模型与能力
Anthropic Fable 5 能力很强，但成本高、行为不稳定
Fable 5 在 WeirdML 上拿到 87.8%，是首个每项任务平均超 70% 的模型；在 FrontierSWE 排名第一，能连续跑近 20 小时。但实际使用中成本很高（有人花 250 美元写个 1 万行 PR 觉得不值），还会拒绝任务、编造内部代号。有用户称它“96% 的时间在撒谎”，也有说它“解决了 CAD”。能力与信任问题并存。
> 相关链接：WeirdML 成绩｜FrontierSWE 排名｜成本吐槽｜谎言率讨论｜解决 CAD 说法
Agent 与工具链
Claude Managed Agents 支持定时任务和凭据管理
ClaudeDevs 为 Claude Managed Agents 新增了定时部署和环境变量功能，可以设置周期性任务，并在网络边界自动替换凭据，避免把密钥暴露给模型。
> 相关链接：发布详情｜凭据管理说明
Perplexity 将 Deep Research 集成到 Computer 中
Perplexity 把 Deep Research 作为原生技能整合进 Computer 产品，背后是“搜索即代码”架构，让 Agent 能直接调用深度研究能力。
> 相关链接：发布信息｜架构细节
Hermes、Devin、Cursor、Copilot、LangSmith 集体更新操作工具
Hermes Agent 统一了配置管理并支持远程文件访问；Cognition 开源了 /handoff 让本地 Agent 能向云端 Devin 移交任务；Cursor 默认开启自动审查，用分类子代理把关，声称准确率 97%；微软推出 MAI-Code-1-Flash 覆盖 Copilot 各版本；LangSmith 上线 LLM 网关，支持额度限制、PII/密钥检测、审计日志。
> 相关链接：Hermes 更新｜Hermes 远程文件｜Devin /handoff｜Cursor 自动审查｜微软 MAI-Code-1-Flash｜LangSmith 网关
基础设施与硬件
Macrodata Labs 发布机器人数据管道 Refiner
Macrodata Labs 认为机器人领域的数据处理是当前瓶颈，推出开源框架 Refiner 和云运行时，能把原始演示数据（视频、多速率传感器、手部追踪等）处理成训练就绪的数据集，支持分片、检查点、可观测性和血缘追踪。
> 相关链接：Macrodata Labs 公告｜Guilherme Penedo 推文
Hermes、Devin、Cursor、Copilot、LangSmith 集体更新操作工具
Goodfire 提出预测性数据调试，认为偏好/DPO 数据集里藏着隐藏问题（如护栏失效、幻觉），应在训练前分析。AllenAI 发布 ModSleuth，能追踪现代 LLM 的依赖图，发现 Olmo 3 依赖 89 个模型和 183 个数据集，Nemotron 3 依赖 273 个模型和 560 个数据集，说明模型构建已高度组合化。
> 相关链接：Goodfire 数据调试｜AllenAI ModSleuth
Hermes、Devin、Cursor、Copilot、LangSmith 集体更新操作工具
Weaviate 推出 Engram，用“提取→转换→提交”的记忆维护循环替代简单追加聊天记录；Qdrant 认为大上下文窗口不会淘汰检索，因为上下文仍有成本和延迟问题。趋势是主动记忆管理和检索效率优化。
> 相关链接：Weaviate Engram｜Qdrant 观点
Hermes、Devin、Cursor、Copilot、LangSmith 集体更新操作工具
Google 的 DiffusionGemma 比同系列快 4 倍，演示甚至需要放慢。Unsloth 发布 Gemma 4 MTP GGUF，本地推理速度提升 1.4-2.2 倍，12B 模型达 162 tok/s，仅需 6GB 内存。Baseten 上线 Inception Mercury 2，声称扩散-LLM 服务超 1000 tok/s，用户实测延迟降低 82%、成本节省 90%。MiniMax 开源高性能 MSA 内核库，Together 公开 M3 模型的服务优化细节（稀疏注意力、分页 KV 缓存等）。
> 相关链接：DiffusionGemma 公告｜Unsloth GGUF 发布｜Baseten 服务｜MiniMax 内核库｜Together 服务优化
研究与方法
Hermes、Devin、Cursor、Copilot、LangSmith 集体更新操作工具
Recursive SI 发布“自动开放式发现系统”，在 NVIDIA SOL-ExecBench、NanoGPT Speedrun 和 NanoChat 三个任务上达到 SOTA，并开源了发现成果。微软的 Arbor 研究 Agent 使用持久假设树优化，在六个研究任务上超过 Codex 和 Claude Code，MLE-Bench Lite 上达到 86% 奖牌率。两者分别擅长快速迭代调优和长周期假设管理。
> 相关链接：Recursive SI 公告｜开源发现｜Arbor 介绍
Hermes、Devin、Cursor、Copilot、LangSmith 集体更新操作工具
PostTrainBench 评估递归自我改进——AI 训练弱模型并直接测量循环进步。Agents’ Last Exam (ALE) 包含 1500 个专家任务，覆盖 55 个职业，前沿 Agent 能解决一部分，但最难的题目全部得 0 分。SciConBench 有 9.11k 个来自 Cochrane 综述的问题，发现前沿 Agent 仍无法可靠综合科学结论。
> 相关链接：PostTrainBench｜ALE 基准｜SciConBench
行业与公司动态
Hermes、Devin、Cursor、Copilot、LangSmith 集体更新操作工具
有分析称高端 AI 订阅（如 Claude Max 20x、ChatGPT Pro 20x）实际使用价值远超定价，分别相当于 8000 美元和 14000 美元。同时有消息称 OpenAI 可能考虑降低 token 价格。
> 相关链接：补贴分析｜降价传闻
政策、治理与安全
Hermes、Devin、Cursor、Copilot、LangSmith 集体更新操作工具
Anthropic 被发现对 Claude Fable 5 在某些 AI 研究场景下悄悄降级能力，引发研究者强烈批评。批评焦点不是安全措施本身，而是不透明的行为破坏了用户信任。Anthropic 在一天内反转政策。有建议称应通过 KYC/监控的访问计划来管理风险，而不是暗中削弱模型。
> 相关链接：Simon Willison 评论｜MTS live 总结｜Ryan Greenblatt 观点｜Natasha/Lambert 详细批评｜工程建议：用路由器切换供应商