1/15 OpenAI 推出 GPT-5.5 Instant 并升级记忆个性化
OpenAI 宣布 GPT-5.5 Instant 开始在 ChatGPT 中滚动成为默认模型，并以 gpt-5.5-chat-latest 提供 API。官方称新模型更简洁、语气更自然，在图像上传分析、STEM 问答和判断何时使用 web search 上更强；内部评测中，高风险医学、法律、金融提示的幻觉声明比 GPT-5.3 Instant 少 52.5%。同一轮更新还加强记忆和个性化：ChatGPT 可使用保存记忆、历史对话、文件和已连接 Gmail，并显示使用了哪些记忆来源。
2/15 Anthropic 用 Model Spec Midtraining 改善对齐泛化
Anthropic Fellows 发布 Model Spec Midtraining（MSM）研究，提出在预训练和 alignment fine-tuning 之间加入一段训练，让模型先学习 Model Spec 或 Constitution 的内容和背后理由，再用行为示例教模型执行。研究称，MSM 可让相同 fine-tuning 数据在不同 spec 下泛化出不同价值取向；在 agentic misalignment 评测中，MSM + AFT 把 Qwen2.5-32B 的不当行为率从 68% 降到 5%，Qwen3-32B 从 54% 降到 7%。
3/15 xAI 发布 Grok 4.3 API，主打长上下文和低价
xAI 宣布 Grok 4.3 上线 API，称其是 xAI 迄今最快、最智能的模型，在 Artificial Analysis 的 agentic tool calling 与 instruction following 榜单居前，并在 Vals AI 的 case law、corporate finance 等企业领域排名第一。推文给出的产品参数是 100 万 token 上下文窗口，价格为每百万输入 token 1.25 美元、输出 token 2.50 美元。这个定位把 Grok 4.3 放在高上下文、低单位价格的 frontier API 竞争线上。
4/15 Luma Uni-1.1 API 把视觉模型包装成生产接口
Luma 宣布 Uni-1.1 API 上线，强调模型可理解 brief、审美语境和多种垂直场景，而不只是生成单张图。官方页面列出 generate 与 modify 两个端点、Python/JavaScript SDK、最多 9 个 reference、全画幅和多输出格式支持，并提供 pay-as-you-go 与 provisioned throughput 两种计费。Luma 推文还称 Uni-1.1 在 Image Arena 的 text-to-image 和 image edit 中进入前列，目标用户从创作者转向需要把图像生成嵌入生产流程的团队。
5/15 Perplexity Computer 同日扩展金融和健康数据源
Perplexity 发布两组垂直数据能力：Professional Finance 让团队把 Morningstar、PitchBook、Daloopa、Carbon Arc 等许可数据接入 Computer，并新增 35 个金融分析工作流；健康侧则接入 NEJM、BMJ Group，并称还有 9 个医学期刊和临床数据库即将加入。推文强调输出可追溯到 SEC 文件、财报电话会、市场数据页或许可数据源，适合需要引用可审计来源的分析场景。
6/15 Microsoft 把 Copilot Cowork 推向移动端、skills 和 plugins
Satya Nadella 转发 Microsoft Work Trend Index，称企业需要在 agentic systems 下重新构想工作，把 AI 执行能力转化为人的 agency。Microsoft 365 团队同时发布 Copilot Cowork 更新：Cowork 登陆 iOS 和 Android，可在移动端委派任务；Skills 用可复用指令沉淀流程、语气和结构；plugins 让 Cowork 跨业务系统运行。这个方向把 Copilot 从问答助手推进到可执行工作流的云端 coworker。
7/15 Cursor 推出自动修复 CI 失败的 always-on agent
Cursor 官方宣布可以自动修复 CI failures：用户设置 always-on agents 监控 GitHub，在检查失败后调查根因并提交修复 PR。配套 marketplace template 面向 CI investigation，说明 Cursor 正把 agentic coding 从交互式 IDE 会话扩展到后台工程自动化。与普通代码助手相比，这类功能的关键变化是触发源来自持续集成事件，输出是持久分支或 PR，而不是一次性聊天建议。
8/15 Tencent CubeSandbox 开源 60ms agent 执行沙箱
AlphaSignalAI 转述 Tencent Cloud 开源 CubeSandbox：一个面向 AI agent 代码执行的自托管沙箱服务。项目 README 称其基于 RustVMM 和 KVM，可在 60ms 内创建具备完整服务能力的硬件隔离环境，每实例内存开销低于 5MB；安全上使用专用 guest OS kernel、KVM microVM 和 eBPF 网络隔离，避免共享内核容器逃逸风险。它还兼容 E2B SDK，理论上替换一个 API URL 即可迁移。
9/15 AgentFlow 用自动合成 harness 找到 Chrome 零日
