Product
1. Claude湿实验室做出蛋白结合体
Anthropic 公布两项生命科学结果。Claude Mythos Preview 与 Opus 4.8 对 15 个靶点做 de novo 蛋白结合体设计，14 个靶点做出可结合设计；多靶 48 小时会话命中率约 22–27%，单靶多轮约 35%，高于常见 10–15%。最强设计的亲和力可超过已发表最优。外部评估由 Adaptyv Bio 与 Twist 独立表达并湿实验验证。第二项：给 Opus 5 一份合同实验室的 NMR/LC-MS 原始文件和两句提示，19–23 分钟交出与实验室一致的氢计数和纯度（96.4% vs 96.33%）。文中承认最强模型的生命科学任务仍被挡住，科学家访问计划尚未开放。这意味着药物早期设计里「编排专用模型」的部分，开始被通用代理接手；政策与湿实验周期仍是更大瓶颈。
来源：How Claude is accelerating protein design and analytical chemistry
2. 智谱GLM-5.3 API上线同价
Z.ai 宣布 GLM-5.3 API 上线，定位编码、防御性网络安全和长程代理。它与 5.2 共用基座，提升全部来自后训练；官方称 Z.ai Code Bench 编码提升约 50%，并在 Terminal Bench 3.0 与 Agents’ Last Exam（CLI）上称开源模型 SOTA。上下文 100 万 token，最大输出 12.8 万；推理不可关闭，effort 分 low/high/max，默认 max。价格与 5.2 相同，走官方 API 与合作网关，也进 GLM Coding Plan；周末与低峰时段积分半价。文档还强调网络安全能力「超预期」：CyberGym 漏洞发现领先，利用链越深相对 5.2 的优势越大。权重尚未放出。
来源：Overview - Z.AI DEVELOPER DOCUMENT
3. AA指数：GLM-5.3追平Kimi K3
Artificial Analysis 测得 GLM-5.3 Intelligence Index 为 60，较 5.2 升 7 分，与 Kimi K3 并列；权重放出后将并列开源第一。规模仍是 753B/40B MoE，1M 上下文，MIT 许可，官方称一周内放权重。代理向增益最大：GDPval-AA v2 Elo 从 1524 到 1770，仅次于 Claude Opus 5（1855），并超过 K3 的 1668。代价是更费 token：每任务约 1.87 万输出，比 5.2 高约 20%；任务成本 $0.68，仍低于同档 K3 与 GPT-5.6 Sol。AA-Omniscience 从 4 到 14，准确率和尝试率都升，幻觉率从 26% 略升到 30%。定价 $1.40/$4.40 每百万 token。
4. HarnessRouter开源：一套API换harness
HarnessRouter Community Edition 以 Apache-2.0 开源。作者类比：OpenRouter 路由模型，它路由 harness，一套 API 下切换 Codex、Claude Code、Hermes。它实现 Unified Harness Protocol（UHP），自带会话、流式、文件、取消和失败处理；社区版在本机 Docker 里跑，只用你自己的模型密钥，号称无账号、无遥测。动机来自 Composio 基准：同一模型同一批任务，只换 harness，token 消耗可差约 30 倍。协议站点 unifiedharnessprotocol.org 把「harness 互操作」做成开放标准。托管版与社区版是否功能对等，仓库只保证协议层。
来源：GitHub
5. Vercel Labs开源Zig编码代理fx
Vercel Labs 开源内部工具 fx：用 Zig 写的极小原生编码代理，Apache-2.0，模型无关。三条原则：快（单二进制、冷启动约 10µs）、轻（约 6.3MiB，基线内存个位数 MB）、开放（技能/插件/MCP 扩展）。它刻意压系统提示和工具面，方便做评测、沙箱和 gym；CLI 更像 Unix shell 而不是终端 IDE。可编程接口包括 fx ask —json、ACP，以及浏览器里的 WASM 演示。隐私是约束：无产品遥测，本地推理且关闭自动更新时可全离线。状态标 experimental，承诺会频繁改。
