Product
1. Meta 发布 Muse Spark 1.2 与 Muse Code：长序列 agentic tool calling 成模型核心战场
Simon Willison 指出，当今模型最关键的特性已是长序列 agentic tool calling，Meta 正是为打通这一点而发布了自带编程 Agent 的 Muse Code。Muse Spark 1.2 是面向编程的升级版本：Meta 大幅增加了编程任务的训练算力，并扩展训练环境的多样性，同时在通用 Agent 等关键能力上保持强度。该模型与 Muse Code 协同训练，融合了拒绝采样轨迹、goal/compaction/subagent 配方优化，并接入 Muse Code 工具集以最大化 harness 兼容性。训练还覆盖整仓生成、大型端到端项目与 auto-research 等长程任务。他用 pelican benchmark 直观对比了 Spark（4 月）、Spark 1.1（7 月）与 Spark 1.2（8 月）的跨版本进步。信号很明确：模型间的差距正越来越体现在 Agent harness 与长程任务训练上，而非单纯的基准分数。
2. OpenAI 计划在巴西、墨西哥上线 ChatGPT 广告，广告平台同步升级
OpenAI 计划近期在巴西与墨西哥率先上线 ChatGPT 广告，标志着其广告业务（ADGI）正式走向海外扩张。与此同时，OpenAI 对广告平台进行了多项改进，新增转化优化功能与轮播（carousel）广告格式，补齐了效果广告的关键能力。这意味着 ChatGPT 正在被当作一个可规模化变现的广告载体来经营，而非单纯的订阅产品。对广告主而言，AI 原生对话场景里的转化路径与衡量方式仍待验证；对用户而言，免费/低价档位中出现商业内容的边界也值得关注。下一步看 OpenAI 何时把这套广告机制推广到更多市场与账户档位。
3. Cloudflare 开源 Cloudflare OS：面向企业的 AI 生产力’操作系统’
Cloudflare 开源了 Cloudflare OS，一套最初为内部使用而打造的 AI 生产力’操作系统’，Cloudflare 从工程到销售的大量员工每天都在用它。它并非传统计算机操作系统，而是两层含义：既是让企业安全、高效使用 AI 的生产力平台，也是管理 AI 工作负载的运行环境。它提供三样核心能力：预载公司知识的 Agent 聊天 UI；沙箱化的应用开发，让 Agent 为你构建可安全分享的 gadgets 小应用；以及一套名为 Gatekeepers 的安全框架，为 Agent 与应用加上护栏，让非技术用户也能放心折腾。Cloudflare 希望各公司以此为基础打造自家版 OS，本地一行 pnpm run-local 即可跑起来。这把企业 AI 工作台做成了可 fork 的开源底座。
来源：GitHub
4. Warp 推出自定义模型路由：用自然语言配置 Agent 的模型分发规则
Warp 为其 Agent CLI 推出自定义模型路由（custom model routers），开发者可用自然语言设定路由规则，例如简单请求发给 minimax、规划任务发给 Claude、修 bug 发给 Kimi K3，随后每个 prompt 会被自动分发到最合适的模型。Warp Agent CLI 本身是终端原生的编程 Agent，内置多路复用器管理 pty、可跨目录与远程主机保持会话，并支持本地与云端的多 Agent 编排。把多模型选择做进这条工作流后，模型分发从手动切换变成了可声明、可复用的策略。在多模型并存的现实下，按任务形状自动路由正成为 Agent CLI 与网关类产品的标配能力。
来源：Warp
5. bb：一款能自我构建的开源 Agent IDE
Mario Zechner 介绍了 bb——一款能自我构建的 agentic IDE，由 @_ymichael 发起，他自己从早期用户变成了贡献者。bb 是一个基础扎实的完整 Agent 编排器，拥有漂亮的时间线，兼容 Codex、Claude Code、Cursor 等任意编程 Agent，且使用你自己的订阅。它最大的不同是可塑性：用户直接让 bb 为自己构建功能，已有人加上任务管理 GUI、二维平铺式线程导航、自动代码审查（GitHub webhook 监听新 PR 并用 Codex computer use 端到端测试）、类 Obsidian 的 markdown 编辑器，甚至数字音频工作站。bb 自带的 provider-agnostic 工作流、提问工具、side chat、crons、内联预览、远程访问等其实都是插件。MIT 开源，作者直言已回不去不能改的工具。
来源：An Agentic IDE that builds itself
6. Bento：把整套办公套件塞进一个文件的开源 PPT 方案