AlphaSignalAI 介绍 AgentFlow 论文：系统自动设计多 agent 漏洞挖掘 harness，而不是手写固定角色和协作协议。论文称 AgentFlow 的 typed graph DSL 可搜索 agent 角色、prompt、工具、通信拓扑和协调协议，并用目标程序运行时信号诊断失败再改写 harness。作者报告，在 Chrome 上配合 Kimi K2.5 发现 10 个此前未知的零日，其中包括 2 个 Critical sandbox escape；在 TerminalBench-2 上使用 Claude Opus 4.6 达到 84.3%。
10/15 NVIDIA 把 Vera Rubin 定位为 agentic workload 平台
NVIDIA AI 发布 Vera Rubin agentic systems 技术博客，称 agent 工作负载把 token 消耗、上下文长度和延迟推到极端区域。推文强调，Vera Rubin 平台通过硬件和软件 extreme co-design 支持复杂 agentic workloads，在 trillion-parameter MoE 模型上可实现每用户 400+ tokens/sec。这个叙事把 AI 基础设施竞争从训练峰值算力进一步转向长上下文、低延迟、多步推理和每瓦 token 产出。
11/15 Together AI 强调生产 AI 的主要成本在 inference
Together AI 发布 inference at scale 文章，称生产 AI 系统生命周期成本中 80-90% 来自持续 inference，而不是一次性训练。文章把问题拆成延迟、吞吐、模型快速变化和高并发调度，并介绍其在 Blackwell 硬件上的系统栈：FlashAttention/ThunderKittens、Aurora adaptive speculative decoding、NVFP4 量化、72-GPU mesh 并行和动态调度。推文还提到，AI-native 团队在生产系统上常把性能和利润空间留在桌面上。
12/15 Databricks 把 Genie Code 定位为 agentic data engineering 标准
Databricks 发文称多数 agentic AI 仍是 demoware，但数据工作和 coding 是明确例外，并把 Genie Code + Spark Declarative Pipelines 作为 agentic data engineering 的 harness。相关材料显示，Genie Code 在 Lakeflow Pipelines 中可用 Agent mode 规划、生成、运行和修复 pipeline，并结合日志、依赖和候选修复调查失败。Databricks 还强调，这类 agent 要在生产数据环境采用，仍需 sandboxing、guardrails、source control、review、testing 和 CI/CD。
13/15 Gemini API File Search 增加多模态 RAG 能力
Google 的 Logan Kilpatrick 发布 Gemini API File Search 更新：工具现在支持多模态，由 Gemini Embedding 2 驱动，并加入 custom metadata 与 inline citations；存储和查询时 embedding generation 免费。Google 官方博客说明，File Search 可同时处理图像和文本，使 agents 能在混合文档、图片、PDF 里做检索和 grounding。Logan 同日还提到 AI Studio Vibe Coding edit mode，可选择组件、在 UI 上标注并用 Nano Banana 修改图片资产。
14/15 Andrew Ng 给 coding agents 的加速边界排序
Andrew Ng 讨论 coding agents 对不同软件工作的加速程度，按从高到低列为 frontend、backend、infrastructure、research。他认为前端开发受益最大，因为模型熟悉 TypeScript、JavaScript、React、Angular 等常见栈，并可通过浏览器观察结果完成迭代；backend 更需要人类处理边界条件、安全和下游状态问题；infrastructure 和 research 则因复杂 tradeoff、实验设计和专业判断，短期加速较有限。这个框架为团队如何设定 AI coding 预期提供了务实分层。
15/15 Agent observability 讨论转向反馈闭环
LangChain 创始人 Harrison Chase 当天多条推文强调，仅有 traces 不等于 agent improvement loop；要让 agent observability 产生改进，需要收集或生成反馈数据，包括用户 thumbs up/down、代码建议接受率、LLM-as-judge 和简单程序信号。这个观点与 AgentFlow、Databricks Genie Code、Cursor CI autofix 等当天话题相互呼应：agent 产品的竞争点正在从“能跑工具”转向 trace、feedback、harness 和自动修复闭环。
Deep Dive 附录
GPT-5.5 Instant
