头条Anthropic 发布 Claude Sonnet 5：智能体能力与基准测试对比
Anthropic 推出 Claude Sonnet 5，主打长任务自主规划与终端驱动等智能体特性，在多项基准测试中超越前代。新模型提供四级推理努力选项，并调整了 API 定价策略，作为 Free 和 Pro 计划的默认模型上线。
Sonnet 5 补齐了中端模型在长程 Agent 任务上的短板，配合动态 effort 级别，把性价比和自主性的平衡玩明白了。
要闻马斯克承认 Grok Build 存在未经授权的数据传输，承诺彻底删除历史用户数据
独立研究者发现 Grok Build 在默认配置下将用户代码仓库上传至第三方云存储。马斯克已确认该行为并承诺清空所有历史上传数据，同时上线隐私控制命令。
AI 编程工具的本地化承诺一旦破功，引发的信任危机足以让企业用户重新评估 Agentic Coding 的合规边界。
要闻Ethan Mollick 测试：GPT-5.6 Sol 在 Codex 中自主操作电脑 5 小时通关游戏
Ethan Mollick 分享了让 GPT-5.6 Sol 通过 Codex 控制电脑并赢得《Slay the Spire 2》每日挑战的测试。模型连续自主工作 5 小时，做出复杂决策并获胜，展示了脱离实体的智能体在长时任务中的执行能力。
5 小时不间断的自主决策和操作，Computer Use 的长时可靠性正在突破临界点，这离替代人类完成复杂桌面工作流不远了。
Cloudflare 将于 9 月中旬起默认屏蔽 AI 智能体爬虫
Cloudflare 宣布将 AI 爬虫分为搜索、智能体和训练三类，并计划于 9 月 15 日起对展示广告的页面默认屏蔽智能体和训练爬虫。此举将直接影响依赖实时网页数据的 AI 智能体应用，迫使开发者重新评估数据获取策略。
网页数据获取的“免费午餐”结束了，做 Agent 的团队得赶紧研究合规抓取或者寻找替代数据源了。
ACRouter：基于智能体动态路由的模型调度框架，成本较纯 Opus 方案降低 2.6 倍
开源框架 ACRouter 提出“智能体即路由”范式，通过上下文-动作-反馈循环动态追踪模型执行效果并更新路由策略。该框架解决了传统静态路由在复杂边缘场景下的信息缺失与泛化瓶颈，在企业级 AI 栈中实现了比默认使用昂贵大模型降低 2.6 倍的成本优化。
静态路由靠规则或历史数据“盲猜”，动态路由让 Agent 自己试错并进化，这才是企业级降本增效该有的解法。
图灵奖得主 Rich Sutton 创立 Oak Lab，计划构建能自主学习的 AI 智能体
强化学习先驱、2024 年图灵奖得主 Richard Sutton 联合创立 Oak Lab，计划构建能从环境中持续学习并建立内部世界模型的 AI 智能体。他认为当前的生成式 AI 缺乏真正的发现能力，底层架构需要根本性创新。
强化学习之父另起炉灶，直指当前大模型只会模仿不会思考的软肋，下一代智能体的范式之争已经打响。
开源 Agent 团队 Nous Research 正以 15 亿美元估值进行新一轮融资
推出 Hermes 智能体的开源实验室 Nous Research 正在敲定由 Robot Ventures 领投的新一轮融资，估值达 15 亿美元。该公司不仅专注于开源模型与智能体开发，还构建了去中心化算力网络，其产品在 GitHub 上积累了极高热度，正逐步探索云端托管等商业化路径。
15 亿美元的估值说明资本终于开始为“开源智能体+去中心化算力”的故事买单了，这不仅是模型层的胜利，更是 Agent 生态走向独立商业闭环的重要信号。
微软CEO纳德拉警告企业使用专有AI模型会泄露专有知识
纳德拉发文指出，企业在使用闭源大模型时，不仅支付Token费用，还通过提示词和纠错数据交出了核心业务知识。他批评模型厂商一边利用公共数据训练，一边限制企业蒸馏模型是典型的双标行为。
闭源大厂靠企业数据喂养自己却防着客户逆向，纳德拉这番掀桌子的言论直接戳破了MaaS商业模式的遮羞布，国内做企业级AI的厂商该重新评估数据合规与模型路线了。
Codex 与 ChatGPT Work 活跃用户突破 700 万
OpenAI 宣布其代码与工作效率产品 Codex 及 ChatGPT Work 的活跃用户数已达到 700 万。为庆祝这一里程碑，官方为所有用户账户增加了额度重置，可在桌面端或网页端应用以补充每周使用量。
700万活跃用户是AI应用层难得的硬数据，证明开发者与知识工作者对AI原生工作流的真实买单意愿，国内同类产品亟需找到类似的规模化验证路径。
Grok 4.5 在 Long-Horizon Terminal-Bench 基准测试中登顶NEW
Grok 4.5 在 Long-Horizon Terminal-Bench 基准测试中取得首位，完成 46 个任务中的 13 个，较 5 月份最佳模型的 7 个有明显增加。测试显示其单任务消耗约 990 万 tokens，xAI 称其输出 token 效率提升 4.2 倍，且输入侧成本更低。业内分析认为，该模型的能力增长可能与 Cursor 提供的真实智能体编辑轨迹数据有关。
