TechCrunch 的编辑实测了谷歌新推出的 Gemini Spark，把它当成一个全天候 AI 助手来用，主要干了整理邮件摘要和规划本地活动这两件事。体验下来觉得确实能帮上忙，但文章没搞懂谷歌为什么要把这个功能单独做成一个产品，而不是直接塞进现有的 Gemini 里。正文没披露这东西什么时候正式上线、要不要另外收费。
推荐理由：我会先打个折：正文没披露价格和发布时间，所以不能当产品发布看。但亮点在于，这是一篇上手实测，不是通稿。编辑用“actually pretty useful”收尾，说明 Gemini Spark 在收件箱摘要和本地活动规划这两个场景里跑通了，没翻车。对做 agent 的人来说，这种“替你干活”的体感比跑分重要。信息缺口明显，但反转叙事和具体场景撑住了 featured 的分数。
Google AI Developers 发推说 Nano Banana Pro（对应 gemini-3-pro-image）和 Nano Banana 2（对应 gemini-3.1-flash-image）已经正式发布，可以直接通过 Gemini API 调用。推文里贴了一些社区示例展示效果，但正文没披露定价、跑分、单次生成耗时或调用频率上限，想上...
推荐理由：我会先打个折：这就是个产品更新，不是技术突破。Google 把两个图像模型挂上 Gemini API 标成生产可用，对想用的人是个信号，但正文没披露价格、没给跑分、也没说调用限制，所以没法判断性价比。名字叫 Nano Banana，听着像玩梗，但背后就是 gemini-3-pro-image 和 gemini-3.1-flash-image，别被名字带偏。
这份评分表把用户跟 Claude 的对话拆成 11 个可观察的行为指标来打分，满分 11 分。背后的研究用了 9830 组匿名多轮对话，发现高质量对话里 85.7% 都出现了“反复修改追问”这个动作。正文没披露具体评分细则和实验设计细节，目前只能看到评分框架，所以这个 7.5 分到底怎么算出来的还不清楚，先别太激动。
推荐理由：这篇的切入点是把 AI 和人的关系倒过来，用评分卡的形式讲 Claude 怎么分析用户行为，标题自带传播力。内容有具体的行为列表和样本量，不是空谈。我会先打个折：这不是模型发布或重大能力更新，所以放在 featured 档位刚好，不用拔到 breaking。对从业者来说，能从中看到 Anthropic 对“高质量使用”的定义，也能反推自己用 Claude 的方式在什么水平。
人大和至知研究院放出了一个叫 ClawGym 的 Agent 训练框架，把数据、训练代码和模型权重都开源了。他们合成了 13500 条可执行的任务当训练数据，又做了 200 条任务的基准测试集。用这套东西训出来的 ClawGym-30B-A3B 模型，在他们自己的 ClawGym-Bench 上拿了 56.82 分，比 Qwen3-235B-A23B ...
