🔥 精选推荐
Anthropic 的 Managed Agents 将会话记录和 harness 与执行代码的沙箱分开，沙箱故障不必让整个任务丢失。平台工程负责人 Katelyn Lesse 和产品负责人 Angela Jiang 介绍，服务凭据由独立代理附加，生成的代码所在沙箱无需持有凭据；网络访问也受到控制。此前把整个 Agent 塞进沙箱的方案，启动延迟和故障恢复成本更高。访谈还介绍由一个 Agent 检查另一 Agent 的历史工作、写回记忆的实验，部分平台构想仍属路线计划。
🦐点评：Claude 把持久会话、执行隔离和凭据管理一起提供后，独立 Agent 基础设施公司会面对来自模型厂商的直接竞争。投资这类公司，要看客户是否需要跨模型迁移、私有部署或特殊执行环境；仅替单一 Claude API 补齐通用运行功能，收费空间容易被平台吸收。
Liquid AI 将文本、视觉、音频、全模态和决策模型统一到一个约 2B 参数的底座，并开放权重。文本模型提供 256K context，4-bit 权重约占 1GB，六个分支模型均可用单张 GPU 微调。公司自测称，1.7B 文本模型在 WebArena-Verified 上由前代的 3.02 分升至 38.42 分；其机器人 VLA 在 Jetson AGX Orin 上生成动作片段耗时低于 50 毫秒。这些结果来自发布方，尚不能替代真实设备上的独立测试。
🦐点评：LFM3 把单卡定制和本地部署放在一起，可能削弱“微调一个小模型”本身的稀缺性。端侧创业公司要证明的是：在功耗、热限制和断网情况下仍能完成客户任务，并且掌握设备分发或独有数据；下载量和通用榜单难以支撑长期溢价。
John D. Cook 介绍，Anthropic 和 OpenAI 均已发表声称否定指数时间假设（ETH）的证明，并引用 Shiva Kintali 对 OpenAI 证明的简化版本。相关主张是为 3-SAT 给出次指数时间算法，并非宣布找到多项式时间算法，因此不能据此认定 P=NP。作者在评论区称 Kintali 已检查并简化证明，但没有给出全面独立核验完成的证据；他还转述了 Lean 形式化命题与论文措辞差异的讨论。现阶段应把它视为重大研究主张，继续观察证明核验和算法的实际复杂度。
🦐点评：Cook 讨论的是最坏情形下的渐近复杂度，距离可用于现实攻击的成本还有很长一段。安全公司的采购变化取决于具体算法、输入规模和运行成本，不能把 ETH 新闻直接换算成加密行业收入；AI 科研公司的价值也应由可复核成果来支持。
Ai2 发布科研新颖性评测，在六个 LLM 裁判上发现提示词、推理预算和检索配置会显著改变结论。同一组人类与 AI 创意对比中，GPT-5.4 仅因提示词变化，准确率便由 93.5% 降至 40.9%。两套专门的新颖性评估系统更贵，却未超过简单提示 Claude Opus 4.6 的基线；增加搜索和推理也不保证更好。人类与生成创意数据采用部分弱标签，研究还以无需假定正确答案的判决翻转率检验稳定性。
🦐点评：Ai2 的实验说明，能生成大量研究方向和能筛出有效方向，是两种不同能力。看 AI 科研平台时，应要求跨提示词的稳定性、专家盲评和真实实验命中率；如果估值建立在模型给自己打的“新颖性高分”上，新增算力可能只是在放大误差。
📌 其他新闻
公开导语援引知情人士称，OpenAI 计划采购 Google TPU，交易金额及细节未披露；付费正文不可获取。
公开预览称，Oracle 将成为首个提供 TPU 的非 Google 超大规模云平台，计划 2027 年可用；完整正文受限。
公开导语认为 Anthropic 主业盈利仍可能被竞争和持续稀释侵蚀，区分经营效率与股东回报；付费正文不可获取。
投资方文章称 Databricks 年化收入超 70 亿美元、同比增 80%，主张建设 Agent 业务记录系统；带投资组合推广立场。
官方标题称 Retell 月通话量达一亿次，摘要称人均年化收入 160 万美元；补抓仍停在验证页，未取得正文。
官方 RSS 称双方将把企业应用及 Agent 引入 ChatGPT，并支持 Oracle 新产品；补抓正文受验证页阻挡。
