1/14 Anthropic 把 Claude 内部提效上升到 recursive self-improvement 议题
Anthropic 发布 Institute 文章，称 Claude 正在显著加速公司内部 AI 开发，并把这视为 recursive self-improvement 可能路径的现实信号。文章称 Anthropic 工程师当前季度代码产出约为 2021-2025 年均值的 8 倍，截至 2026 年 5 月，超过 80% 合入代码由 Claude 编写。在小模型训练优化测试中，熟练人类 4-8 小时可做到约 4x speedup；Claude Opus 4 在 2025 年 5 月约 3x，Mythos Preview 在 2026 年 4 月达到约 52x。Anthropic 同时强调，这尚不能证明模型具备研究判断能力，但如果趋势延续，AI 辅助设计 successor model 将带来效率与控制风险的双重问题。
2/14 OpenAI 推出更强 ChatGPT memory，先向美国 Plus/Pro 用户开放
OpenAI 宣布 ChatGPT memory 系统升级，目标是在多轮对话之间保留更有用的上下文，并随用户状态变化自动调整。新系统加入 memory summary，用户可查看和引导 ChatGPT 记住什么、如何使用上下文；OpenAI 举例称，如果用户说 7 月要旅行，memory 应理解这件事从“即将发生”变成“正在发生”再到“已结束”。该能力先向美国 Plus 和 Pro 用户推出，同时提供 2x 更多 memory；移动端需要更新到最新版 app，旧版 saved memories 体验仍可在设置中切回。Sam Altman 和 Greg Brockman 同步强调这是 ChatGPT 长期个性化的重要升级。
3/14 NVIDIA 发布 Nemotron 3 Ultra，开放 550B MoE agent 模型
NVIDIA 围绕 Nemotron 3 Ultra 进行大规模生态发布：该模型为 550B 参数、55B active 的 MoE，面向长时间运行的 agent planning、reasoning、tool use 和 1M-token 长上下文。Hugging Face、vLLM、LMSYS、LangChain、Ollama、Prime Intellect、GMI Cloud、Nous Research、Kilo Code 等同步提供 Day-0 支持或部署入口。公开信息强调其 agent 场景的能力/效率比、MTP speculative decoding、开放权重和更低推理成本。对企业而言，这使 NVIDIA 在闭源 frontier API 与小型本地模型之间提供一个可自管、长上下文、面向 agent 的开放模型选项。
4/14 Microsoft 详解 MAI-Thinking-1，并扩展七模型自研路线
Mustafa Suleyman 发布 109 页 MAI-Thinking-1 技术报告，强调 Microsoft AI 正在建设可持续改进 frontier model 的训练机器，而不只是发布单个模型。他称 MAI-Thinking-1 在 reasoning 和 SWE benchmark 上表现强，SWE-Bench Pro 达 53%，接近 Opus 4.6；MAI-Code-1-Flash 是面向 VS Code 与 GitHub Copilot CLI 的 5B active coding model，SWE-Bench Pro 达 51%。同一条更新还列出 MAI-Transcribe-1.5、MAI-Voice-2/Flash、MAI-Image-2.5/Flash 等模型，覆盖转录、语音、代码和图像编辑。微软的方向是把自研模型、Foundry 分发、Copilot 入口和企业调优串成统一路线。
5/14 Cursor canvases 增加发布、Design Mode 和 context explorer
Cursor 发布 canvases 更新，把 canvas 从生成结果预览进一步扩展为 team share、视觉编辑和 agent context inspection 的工作面。新功能允许 Cursor 在 canvas 中创建 dashboard、report、internal tool 等应用，并通过 URL 发布给团队；Design Mode 让用户直接选择和标注 UI 元素，引导 Cursor 更快迭代；context explorer 则把 agent 的上下文用量展示成交互式报告，拆解 system prompt、tool definitions、rules、skills 等 token 来源。在 coding agent 开始受 token 成本、上下文污染和可解释性约束时，这类可视化治理面板会成为开发工具竞争点。
6/14 Replit 与 Shopify 合作，让 Agent 从想法生成可销售店铺
Replit 宣布 Shopify 合作，用户只需告诉 Replit Agent 想卖什么，Agent 就会构建自定义 storefront、创建 Shopify store，并帮助添加商品；之后用户可在 Shopify 中认领店铺、设置支付并上线。Replit 同日继续强调其一体化路径：plain English 生成软件、UI、auth、database、deployment、团队协作和并行 agent 都在同一环境中完成。Shopify 集成的意义在于把“vibe coding app builder”推进到商业发布流程：生成应用之外，还要处理商品、支付、店铺归属和上线。对 agent 平台来说，垂直业务后端集成正在成为比单纯代码生成更具体的价值入口。