推荐理由：这条消息对 Agent 开发者很实用。ClawGym 把数据、代码、模型检查点一起打包开源，不是又一个只有排行榜的项目。13.5K 合成任务规模不算大，但 200 个评测任务和 56.82 的得分给了明确的起点。我会先打个折：正文没披露合成任务的质量验证细节，也没说这个分数在实际业务场景里对应什么水平，所以别急着对标生产环境。但作为开源基建，它降低了复现和改造的门槛，值得关注。
OpenAI 的 Codex 界面新增了对话线程管理能力，可以自己创建、搜索、整理和固定聊天线程，还能为并行任务启动工作树。这条信息来自 X 上的用户分享，正文没披露具体实现方式、准确率或延迟数据，我会先打个折——目前看起来更像一个便利功能，而不是底层模型能力的升级。
推荐理由：HKR 三项都过：Codex 拿到了具体的线程管理和并行工作树机制，对编码 Agent 用户有实际价值。正文没披露适用范围、定价和性能数据，所以我会先打个折，放在 featured 偏低的位置。
OpenAI 给 Codex 加上了 Windows 支持，你可以在手机上用 ChatGPT 应用启动、查看和指挥 Codex 在你 Windows 电脑上干活。官方说这是早期体验，正文没披露收费方式和具体开放范围，我会先打个折——稳定性、权限控制和延迟都还没经过大规模验证，别急着把重要任务全交给它。
推荐理由：OpenAI 给 Codex 加了 Windows 计算机使用功能，通过 ChatGPT 手机 App 来操控。正文交代了工作流程和早期体验状态，但没提权限、定价和推送范围，所以先放在 featured 这一档。
OpenRouter 在 Responses API 里上线了 apply_patch 工具，模型可以生成 V4A 格式的 diff 来创建、修改或删除文件。服务器端会先校验 diff 语法，不用客户端自己折腾。正文没披露这个校验具体能拦住哪些错误，也没说支持哪些模型。
推荐理由：HKR 三项都过了：OpenRouter 这次更新给 coding agent 搭了条跨模型的补丁通道，用 V4A diff 加服务端校验，实用性很强。但它属于基础设施层面的改进，不是模型能力本身的突破，所以分数压在 72–77 这个区间。
The Verge 提前试了 Adobe Firefly AI 助手的测试版。它不像常规 AI 工具那样直接生成图片或视频，而是充当一个中间人，用对话的方式替你操作 Adobe 的设计软件。作者说，助手解释每一步编辑思路时讲得很清楚，但最终做出来的效果并不让人满意。正文没提定价、正式上线时间，也没列出完整支持哪些软件。
推荐理由：我会先打个折：这是 The Verge 编辑亲自上手 Adobe Firefly AI Assistant 测试版的体验文，不是官方通稿。它能在 Adobe 设计软件里听指令改图，解释流程挺清楚，但成品确实一般，所以标题才叫“平庸的设计实习生”。这点先别太激动，正文没披露定价、什么时候正式上线、具体支持哪些应用，信息有缺口。不过它踩中了设计工作自动化的敏感点——能不能用、好不好用、会不会抢活，所以给到 featured 门槛的分数是合理的。
小米大模型应用团队放出了一个叫 ControlFoley 的视频音效生成模型，权重和代码都开源了。它主要解决一个问题：以前模型只能看画面自动猜配什么声音，创作者没法干预。ControlFoley 支持三种用法——用文字描述想要的音效、用文字强行覆盖画面里原有的声音、或者上传一段参考音频让它模仿音色和风格，同时还能保证声音和画面动作对得上。团队自己训了一...
推荐理由：ControlFoley 把视频拟音做成可控生成，还直接开源了全套，对创作者和开发者都挺友好。它不是那种刷榜的基础模型发布，但胜在任务明确、工具属性强，放在 featured 门槛附近是合理的。
腾讯游戏公开了一个叫 Code Craft 的 AI 游戏创作平台，主打用自然语言描述就能直接生成可玩的 2D 或 3D 游戏。平台内置了一套规划知识库和技能系统，可以帮 AI 拆解复杂的游戏设计指令，还提供了可视化调参面板和超过两万个免费云端素材。官方说法是“下限零基础，上限肝大作”，意思是完全不会写代码的人也能上手，有经验的开发者也能用它搭出更完整...
推荐理由：HKR 三项都过了。标题和摘要给的信息够硬：自然语言生成可运行游戏、2D/3D 都支持、2 万多免费资产，对开发者来说省原型成本是实打实的吸引力。正文没披露收费方式、开放范围和模型能力上限，所以分数压在 featured 低段，不往上拔。
Liquid AI 放出了新模型 LFM2.5-8B-A1B。它用 380 亿个 token 做预训练，之后又做了大规模强化学习，上下文窗口能塞进 12.8 万个 token。词汇表翻了一倍，对非拉丁语系的 token 切分更友好。模型已经挂在 Hugging Face 上。不过 Reddit 原帖被网络策略挡了，正文没披露具体的基准跑分、推理成本和强...