🧠 AI 技术前沿
实测 Genie 4 可按文字实时生成城市、添加龙与 NPC，一分钟构建环境；作者也明确称体验并不完美。
查看推文 →
转发 Liquid AI 发布 LFM3，介绍新的混合架构和多模态编码器；可见推文已截断，未提供完整性能数据。
查看推文 →
Cursor 在设计模式加入 Annotate，可直接编辑元素、在页面绘图，并用不同屏幕尺寸检查设计，向 Agent 传达视觉要求。
查看推文 →
介绍 MiniMax 开源 OpenAgentCore：兼容 OpenAI SDK，可选多种 Agent harness，并支持替换模型、沙箱与工作区实现。
查看推文 →
介绍百度 Unlimited OCR 2，用稀疏参考注意力和分页解码处理超长文档；延迟、显存随长度增长较小是技术报告口径。
查看推文 →
转述 Manus 的多仓研发实践：建立统一入口和业务说明，让同一 Agent 处理多端改动；审批仍由人负责，本地验证缩至数秒。
查看推文 →
介绍 skill-diet：对比旧版、新版和无 skill 的任务表现后再保留压缩版；作者测试称可减少 70%—80% token。
查看推文 →
分享 MiRL 论文，研究用针对错误的强化学习纠正终端 Agent 的不当行为；推文只附题目和链接，未给效果指标。
查看推文 →
转发 TraceTrial-Bench：将 Agent 任务表现与 harness 可靠性分开评分，提醒完成任务不代表运行框架可靠；细节未完整显示。
查看推文 →
分享 InteractiveWorld，研究面向人的可验证交互环境，以改进多模态助手；可见内容未提供实验结果。
查看推文 →
分享 StreamVibe 论文，研究主动式视频 Agent 如何应对持续变化的用户意图；推文未披露具体性能指标。
查看推文 →
转发 Axiom 宣布大规模数学证明完成计算机核验，并介绍 Lean 自动形式化工作；原推文截断，无法确认具体覆盖范围。
查看推文 →
转发 CodeRabbit Secure 的 Deep Scan 更新：可跨关联仓库追踪漏洞并重放利用过程；推文截断，未完整展示验证环境。
查看推文 →
用 Viggle PINOC 的 JST-2 从单图生成七个浏览器内 3D 世界与角色，再由连接 MCP 的 Claude Code 控制角色和镜头。
查看推文 →
🚀 创业动态
Anthropic 宣布与六家新药研发机构开展研究合作，同时开始自行开展药物发现；称将分享支持药物开发的早期结果。
查看推文 →
Anthropic 扩大与美国 GSA 的合作，在新 OneGov 协议下向联邦及州、地方等政府提供 Claude，价格优惠 40%。
查看推文 →
转发 General Compute 宣布完成一亿美元 A 轮融资，押注快速推理需求；可见文字未披露投资方、估值或收入。
查看推文 →
介绍 Concurrence 联创 Ali Khokhar 从 Google、Upwork 转向医疗 Agent，希望补足医院对治疗效果原因的记录；未提供业绩。
查看推文 →
称 Claude Duet 将支持本地 Mac 访问，并推测其只使用 Opus 5.5；这是作者的产品信息分享，尚非可见官方公告。
查看推文 →
分享构建 AI 视频编辑 Agent 的经验：认为现有 skill 常有冗余逻辑，应围绕自己的风格和视频重写，以减少 token 消耗。
查看推文 →
💬 观点与洞察
转述研究称，专家即使自认独立判断，也会受 AI Agent 立场影响；独立意见重要时，应刻意安排使用 AI 的时机。
查看推文 →
认为 Claude 和 ChatGPT 隐藏详细思考摘要后，人更难在过程中参与判断，产品因此更偏向自动化而非人机协作。
查看推文 →
指出 Anthropic 自己进入药物发现，可能与购买其 token 的行业客户发生竞争，提醒关注模型供应商与客户的关系变化。
查看推文 →
称自己没有收取 Kimi 推广费用，却被要求给相关推文加付费合作标签并遭锁号；已申诉，反映广告披露争议外溢。
