Product
1. Bloomberg：Stripe 敲定以逾 70 亿美元收购 OpenRouter
据 Bloomberg 报道，Stripe 已敲定以超过 70 亿美元收购 AI 路由公司 OpenRouter 的协议。OpenRouter 是当前市场上最热门的标的之一，这笔交易给”模型路由层”的战略价值直接标上了价。Stripe 此举显示其押注 AI 原生的支付与 API 经济——agent 时代的交易撮合与计费是天然的新战场。社区已经开始玩起”StripeRouter”的梗。
2. 爆料：Claude Tag 将以协作 Projects 形态进驻 Claude Desktop
testingcatalog 爆料 Anthropic 正在为 Claude Code 测试协作式 Projects：持久化仓库 + 线程化会话，支持团队共享工作区，形态上相当于内置了一个 Slack。此前被发现的 Managed Projects 功能也有升级，提到用户将可以派生不同的线程。若落地，Claude Desktop 将从单人对话工具升级为团队 agent 协作中枢。这与 Amp、Cursor 的团队功能将正面竞争。
3. Simon Willison 评测 Qwen 3.8 27B：很强，但默认”想太多”
Simon Willison 发文评测阿里 Qwen 实验室本周新发布的 Qwen 3.8 27B：Apache 2.0 协议、27B 参数、具备视觉能力，他表示自己一直在等这个量级的开放模型。结论是”非常优秀，但默认会疯狂过度思考”——开箱状态下推理预算偏高，既拖慢响应也浪费 token。评测发布当天，该模型也登上了 Hugging Face 趋势榜第一。这是本周开放模型最重要的第三方评测。
4. GPT-5.6 Luna Max 超越 Sonnet 5 Max，成本仅 1/44
reach_vb 贴出 DeepSWE v1.1 成绩：GPT-5.6 Luna Max 比 Sonnet 5 Max 高 13.3 分，而后者的成本是它的 44 倍。DeepSWE 用 113 道原创长周期工程任务测试 coding agent。Luna Max 拿下 67.2%、单任务成本 0.61 美元，比 Gemini 3.7 Flash Medium 高 1.7 分且成本低 70%。在线性成本坐标下其性价比优势更直观，编程智能体市场的价格战正在加速。
来源：@reach_vb
5. DeepSeek 提价首日：OpenCode Go 上 V4 Flash 用量跌九成
mranti 观察到一个即时的市场反应：今天凌晨 DeepSeek 提价后，OpenCode Go 里 DeepSeek V4 Flash 的每 5 小时访问次数从 3 万多降到 3 千多，跌幅约九成。这说明该渠道此前的用量高度价格敏感，涨价立刻驱逐了薅羊毛式调用。对依赖单一低价模型的聚合服务而言，这是一次供给端风险的实弹演练。后续观察点在于降价或替代模型能否让用量回流。
来源：@mranti
Tutorial
1. 按作用域设计 agent 上下文：从 prompt 到委派的实用指南
The Generative Programmer 发布一篇实操指南，回答”什么内容该放进 agent 上下文的哪一层”。文章给出一个决策框架：在用户 prompt、系统 prompt、作用域指令、Skills、Tools、Steering 与 Delegation 之间如何选择。每层对应不同的生命周期与复用语义，放错层会导致 token 浪费或行为漂移。适合正在搭 agent 架构的工程师对照自查。
Opinions/Thoughts
1. 从开源 CLI 到 Mac 付费软件：Mole 的一年复盘
dotey 整理分享了一篇关于 Mac 清理工具 Mole 的长文复盘：作者去年国庆写了几百行代码，把 Mole CLI 开源到 GitHub，本想只给自己和同事用。不到一年拿到 60K star、发布 50 多个版本、121 位全球开发者提交代码、解决近 800 条功能建议与 Bug。文章梳理了把开源 CLI 做成 Mac 付费软件的过程中，哪些做法真的有用。对”开源积累→商业化”路径感兴趣的独立开发者值得一读。
2. Thorsten Ball：意识到你不再需要本地开发环境的那一刻
Amp 作者 Thorsten Ball 在第 95 期 Joy & Curiosity 开头写了一段感想：当你意识到自己不再需要本地开发环境时，会感到一种惊奇与愉悦。本期还分享了他过去两周的产出：orbs 的新实验性 provider 后端，以及尚未发布的应用内 Bug 上报功能和管理分诊后台。周刊继续收录上周值得一看的技术链接。
3. OpenAI token 不等于别家 token：比价先统一度量衡
Thibault Sottiaux 写了一篇关于 token 与定价的长文：一个 OpenAI token 并不等于另一个模型的 token。行业习惯用”每百万 token 多少美元”比价，仿佛 token 是克或千瓦时那样的标准化单位——但它不是，不同模型的 tokenizer 与 token 密度差异极大。跨模型比价前必须先做 token 归一化，否则成本对比会系统性失真。这是模型选型与账单分析里常被忽略的基本功。
来源：@thsottiaux