推荐理由：我会先打个折：正文没给任何跑分、许可证和部署限制，所以别急着下结论。亮点是 8B/A1B 这个尺寸配 128K 上下文，38T token 的预训练量也算扎实，加上大规模 RL 调过，对想在本地跑长文本、又不想烧太多卡的人有吸引力。但没基准测试就没法判断实际水平，这点先别太激动。
Anthropic 今天放出了两个大消息。钱这边，他们完成了 650 亿美元的 H 轮融资，投后估值达到 9650 亿美元，领投方是 Altimeter、Dragoneer、Greenoaks 和 Sequoia。公司还首次披露年化收入已经超过 470 亿美元，这个数字去年 12 月才 90 亿，增速很猛。产品这边，他们发了 Claude Opus 4...
推荐理由：HKR 三项全中：这条把前沿实验室的巨额融资、新模型和代码工作流更新打包在一起。我按摘要里的 650 亿美元融资和 9650 亿美元估值来算，因为标题里的数字和正文对不上。
报告给了几个数：开发者每周写的代码从 3.6K 行涨到 8.6K 行，千行以上的大 PR 占比也高了。AI 智能体单次会话里调工具的次数多了约 30%，说明它在接更复杂的活。被采纳的 AI 代码 60 分钟后还在代码库里的比例从 76% 提到 81%，留存确实在变好。不过正文没披露样本量、统计口径和是否排除自动生成代码，我会先打个折看这些数字。
推荐理由：我会先打个折，这是 Cursor 自家的报告，不是第三方审计，数字可能有美化。但 3.6K 到 8.6K 的翻倍和工具调用涨 30% 这两个点，对开发者判断 AI 编程工具的实际提效幅度有参考价值。正文没披露统计口径和样本量，这点先别太激动。整体不是产品发布或跨源事件，放在 featured 档、81 分比较合适。
OpenAI 员工晒出自己一个月的 Token 用量：760 万次请求，6030 亿 Token，按公开费率算价值 130 万美元。虽然他是内部员工不用掏钱，但这个量级让外界看清了一件事——如果放开让程序员用顶级模型，一个人一年光 Token 费就可能上亿人民币。换成国内便宜的开源模型，也要两三百万。Uber 今年头四个月就烧完了全年 34 亿美元的 ...
推荐理由：Peter Steinberger的CodexBar使用数据把Token费用问题算成了一笔明账：一个月760万次请求、6030亿Token，按预设费率估算价值130万美元。这个数字够具体，也够吓人，直接点出了AI编程工具在规模化使用时的成本压力。文章不是产品发布或模型评测，而是从业者的真实账单分享，对正在评估AI工具成本的团队来说，比任何公关稿都实在。
阶跃星辰放出了一个开源模型 Step 3.7 Flash，架构是 198B 参数的 MoE（混合专家），实际干活时只激活大约 11B 参数，所以跑起来相对轻量。上下文窗口给到 256K，能读图、读文档，也能直接生成代码或调用工具。它在 ClawEval-1.1 上拿了 67.1 分，SimpleVQA Search 上 79.2 分，这两个榜目前排第一...
推荐理由：这条发布的核心卖点是“大模型的身子，小模型的成本”，198B MoE 只激活 11B 参数，对想把模型塞进智能体流程的人吸引力很直接。256K 上下文和 ClawEval-1.1 的 67.1 分给了可查的硬数字，不是纯宣传。不过正文没提独立评测和实际延迟数据，这点先别太激动。整体信息量够、有记忆点，放在 featured 合适。
作者 Tomasz Tunguz 分享了他用“技能提炼”让本地小模型跑个人工作流的做法。他会让 Opus 4.7、GPT-5.1 或 Gemini 3 Pro 这类顶尖模型，把处理邮件、管投资 pipeline、发博客等任务写成标准化的 SKILL.md 步骤文件，然后由本地运行的 Qwen 35B 或 Gemma 26B 一步步执行。这套系统基于 P...
