Product
1. OpenAI 发布 GPT-5.6：Sol/Terra/Luna 三档旗舰齐发
OpenAI 正式推出新一代旗舰 GPT-5.6 家族，按规模分为 Sol、Terra、Luna 三档，即日起在 ChatGPT、Codex 与 API 同步铺开。三款模型定位从大到小覆盖不同成本/能力区间，官方将其与“长时间自主完成工作”的 agentic 方向绑定。发布当天即引发全平台容量告警，反映出需求热度。这是继上周 Anthropic 把 Cowork 带到 web/移动端后，OpenAI 对“让 AI 做完一整件事”赛道的正面回应。详细定价与基准对比见同期 Simon Willison 的拆解。
来源：@OpenAI
2. ChatGPT Work：由 Codex 与 GPT-5.6 驱动的新 agent
OpenAI 推出 ChatGPT Work——一个由 Codex 与 GPT-5.6 驱动的新 agent。它可跨应用与文件执行操作、围绕同一项目持续工作数小时，把一个目标转化为成品（Excel、Word 文档或营销 brief）。Work 与 Codex 共享同一“大脑”与任务历史：Codex 面向代码与 diff，Work 则隐藏这些技术细节、面向通用办公场景。通过新的统一插件目录可接入 Google Drive、Slack、Salesforce、Gmail、GitHub、Canva 等，可用 @提及 调用插件，或让 agent 自行选择数据源。两家共同押注：AI 从“回答问题”转向“把活干完”。
来源：@OpenAI
3. Grok 4.5：xAI 与 Cursor 联合训练的 Opus 级模型
xAI 与 Cursor 联合训练的 Grok 4.5 发布，定位 Opus 级别，性能大致介于 Claude Opus 4.7 与 4.8 之间。其卖点是成本与 token 效率：每 token 价格比 Opus 模型便宜约 6 倍、比 GPT-5.5 便宜约 3 倍。已在 Cursor 中以更高用量上限提供，并开放 API。这意味着 coding agent 用户在 Cursor 内多了一个高性价比的前沿模型可选，Opus 不再是该价位段的唯一答案。
来源：We have a good Grok model - Grok 4.5
4. Cognition 发布 SWE-1.7：1000 tok/s 的性价比 coding 模型
Cognition 发布 SWE-1.7，称其为旗下最强模型，性能接近顶级前沿模型但成本更低，并以 1000 tok/s 的高吞吐提供。在 coding agent 竞争白热化（GPT-5.6、Grok 4.5、Fable 同周扎堆）的背景下，Cognition 选择用“速度 + 性价比”而非纯榜首分数切入。这一定位对长时间、多轮的工程任务尤其关键——吞吐与单价直接决定 agent 的可运行预算。
5. Meta 推出 Muse 图像与视频生成模型
Meta 推出 Muse 系列多媒体生成模型（图像 + 视频）。图像模型擅长编辑与文字渲染，并能联网检索以把事实画对，整体观感仍带一定“AI 味”。配套的视频模型尚在预览、即将发布。在 Google、可灵等占据视频生成注意力的当下，Meta 以“文字渲染 + 事实准确性”这两个长期短板作为差异化切入点。视频能力的完整上限要等正式发布后才能下结论。
6. ChatGPT 语音上新：GPT-Live-1 全双工可插话
OpenAI 为 ChatGPT 语音推出新模型 GPT-Live-1 与 Live-1-mini。新架构带来两项关键变化：一是可在用户仍在说话时就开始回应、不再打断；二是后台调用 GPT-5.5。结果是对话更顺滑，且相对旧版 advanced voice mode 有明显的智力跃升。这把实时语音交互从“轮次制”推进到“全双工、可插话”，是语音 agent 体验的实质升级。
7. Claude Cowork 登陆 web 与移动端，可跨设备跟进
Anthropic 宣布 Claude Cowork 将登陆 web 与移动端，未来数周内开启 beta。该版本为轻量形态：会话在远端运行并保存到账户，可在笔记本上发起任务、合上电脑后用手机继续跟进。桌面端 Cowork 仍保留完整能力。这补齐了 Cowork 此前仅限桌面、无法跨设备跟进的缺口，也是对 OpenAI 同日发布 ChatGPT Work 的直接对位。
来源：Claude Cowork will work on web and mobile
