AI 日报

把「推理」拆成有界小任务单卖，是模型公司把调用成本压到可嵌入业务流程的关键一步。和检索/路由类 Agent 架构对照，以后分类打标不必再走大模型长上下文。盯定价页。

不再逐步请求批准，等于把「人类确认」从默认路径上摘掉，风险外包给自动检查。这与今天银行封杀智能体登录形成对照：权限越松，外部围栏越紧。信任边界在下周会被反复测试。

与 Decisions API 同源，说明这不是单点产品而是模型分层策略：Luna 打小决策、旗舰打复杂任务。和今天 Anthropic、Meta 抢「常驻型 agent」同读，入口之争已从聊天转向后台调用。

对标 Grok Bot、Meta Muse 与 OpenAI Dots，常驻 agent 的竞争点不在模型分数而在「一直在线的权限与记忆」。和今日默认 auto mode 并读，Anthropic 正把自主性当作差异化卖点。

设计工具自建生成模型，是为了把版权与风格一致性问题握在自己手里。和 Kling 4.0 上线 OpenArt、OnSolo 同频：内容生成正从「接 API」转向「自有模型绑定工作流」。

和 Newcomer 的股权表（无风投持股超 2%）连起来看，这家公司上市后治理结构会异常集中。S-1 里最该看的是毛利率与算力承诺，而不是营收增速。

开源发布要先过出口规则，这是新常态，也是国产模型出海的合规前置条件。与今日 150 亿美元融资对照：资本和监管同时在给这条赛道开绿灯，开源会是主要分发方式。

把隔离下沉到硬件层，是应对今天「智能体劫持无防护模型端点」那类攻击的架构答案。和 OpenShell、银行封杀登录同读：智能体运行时正在变成一门独立的基础设施生意。

这条比漏洞本身更值得记：AI 挖洞的速度已经超过人类协调披露机制的节奏。和卡兹克的复盘对照读，「发现 2 天、修复 2 个月」会成为行业反复引用的数字。

开源社区在自建 agent 隔离层，和 Google Agent Compute Engine 形成「云厂商 vs 社区」两条路线。这条线下半年会反复出现：运行时安全会成为 agent 基础设施的默认组件。

参数量翻四倍换不来一分，这是今天本地模型社区最有信息量的对比。和 Qwen Flash Next 在 64GB 内存跑 234 tok/s 同读，效率竞赛已经压过规模竞赛。

两张 16GB 卡跑 125B 模型，硬件门槛下探到消费级。这对你关注的本地部署路线是直接利好，也解释了今天社区为何集体讨论「中大型 MoE 选谁」。

与 AI 无直接关系，但它是「合规成本挤出基础设施」的最新案例，和 AI 出口审查、银行封禁 agent 是同一条监管收紧线。作为背景留着，不展开。

ClaudeDevs 官宣：Agent Skills 标准捐给 AAIF，ChatGPT、Cursor、Copilot、VS Code 等 70+ 平台已接入；技术指导委员会含 Anthropic、OpenAI、Google、Microsoft 等。技能可移植性从「厂商特性」升级为开放标准。

Artificial Analysis 用 Stirrup harness 测 DeepSeek Search：Search Index 69（27 个产品中第 17），付费 Search API 里价格最低。事实检索尚可，多跳浏览偏弱——对搭 Agent 联网层很有参考价值。

从第一个 Agent、短长期记忆、长跑循环，到 MCP vs API 与多智能体系统，一条时间轴讲完。中文圈转发很多，适合快速补齐 Agent 工程基础。

任意 LLM / Agent 框架 + 自有组件与设计系统，无厂商锁定的生成式 UI。Agent 应用里「UI 层」终于有可插拔的开源底座。

作者实测：多 Agent 并行时用 LayerFS（每 Agent 独立可写工作区、零拷贝 fork、去重 checkpoint）提升很明显。多智能体基础设施从「拷目录/开容器」换成文件系统级隔离。

小墨同学对比：Pi 默认极简、能力靠自己加；DSH 更重开箱体验与插件生态。选 harness 时「最小核」还是「全家桶」是两条路线。

不以课程开场，直接用 LangChain 等生产向仓库做项目。适合想快速攒作品集、摸清 LLM 应用栈的人。

会话结束让 Agent 追加关键结论；Skills 在 Claude Code / Cursor / Codex 各自目录里容易漂移，chops 用来同步同一套 skill。记忆与技能管理的务实做法。

Steven Cheng：写代码市场有上限；常驻桌面 Agent 瞄准所有知识工作者。跟着钱看，个人 Agent 与 Coding Agent 正在分赛道。

用聊天把任务丢给本机 Claude Code，做完再 ping；还能让另一套 agent 验收。讨论「harness 是否比模型更重要」时的具体工作流样本。

把两个月协调响应写成时间线，是最完整的一手叙事。和 NSA 警告、404 Media 的「Black October」同读，AI 安全能力已进入国家级响应流程。

从机柜形态讲算力经济学，是少见的把物理约束讲清楚的访谈。和 DeepSeek DeepInfer 的 81 天回本模型对照，算力效率的讨论正从「多少卡」转向「每美元多少 token」。

结论反直觉——带 skills 的单智能体常优于多子智能体。这和今天社区热衷的编排降本竞赛形成修正：先问任务是否需要分解，再谈编排。值得存进方法论。

顺序诊断基准比单轮问答更接近临床现实，Suleyman 同日放话「超过医生」正好呼应。这类基准的价值在于失败模式可复现，而不是榜单名次。