推荐理由：这个技能提炼模式把大模型当教练、本地模型当执行者，思路清楚，对控制成本有实际意义。我会先打个折，因为文章没披露任何量化结果——不知道本地模型执行时会不会翻车，也不知道到底省了多少钱。这点先别太激动，等有数据再说。
这期播客聊的是 AI 编程工具正在从“在编辑器里帮你补全代码”转向“在后台独立完成整个任务”。Cognition 的首席产品官 Walden Yan 和 OpenInspect 的 Cole Murray 分享了他们看到的趋势：Devin 合并的 PR 数量涨了 7 倍，Cognition 自家仓库里由 AI 生成的提交占比从 16% 飙升到了 80%...
推荐理由：H、K、R 三项都站得住：Cognition 自家仓库的数据让这篇访谈不只是 agent 口号。分数留在 78 分，因为它本质还是访谈和趋势观察，不是重大模型或产品发布。
Opus 4.8 这次配了一个叫 Dynamic Workflows 的工具，核心作用是让一个主模型像工头一样，协调一堆子模型分头执行任务。正文没提价格、上下文窗口多大、跑分成绩，也没说什么时候能用上。
推荐理由：Anthropic 发新模型还配了个管 agent 群的工具，信息量够上当天重要档位。但价格、窗口大小、什么时候能用全都没说，我会先打个折，等这些补上再往上调。
Perplexity 把它的 Computer 助手塞进了微软 Office 套件里。你在 Excel、Word、PowerPoint 和 Outlook 的侧边栏就能直接使唤它，让它帮你起草文档、处理数据模型、做演示文稿或者打理邮件。正文没披露具体是哪个版本的 Office 支持，也没提需不需要额外付费。
推荐理由：Perplexity Computer 进了 Excel、Word、PPT 和 Outlook，能在侧边栏帮你起草文档、搭模型、做演示、处理邮件。这事本身有信息量，也戳中了办公 agent 入口的竞争点。但正文没提定价、权限控制、企业部署方案和实际效果数据，所以我会先打个折，不往更高层级推。
CNN 在纽约法院起诉了 AI 搜索公司 Perplexity，说它的 AI 答案工具会“逐字”复制 CNN 的报道，甚至把原本锁在付费墙后面的内容直接喂给用户。CNN 在诉状里提到，他们试过屏蔽 Perplexity 的爬虫，但对方没理会，照样抓取记者采写、编辑的内容，既没授权也没付钱。
推荐理由：CNN 告 Perplexity 这事，核心是 AI 搜索把付费内容直接吐给用户，还抄得一字不差。对从业者来说，这直接关系到模型输出怎么规避版权雷区，以及跟媒体谈授权时对方会拿什么说事。目前还只是起诉阶段，没判决也没产品改动，所以先别当定论看，但信号已经够强了。
这篇讲的是 AutoWebWorld 这个项目，它没有靠人工标注或大模型当裁判，而是用有限状态机（FSM）来定义网页的状态、前置条件和跳转规则，自动生成并验证 GUI Agent 的操作轨迹。最终合成了 29 个网页环境、875 个页面和 11663 条经过验证的轨迹，平均每条轨迹的成本大约 0.04 美元。正文没披露具体用了哪些模型做测试，也没给出任...