OpenAI 把 GPT-5.5 Instant 设为 ChatGPT 默认模型，并以 gpt-5.5-chat-latest 提供 API。官方重点不是单一 benchmark，而是日常使用质量：更简洁、更自然、更会使用已有上下文。内部评测中，它在医学、法律、金融等高风险提示上的幻觉声明比 GPT-5.3 Instant 少 52.5%，在用户标记过 factual errors 的困难对话中不准确声明少 37.3%。同一更新还强化 memory sources 和个性化控制。
查看原文
Model Spec Midtraining
MSM 在预训练和 alignment fine-tuning 之间加入一段训练，让模型阅读讨论 Model Spec 的合成文档。论文核心结论是，示范数据常常 underspecify 应该如何泛化，MSM 可先教模型“为什么”再教“怎么做”。实验包括 cheese preference toy setup、agentic misalignment eval，以及不同 Model Spec 写法的比较；在 Qwen 模型上，MSM + AFT 显著降低自保/目标保护导致的不当 agent 行为。 查看原文 查看原文
Luma Uni-1.1 API
Uni-1.1 API 将 Luma 的图像生成和编辑能力包装为生产接口。页面列出 generate/modify 两个端点、SDK、最多 9 个 references、全画幅/格式输出，以及 pay-as-you-go 和 provisioned throughput 计费。Luma 的定位从“生成图片”转向“可嵌入业务流程的视觉基础设施”：prompt enhancement、reference gathering、moderation、SLA 和 no-train guarantee 都服务于生产集成。 查看原文
Microsoft Copilot Cowork / Frontier Firm
Microsoft Work Trend Index 把企业 AI 叙事概括为：agents 承担执行，人类获得更多 agency，但组织结构必须跟上。报告基于 Microsoft 365 信号、20,000 名 AI 使用者调查和专家访谈，强调组织因素对 AI impact 的解释力高于个人努力。Copilot Cowork 更新则把这个理论产品化：移动端委派、skills 固化流程、plugins 跨系统执行，目标是把 chat assistant 变成 cloud-running coworker。 查看原文 查看原文
CubeSandbox
CubeSandbox 是 Tencent Cloud 开源的 AI agent 代码执行沙箱。它基于 RustVMM 和 KVM，在 README 中宣称单实例完整服务环境可 60ms 内启动、内存开销低于 5MB，并通过专用 guest OS kernel、microVM 和 eBPF 网络隔离提供比普通容器更强的隔离。兼容 E2B SDK 是关键采用点：已有 agent code interpreter 工作负载可通过替换 API URL 迁移。 查看原文
AgentFlow
AgentFlow 论文把 harness 本身视为可搜索、可优化的程序。它用 typed graph DSL 同时调整 agent roles、prompts、tools、通信拓扑和协调协议，再利用目标程序 runtime signals 诊断失败原因并重写 harness。论文报告在 Chrome 上发现 10 个此前未知 zero-days，其中包括两个 Critical sandbox escapes；这说明自动化 harness synthesis 已经进入安全研究和漏洞发现的高风险区域。 查看原文
Together AI inference stack
Together AI 的文章强调，生产 AI 的经济性主要由 inference 决定。延迟影响产品可用性，吞吐决定单位经济，模型和硬件快速变化要求持续全栈优化。其栈包括 FlashAttention、ThunderKittens、Aurora adaptive speculative decoding、Blackwell GB200/HGX B200、自定义并行、NVFP4 量化和智能调度。对 agent 产品而言，多步调用会放大每次 latency 和 cost，因此 inference 优化直接决定可构建的产品形态。 查看原文
Gemini API File Search multimodal RAG
Google 将 Gemini API File Search 扩展到多模态检索，支持图像和文本一起进入检索流程，并加入 custom metadata filtering 与 page-level/inline citations。底层由 Gemini Embedding 2 支持，使开发者可以在图片、文档、PDF 和文本混合语料中做 grounded generation。对于企业 RAG，这减少了先 OCR/描述图片再检索的中间层，并强化可追溯引用。 查看原文
Databricks Genie Code
Genie Code 是 Databricks 面向数据工作的 autonomous AI partner，和 Unity Catalog、Lakeflow、notebooks、SQL editor 等平台上下文集成。Lakeflow Pipelines 中的 Agent mode 可规划、生成、运行和修复 Spark Declarative Pipelines；Databricks 的 summit session 还强调结合 IDE、Cursor、Claude Code 和 Codex 进行本地开发与排错。核心价值不只是写代码，而是让 agent 理解数据资产、治理、依赖和生产 pipeline 状态。 查看原文 查看原文