7/14 Perplexity 与美国 SBA 推 Main Street AI Accelerator
Perplexity 宣布与 U.S. Small Business Administration 合作推出 Main Street AI Accelerator，承诺提供 2500 万美元 Perplexity Computer credits：最多 10 万家 eligible companies 每家可获得 250 美元额度。Perplexity 将该计划与美国 250 周年相连，定位为帮助小企业获得 AI 操作工具的入口。此前 Perplexity Computer 更偏 Max、Enterprise Max 和 power user 场景；这次通过 SBA 与信用额度池进入 Main Street small business，说明 AI agent 公司正尝试把 adoption 从大企业席位销售扩展到低门槛、中小企业试用。
8/14 AI21 称 agent pipeline 顺序可把 SWE-Rebench 推到 60.9%
AI21 Labs 发布 Labs in Front 文章，主张 agent pipeline order 本身就是 hyperparameter。实验在 2025 年 12 月至 2026 年 3 月的 123 个 SWE-Rebench issue slice 上运行：classic ReAct agent baseline 为 53.8%，enrich-only 55.6%，scale-only 55.4%，enrich-then-scale 57.7%。AI21 反转常见顺序，先并行 rollout 再 enrichment，让 extractor 利用多次修复尝试定位高概率文件，得分提升到 59.7%；再加入轻量 Test Agent 编写 repo tests 并过滤失败 patch，最终达到 60.9%，同成本附近超过其引用的 Claude Code 56.2%。这表明 agent 工程策略可在不换底模的情况下显著改变质量与成本。
9/14 LlamaIndex 推 ParseBench 与 Parse-Flow，聚焦 agent 文档理解
LlamaIndex 在 CVPR 2026 展示 ParseBench，并发布 Parse-Flow 文档智能工作流。ParseBench 是面向 AI agents 的文档理解 benchmark，包含 2000+ human-verified pages、167K+ test rules，并覆盖 tables、charts、faithfulness、formatting、grounding 五个维度。LlamaIndex 同时推出 Parse-Flow，用 parse、classify、split、extract 四个 primitive 组成可视化 pipeline，用户可拖拽步骤、放入文档并观察事件流；底层由 LlamaAgents workflow 驱动，让 transition 与 failure 可观测。企业 AI pipeline 常从 PDF、合同、发票、报告开始，这类 benchmark 与可视化 pipeline 共同指向一个现实瓶颈：agent 不能可靠读文档，就无法可靠执行业务任务。
10/14 Runway 推 Aleph 2.0 Edit Studio，强调只改需要改的镜头区域
Runway 发布 Aleph 2.0，并把它接入新的 Edit Studio。官方描述是“只改你想编辑的部分，保留镜头中其余内容不变”，面向视频创作中常见的局部修改、镜头保真和快速迭代需求。与纯生成视频不同，Edit Studio 的价值在于可控后期：创作者不一定要重生成整段内容，而是对已有 shot 做局部替换、修正或风格调整。随着视频模型质量提高，生产工作流的关键开始转向 editability、temporal consistency 和 asset preservation。Runway 这次更新延续其从生成模型供应商走向创意编辑平台的路线。
11/14 Cohere 获 NATO Agentic AI for Cognitive Warfare 挑战第一名
Cohere 宣布在 NATO 的 Agentic AI for Cognitive Warfare Innovation Challenge 中获得第一名，OpenMinds 第二，Ipsos 与 Thoughtworks 并列第三。Cohere 将比赛定位为 agentic AI 帮助民主国家理解、预判并响应信息威胁的场景，称其技术可加强联盟内 decision-making 与 resilience。公司同日用“We’re building in Canada”强化加拿大本土 AI 叙事。该消息把 enterprise LLM 公司与国防、认知战、信息安全场景更直接地连接起来：agent 不只是自动化办公或编码，也在进入舆情、情报和国家安全类高风险决策辅助。
12/14 Pika 推首个 in-app Group Chat with an agent
