混元Hy4于11月4日在WorkBuddy首发接入后，因Agent能力提升导致调用量激增，团队将推理集群紧急扩容十倍并提高免费体验额度，但受高端算力总量与高峰并发限制，个别时段仍可能限额。
值得关注：本条是WorkBuddy产品脉络的延续：此前已有WorkBuddy多端同步（2026-08-12）与开放平台上线（2026-09-03）两张卡片，本条反映的是其底层模型能力升级后带来的实际负载压力，属于“能力提升→需求…
据候选摘要，该工作提出“harness learning”：训练一个 proposer 模型，利用执行反馈改写 solver 的 harness（组织模型调用、工具使用与信息流的可执行程序），把 harness 修订当作元学习中的“权重更新”，从而在测试时不做参数更新即可适应新任务；但因正文未能抓取，具体方法与实验结论均待核实。
值得关注：它把“测试时适应”的重心从参数空间转移到**程序/脚手架空间**：适应的是组织模型调用的可执行结构，而非模型权重。 与既有脉络的关系：本卡与《测试时 AI4AI：通过 Harness 实现强到弱的能力迁移》（2026-…
阿里巴巴开放了其最大开放权重模型 Qwen3.8-2.4T-A95B（Qwen3.8-Max）的权重；NVIDIA 与开源生态合作，使该模型在 GB300 NVL72 上无需额外调优即可于 Day 0 以 FP8 精度实现每 GPU 每秒超过 4K tokens、每用户每秒超过 350 tokens 的推理吞吐。
值得关注：这是 2.4T 参数级别的开放权重模型在机架级加速平台上实现 Day 0 可服务的重要案例。它展示了从芯片、系统架构到推理软件的全栈协同设计如何支撑超大 MoE 模型的实际生产部署，也为智能体类应用（长上下文、多步骤工…
RingCentral 正在借助 OpenAI 的 ChatGPT Work 与 Codex，加速 AI 产品开发，并将工程与运营两侧的智能数据集中起来；具体实现细节因缺乏正文而**待核实**。
值得关注：与已有相关卡片相比，本条是**企业端落地案例**，而非宏观用户趋势或社会倡议。 增量信息：RingCentral 是 OpenAI 企业工具的客户/合作方，其“AI-native work”实践体现了大模型从个人助手向…
Anthropic响应欧盟《人工智能法案》第50条透明度义务，宣布8月2日后发布的Claude模型在生成文本中嵌入不可感知水印，并为文件附上C2PA标准的签名溯源元数据；水印在模型层生效，复制粘贴仍会跟随，但检出/未检出都不能简单等同于“AI撰写/非AI撰写”。
值得关注：“模型层水印”比产品层标识更难通过更换调用平台绕过，是AI内容溯源机制的一个具体落地案例。 与已有相关卡片（NIST AI RMF、Epoch AI、OpenRouter）不重复；本条增量信息在于Anthropic将透…
模型能生成Token不等于能作为生产可用API稳定交付；请求排队、缓存命中、故障切换等推理工程环节决定模型的速度、稳定性与账单。
值得关注：本条提供了推理工程的具体细节，如缓存感知路由、Prefill/Decode分派、缓存命中优化等，可作为理解“AI基础设施中间层正在快速产品化”的微观例证。相比OpenRouter博客归档所反映的网关、路由等中间层趋势，…
2026年8月12日至13日，腾讯探元计划NextGen AI考古赛道开放日在山西大同云冈石窟举行，6个AI考古共创项目集中展示阶段性成果，覆盖石窟寺、汉画像石、甲骨文、冶金微遗物、陶瓷碎片与水下题刻等场景，核心共识是：AI不应只用于“看见”和验证已知，而要锚定真问题，从“复现”走向“突破”。
值得关注：该开放日展示的不仅是AI技术对文物“看得见”的记录能力，更是对“回答真问题”的探索——把文博行业长期积累的数据和专家经验，转化为可验证、可追溯、可共享的AI研究方法。探元计划被定位为数智科技与文化遗产之间的“连接器”和…
智谱针对GLM深度优化的Coding Harness ZCode完成升级，新增Goal、Subagents、Remote Control与闲时任务四大功能，其中Goal模式可自动拆解任务、修改代码、运行测试并判断是否达标，使复杂编码任务可自主跑完。
值得关注：相比此前的编码辅助工具，Goal模式将“任务拆解—编码—测试—验收”闭环交给Agent自主完成，是编码智能体从单步指令执行向复杂任务自主交付演进的具体落地。 与已有相关卡片相比，本卡片的增量信息在于：智谱ZCode并非…
腾讯 WorkBuddy 推出多端同步，打通 PC、APP、小程序三端；登录同一账号即可实时同步任务、对话记录与产物。用户可在手机上远程查看并操控电脑端 Agent 任务，电脑锁屏时 Agent 仍继续运行。
值得关注：该功能把 Agent 的使用方式从“在电脑前发起并等待”变为“发起后可在手机端跟进/授权/急停，锁屏后继续执行”。这是 Agent 进入真实工作流所需的关键产品能力，也体现出 Agent 产品从单设备对话工具向跨端常驻…
NVIDIA Nemotron 3.5 Lightning 是一个专为“始终在线”AI 代理的高频执行层设计的开放 30B Mixture-of-Experts（MoE）模型，仅激活 3B 参数，在保持较高准确率的同时可提供相比同类模型最高 4 倍的输出速度，并支持本地部署与模型路由。
值得关注：Nemotron 3.5 Lightning 是“系统化模型”分工趋势的一个例子：不是所有任务都需要前沿推理模型。它为长时运行代理的执行层提供了一个开放、快速、可本地部署的选择，并可与 Nemotron 3 Ultra…
