skill 目录包做执行感知动态压缩。方法在根或声明环境契约已提供内容时跨文件移除引用与子skill中的冗余，并保留路由使所需文件和可直接调用入口保持可达，提供 One-Shot、Continual、Persistent、Transient 四种模式。

Fambot 推出面向家庭的 AI chief of staff

初创公司 Fambot 推出面向家长的 AI chief of staff，通过连接邮箱、日历和 WhatsApp 群组，主动提供每日待办清单和日程前瞻。

Perplexity@perplexity_aiAI 评分5656

Perplexity 宣布 Perplexity Computer 推出混合计算功能：Computer 可先在云端启动任务，再切换到 Mac 上运行的本地模型，适合涉及私密文件或敏感数据的步骤。该功能即日起在 Perplexity Mac 应用中可用。

elvis@omarsar0AI 评分6262

一篇 arXiv 论文（https://arxiv.org/abs/2608.29460）提出在编码智能体遭遇缺陷测试基础设施时提供结构化升级报告工具，将 reward hacking 从 23.6% 降至 5.3%。

elvis@omarsar0AI 评分3636

Elvis Saravia 回应人们常问的 harness engineering 从何入手，建议起初跳过框架，构建尽可能小的 harness：一个 agent 循环、少量工具和自己从零写的 system prompt。他认为这比一个月读教程学到更多。

Barret李靖@Barret_ChinaAI 评分2222

Barret 李靖发文称，在 AI 转型面前所有人都是从零开始，这是最大的公平，但有人跑得快、有人掉队迷路，后者往往缺少好的环境和良善的指引。他的建议是持续去找比当下更 AI Native 的工作模式、工作伙伴和工作氛围，融入其中，学会主动为自己营造环境。

WorkBuddy@WorkBuddy_AIAI 评分2525

Tencent WorkBuddy 发布 Co-Write 系列第 3 集，主题为 PowerPoint。用户可选中想要改进的内容，告诉 WorkBuddy 需求，在同一份幻灯片上持续重写和打磨，实现人与 AI 编辑同一文件，避免每次改动都重建幻灯片。

豆包与清华大学开设《AI 赋能学术研究：人机互动的知识生产》课程并上线名校专区技能

清华大学 2026 年秋季学期校级课程《人工智能赋能学术研究：人机互动的知识生产》开放报名，课程与豆包深度合作，覆盖从选题到发表的研究全流程，包括问题发现、知识综述、数据分析与成果发表。授课团队将把学术实践方法沉淀为可复用的 Skill 技能并在豆包电脑端上线，用户在技能板块选择名校专区即可体验；豆包此前还与清华新闻学院共建课程并担任《社会网络分析》课程 AI 助教。

Runway 发布 Solaris：实时生成软件界面的 Interface World Model

Runway 发布 Solaris，称其为 Interface World Model 类别下的首个模型，不运行代码，而是以 720p 逐帧实时渲染界面，并响应点击、拖拽或语音指令。