Bento 是一套能塞进一个文件的办公套件，作为 PowerPoint 替代，一个 Bento deck 就是单个 HTML 文件，自带查看器、演讲者视图与编辑器——用任何浏览器打开即可编辑、演示、发送，对方无需安装任何东西。其数据以可读的 JSON 块放在文件顶部，无二进制格式、无锁定；借助 File System Access API，保存时文件会重写自身，本地优先、可离线。作者强调 2026 年存的文件 2036 年照样能打开。值得注意的是，Nowledge Mem 已把内置 AI Agent 生成 PPT 的格式从自家 HTML 约定切换到了 bento，说明这种 single-file、可被 Agent 生成与编辑的格式正被 AI 内容生产链路采纳。
来源：GitHub
Tutorial
1. 用 Agent 团队量产产品演示视频：Raft 的五步流水线全公开
这篇 X 长文分享了如何在 Raft（作者所在产品）里用 Agent 团队把做产品演示视频自动化，作者已从亲自剪辑退化为只做两次判断。关键洞察是反直觉的：不要教 Agent 看视频（Playwright 加帧描述加多模态评分并不可靠），而要把媒介改造成 Agent 擅长的形态——把整部片子拍平成文本与代码。由此工作变成 Agent 间的链式协作：Oscar（导演 Agent）锁定 brief、Nana（制作 Agent）把布景写成 config 文件、用 Playwright 在真实产品上跑浏览器脚本完成拍摄、质量检查产出证据文件而非观点（contact sheet、逐帧剪辑对照、逐词对照锁定 brief 的转写）。五步流水线是：brief 锁定、布景即配置、拍摄即浏览器脚本、质量即证据、人做最终发布判断。这套形状可叠加：一晚要五条教程片时，Oscar 直接开出五个 production Agent 并行各跑一条。作者的结论很诚实：这套机制让视频变便宜而非变好，boring 的故事依然 boring，决定拍什么、判断是否成立仍是人最该做的事。
来源：How to Ship Feature Videos at the Speed You Ship Features (Full Course)
2. O’Reilly：Post-training 入门——把原始智能变成十亿人用的助手
Sharon Zhou 在 O’Reilly Radar 撰写的 post-training 系列首篇，讲清了 post-training 为何是 LLM 从研究好奇心变成十亿人产品的关键。post-training 塑造的是模型的行为：能否对话、能否用工具（计算器、搜索 API、MCP）、能否先想再答的推理。文章从 GPT-3 讲起——它只是按预训练模式补全，问为什么喜欢金毛可能吐出一份 FAQ 链接列表；正是 post-training 把它变成了 ChatGPT。她清晰区分了预训练（给原始智能、清洗大规模数据、god run 动辄上万卡跑一个多月、用 perplexity 衡量）与 post-training（在更刻意的小数据集上塑造什么是好，目标主观、loss 更噪）。一个重要判断：对推理模型而言，post-training 的算力已可占到整模型算力的一半，标准 instruct 与推理模型的差距越来越是 post-training 算力的差距，而非预训练规模。她认为借助跨领域整合与 verifier-based RL，post-training 能把模型推到特定领域的超人类水平，而瓶颈正从模型智力转移到我们能否用奖励信号定义清楚什么是好。
3. mattpocock/skills v1.2：新增 /wait-what、/writing-for-agents，大改 /grill-me
Matt Pocock 的 skills 发布 v1.2，本次带来三项更新：用于敲打啰嗦模型、让它别再絮叨的 /wait-what；面向为 Agent 而写的 /writing-for-agents；以及对 /grill-me 的一次大改。这是一套以 slash 命令调用的 Skill 体系，定位是面向真实工程师的实践封装。它在社区被长期保留的原因，是这些 Skill 封装的是可复用的工程判断与 best practice，而非一次性脚本。这折射出一个趋势：高质量的工程判断正被打包成可安装、可跨 Agent 使用的 Skill，成为 Agent 工具链里的一类独立资产。
Opinions/Thoughts
1. Google AI 高层地震：Hassabis 卸任 CEO，Jeff Dean 等四人离职创业
Google DeepMind 迎来密集人事变动：Demis Hassabis 卸任 CEO 一职，Jeff Dean 与另外三位顶尖 AI 研究者离职创办新公司。人才流失还在加速——Noam Shazeer 已于 6 月加入 OpenAI，诺奖得主 John Jumper 也在 6 月加入 Anthropic。Hesamation 直言这轮 brain drain 的速度已快过 Gemini 本身的进展。短短时间内多位核心人物离场，既让人追问 Google 留人的能力，也折射出顶尖 AI 人才正从大厂流向创业公司及竞争对手的结构性趋势。Google 能否稳住阵脚、把 Gemini 追回来，仍存疑。
来源：@Hesamation