8. 64 个 Claude 用 11 天把 Bun 重写为 Rust
Bun 团队用 64 个 Claude 实例在 11 天内将 Bun 重写为 Rust。这是一个把“多 agent 并行 + 长上下文”推到工程极限的标志性案例：不是单次生成，而是规模化调度数十个 agent 协同完成大型运行时的迁移。它为“AI 能否独立承接严肃系统工程”提供了一个有数据支撑的样本，也对人类工程协调（任务拆分、冲突合并、验收）提出更高要求。具体迁移范围与性能结论需看官方博客细节。
9. Ollama 完成 6500 万美元 B 轮，用户近 900 万
本地运行开源 AI 模型的工具 Ollama 完成 6500 万美元 B 轮，由 Theory Ventures 领投，至此累计融资 8800 万美元（A 轮由 Benchmark 领投）。Ollama 让开发者在 PC 上几分钟跑起开源权重模型，GitHub 上已攒 17.6 万星、近 1.7 万 fork，用户接近 900 万。两位创始人此前打造过 Kitematic 并随其被 Docker 收购，Ollama 被类比为“Docker for AI”——用容器化的简洁体验封装原本面向研究者的模型。它也通过 neocloud 提供更大模型的托管订阅。
来源：TechCrunch
10. mattpocock/skills v1.1：五个常用工作流 Skill
Matt Pocock 发布 Agent Skills 集合 v1.1，包含五个技能：/wayfinder、/research、/implement、/to-spec、/to-tickets。这套技能把常见的 agent 工作流——导航定位、研究、实现、按规格交付、拆解为工单——做成可复用的标准动作。在 Skills 生态快速扩张的当下，它提供了一个轻量、可直接套用到现有 Claude Code/agent 项目里的工作流模板。
11. Meng To 的 Agent Skills：75 个设计/动效/WebGL 技能
设计师 Meng To 发布一套含 75 个技能的 Agent Skills，覆盖设计、动效、WebGL 与落地页。相比通用工程 Skill，它把前端视觉/动效的“手感”拆成可被 agent 调用的原子能力。对希望让 AI 产出更具设计感前端界面的开发者，是一份开箱即用的设计向技能库。
12. Clicky 新增“空间上下文”：画屏幕告诉模型该看哪
Clicky 新增“空间上下文”：用户可在屏幕上直接画选，让模型确切知道该看哪里。这是给编码/桌面 agent 补上“空间定位/视觉接地”能力的一步——解决模型在复杂界面里“不知道你说的是哪块”的问题。对截图驱动、可视化指引的工作流，能显著降低沟通成本。
Tutorial
1. 信息论可视化入门：从概率到压缩与传输的极限
elvis 推荐一篇“信息论的可视化入门”论文（arXiv:2206.07867，已更新至 v3）。它以直觉优先、可视化方式讲解信息论，从基本概率出发推导出熵、互信息与信道容量，并说明它们如何决定数据源的最短编码与噪声信道下的最大可靠通信速率。全文只需基础概率知识即可读懂，却能触及压缩与传输的基本极限。在 AI 时代，理解熵与互信息对读懂模型、压缩、表征都有底层价值。适合作为系统补课的 Bookmark 资源。
来源：arXiv.org
2. Claude Code 实操：大模型低思考 vs 小模型高思考
ClaudeDevs 的一篇分析：在 Claude Code 里“大模型 + 低思考”与“小模型 + 高思考”该怎么选、何时选哪种。它直接回应一个高频实操困惑——预算/延迟与推理深度的权衡。在按 token 与推理档位计费的当下，把“模型规模”与“推理 effort”当成两个可独立调节的旋钮来组合，是控制 agent 成本的关键技巧。对日常用 Claude Code 做工程的人，有即学即用的价值。
Opinions/Thoughts
1. Simon Willison 拆解 GPT-5.6：定价、推理档位与 agentic 基准