Pika 宣布推出首个 in-app Group Chat with an agent，允许用户邀请其他人加入与 Pika Agent 的群聊。官方举例包括让 Pika Agent 帮父母理解 iPhone 更新、与朋友一起做 meme、或与团队协作 microdrama。该功能把视频/创意 agent 从一对一 prompt 工具转向多人协作空间：同一个 agent 可成为群聊中的创意参与者、解释者和素材生成器。对消费级 AI 创作产品而言，社交结构可能和模型能力同样关键；如果 agent 能进入群聊，产品粘性和创作场景会从个人工具扩展到 shared entertainment 与团队互动。
13/14 Sakana AI 预告日本首个 1T 参数 agent-native model
Sakana AI CEO David Ha 表示将在 TV Tokyo WBS 节目中讨论公司即将推出的 1T 参数模型项目，该项目获得日本经产省 GENIAC 支持。Ha 称 Sakana 正在 scaling up，目标是构建日本首个 1T parameter agent-native model，专门优化 long-horizon deep research 与 autonomous tool use。Sakana 官方也转发并称 CEO 与研究员将介绍公司战略及日本 AI 改变世界的可能性。该预告说明日本本土 frontier effort 正从研究模型与模型合并技术，进入国家产业支持、超大参数规模和 agent-native 训练目标结合的阶段。
14/14 Agent 真实评测、成本上限和 trace 训练成为基础设施焦点
当天多条讨论集中在 agent 不再只比模型分数，而是比真实任务评测、成本和可复用轨迹。swyx 转述 Cognition 首个 eval ship：METR 任务约 16 小时，Cognition 私有 enterprise eval 覆盖到 100 小时，并基于 126 位企业用户的 258 个 Devin session 估算 human-equivalent time；Clement Delangue 推动把 agent traces 默认存到 Hugging Face，用于历史分析、共享和 post-training；Harrison Chase 转发 LangSmith Sandbox CLI、provider-agnostic harness 和 open model 成本优势；Bindu Reddy 则称 AI spend 正成为公司“overnight”的预算问题。行业焦点正在从“agent 能不能跑”转向能否被评测、限额、复用轨迹并控制单位经济。
Deep Dive 附录
Anthropic recursive self-improvement
Anthropic 的 Institute 文章把内部 coding acceleration 作为 recursive self-improvement 的具体证据链。核心数据包括：工程师季度代码产出约为 2021-2025 均值的 8 倍；截至 2026 年 5 月，超过 80% 合入代码由 Claude 编写；小模型训练优化任务中，Mythos Preview 在 2026 年 4 月达到约 52x speedup；open-ended coding 问题成功率达到 76%，六个月提高 50 个百分点。Anthropic 同时区分 coding acceleration 与 research judgment，承认模型是否能选择正确研究问题仍不清楚。文章结论不是宣布 RSI 已经到来，而是要求提前研究 successor-building systems 对 alignment、governance 和社会选择权的影响。 查看原文
OpenAI ChatGPT memory upgrade
OpenAI 的 ChatGPT memory 更新强调长期上下文与用户控制。新 memory system 会自动跟踪重要细节，理解时间状态变化，并通过 memory summary 让用户查看和引导记忆内容。OpenAI 举例称，旅行计划等上下文应随着时间从未来事件变成当前事件再变成历史事件，从而避免助手长期使用过期信息。首批向美国 Plus/Pro 用户开放，包含 2x 更多 memory；移动端需更新 app，更多国家和计划稍后扩展。该功能是 ChatGPT 从 session-based chatbot 走向 persistent assistant 的基础能力，也会带来隐私、可解释和上下文治理要求。 查看原文
NVIDIA Nemotron 3 Ultra
Nemotron 3 Ultra 是 NVIDIA 面向 long-running agents 的开放模型发布。公开信息显示模型为 550B MoE、55B active，支持 1M-token context，并面向 planning、reasoning 和 tool use 优化。生态同步是本次发布的重点：Hugging Face、vLLM、Ollama、LMSYS、LangChain、Prime Intellect、GMI Cloud 等提供快速支持，使模型可进入本地、云端、agent framework 和 serving stack。NVIDIA 与伙伴强调其在能力/效率上的平衡，包括更快推理和更低成本的部署叙事。对企业 agent 平台而言，这提供了一个可自托管、长上下文、开放权重的候选底座。 查看原文