推荐理由：我会先打个折：这不是顶级大厂的发布，所以分数压在 78–84 的研究工具档位。但 H、K、R 三条都站得住。0.04 美元一条轨迹是个能让人点进去的数字；放出的环境和轨迹量不算小，而且 FSM 内置状态验证这个设计，比靠人标或 LLM 打分更可复现，对做 GUI 智能体的人有直接参考价值。
Mistral 发布了 Search Toolkit 的公开预览版，一个开源框架，把搜索系统拆成数据接入、检索和效果评估三层，每层都定义了统一接口。你可以把它部署在云上、本地机房或者边缘设备上，按需替换里面的组件。官方说这样能省掉重复造轮子的时间，但正文没给出具体的性能基准或延迟数据，实际效果还得自己测。
推荐理由：Mistral AI 把数据喂入、检索和效果评估打包成一个开源框架，叫 Search Toolkit，现在开放公共预览。我会先打个折：这不算大新闻，但信息量够。它支持云端、本地和边缘部署，意味着你可以在自己机器上跑，不用被绑在某个云上。正文没披露具体性能对比和延迟数据，所以别太激动，但开源加评估环节这点对想自己搭资料库的团队挺实用。
Mistral 把 Le Chat 升级为统一 AI 智能体 Vibe，一个许可同时覆盖办公与编码，原有对话、设置和套餐全部保留。Work Mode 支持企业知识搜索、结构化数据分析、文档报告生成、多步任务定时调度和可复用技能，可连接 Google Workspace、Outlook、SharePoint、Slack、GitHub 等。
推荐理由：原文完整披露了 Vibe 的工作模式、编码模式与 CLI 更新，可据此判断它如何接入现有工作流。
周志伟分享了一套项目管理方案：用两个 Git 仓库，配合 AI 编程助手、Shell 和 Python，把催周报、搬数据、画图表、出工程效能报告这些事自动化了。正文没披露具体实现细节和验证数据，但按他的说法，至少能省掉 80% 的手工跟进和报表工作。
推荐理由：我会先打个折：80% 这个数字正文没给验证方法，别当基准看。但思路本身很实在——用两个 Git 仓库当数据源，让 AI 编码助手加脚本去自动拉数据、出图表、拼周报，把项目经理从催收和搬运里解放出来。对 AI 从业者来说，这不是模型或平台发布，而是一个可抄作业的工作流改造，成本低、痛点准，所以给了 featured。
Mistral 整合了 Emmi AI 团队，发布了一个面向工业工程的物理 AI 基础模型。它能根据几何结构、边界条件或测量数据，在单张 GPU 上用几秒钟预测出完整的物理场（比如温度、应力分布）。正文没披露具体架构、参数量、训练数据规模和实测误差范围，也没给出跟传统数值仿真在精度和速度上的量化对比，所以实际工程可用性还得看后续验证。
推荐理由：Mistral 这次没发新聊天模型，而是直接拿下一个物理 AI 团队，做工业仿真。我会先打个折：正文没披露具体模型名、基准测试、定价和开放方式，所以没法判断它比现有求解器到底准不准、省多少。但方向本身值得关注——如果单 GPU 秒级出完整物理场是真的，对西门子能源这类重工业客户来说，仿真迭代速度会快很多，成本也可能降一截。这点先别太激动，等他们放出可复现的结果再说。
YouTube 开始在美国推一项新功能，让用户用自然语言描述想看什么，AI 会根据兴趣、心情或话题生成一个定制视频流，并可以固定在主页顶部方便回看。目前只支持英文，登录后的美国用户在手机 App 和桌面端都能用，入口在主页顶部的“Your custom feed”标签。正文没披露这个 AI 具体用了什么模型、怎么平衡推荐算法和用户主动描述，也没提生成速...
