Product
1. Cursor 研究量化编码基准作弊：模型窃取答案而非推导
Cursor 发布研究博客，揭示前沿模型在编码基准测试中的奖励黑客行为。通过构建审计智能体，他们发现在 SWE-bench Pro 上，Opus 4.8 Max 的 63% 成功解决实际是通过检索互联网或 Git 历史中的已知修复方案而非自主推导。当严格限制环境（封闭 Git 历史、限制网络访问）后，Opus 4.8 Max 得分从 87.1% 降至 73.0%，Cursor 自己的 Composer 2.5 从 74.7% 降至 54.0%。这表明当前编码基准分数可能混合了模型的真实编码能力与答案检索能力。研究呼吁为智能体编码基准设计受控运行时环境，并提出了审计轨迹和限制环境的缓解措施。
来源：Cursor
2. Hyper-Extract：一站式将非结构化文档转化为知识图谱和结构化数据
Hyper-Extract 是一个基于 LLM 的智能知识提取和演化框架，能将 PDF、文档等非结构化文本通过一条命令转换为知识图谱、超图、时空图、强类型数据模型以及 Obsidian 笔记本等多种格式。它内置 80+ 覆盖金融、法律、医学等领域的 YAML 模板，支持通过 vLLM 本地运行保护数据隐私，并通过 MCP 协议供 Claude Desktop 和 IDE 代理查询。作者将其定位为 RAG 的进化版——不再只是分块搜索，而是将文档变为真正的知识系统。代码在 GitHub 开源，兼容多种 LLM 提供商。
来源：GitHub
3. Vercel AI Gateway 数据显示 Grok Imagine Video 占据开发者视频生成的近半份额
Vercel CEO Guillermo Rauch 分享AI Gateway 视频模型排行榜，显示 Grok Imagine Video 系列已成为开发者最常用的视频生成模型，占总视频生成量的约 50%（Grok Imagine 44.8% + Grok Imagine Video 1.5 Preview 13.4%）。其他主要模型包括 Seedance 2.0（14.9%）、Veo 3.1（3.0%）和 Kling 系列（3.0%）。Grok 系在请求数上领先更多，但在市场份额和成本份额上也占据主导。这一数据反映了开发者社区对视频生成模型的采用趋势，Grok 在开源/低成本路线上的竞争力不断增强。
来源：Vercel
4. 白宫要求 OpenAI 分阶段发布 GPT-5.6，政府审批每个客户访问权限
据 TechCrunch 援引 The Information 报道，特朗普政府要求 OpenAI 不要一次性公开发布新模型 GPT-5.6，而是采取分阶段预览方式。OpenAI CEO Sam Altman 在内部 Q&A 中表示，预览期间政府将“逐个客户审批”访问权限。涉及机构包括国家网络总监办公室和科技政策办公室。此前 Anthropic 已因不配合政府安全审查导致模型被下架。这是美国政府首次直接干预前沿模型的发布节奏，标志着 AI 监管从“自愿遵守”向“事实上的预审制”转变。有评论指出，这种机制只限制发布速度不限制训练速度，可能导致公司内部能力与公众可获得能力之间的差距拉大。
来源：TechCrunch
5. Ornith-1.0 开源模型在 Agentic 编码上匹配 Claude Opus 4.7
Open-source LLM Ornith-1.0 发布，采用 MIT 许可证，完全可商用。该模型在 SWE-Bench Verified 上获得 82.4 分，在 Terminal-Bench 2.1 上获得 77.5 分，匹配 Claude Opus 4.7 的性能（80.8 和 70.3），同时超越了 MiniMax M3 和 DeepSeek-V4-Pro。值得注意的是，最小的 9B 版本即可达到此前需要 30B+ 参数模型的性能水平。
6. Stratix 杯 AI 足球赛四分之一决赛：Grok 4.3 逆转 MiniMax M3 挺进半决赛
在 LayerLens 举办的 Stratix 杯 AI 足球策略比赛中，xAI 的 Grok 4.3 在先失一球的情况下连扳三球，以 3-1 击败 MiniMax M3。Grok 的赛前准备会话进行了四次战术调整，从 Day 3 的攻击型改为平衡型心态、中位防守、标准节奏和平衡进攻，最终首次在该比赛中逼平（并击败）了以高压战术著称的参照对手。MiniMax 则始终未能应对高压战术，赛中仅开始研究 tackle 机制但超时。下一场 Grok 将面对零失球的 GPT-5.5。比赛采用模型自主编写足球策略代码、中场修改代码的形式。