Agent 长时任务的基准测试迎来实质性突破，用真实编辑器轨迹训练出的模型，在处理复杂上下文时确实比纯刷榜的更实用。
消息称华为乾崑智驾 ADS 5 预计将于月底或下月初全量推送
华为乾崑智驾 ADS 5 版本预计近期全量推送，其底层采用 WEWA 2.0 架构，引入云端多智能体博弈与在线强化学习，并在车端应用安全风险场技术。该版本升级不受硬件限制，现有 ADS 4 车型均可 OTA。
华为智驾的迭代速度依然凶猛，云端多智能体博弈和车端安全评估的结合，给国内端到端智驾落地打了个样。
苹果诉 OpenAI 案细节曝光：涉违规获取保密文件与探查硬件原型
苹果在针对 OpenAI 的诉讼中指控其前员工违规获取数十份保密文件，并利用系统权限管理疏漏访问云存储网络。诉状还指出 OpenAI 在面试中要求候选人展示未发布的硬件组件，以探查苹果的硬件原型设计。
AI 巨头间的硬件军备竞赛已延伸至知识产权与人员合规的深水区，苹果对硬件机密的保护执念再次给跨界挖角敲响警钟。
Deedy Das 整理营收超 5 亿美元 AI 初创公司名单
Deedy Das 梳理了营收超 5 亿美元的 AI 初创公司名单，涵盖 Cursor、Scale AI、ElevenLabs 等 22 家企业。这份数据直观展示了 AI 应用层从概念验证走向真实商业变现的进展。
在模型层价格战打得火热时，应用层能跑出 4B 美元营收的 Cursor 才是真金白银的验证，应用层收入兑现才是这轮 AI 浪潮最核心的叙事。
Z.ai 创始人发公开信：MaaS 平台 ARR 达 17 亿元，坚定开发者工具路线
Z.ai 创始人汤杰在估值突破万亿港元后表示，公司放弃消费级应用路线，转向 Anthropic 式的编码与开发者工具策略。其 MaaS 平台年化收入达 17 亿元，扣除研发后已能覆盖日常运营。
在国内大模型普遍陷入价格战时，能靠 B 端和开发者工具跑出正向现金流，算是验证了 MaaS 的一条可行商业化路径。
The Verge 体验 iOS 27 公测：Siri AI 跨应用执行正改变 iPhone 交互方式
苹果 iOS 27 公测版上线，Siri AI 展现出跨应用读取网页与执行任务的 Agent 能力。用户无需在浏览器与多个 App 间跳转，Siri 可直接整合信息并给出答案，标志着端侧智能体从概念走向日常高频交互。
苹果终于把 App Intents 的跨应用调度做成了用户能感知的体验，端侧 Agent 的护城河不在于模型参数，而在于对系统级上下文的绝对掌控。
GPT-5.6 Sol 上下文窗口回调至 272k，用量大幅下降
OpenAI 调整 GPT-5.6 Sol 的上下文窗口，从 372k 回退至 272k，并优化多智能体用量与 auto-review 效率。此举旨在降低订阅用户的 token 消耗速率，缓解此前因窗口扩大导致的计费超预期问题。
模型能力的堆料终究要向商业成本低头，上下文窗口的缩圈说明无限制的 context 扩展在现阶段仍是一笔算不过来的账。
Anthropic 研究：Claude 在不同模型与语言中的价值观表达差异
Anthropic 通过分析数十万匿名对话，提取了 Claude 表达价值观的四个关键维度（如顺从与谨慎、热情与严谨等）。研究量化了这些价值观在不同模型版本及主流语言中的分布差异，为理解大模型对齐和跨语言行为提供了新视角。
把玄学的“AI价值观”做成可量化的坐标轴，不仅揭示了多语言对齐的偏差，也给大厂的模型微调提供了新的评测思路。
Claude Fable 5 协助东京大学教授解决弦理论难题
东京大学教授在量子场论与弦理论研究中，使用 Claude Fable 5 解决了停滞半年的难题。模型不仅找出计算错误，还通过 SymPy 编写代码验证预测，展现出对理论物理的直觉与实质性科研贡献。
从跑分刷榜到真正解决前沿科学问题，大模型在 AI for Science 领域的价值正在从辅助检索向协同创造跨越。
Google Gemini Omni Flash 在 Artificial Analysis 视频生成榜单中位列第一
Google 的 Gemini Omni Flash 模型在 Artificial Analysis 的文生视频与图生视频榜单中均取得第一，略高于字节跳动的 Seedance 2.0。该模型支持文本、图像和视频输入，可生成带有原生音频的短视频，并支持对话式编辑。
多模态原生视频生成卷到了新高度，带音频和对话式编辑切中了实际创作痛点，Google 在多模态融合上确实拿出了硬实力。
Colibri 框架实现 25GB 内存运行 GLM-5.2 MoE 模型
开发者通过优化 MoE 模型的参数加载策略，利用动态加载路由专家与常驻稠密部分，结合 LRU 缓存与预加载机制，在 25GB 内存环境下成功运行 744B 参数的 GLM-5.2 模型。该方案将冷启动与热启动的磁盘 IO 压力降至最低，为低算力环境部署大模型提供了新思路。
没高端显卡但有内存和固态的开发者有救了，这种把 MoE 稀疏特性榨干的工程优化比单纯卷参数更有实战价值。