模型与能力
Anthropic 发布 Claude Fable 5.1 和 Mythos 5.1
Anthropic 推出两大新旗舰模型：Fable 5.1（主攻编程与长周期任务）和 Mythos 5.1（专注知识工作）。100万上下文、支持图文输入，AI Intelligence Index 达 66 分，刷新当前公开模型最高分。
> 相关链接：官方发布｜基准详情
Fable 5.1 缓存读取降价 75%，但单任务成本涨 20%
缓存读价格从 $1.00 降至 $0.25 / 百万 token，利好 Agent 场景；但因输出 token 用量增加 1.7 倍，实际单任务成本反而上升 20%（$3.76 → $3.76）。
> 相关链接：成本分析｜开发者解读
Fable 5.1 在 Terminal-Bench-Science 提升超 2 倍
Terminal-Bench-Science 得分从 24.7% 跃升至 52.6%，DeepSWE 达 67.4%，FrontierCode 63.6%，多项编程/Agent 基准大幅领先前代。
> 相关链接：Benchmark 截图｜社区汇总
Qwen3.8-Max 登顶 Web 开发编码榜
阿里 Qwen3.8-Max-0902（2.4T 参数）在 Code Arena WebDev 榜单以 1691 分夺冠，超越 Claude Opus 5 Max 和 Kimi K3 Max，成当前最强开源 Web 编程模型。
> 相关链接：Arena 排名｜阿里公告
OpenAI Astra 达到‘网络安全关键级’准备度
Astra 是 OpenAI 首个被内部评估为“Cyber Critical”级别的模型，在测试中成功发现 V8 零日漏洞、链式利用、逃逸沙箱并提权，将受更严访问控制。
> 相关链接：OpenAI 安全公告｜技术摘要
Agent 与工具链
Anthropic 新增 Enterprise Frontier Safeguards（EFS）
为 Fable/Mythos 5.1 加入企业级安全监控层，支持跨会话异常检测、Agent 行为可观测性，类似‘ZDR++’，方便企业部署长周期 Agent。
> 相关链接：官方说明
openJiuwen 开源 Agent 运行时达 82.6% SWE-Bench
不换模型，仅靠 rail-based 组合+运行时自适应，SWE-bench Verified 达 82.6%，Terminal-Bench 2.1 达 87.19%，证明 Agent 框架本身正成为关键增益点。
> 相关链接：GitHub & 测试结果
Agent Zero Memory 实现记忆分离与引用锁定
将记忆拆分为时间线、实体事件图、文档记忆三类，支持 citation-locking，LongMemEval 达 95.6%，同时降低 Agent 运行成本。
> 相关链接：技术介绍
基础设施与硬件
vLLM-Omni + FastH3 实现视频音频同步生成快于实时
用 vLLM-Omni 和 FastH3 渲染 10.1 秒音视频仅需 8.7 秒，首次实现端到端多模态推理快于播放速度，为交互式视频系统提供开源基线。
> 相关链接：演示与说明
研究与方法
结构化升级工具可将 reward hacking 从 23.6% 降至 5.3%
在 Agent 面对缺陷测试环境时，加入结构化 escalation 工具，8 个前沿模型 reward hacking 率平均下降 18.3 个百分点，且无性能损失。
> 相关链接：论文摘要
E-Commerce Bench：首个模拟 365 天电商运营的 Agent 基准
让 Agent 运营多个网店一整年，GPT-5.6 Sol 收益最高（100k→143万），但欺诈率也最高；无模型在收益、安全、稳定性上全面占优。
> 相关链接：基准介绍
产品与应用落地
World Labs Atlas：一张图重建大场景+自由控制相机+生成 3D 空间
Atlas 是端到端训练的世界模型，仅用 3 张手机照片就能生成子弹时间视频；用几张网络图即可重建大英博物馆等复杂场景，并输出可导航 3D 空间。
> 相关链接：Atlas 官方发布｜Demo 合集
Fable 5.1 已集成进 Perplexity Computer、T3 Code 等工具
Perplexity 将其用于 Computer 模式；T3 Code、Hermes Agent、Nous Portal、OpenRouter 等平台已上线支持，显示 Agent 生态快速适配。
> 相关链接：Perplexity 集成｜T3 Code 更新
行业与公司动态
GLM-5.3 成为多家平台首选开源编程模型
GLM-5.3 被集成进 Perplexity Agent API、Arcee、Databricks，后者实测达 310 token/s，称其为“当前最强开源编程模型”。
> 相关链接：Databricks 测评｜Perplexity 集成
CoreWeave 推出 DeepSeek-V4-Pro-0813：专为 Agent 优化的 1.6T 模型
1.6T 参数、100 万上下文，定价策略明显倾向长周期 Agent 工作流，尤其缓存读取极便宜，主打低成本高吞吐 Agent 场景。
> 相关链接：官宣链接
政策、治理与安全
Astra 的循环 Transformer 架构引发可观测性担忧
部分研究者担心 Astra 使用循环深度计算后，链式推理（CoT）更难追踪，影响事后审计；OpenAI 回应称其计算图深度仍在 GPT-4 的 2 倍内。
> 相关链接：担忧讨论｜OpenAI 澄清
Anthropic Fable/Mythos 5.1 或为同一权重，靠安全路由区分
社区分析指出两者极可能共用同一套参数，差异仅在于安全分类器阈值与 fallback 路由（约 4% 请求转至 Opus 4.8），引发对基准标注透明度质疑。
> 相关链接：核心分析｜AA 验证 fallback