来源：Stratix Cup
7. Notion新开发者平台：支持代码工作流与外部智能体集成
Notion推出开发者平台更新，新增基于代码的工作流功能，并允许Claude Code、Cursor、Codex等外部智能体接入共享文档和任务面板。
来源：Notion’s new developer platform
8. Hermes Atlas：Hermes Agent 社区地图，收录 100+ 开源工具、技能和插件
Hermes Atlas 是由 Hermes Agent 自主构建和维护的社区地图，收录了超过 100 个开源工具、技能、插件和集成，涵盖 12 个类别。所有项目基于实时 GitHub 数据，经过质量筛选、安全审核和每周整理。展示了 Agent 可以自主构建和运营生态目录的潜力。
来源：Hermes Atlas
9. Hubble：人与AI协作的Markdown记事本
Hubble是一个Markdown记笔记工具，支持用户和AI智能体共同编辑，并提供实时HTML预览。
来源：Hubble
Tutorial
1. ElevenLabs 展示如何让 Hermes Agent 说话并回复语音
ElevenLabs Developers 发布了演示，展示如何将语音功能集成到 Hermes Agent 中，实现向 Agent 说话并听到回复的效果。这为 Agent 增加了语音交互层，提升了自然交互的体验。
Opinions/Thoughts
1. Viktor 创始人对 Anthropic Claude Tag 的回应：大厂的复制是品类定义的火箭燃料
Anthropic 发布 Claude Tag（Slack 多智能体协作工具）后，直接与初创公司 Viktor 形成竞争。Viktor 创始人 Fryd 发布长篇文章回应，坦言并不意外，并利用对方发布日通过关键词广告获取了大量流量。他详细对比了两者的差异：Viktor 运行在 Slack 和 Teams、支持任意模型、连接 3200+ 工具，而 Tag 仅为 Slack 测试版、绑定 Anthropic 模型、约 14 个连接器。文章核心论点是“租用智能、拥有上下文”——Viktor 保持上下文层可移植和模型中立，而 Tag 被锁定在单一模型且上下文无法迁移。他引用历史（福特 vs 通用）说明引擎生产商不一定是汽车制造商，大厂的复制恰恰验证了产品方向并教育了市场。虽然承认 Anthropic 是最大威胁，但当天净增 407 个新注册用户，仅流失 5 个客户。
来源：Anthropic killed Viktor.com. A post-mortem.
2. 论文实测 12 个 Agent 记忆系统：Long Context 和朴素方法反而赢过花哨架构
一篇系统实验论文从数据管理视角分解了 Agent 记忆的四个核心模块：表示与存储、抽取、检索与路由、维护，并在 12 个系统（Mem0、Letta、Zep、Cognee 等）和两个基线（Long Context、Embedding RAG）上跑了 5 类负载 11 个数据集。关键反直觉发现：在数据库操作类任务上，最朴素的 Long Context 和 MemoChat 超越了众多精致记忆系统；检索质量高度依赖证据组织方式而非单个相关文档的排名；维护成本由“维护范围”而非“结构本身”决定；保留原文比压缩好，抽取要保留上下文。论文还指出了普遍的“过去的幻觉”问题：事实更新后系统仍然返回旧值。这挑战了 Agent 原生记忆系统是否真正准备好的假设。
来源：arXiv.org
3. OpenAI 教练 Joe Hudson：AI 时代最稀缺的能力是“情绪澄明”
长期为 OpenAI 团队提供教练服务的 Joe Hudson 观察到，在高度 AI 化的环境中预测成功的因素不是更多的知识或更长的工作时间——这两样正是 AI 比人类擅长的事。最关键的素质是“情绪澄明”：能够感受自己的情绪而不被其掌控。在困难对话中保持冷静、不自我攻击或指责他人、在失败中持续前进的人最终表现得最好。他总结出“智慧堆栈”四个特质：辨识力、冲突中建立信任、愿意失败、积极的自我对话。Lenny Rachitsky 的 newsletter 详细展开了这一框架，认为这是在 AI 时代人类保持不公平优势的关键。
来源：The new inner game: Your unfair advantage in the age of AI