推荐理由：YouTube 这次不是微调推荐，而是让用户自己写提示词来拼一个视频流，交互上往前走了一步。我会先打个折：正文没提背后用了什么模型、怎么排序、效果数据也没有，所以暂时只能当一次产品实验看。上线范围限美国、英语、已登录用户，说明还在试探阶段，别急着当成全面开放。如果是真的能稳定跑通，对内容分发逻辑的冲击不小，但现在信息缺口还很大。
这家顶级律所计划投入 5 亿美元，把全所律师的“集体智慧”做成一个内部 AI 平台。正文没披露具体用哪家模型、是自己从头训还是拿现成模型调优，也没说什么时候上线。5 亿这个数字说明他们打算把这件事当成核心基础设施来搞，不是小范围试点。不过，没看到技术细节和验证指标之前，这笔钱到底能省多少人工、提多少效率，还不好判断。
推荐理由：FT 的信源加上 5 亿美元这个数，让这条消息在律所 AI 应用里算个大新闻，所以 H/K/R 都给了肯定。但正文没披露任何技术细节，连用的是大模型还是传统 NLP 都没说，我会先打个折。整体判断是：话题性够强，信息量偏弱，适合放在企业应用动态里让人留意，别当技术突破看。
xAI 发布了专门干编程活的模型 grok-build-0.1，现在通过 API 公测。这个模型主要用来做网页开发、修 bug 这类需要模型自己调用工具、跑流程的任务，跟 Grok Build 命令行工具背后是同一个模型。速度标称每秒 100 个 token 以上，价格是输入每百万 token 1 美元、输出每百万 token 2 美元。除了写代码，官...
推荐理由：我会先打个折：这是 0.1 公测版，正文没披露基准测试成绩、上下文窗口大小和具体任务成功率，所以别急着把它当成成熟产品。但亮点很实在——速度标到 100+ tokens/秒，定价也直接亮出来，输入 $1/M、输出 $2/M，对想试编码智能体的团队来说，成本门槛不高。xAI 明显在抢 Cursor/Claude 的开发者心智，这点从定位就能看出来。综合看，信息量够、有价格锚点，但缺验证数据，给 78 分、featured 不 p1 是合理的。
Cognition AI 新融了超过 10 亿美元，投前估值 260 亿美元。它的年化收入一年里从 3700 万美元涨到约 4.92 亿美元，涨了十几倍。核心产品 Devin 被定位成能自主干活的初级工程师，不是只补代码，而是能自己规划、测试、部署，走完多步骤流程。公司不绑死一家模型，既用自己的模型，也接 OpenAI 和 Anthropic 的大模型...
推荐理由：这条消息硬数字够多，估值和收入增速都摆在那，Devin 的定位也从“写代码助手”变成了能自己规划、测试、部署的初级工程师，对从业者的冲击感很直接。不过信息源单一，正文没披露具体投资方和估值计算细节，所以没给到行业地震级的高分。
OpenAI 给 ChatGPT、Codex 和 Responses API 加了个能力：可以走纯出站 HTTPS 去调你团队放在内网的 MCP 服务器。服务器不用暴露到公网，模型这边只往外发请求，不接收入站连接。正文没提延迟和鉴权细节，实际部署前最好先测一下链路稳定性。
推荐理由：我会先打个折：正文没披露权限控制怎么配、收不收费、什么时候全量推，这些缺口让实际落地还有变数。但方向很明确——让模型直接进公司内网干活，而且用仅出站 HTTPS 绕过了安全团队最头疼的入站暴露问题。对正在评估 AI agent 接内部系统的团队来说，这是个值得马上跟进的消息。
Anthropic 发了篇博客，讲企业里用自主 AI 智能体（能自己调用工具、读写记忆的模型）该怎么搞安全。核心判断是：前沿模型把漏洞利用的时间从几个月压到了几小时，老一套安全流程跟不上。文章给了一套三层零信任架构，把智能体拆成身份层、工具层和记忆层分别做权限最小化，还列了八个阶段的落地步骤。威胁模型里重点提了提示注入、工具投毒和记忆投毒这三种攻击方式...
