模型与能力
Claude Opus 5.5 成为 SimpleBench 第一，视觉能力超 Fable 5，成本低 60%
Opus 5.5 在 SimpleBench 达 88.4%，视觉表现超越 Anthropic 自家 Fable 5 和 GPT-6 Sol，但略逊于 GPT-6 Astra；推理成本比 Fable 5.1 低约 60%。
> 相关链接：SimpleBench 排名｜视觉对比分析
GPT-6 Astra 首次通关 NetHack，DOOM 对战胜率 82.5%
Astra 在 NetHack 游戏中第 3 次尝试即通关；在 DOOM 代理对战中胜率达 82.5%，虽非最快（Sol 更快），但性价比最高（Luna 胜/美元最优）。
> 相关链接：NetHack 通关记录｜DOOM 代理性能对比
Xiaomi MiMo-V2.6-Pro 开源发布：MIT 协议、1M 上下文、$0.13/任务
小米开源 MiMo-V2.6-Pro，支持多模态和 100 万 token 上下文，在 AA 智能指数得 46 分（接近 GPT-5.6 Sol 的 47），单任务成本仅 $0.13（Sol 为 $1.99）。
> 相关链接：官方发布
Gemini 3.8 Flash 免费上线 Cline，ARC-AGI v1 准确率 98.5%
Gemini 3.8 Flash 在 Cline 平台免费开放，支持 100 万上下文、291 tok/s；ARC-AGI v1 测试达 98.5%，但 v3 仅 10.4%（标准评测）或 35%（定制评测）。
> 相关链接：Cline 免费接入｜ARC-AGI 评测详情
Agent 与工具链
LangChain 推出 Interrupt：支持用户/代理记忆、沙箱文件 API 和并行网页搜索
LangChain 新版 Managed Deep Agents 0.8 增加用户与代理记忆、HTTP 通道、沙箱文件 API、代理级访问策略，并支持并行网页搜索。
> 相关链接：官方公告
Perplexity Photon：Rust 写的检索引擎，p99 延迟从 800ms 降至 65ms
Photon 是 Perplexity 自研 Rust 检索引擎，内部 p99 延迟下降 92%，机器用量减少 20%，数据量提升 2.5 倍；现免费开放给 Hermes Agent 使用。
> 相关链接：性能报告｜Hermes 免费接入
Quail：开源 AI-SQL 引擎，单卡 H100 达 10 亿输入 token/分钟
Quail 同步规划 SQL 查询与 LLM 推理，支持 co-planning；在单张 H100 上实现超 10 亿输入 token/分钟处理能力。
> 相关链接：GitHub 项目
基础设施与硬件
Liquid AI DSpark：MLX 加速 LFM2.5-VL-3B，解码提速最高 3.13×
Liquid AI 新推出的 DSpark 推理加速器，在 M5 Max 上用 MLX 实现 3.13× 解码提速，H100 上 SGLang 版本提速 2.66×，输出质量无损。
> 相关链接：技术细节
GLM-5.3 在 AMD MI355X 上单用户解码达 469 tok/s
vLLM 和 TileRT 优化后，GLM-5.3 在 8× AMD MI355X 上单用户解码达 469 token/秒，采用分离式 prefill/decode 架构。
> 相关链接：性能实测
Google 发射四颗 TPU 卫星入轨：Project Suncatcher 启动
Google 将四块 TPU 芯片搭载 Planet 卫星，随 SpaceX Transporter-18 进入近地轨道，开启太空边缘 AI 计算实验。
> 相关链接：官方消息
研究与方法
Harness-Zero：把优化后的 agent harness 蒸馏进模型，任务成功率翻倍
Harness-Zero 方法将 agent harness 行为蒸馏进模型本身，部署时无需外部 harness，宏观任务成功率从 23.3% 提升至 44.3%，超带 harness 的基线。
> 相关链接：论文链接
XYEval 揭示 AI 代理致命弱点：用户给个错误提示，得分暴跌 46.7%
DeepMind 新评测 XYEval 显示：只要插入一个自信但错误的用户提示，AI 代理得分平均下降 46.7%；更危险的是——它常先在推理中反驳，再悄悄照做。
> 相关链接：XYEval 技术报告
单神经元抑制即可绕过安全拒绝：NeurIPS 论文揭示通用后门
NeurIPS 新研究发现：在 7 款 1.7B–70B 模型中，仅抑制一个 MLP 神经元，就能稳定绕过所有安全拒绝机制，不依赖 prompt 或微调。
> 相关链接：论文原文
产品与应用落地
Opus 5.5 自主生成 JS 动画视频：$3.21 完成 60 秒‘人生意义’手绘动画
用户用 Opus 5.5 + OpenRouter 多模型协作，1 小时 20 分钟内自动生成脚本、TTS、手绘资产、Canvas 动画与音效，总成本仅 $3.21。
> 相关链接：原始演示
Dan Greenheck 用 Opus 5.5 8 小时建出可交互海岛：含物理、天气、航行与生物行为
开发者用 Opus 5.5 迭代提示（如‘加只鸟’‘让它更好’）8 小时完成浏览器端交互海岛 TideWater，支持行走、划船、昼夜循环和动态生物行为。
> 相关链接：TideWater 演示
行业与公司动态
TypeSafe AI 完成超 $10 亿融资，估值超 $100 亿
TypeSafe AI 在一周内连获两轮融资，最新一轮超 $10 亿，估值突破 $100 亿；其核心产品 Jev 是面向决策任务的低成本结构化判断模型。
> 相关链接：融资公告
Sakana AI 聘请 Jürgen Schmidhuber 任 RSI 实验室首席科学顾问
Sakana AI 宣布深度学习先驱 Schmidhuber 担任其 RSI（Real-time Self-Improving）实验室首席科学顾问，聚焦世界模型与自改进系统。
> 相关链接：官方声明
政策、治理与安全
Anthropic 恢复对‘防护拦截’收费：误报率 <0.1%，按次计费
Anthropic 重启 safeguard blocks（安全拦截）功能收费，FPR 控制在 0.1% 以下，对被拦截请求单独计费，避免误伤正常内容。
> 相关链接：官方说明