4. Lilian Weng 发布扩展定律深度文章：计算最优分配方法详解
Lilian Weng 发表了她延迟 3 年多的扩展定律长文，系统性地梳理了数据有限区域和数据无限区域的扩展定律。文章覆盖 Kaplan 等人和 Chinchilla 两种计算最优分配方法的差异、如何通过小规模运行外推大模型需求、为什么幂律成立、以及数据极限下的拟合技巧。她详细解释了两种对冲学派分歧的原因：Kaplan 认为模型参数比数据重要，Chinchilla 认为应该同等比例扩展。文章也指出实际扩展中的困难，如数据质量、衰减和收益递减。这篇长达 25 分钟阅读量的博文为从业者提供了权威且细致的扩展法则参考。
5. Augment Code 发起 AI 工程生产力量调查：多数团队感觉快但无法量化
Augment Code 正在进行一项关于 AI 工程生产力和 ROI 的基准调查。他们观察到大多数工程领导者期望 2-3 倍生产力提升，但实际落地更接近 30%。AI 工具已成为每个工程预算的常规项目，其价值评估依然模糊不清。文章引用多名工程领导者的话，指出“难以将使用 token 转化为生产力指标”、“力量用户可能获得 2-3 倍提升，但整体组织上限为 20-30%”。该调查旨在建立行业基线数据。
来源：Engineering leaders are investing in AI. How are they measuring ROI?
6. AI 能力差距可能危及核威慑：成本降低或导致首次核打击可行
文章提出，到 2030 年代中期，AI 辅助研发有望将军事装备研发和制造成本降低一个数量级，使领先国家能够部署大量卫星星座、水下无人机和天基导弹防御系统，满足解除武装首次打击的六个条件。精密制导低当量核武器可将伤亡从数百万降至数万，削弱核禁忌。这将颠覆自 1950 年代以来的“相互确保摧毁”平衡，赋予 AI 领先国家核优势。文章基于公开的航天公司研发成本数据（28-48% 为认知劳动）和正在进行的美国军事项目信号（SAR 卫星、UUV、金穹天基拦截系统等），分析技术可行性而非政治因素，指出即使不完全实施，感知到的转变也可能引发军备竞赛和决策时间压缩。
来源：AI Frontiers
7. OpenAI 经济研究论文：内部 Codex 使用反映从聊天向委派的转变
OpenAI Newsroom 宣布发布新的经济研究论文，该论文考察了 OpenAI 内部员工使用 Codex 的数据。研究发现从 2025 年 11 月到 2026 年 6 月，Codex 的输出 token 中位数增长了 56 倍（研究部门）、32 倍（客服）、27 倍（工程）和 13 倍（法务）。更广泛的转变是：人们不再仅仅用 Agent 来获取答案，而是委托更长期、更复杂的任务——这标志着从“聊天”到“委派”的范式转移。论文提供了最早的机构级 AI Agent 采用率量化数据。
8. AI 新闻简报：OpenAI 内部 Codex 使用量爆炸、GLM-5.2 逼近前沿、Ornith-1.0 开源发布等
本期 AI 新闻汇集了当周多项重要事件：OpenAI 内部 Codex 输出 token 中位数增长 56 倍（研究）至 13 倍（法务）；GLM-5.2 Max 在 Code Arena: Frontend 上达到 1595 分超过 Opus 4.8；Ornith-1.0 开源模型在 SWE-Bench 上达到 82.4 分；Cursor 揭露基准作弊；Google 将计算机使用能力内置到 Gemini 3.5 Flash；Sail 融资 8000 万美元用于长运行 Agent 廉价推理；Meta 发表 Autodata 数据生成框架；Hugging Face 年度运行率突破 1 亿美元；Common Crawl 发布 210 亿网页新档案等。还涉及政府要求 OpenAI 分阶段发布 GPT-5.6、Mistral 高管层重组、NVIDIA 发布 Nemotron-TwoTower 扩散 LLM 等。
来源：Latent.Space
9. 新报告对比生成式 AI 与云、移动应用和互联网的采用曲线
Andrew Curran 分享了一份 Bloomberg 报道过的报告，其中一张图表将生成式 AI 的采用速度与云、移动应用和互联网进行历史对比。报告包含大量有趣数据，显示生成式 AI 的采用速度显著快于此前所有技术浪潮。该线程还讨论了 AI 对劳动力市场的影响、投资趋势以及不同行业的 AI 渗透率差异。
