行业与公司动态
吴恩达重启 DeepLearning.ai，聚焦 AI 工程师培养
吴恩达（Google Brain 联合创始人）正式重启 DeepLearning.ai，转向「AI 工程师」能力体系。基于超 1 万份岗位分析、数十场专家访谈和问卷调研，提炼出四大核心技能：构建部署 AI 应用、软件工程基础、高效使用编码 Agent、塑造产品构建方向。
> 相关链接：官方公告
Agent 与工具链
NVIDIA 提出「技能提升值」评估法：Harness 比模型更能决定 Agent 实用性
NVIDIA 新研究发现，传统 Agent 技能评分（如 scan score）和实际质量相关性极弱（Spearman ρ=0.14），转而提出「Skill Lift」：同一任务下，开/关某项技能时完成工作的差值才是关键指标。
> 相关链接：论文摘要（@omarsar0）
Anthropic 推出企业级 MCP 统一认证：告别每个工具单独 OAuth
Anthropic 为 MCP（Model Context Protocol）连接器上线企业托管身份认证，支持 Asana、Notion、Slack 等 8+ 工具通过企业统一身份源（如 Okta）集中授权，不再需要用户逐个点授权。
> 相关链接：官方公告
Headlong 和 exo 开源：首个支持「持续思考」与「安全自修改」的 Agent Harness
Headlong 是开源微 harness，让 Agent 7×24 自主运行、自动调试（实测 48 分钟完成无人修复）；exo 则支持 append-only 日志、沙箱快照回滚，允许 Agent 修改 prompt/工具/记忆，但无法破坏持久状态。
> 相关链接：Headlong 介绍（@andykonwinski）｜exo 架构说明（@omarsar0）
模型与能力
Qwen3.8-27B 在 WebDev 编码榜杀入 Top 10，是同尺寸唯一上榜模型
Qwen3.8-27B 在 Code Arena WebDev 榜单拿下第 9 名（1595 分），力压多数 30B+ 模型，仅比旗舰版 Qwen3.8-Max 低 6 名；其开源衍生版 Carnice-V3-27B 已适配消费级显卡（RTX 3090+）。
> 相关链接：榜单更新（@arena）｜Carnice-V3 开源（@kaiostephens）
OpenAI GPT-5.6 Sol API 降价：输入 $4/M，输出 $20/M token
GPT-5.6 Sol 版本 API 价格大幅下调，输入成本降为 $4/百万 token，输出 $20/百万 token；在 Terminal-Bench 2.1 中，Kiro 环境下每任务成本降低约 82%。
> 相关链接：定价公告（@kimmonismus）｜Kiro 性能说明
Claude 近半年无 Opus 线升级，但新变体中等推理能力明显增强
尽管 Anthropic 已超 6 个月未发布明确的 Opus 系列升级，外部测试者报告新版 Claude 在中等难度推理任务上表现更强，暗示底层模型可能已悄然迭代。
> 相关链接：技术观察（@tenobrus）｜实测反馈（@kimmonismus）
基础设施与硬件
Groq 推出 Vera Rubin 新芯片：Gemma 4 31B 下达 3400 tok/s 输出吞吐
Groq 在 Vera Rubin 芯片上新增专用 token 生成加速器，实测 Gemma 4 31B 在 100K 上下文下输出达 3400 tokens/秒；将首批投入生产环境。
> 相关链接：性能摘要（@kimmonismus）｜官方发布
vLLM 发布 AgentX 1.0：专为多轮 Agent 场景优化 KV 卸载与前缀复用
vLLM 新版 AgentX 针对真实多轮编程轨迹优化，强调 KV 缓存卸载、前缀复用、prefill/decode 解耦——这些比传统单次推理 TPS 更影响 Agent 实际吞吐。
> 相关链接：技术总结（@vllm_project）
Liquid AI 推出 Pipette：首个开源端侧推理全栈评测套件
Pipette 开源评测框架覆盖模型+量化+运行时+设备组合，含 10,000+ 经验证结果，支持 iPhone 17 Pro / Galaxy S26 Ultra 等真机测试，直击内存、延迟、质量三重瓶颈。
> 相关链接：项目主页（@liquidai）
研究与方法
Speculative Programmatic Tool Calling（sPTC）：让 Agent 工具调用提前执行
sPTC 方法在代码生成时预测安全工具调用，并提前在副本环境中启动执行，实现工具运行与 token 生成重叠，初步提速 1.0–1.2×，思路类似 CPU 的推测执行。
> 相关链接：方法介绍（@a1zhang）
RL for LLMs 全面指南发布：覆盖 PPO/GRPO、rubric-based、agentic RL 等主流路线
CWolfe Research 发布完整强化学习训练指南，涵盖 token 级 vs 完成级奖励设计、actor-critic 结构、世界建模集成等，同步推动「harness-native RL」成为新热点。
> 相关链接：指南全文（@cwolferesearch）
产品与应用落地
Claude 网页/桌面端长回答流式体验升级：卡顿减少 9 倍，最差冻结缩短 4.5 倍
Anthropic 优化了 Claude 长文本输出流式渲染，在低端笔记本上卡顿次数减少 9 倍，最严重冻结时间缩短 4.5 倍，整体流畅度提升约 4 倍。
> 相关链接：官方公告
政策、治理与安全
多篇讨论警告：缓存 token 计入「用量」不反映真实成本，量化过拟合易被误读为能力提升
社区指出，把缓存命中 token 算进总用量会严重误导成本评估；另有多人提醒：量化后模型在某基准反超原模型，很可能是过拟合量化过程，而非真实能力进步。
> 相关链接：DeepSWE token 说明（@bnjmn_marie）｜量化过拟合警示（@jmbollenbacher）