Product
1. Human-on-the-Bridge：AI 智能体可扩展评估范式
针对 AI 智能体评估难的问题，研究人员提出了 Human-on-the-Bridge (HOB) 评估范式。该方法将人类专家经验前置，在测试前构建包含领域上下文、红队陷阱、评审角色及评分准则的“评估智能资产”。ProofAgent Harness 随后通过多轮对抗性评估、轨迹捕获和多评审员评分，实现对智能体行为系统的自动化评估。该研究在 23,500 个智能体交互轮次中验证了其有效性，为解决智能体评估碎片化和不可扩展问题提供了新思路。
来源：arXiv.org
2. Subquadratic 发布 SubQ 1.1 Small：长上下文推理模型
Subquadratic 公司发布了 SubQ 1.1 Small 模型，采用了创新的稀疏注意力机制（SSA）。该模型将注意力计算复杂度从 O(n²) 降至 O(n)，在 1M Token 上下文下，计算开销比密集注意力降低了 64 倍，推理速度比 FlashAttention-2 快 56 倍。在 12M Token 的“大海捞针”测试中，该模型保持了 98% 的准确率。SubQ 旨在解决金融、法律及大型代码库等企业级场景中对完整长文档推理的迫切需求。
来源：Subquadratic
3. Senda：轻量级 Git 原生 API 客户端
Senda 是一款基于 Go 和 SolidJS 开发的轻量级 API 客户端，旨在替代 Electron 架构的臃肿工具。其二进制文件仅约 24MB，支持桌面 GUI、终端 TUI 和 CI 命令行三种模式。Senda 的核心理念是“Git 原生”，所有 API 集合均以 YAML 文件形式存储在本地文件夹中，用户可通过 Git 进行版本控制和差异对比。该项目由 AI 辅助开发，展示了在 AI 时代构建高性能、轻量级开发者工具的新路径。
来源：GitHub
4. Exa Agent 网络研究 API
Exa Agent 推出了一款利用低成本模型编排技术进行网络研究的 API。
来源：Exa Agent
5. Claude Sonnet 5 即将发布
最新消息显示，Claude Sonnet 5 即将发布。作为 Anthropic 核心模型系列的重要更新，Sonnet 5 预计将在推理能力、上下文处理及编码效率上实现进一步提升。随着 AI 编码工具竞争的加剧，Sonnet 5 的发布将对当前的市场格局产生重要影响。开发者和企业用户应密切关注其性能表现，以便及时调整 AI 基础设施的部署策略。
来源：@Hesamation
6. Codex 通过观察学习任务
Codex 能够通过观察人类操作一次即可学习并重复任务的 AI 代理。它能够捕捉人类操作的每一个步骤，并将其转化为可自动执行的脚本。这一特性使得许多繁琐的办公室工作能够实现自动化，极大地提升了工作效率。对于希望实现流程自动化的企业和个人而言，Codex 提供了一种无需复杂编程即可实现任务自动化的新路径。
来源：@OpenAIDevs
7. SpaceX 收购 Cursor
SpaceX 以 600 亿美元全股票交易收购 Cursor。Cursor 同时发布了代码存储服务 Origin 等新产品。
8. 网站设计 AI 对比
对比了 Fable 5、Opus 4.8 和 Kimi K2.7 在网站设计方面的表现。
9. /visual-plan 可视化规划工具
为 Codex 或 Claude Code 提供可视化任务规划的工具。
来源：/visual-plan
Tutorial
1. Anthropic 演示：利用智能体循环构建完整应用
Anthropic 团队演示了如何利用智能体循环（Agent Loops）在 40 分钟内从零构建一个完整应用。该演示使用了三个智能体：规划智能体、构建智能体和评审智能体，通过循环迭代直至应用功能完善。这一演示强调了“循环”在 AI 编码中的核心地位，即未来的竞争优势不在于模型本身的智能程度，而在于构建高效的智能体协作循环。对于开发者而言，学习如何设计和编排这些循环是提升 AI 编码效率的关键。
Opinions/Thoughts
1. 本周 AI 顶会论文精选：SpatialClaw 与 SkillWeaver
本周 AI 论文精选涵盖了智能体工作流、空间推理、技能组合及记忆管理等前沿领域。SpatialClaw 引入了训练无关的空间推理框架，通过代码执行作为动作接口，显著提升了 VLM 的空间理解能力。SkillWeaver 则通过分解、检索和组合的流水线，解决了复杂任务中的多技能组合问题。此外，PreAct 提出将成功任务编译为可重用的状态机程序，大幅提升了重复任务的执行效率。这些研究表明，AI 智能体正从简单的文本生成向程序化、可组合的系统演进。
2. 2026 版 LLM 推理引擎与本地 AI 硬件指南
本文深入探讨了 2026 年本地运行 LLM 的硬件策略与推理引擎选择。作者强调，推理引擎的选择应基于硬件策略、工作负载形状和部署模型。指南详细对比了 llama.cpp（便携性）、MLX（Apple Silicon）、ExLlamaV2/V3（消费级 CUDA）、vLLM（生产级 serving）及 SGLang（复杂 serving）等引擎的适用场景。文章指出，内存带宽而非 VRAM 容量是决定解码速度的关键，并建议在生产环境中应优先考虑 vLLM 或 SGLang，而非简单的本地运行工具。
来源：Inference Engines for LLMs & Local AI Hardware (2026 Edition)
3. Fiona Fung：构建 AI 驱动的工程团队
Anthropic 工程负责人 Fiona Fung 在 Lenny’s Podcast 中探讨了 AI 时代工程团队的转型。她指出，Anthropic 的工程师季度代码产出量已提升 8 倍，编码不再是瓶颈，核心挑战转向了验证、愿景和团队文化。Fung 强调了“Just-in-time”规划的重要性，并建议通过 Claude Code 自动化代码审查和测试。她认为，未来的工程管理应聚焦于管理智能体与人的协作，同时保持对产品质量的严苛把控。这一转型要求团队成员具备更强的产品意识和系统思维。
来源：Building the most AI-pilled engineering team in the world | Fiona Fung (Anthropic) — Lenny’s Podcast
4. Cursor 高级架构解析：编辑器、后端与模型协作
本文详细解析了 Cursor 的高级架构，展示了编辑器、后端与模型之间的协作机制。核心组件包括：编辑器 UI（聊天、Composer、Tab 补全）、本地代码库（真实源文件）、语言服务器（代码理解）、影子工作空间（AI 预编辑与校验）、API 网关（路由与限流）、编排层（上下文构建与模型路由）、索引服务（代码向量化）以及多种模型（Tab 补全模型、Apply 模型、前沿推理模型）。这种分层架构确保了 AI 编码的高效性与安全性。
5. OpenAI 财务数据泄露与人事变动
泄露的 2025 年财务数据显示 OpenAI 营收与成本情况；同时，Google Gemini 联合负责人 Noam Shazeer 加入 OpenAI。
来源：OpenAI’s financials got leaked
6. killedbyopenai.com 网站
一个记录被 OpenAI 淘汰或取代的产品与服务的“墓地”网站。
7. 本地模型性能提升
文章探讨了当前本地运行大模型的可用性与性能表现。