Microsoft MAI-Thinking-1 technical report
Microsoft AI 的 MAI-Thinking-1 报告延续 Build 2026 自研模型路线。Mustafa Suleyman 称报告详细说明训练 MAI-Thinking-1 的过程，模型在 SWE-Bench Pro 达 53%；MAI-Code-1-Flash 是 5B active coding model，针对 VS Code 与 GitHub Copilot CLI 调优，SWE-Bench Pro 达 51%。MAI 家族还包括 transcription、voice、image generation/editing 等模型，其中 MAI-Transcribe-1.5 被定位为跨 43 种语言的高速高准确转录模型。微软的核心叙事是建立 hill-climbing machine：持续训练、评估、产品化和企业分发，而不是只追逐一次性 benchmark。 查看原文
Cursor canvas improvements
Cursor 的 canvas 更新把 agent output surface 做成可发布、可标注、可审计的协作空间。发布 URL 让 canvas 应用可交给团队查看；Design Mode 让用户直接选择 UI 元素并添加编辑指令；context explorer 则把 agent 上下文用量拆分为 system prompt、tool definitions、rules、skills 等来源。该功能解决两个实际问题：团队协作需要可分享的中间产物，复杂 agent 工作流需要解释 token 到底花在哪里。随着 coding agent 成本和上下文规模上升，context observability 会成为开发体验的重要部分。 查看原文
Replit Shopify integration
Replit 的 Shopify 集成让 Replit Agent 可从自然语言想法生成可上线的 commerce workflow。Agent 负责构建 storefront、创建 Shopify store 和添加产品；用户随后在 Shopify 中认领店铺并设置支付。这个流程把 Replit 的“一句话生成应用”扩展到“生成可经营业务”的方向。对 Shopify 来说，Replit 提供了新店铺和创业者入口；对 Replit 来说，Shopify 补上支付、商品和运营后端。该合作说明 agent app builder 的竞争正在从代码产出转向行业后端和上线路径。 查看原文 查看原文
LlamaIndex ParseBench and Parse-Flow
LlamaIndex 把文档理解放在 agent pipeline 的前置瓶颈位置。ParseBench 包含 2000+ human-verified pages 和 167K+ test rules，评估 tables、charts、faithfulness、formatting、grounding 等能力；Parse-Flow 则提供 parse、classify、split、extract 四个 primitive 的可视化工作流。企业 agent 经常需要从 PDF、合同、发票和报告中读取结构化信息，如果上游文档解析不可靠，下游 reasoning、tool use 和 automation 都会失败。ParseBench 与 Parse-Flow 分别对应“如何测”和“如何搭”两个层面。 查看原文 查看原文 查看原文
AI21 agent pipeline order
AI21 的 SWE-Rebench 实验显示，agent pipeline 的执行顺序会显著影响结果。baseline ReAct agent 为 53.8%；先 enrichment 再 scale 为 57.7%；反过来先并行 rollout，再把 rollout 当作上下文给 extractor，提升到 59.7%；加入 Test Agent 后达到 60.9%。AI21 的解释是，多次修复尝试本身包含 repo map 和 failure signal，先用它们再抽取上下文，比从原始 issue 盲目找文件更有效。该结果支持一种 agent engineering 观点：性能提升不只来自更大模型，也来自 rollout reuse、上下文选择、测试过滤和成本约束。 查看原文
Perplexity Main Street AI Accelerator
Perplexity 与 U.S. Small Business Administration 推出 Main Street AI Accelerator，提供 2500 万美元 Perplexity Computer credits，最多 10 万家符合条件的小企业每家 250 美元。该计划把 Perplexity Computer 从高端个人和企业用户扩展到 small business adoption，通过 credits 降低试用门槛。Perplexity 的定位也随之从 answer engine 继续转向可操作的 AI workspace：帮助小企业连接工具、处理任务并探索 AI 在日常运营中的价值。政府合作和信用额度池可能成为 AI 公司扩大 adoption 的常见方式。 查看原文