扎克伯格发布万字长文，将Meta战略定义为“面向每个人的个人超级智能（Personal Superintelligence）”，主张通过开源模型、智能眼镜和大规模算力投入，把AI能力从少数机构下放给普通人，并瞄准下一代计算平台入口。
值得关注：本条不是某个具体Agent产品能力的提升，而是Meta层面的战略方向定义。相比Google DeepMind的SIMA 2等通用3D智能体，或Cursor等编码Agent，这条路线更强调AI的归属权与隐私边界，并把开源…
蚂蚁百灵开源的Ling-3.0-tiny是一款总参数7.9B、激活参数仅1.3B的轻量混合推理MoE模型，可在MacBook等端侧设备运行，FP8精度下MacBook输出约86–90 tokens/s，8K上下文峰值内存仅8.34GiB，且数据全程本地留存。
值得关注：这是轻量端侧模型在Agent能力与推理效率上的新进展：以不到8B总参数量、1.3B激活参数，在Agent得分上超过31B模型，同时能在MacBook等消费级硬件上运行，数据不出设备。相比已有相关卡片中的SIMA 2、T…
OpenAI 发布的企业调研显示，企业正从将 AI 用于辅助性工作转向使用 Agentic AI（智能体）来直接执行任务，前沿企业在这一轮采用中已明显拉开差距；具体数据与案例细节待核实。
值得关注：这是 OpenAI 对企业端 AI 采用趋势的直接观察，为理解“AI 如何从工具变成执行者”提供了产业视角。 与已有相关卡片“如何在智能体时代管理AI投资”和“企业AI工厂中的自治代理治理”互为补充：本卡片聚焦企业采用…
Anthropic 给尚未发布的 Claude 研究版本布置“攻克黎曼猜想”的任务。Claude 提出的 650 个思路均失败，却意外将 ζ 函数临界线上零点比例下界从 41.6% 提升到 67.2%，并提供了 Lean 形式化证明；但该方法预计无法直接导向最终证明。
值得关注：这是 AI 智能体从编码、游戏、界面操作向“自动数学研究”延伸的案例：不是简单生成答案，而是经历大规模探索、失败和试错后得到可验证的数学结果。 与既有脉络的关系：已有相关卡片分别涉及 3D 世界通用 AI 代理、编码智…
待核实：仅从标题看，ZEST 可能是一种把已习得的具身技能零样本迁移到“竞技型/运动型”机器人控制任务的方法，但论文的摘要、方法细节、实验设置与结论均无法从现有材料确认。
值得关注：与既有脉络的关系：本卡片与前序卡片构成同一“零样本/少样本具身迁移”脉络下的不同切面，增量信息主要在任务域而非方法细节。 “原生视频-动作预训练用于通用机器人控制”聚焦真实世界**操作任务**的少样本泛化；ZEST 的…
VAKRA 是一个面向企业级代理的可执行基准，将结构化 API 调用与文档检索结合在同一评测中，并引入自然语言工具使用策略约束。评测发现当前最强模型在组合 API 任务上仅约 50% 准确率，在策略约束下的不可回答查询上最低仅有 2.4%。
值得关注：现有评测或关注个人代理的同意约束（SovereignPA-Bench），或关注检索增强生成与知识图谱问答的新方法（DynaKRAG、RSF-GLLM），而 VAKRA 将企业场景中的 API 调用、多跳检索与自然语言策…
在干细胞来源的皮质类器官中，放射状胶质前体（radial glial progenitor, RGP）的谱系进展出现时间解耦：增殖过程高度可塑，克隆来源的神经元多样性降低；这提示非细胞自主微环境线索的缺失，是导致皮层谱系进展无法忠实按时间控制的关键因素。
值得关注：该研究将类器官中神经发育时序的缺陷与非细胞自主微环境线索的缺失联系起来，为优化类器官模型提供了新的改进方向。与已有相关卡片不重复；本条是神经发育与类器官建模方向的增量信息。
StateFlow 的核心主张是：预可视化（previsualization）缺少的是一个显式、持久的可编辑 3D 世界状态；相比一次性文生视频，把生成过程组织为“构造世界状态—演化世界状态—访问世界状态”三个阶段，能提供更强的控制能力和迭代编辑支持。
值得关注：StateFlow 不是把目标简单定义为“生成一段更好的视频”，而是强调生成过程中需要维护一个可复用、可局部修改的 3D 世界状态。这直接回应了生成式预可视化中的两个痛点：控制力弱和迭代编辑困难。
仅凭现有元数据可确认，SONIC 是一篇题名为 “SONIC: Supersizing motion tracking for natural humanoid whole-body control” 的 Science Robotics 论文/条目，方向指向通过“规模化运动跟踪”推进自然人形全身控制；但正文未抓取，方法、结果和结论均待核实。
值得关注：人形机器人研究正从单一任务控制走向全身控制与基础模型化；SONIC 的题名显示它可能补上“自然全身运动跟踪”这一层能力。 与既有脉络的关系：PAC-MAN 侧重全身安全与感知约束，WristMimic 侧重手腕引导操控…
本文提出 RCI 框架，将安全离线强化学习中的轨迹级稀疏“停止反馈”转化为稠密逐步成本，在理论上保持可行策略集和最优拉格朗日量不变的前提下，改善成本评论员的学习条件，并在高速驾驶和机器人操作任务中显著降低违规率。
值得关注：现实中的安全反馈往往是粗粒度、事后且无逐项标注的；RCI 提供了一种把这类反馈转化为可训练稠密信号的思路。 理论上的无损性说明，该转化不会牺牲 CMDP 的约束最优性，减少了实践中的保守性顾虑。 与已有相关卡片（RAG…