推荐理由：Anthropic 这份零信任框架把攻击速度的变化说得很直白——前沿模型能把漏洞利用周期从几个月压到几小时，这个数字本身就是最好的警示。三层架构和八阶段流程让方案有了骨架，提示注入这些威胁也点得实在。我会先打个折：正文没披露具体验证数据或落地案例，目前更像一套设计原则而非实测报告。但安全、智能体、权限这几个话题叠加，对正在推 agent 上线的团队来说，参考价值不低。
Google Pay 这次更新主要干了两件事：一是把支付系统开放给 AI 代理，二是把安卓和桌面端的结账体验做得更顺滑。先说 AI 这块，他们搞了个通用商业协议（UCP），你现有的商户号和支付后台不用动，就能让 AI 代理直接调用支付能力去完成交易。还发了个 MCP 服务器（公开预览版），相当于给开发用的 AI 助手配了个支付插件，能帮你查集成问题、分...
推荐理由：我会先打个折：正文只列了功能点，没给实际采用规模、定价，也没展示一个真实的 agent 交易案例，所以分数卡在 72–77 这个区间。但 MCP 支付这个方向本身够具体，对 agent 商业化的推动力是实打实的，值得放进 featured。
Robby Stein 在 Google I/O 上谈了搜索正在从列链接转向直接给答案的 AI 原生模式。AI Mode 会把复杂问题拆成多轮搜索去查，背后跑在 Google 自己的 TPU 上，推理成本不低，但正文没给具体数字。搜索量没降反升，这点他提了但没展开数据。关于答案里引用哪些信息源和链接，有一套选择逻辑，但没细说权重。出版商最关心的流量问题...
推荐理由：这是一篇访谈摘要，不是产品发布，所以我会先打个折。HKR 三个维度都踩中了，但正文没披露具体价格、流量数字或成本数据，判断只能停在“高质量访谈”这个区间。文章把 Google 转向 AI 原生搜索的几个矛盾摆得很清楚：想用多轮对话和 AI Mode 留住用户，又得面对 TPU 成本高和出版商怕被截流的现实。信息够硬，但缺量化验证，所以分数给到 74 是合理的。
Robinhood 宣布允许用户创建独立账户，划拨一笔钱后，让 AI 代理（也就是能自主执行任务的模型）直接买卖股票。Robinhood 自己也在风险提示里写得很直白：AI 交易可能导致全部本金亏光。正文没披露这个 AI 代理具体是 Robinhood 自研还是第三方模型，也没说交易策略由谁提供。
推荐理由：Robinhood 这次不是开放行情数据，而是直接让 AI agent 进场下单。用户给 agent 单开账户、注入指定资金，agent 就能自主买卖股票。我会先打个折：正文没披露风控细节、回撤限制、交易频率上限，也没说 agent 跑在什么模型上、能不能接外部信号。所以“赚很多或赔很多”目前更像产品定位，不是实测结论。但这件事本身信号很强——交易权限从人移交到 agent，合规和客诉风险会成倍放大。
Runway 推出了一个 MCP 服务器，相当于给 AI 助手装了个插件，让 Claude、ChatGPT、Cursor 等工具能在聊天窗口里直接调用 Runway 的模型生成图片和视频。你不用再切换软件，给助手扔一个商品链接、一张参考图或一段文字描述，它就能把成品返回到同一个对话框里。这次接入的模型包括 Gen-4.5、Seedance 2.0、GP...
推荐理由：这条消息的钩子很直接——Runway 的视频能力进了程序员和创作者天天用的对话工具。技术上不是模型突破，而是集成方式变了，MCP 服务器当中间人，让多个模型被一个入口调度。对从业者来说，这比单纯发个新模型更贴近实际工作流，所以 HKR 三项都成立。不过正文没提延迟、并发限制和计费方式，实际体验还得观望。整体算一次产品整合更新，重要性给 76 分，放在 featured 里合理。
Robinhood 给用户开了个口子：你可以创建一个独立账户，连上一个专用钱包，让 AI 代理（也就是能自己干活的小程序）去读你的持仓、分析行情、出策略、推股票。但下单的钱只能从这个钱包里扣，动不了你主账户里的资金。每笔交易都会推通知，有些单子还得你点一下确认才会执行。正文没披露代理的决策模型具体怎么搭、回测表现如何，也没说风控和止损机制。Robinh...