查看推文 →
转述 Matt Pocock：Agent 编程更需要说清目标、维护测试和代码质量；他试用数月 Spec 驱动开发后，反而觉得代码变差。
查看推文 →
认为 SaaS 应免费提供 CRM、看板和应用，再向真正完成工作的 Agent 收费；这是对收费方式的判断，未提供经营数据。
查看推文 →
明确反对“SaaS 已死”的说法，认为找不到好产品想法不能证明整个市场消失；也回顾自己曾反对“AI 不能编程”。
查看推文 →
判断医疗领域的垂直 AI 会胜过通用工具，以理解临床流程的 Concurrence 为例；这是作者观点，未给对比数据。
查看推文 →
观察 AI 摘要让人更难耐心观看长视频、阅读长文章，并追问这究竟是注意力受损，还是获取信息的效率提高。
查看推文 →
质疑“AI 公司谈生存风险只是为了炒高股价”的解释，认为强调产品的毁灭性风险并不会促进采用或降低监管压力。
查看推文 →
🔥 精选推荐
Simile 的商业方向是把真人访谈、问卷和行为数据变成可重复使用的模拟用户，而非只给通用模型一份人口画像。文章回顾其 7 月完成的 2 亿美元 B 轮、20 亿美元估值，属于历史融资信息；公司称 A 轮后五个月收入增至五倍，未给绝对金额。其与 Gallup 等合作渠道可触达四千多万人，CVS 项目披露使用逾四十万参与者的 290 万份授权回答。研究中的“85%”是相对真人自身前后回答一致性的比例，不能读成对所有现实行为有 85% 的预测准确率；客户用途和效果主要来自公司及投资方披露。
🦐点评：Simile 能接触真人并获得授权，才有条件持续核对模型，而不是只把“合成用户”卖得更便宜。要验证 20 亿美元估值，需要看模拟结果能否减少客户真实试错成本，以及新客群、新产品上是否仍准确；收入增长五倍而无基数，不足以判断其商业规模。
作者转述 S-1，称 Anthropic 2026 年上半年收入 162.86 亿美元，二季度经营利润 9.74 亿美元，但上半年仍录得 807 亿美元净亏损。文章将其中 724 亿美元归于可转债、衍生负债与 SAFE 的公允价值变动，不能把这部分当作现金消耗。其转述的净收入留存约 900%，不含订阅用户，且按同一客户群的季度支出比较；三季度超过 80% 收入来自过去六个月发布的模型版本。文中还列出多年算力采购及租赁安排，其中部分合同要求不论实际使用量都付款；以上为二手解读，上市估值和募资规模尚非确定发行结果。
🦐点评：三季度收入高度依赖最近半年的模型，说明 Anthropic 的客户扩张仍需研发持续兑现，不能直接按成熟 SaaS 的稳定续费定价。多年采购合同又把部分成本提前固定下来；看这类公司的利润，应把模型更替时的客户迁移、单位任务收入和逐年最低采购额一起算。
葬AI 的实地访问及伊朗科技记者 Mehrin Nazari 的记录显示，本地打车、电商和支付可在国内网络运行，国际断网却让工程团队失去 GitHub、Docker、文档及协作工具，工作转为维持服务。受访创业者提供模型 API 和企业定制系统，并称中国模型的波斯语能力仍弱于 Gemini、ChatGPT。断网期间用户转向 Vira、MetisAI、Zigap 等本地工具，多媒体能力仍有差距。报道以个体访谈和记者亲历为主，不能据此推定伊朗 AI 市场规模或所有用户的使用情况。
🦐点评：伊朗团队能继续收本地订单，却可能因开发和模型服务依赖国际网络而停摆，这比 API 价格贵一点更影响收入。看语言和区域型 AI 公司，要分清本地分发优势与外部连接造成的短期替代需求；只有网络恢复后仍留住客户，才说明产品有独立价值。
📌 其他值得看
创始人访谈兼产品推广：Chorus 统一多来源操作数据，公司称一小时可转成约四十个等效训练小时，未见独立验证。
产品推广色彩较强：演示沿用 QQ 浏览器登录态，收集三个 B 站视频六百条评论；仍在 Beta，支付等操作需人工确认。
项目自荐：上线数学与工程开放题，以验证器复算并在 GitHub 记载结果，配套线下活动；发布平台不等于已刷新纪录。 <!-- ai-daily:complete -->