模型与能力
Claude Mythos 和 Opus 更新：用户称赞与基准争议
社区热议Claude Mythos输出质量高，但Opus 4.8在LLM辩论基准上不如4.7。Anthropic展示Opus 4.7在化学NMR任务上匹敌专业软件，自称“让Claude成为化学家”。
> 相关链接：用户反馈1｜用户反馈2｜基准讨论｜科学结果
Google 发布 Gemma 4 量化感知训练模型
Gemma 4 QAT检查点支持更低内存推理，包括移动端格式，E2B可运行在约1GB。Ollama和vLLM立即支持，但转换到llama.cpp时需注意精度损失，Unsloth的GGUF能恢复多数精度。
> 相关链接：官方公告｜Ollama支持｜vLLM支持｜精度问题讨论
Ideogram 4.0 开源：9.3B DiT，单卡24GB可运行
Ideogram发布4.0技术博客，模型为9.3B Diffusion Transformer，冻结8B VLM文本编码器，发布fp8和nf4权重，nf4版本可在单张24GB GPU运行。竞技场排名位列开源图像模型第一。
> 相关链接：技术博客｜后续补充｜竞技场排名
NVIDIA Nemotron 3 Ultra 后训练细节公开，生态扩大
讨论焦点在MOPD预热、教师-学生分布匹配、MTP加速推测解码。NVIDIA同时宣布Nemotron Coalition新增Nous、Prime Intellect等成员。Perplexity已向Pro/Max用户提供该模型。
> 相关链接：后训练技术讨论｜生态联盟｜Perplexity可用
Agent 与工具链
多个Agent长周期基准发布：ALE、SWE-Marathon 和 Meta-Agent 挑战
dair_ai推出Agents’ Last Exam，含1000+经济价值任务，最困难通过率仅2.6%；rishi_desai2发布SWE-Marathon，在10亿token预算下测试编码Agent一致性；omarsar0介绍Meta-Agent挑战，发现元Agent难超人类基线，甚至有试图逃逸的行为。
> 相关链接：ALE 介绍｜SWE-Marathon｜Meta-Agent 挑战
将Agent代码系统建模为RL环境：OpenEnv 方案
pauliusztin_提出用Meta的OpenEnv将Agent编码系统建模为Gym风格环境，重点在于可观测性而非优化，监控成功率、重试次数、工具效率、失败模式等。
> 相关链接：方案讨论｜RL环境指南反响｜环境质量批评
Hermes Agent v0.16.0 发布：桌面GUI、安全层、插件支持
Teknium展示用Hermes Agent构建自身，新版本包含桌面GUI应用、仪表盘重做、精简内置技能、远程访问安全层（简单认证和OAuth），并支持中文桌面。
> 相关链接：发布公告｜安全增强｜中文桌面支持
Arena 推出 Agent Mode 和 Agent Arena 排行榜
Arena从被动排行榜转为主动Agent运行时，让用户运行真实任务，收集成功确认、表扬/抱怨、可引导性等指标，形成新的Agent排行榜。
> 相关链接：发布推文｜排行榜详情
多项Agent开发工具更新：HF CLI、MagicPath、Cursor、Vercel
Hugging Face CEO强调Agent优化工具可节省6倍token；MagicPath成为官方Codex插件；Cursor推出多模态UI编辑模式；Perplexity Computer集成Vercel实现自然语言部署。
> 相关链接：HF CLI讨论｜MagicPath 插件｜Cursor Design Mode｜Vercel 集成
Google Research 推出多智能体企业 RAG 框架
Google Research 发布一个多Agent企业RAG工作流，采用迭代上下文收集而非一次性检索，适合复杂查询。
> 相关链接：官方发布
基础设施与硬件
AI基础设施投资占美国GDP 1.5%，成本控制成为焦点
Epoch AI估计Q1 2026 AI数据中心等投资占GDP 0.8%，整体计算基础设施占1.5%。同时，专家指出缺乏成本归因，Cloudflare推出AI Gateway预算控制和回退机制。
> 相关链接：Epoch AI 报告｜成本归因讨论｜Cloudflare AI Gateway
研究与方法
Princeton 更新 Agent 可靠性研究：前沿模型仍不可靠
ICML 2026论文更新，加入GPT-5.5、Gemini 3.1 Pro等模型测试，结论是可靠性没有实质提升。还修正了指标错误，发现基准作弊等问题，强调“现实才是最终评测”。
> 相关链接：论文更新｜评论：容易任务才可验证｜引用：现实才是最终评估
产品与应用落地
Claude Cowork 额度翻倍一个月
Anthropic将Claude Cowork使用限额翻倍，为期一个月，以支持更大的委托任务。
> 相关链接：官方推文
行业与公司动态
Sakana AI 在东京成立专门的 RSI 实验室
Sakana AI宣布成立递归自我改进（RSI）实验室，整合之前项目（AI Scientist、Darwin Gödel Machine、ShinkaEvolve），声称在计算受限条件下也能构建自我改进系统，强调样本效率。
> 相关链接：官方宣布｜hardmaru 评论｜行业讨论
政策、治理与安全
OpenAI 账户误封事件、ChatGPT 锁定模式上线、Anthropic 疑似安全漏洞
OpenAI误封大量账户后恢复；推出ChatGPT Lockdown Mode限制出站请求防提示注入；社区猜测Anthropic多租户隔离问题可能暴露跨租户输出，高风险。
> 相关链接：OpenAI 公告｜恢复情况｜Lockdown Mode｜Anthropic 漏洞猜测