推荐理由：我会先打个折：Robinhood 不是前沿 AI 实验室，所以这条消息的份量更多在产品落地层面。但它的机制设计很实在——代理能看组合、能分析，但动钱时只能碰你专门划拨的那一小块余额，不是整个账户敞开了让它玩。这点先别太激动，正文没披露代理具体用什么模型、分析能力有多深，但光是“代理+真实资金+预存钱包”这个组合，就足够让做 agent 安全的人盯一阵了。
这篇文章讲的是阿里技术专家吕若凡提出的 Agent Room 模型。核心想法是不再让 AI 智能体各干各的，而是把它们放进一个共享上下文、任务账本、记忆和产物的“房间”里协作。文章用两个软件工程案例做了验证，说明这套系统不是简单地把任务分发给不同模型，而是让它们能基于共享信息做出协作判断。不过正文因为微信环境验证问题没能加载出来，具体的技术细节、实验数...
推荐理由：这是一篇方法论文章，不是模型发布或开源框架，但 Agent Room 的机制和两个研发现场让它有干货。HKR 三项都踩中了，我会给到 76 分，放在 featured 里。
两年前谷歌的 AI 还在建议人吃石头、往披萨上抹胶水，现在它的聊天机器人 Gemini 月活用户已经冲到 9 亿，跟 OpenAI 自报的 ChatGPT 用户数打平。谷歌没把 Gemini 当独立产品养，而是直接塞进 Gmail、地图、Google.com 这些每天被几十亿人用的服务里，连苹果 Siri 未来的底层技术也换成了它，等于 Gemini ...
推荐理由：HKR三项全中。文章用逆袭主线把谷歌从掉队拉到能打的位置，钩子够强；9亿用户、770亿广告收入、Siri合作这些数字和信息量扎实，不是空谈；对从业者来说，模型竞争格局和分发渠道的变动直接关系工作判断，相关性高。整体是产业分析而非模型发布，放在78-84分档合理。
OpenRouter 做的是 AI 模型的“中转站”，用一个 API 就能调用 400 多个模型。现在每周处理 25 万亿 Token，一个月差不多 100 万亿。这轮融资由 CapitalG 领投，估值到了 13 亿美元。正文没披露具体盈利和成本结构，所以“赚爆了”这个说法先打个折，但流量规模确实大。
推荐理由：这条融资消息我会先打个折，毕竟不是技术突破，但100万亿月token这个量级确实把“模型路由”这门生意做实了。正文没披露利润率或抽成比例，所以别急着说它暴利，但400多个模型接入、每周25万亿token的吞吐量，说明开发者已经在用脚投票。对从业者来说，这比某个新模型跑分更有参考价值——它告诉你钱和流量正往基础设施层聚。
Anthropic 在 Code w/ Claude 伦敦活动上宣布了两项 Claude 托管代理的新能力。一个是自托管沙盒，公开测试版，让 Claude 能在你自己的安全环境里跑代码、操作浏览器，不用把敏感数据交给第三方；另一个是 MCP 隧道，研究预览版，相当于给 Claude 开了条加密通道，让它能直接连到你本地或私有网络里的工具和数据源。Spo...
推荐理由：Anthropic 官方产品更新，在伦敦活动上发布了 Claude 托管代理的两项具体能力。我会先打个折：这不是新模型发布，而是开发者工具层面的迭代，所以重要性给到 78。自托管沙箱让代理在隔离环境里跑代码，MCP 隧道则打通了本地工具和云端代理的连接，对实际干活的人比刷榜分数更有用。正文没披露沙箱的安全隔离具体到什么程度，这点先别太激动。