来源：@vercel_dev
6. Claude Desktop后台启动约快一倍
ClaudeDevs 说 Claude Desktop 现在启动大约比一个月前快一倍。原因：后台启动时定时器被节流，JS 引擎掉进省电模式；他们改为窗口仍隐藏时也全速启动，并带一批小性能修复。这是桌面代理的典型系统约束——OS 把不可见窗口当低优先级，代理却要在托盘里先热身。官方只给了约 2x 和机制，没有公布绝对毫秒数和平台差异。对每天冷启动多次的人，这比新模型更直接。
来源：@ClaudeDevs
7. OpenAI向部分客户放超快Sol
Ben’s Bites 记录 OpenAI 官方帖：面向部分客户，API 上线 Ultrafast GPT-5.6-Sol。信息只有「更快」和「选定客户」，没有公开价、延迟数字、是否挤占普通 Sol 配额。结合本周 Devin 侧的 Sol 促销和 AA 对 Sol 任务成本的标定，OpenAI 显然在用档位切延迟敏感的代理负载。谁能开、要不要单独申请，帖子没说。把它当成供应侧信号：同一模型开始按速度卖。
8. Warp发布Factories工厂工作流
Warp 创始人 Zach Lloyd 发 X Article《Introducing Warp Factories》。采集到的正文只有标题和链接，没有展开 Factories 的对象模型、权限和定价。从命名和既有 Warp 代理方向看，它应是把多步软件生产收成可复用工厂，而不是又一个聊天标签；但这一推断未在正文中得到逐条证据。在「软件厂 / monorepo / Origin」密集出现的一天，Warp 也在抢同一词。细节以文章页为准，此处不把未写出的功能写成事实。
Tutorial
1. Liquid用循环让代理交付分词器
Liquid AI 工程博文回顾：2025 年底用 Claude Opus 4.5 与 GPT-5.2 Codex，在无人值守下做出后来开源的 BPE 训练器 toktoktok。任务够硬：单机万亿 token、内存是真瓶颈、要能热启动扩词表和按语言预算，并必须被 tiktoken 与 HF tokenizers 加载——外部库代理改不了。他们先写只描述结果的 AGENTS.md/CLAUDE.md ， 再铺验证设施，而不是先让模型写代码。结论是：生产级、跨领域、可外部验证，才测得出自主性；移植 SQLite 这类题测不出。博客写的是循环设计，不是又一份 vibe coding 秀。
来源：Liquid AI
Opinions/Thoughts
1. Cursor把Origin按数据库来做Git
Cursor 发长文《Git at any scale》，由 Vicent Martí 梳理 20 年 Git 基建：从无 packfile、GitHub 文件系统、Spokes，讲到他们把 Origin 存储当数据库来设计和运维。官方同时说要把托管做得更可靠、更快、更能扩。这不是功能 comms，而是解释为何在 GitHub 抖动之后自建托管：Git 协议假设的是人类协作规模，agent 会把创建、打包和一致性压力放大一个数量级。文章承认托管 Git 是噩梦，解决方案是存储层语义而不是再包一层 GitHub API。具体延迟和一致性数字要以正文为准。
来源：Cursor
2. Kepano：护城河没有消失只有变多
Obsidian 的 kepano 发长文《Many ways to win》，反驳「护城河已经没了」。他列出约 80 种在生物学和商业里「赢下来」的方式。核心判断：模型能力趋同并不等于产品结果趋同，分发、习惯、切换成本、生态位仍在。文章是类比清单而不是量化研究，证据强度在案例密度，不在回归。在人人都能用同一批模型做软件的一周，这篇是在给「为什么还不商品化」列清单。
3. Linear数据：半年AI渗透翻倍
Linear 用自己客户数据看 2026 上半年：1 月到 6 月，各职能在 Linear AI 功能上的活跃占比都翻倍以上。产品从 12% 到 34% 最快；工程 12%→30%；设计 6%→22%；GTM 5%→18%。201 人以上公司的 CEO 从 9% 到 36%，是最大跳变之一。公司规模几乎不影响渗透斜率。作者提醒：这只统计 Linear 内可见的 AI，看不到 Cursor/Claude 里发生的事。它提供的是工作流层采用，而不是 token 消耗。样本是付费且两端都活跃的用户。