Simon Willison 拆解 GPT-5.6。三档定价（每百万 token 输入/输出）为 Luna $1/$6、Terra $2.5/$15、Sol $5/$30，对应 Claude Opus $5/$25、Fable 5 $10/$50——但他强调“每百万 token 价格”在推理 token 数差异巨大的今天已不太说明问题。三款模型统一为 2026 年 2 月 16 日知识截止、百万上下文、12.8 万最大输出。最大看点是 API 侧新增的程序化 tool calling 与多 agent 能力，以及 6 个推理档位。OpenAI 最重要的基准宣称在长程 agentic：Sol 在 Agents’ Last Exam 拿到 53.6，较 Fable 5 自适应推理档高 13.1 分，且中等推理档也能以约四分之一成本胜出。他提醒：效率是否外溢到更小模型，是后续验证重点。
2. The Harness Effect：编排层比换模型更能降本
一篇 DAIR.AI 推荐的论文《The Harness Effect》用 22 个评测任务、6 个基础模型做对照实验：只换编排层（harness）、保持模型不变，即可把每任务混合成本降 41%、token 数降 38%、中位耗时降 44%，且完成质量持平。两个核心结论：其一，效率与模型无关，每个模型都变便宜 33–61%；其二，质量提升与模型基线强度几乎完美正相关（r=0.99），作者称之为“harness leverage”。论点的锋利之处在于：在这套工作负载上，编排层对单任务成本的影响超过了整个模型菜单的差异——harness 是唯一能跨所有模型复利的组件。对“该砸钱换模型还是优化编排”的决策，是很有分量的反直觉证据。
来源：arXiv.org
3. elvis 的编排范式：Fable 5 当裁判、GPT-5.5 执行
elvis（omarsar0）分享他重度的编排范式：用 Fable 5 当评估者/裁判、GPT-5.5 当执行者。他直言不再苦等下一个前沿模型、也不对任何一家忠诚，而是把精力投到更好的编排、harness、skills、工具与验证器上。GPT-5.6 会自然嵌入这套结构。这与“Harness Effect”论文的结论形成呼应：在模型快速换代的时代，可复用的编排与验证层比押注单一模型更抗贬值。对工程团队，“分工裁判/执行 + 持续优化 harness”是可立即落地的范式。
来源：@omarsar0
4. GPT-5.6 Sol 在 ARC-AGI-3 取得 7.8%，首个破零的前沿模型
ARC Prize 公布：GPT-5.6 Sol 在 ARC-AGI-3 上取得 7.8%，成为首个经核验、能解开一局 ARC-AGI-3 游戏的前沿模型。官方评价它是“在从未遇到过的情境中进行方位判断/适应”能力最强的模型。ARC-AGI-3 以抽象推理与新颖规则适应著称，长期是前沿模型的硬骨头。7.8% 在绝对值上仍低，但“首次破零”本身是符号性突破，也提示推理模型在泛化适应上的渐进进展。
来源：@arcprize
5. Lenny’s 横评：GPT-5.6 Sol 在五类任务上胜出 Claude Fable
Lenny’s Newsletter 的 Claire Vo 用她的“How I AI”基准横评 GPT-5.6 Sol/Terra/Luna、Claude Fable 5、Sonnet 5，覆盖 PRD、原型、线框图、调试、agentic 语音五类，采用 Claire 加权指数（70% 主观品味 + 30% Terminal Bench 2.1）。结论是 Sol 以明显优势胜出。她也捕捉到协作手感差异：Fable 的精确与“学究气”让协同更难，而 Sol 在 Fable 卡住处取得突破；不过 agentic 语音场景她仍首选 Sonnet 5。另展示了两个高频用例：用 Codex 一口气给孩子做出游戏化的作业追踪 App，以及用 Codex + GPT-5.6 + Chrome 自动处理 500 条 LinkedIn 回复。一份方法论清晰、带具体任务胜负的实战横评。
6. OpenBench 横评：开源模型 + Pi harness 表现亮眼
OpenBench 把开源模型 GLM 5.2、Kimi 2.7、Deepseek v4 flash 放到五个 harness（Pi、Claude、Codex、Opencode、Grok Build）里横评。结论再次是 Pi 胜出，尤其 Pi + GLM 5.2 组合表现突出。评测者认为这很大程度上取决于传给 agent 的任务与指令质量，并仍在持续优化。一个值得注意的发现：部分模型其实已通过测试，却选择继续深挖、最终给出错误结果——即“多想反而出错”。这与“harness 比 model 更决定成败”的趋势互为印证，也为开源模型 + 开源 harness 的可行性提供了正向证据。
来源：@mattlam_