1/14 Anthropic 推出 Claude Corps，资助 1000 名早期人才进入非营利组织
Anthropic 发布 Claude Corps，全国性 fellowship 项目会把职业早期人才匹配到美国非营利组织，并训练他们使用 Claude 建设 AI 工具与系统。项目与 CodePath、Social Finance 合作，首批 host 覆盖 Code for America、IRC、RAINN、Goodwill、YMCA、Water For People 等 19 个组织；fellowship 为期 12 个月、全职、由 Anthropic 资助，面向 18 岁以上且全职工作经验少于两年的人开放。这个发布把 frontier lab 的社会责任从“安全声明”推进到人才、薪酬、培训和真实 nonprofit workflow。
2/14 OpenAI 把 Codex rate limit reset 做成可储蓄资源
OpenAI 宣布 Codex rate limit reset 可以“存起来以后用”，Go、Plus、Pro、Business 用户会先获得一次免费 banked reset。接下来两周，Plus 和 Pro 用户还可以邀请最多三位朋友试用 Codex；被邀请者发送第一条 Codex 消息后，双方都会再获得一次 banked reset。这个变化本身不是模型能力更新，但它把 Codex 的使用约束从固定时间窗口改成可调度资源，适合用户把高强度 coding agent 任务集中到需要时执行，也说明 AI IDE 产品开始围绕额度、分享和增长机制做更细的运营。
3/14 Google DeepMind 把 TacticAI 扩展到 Palmeiras 的开放比赛场景
Google DeepMind 宣布与巴西 Palmeiras 俱乐部合作，让 TacticAI 从定位球研究走向更开放的足球比赛情境。官方称该系统可以模拟场上场景，并预测 open play dynamics 最多 8 秒；技术上把 22 名球员视为图神经网络中的节点，把身体互动和空间关系建成连接，方便数据科学团队虚拟拖拽球员并测试防守布局。DeepMind 强调这不只是体育应用：实时比赛是部分可观测、多模态、连续空间决策问题，相关技术可能迁移到机器人、游戏和其他动态环境。
4/14 DeepMind、Schmidt Sciences 和 ARIA 投入最高 1000 万美元研究多智能体安全
Google DeepMind 与 Schmidt Sciences、Cooperative AI Foundation、ARIA、Google.org 发起最高 1000 万美元技术研究资助，目标是理解大规模 AI agent 群体如何互动。公告指出，未来不同组织构建的数百万 agent 会在数字环境中沟通、谈判和交易，而当前安全评估大多只看单个模型，缺少预测、测量和监控群体涌现行为的工具。资助方向包括可复现实验沙箱、虚拟市场、多组织 workflow、agent 网络科学、群体失稳检测和风险缓解框架。这是 agent 基础设施走向规模化前的安全研究补课。
5/14 xAI 推出 Grok Build Plugin Marketplace beta
xAI 发布 Grok Build Plugin Marketplace beta，把 MongoDB、Vercel、Sentry、Cloudflare、Chrome DevTools 等插件接入终端内的 Grok Build。后续帖子分别说明：MongoDB 插件可探索数据、优化数据库性能并构建 vector search；Vercel 插件可部署生产环境、启动 sandbox、构建 Shadcn 应用；Sentry 插件可让 agent 查找并修复错误、分析 stack trace、triage alert。这个更新把 Grok Build 从 coding assistant 推向 agent runtime：模型不只是改代码，还通过 marketplace 直接连接部署、数据库、监控和浏览器调试工具。
6/14 Cursor 把 Auto-review 设为新用户默认安全层
Cursor 宣布 Auto-review 已成为所有新用户的默认设置。该功能使用 classifier subagent 在上下文中审查 agent action，再决定允许、阻止或请求用户确认；Cursor 称内部 eval 显示准确率为 97%，大多数错误集中在模糊边界。这个更新反映 AI IDE 的安全重心正在从“用户点击批准每一步”转向“由二级 agent 做动作前审查”。随着 coding agent 能连续编辑文件、运行命令和接触生产系统，默认安全层会成为产品竞争的一部分：既要减少危险操作，也要避免过度打断正常开发。
7/14 Perplexity 把 Deep Research 做成 Computer 的原生 skill
Perplexity 宣布 Deep Research 已作为 native skill 集成到 Computer。官方称它连接到底层 agent harness，可使用 search-as-code generation、long-running sandboxes、connectors、tools 和 licensed data，当前面向 Pro 与 Max 用户开放。后续帖子解释，Search as Code 架构让模型自己写代码组装搜索过程，并并行执行数千个 retrieval step，从而针对每个问题生成检索计划，并在 benchmarks 上超过 legacy Deep Research。这个更新说明“深度研究”正在从单次搜索报告变成 agent 环境里的可调用技能，和代码、sandbox、连接器、授权数据共同组成研究 workflow。
8/14 Runway 与 Lionsgate 扩大合作，共同开发原创 IP
Runway 宣布深化与 Lionsgate 的合作，新增一组 initiative，其中包括围绕原创 IP 的 joint development program。虽然帖子没有给出完整技术细节，但信号很明确：视频生成公司正在从工具供应商转向影视工作室的共同开发伙伴。Runway AI Festival 的纽约首映同日售罄，也说明公司在把生成式视频能力、创作者社区和传统影视发行渠道连接起来。相比单个模型 demo，这类合作更接近产业落地问题：谁拥有创意资产、训练与生成素材如何治理、AI 如何进入前期开发和制作流程。
9/14 Databricks OpenSharing 试图解决 agent skill 和 AI asset 跨组织共享
Databricks 宣布 OpenSharing，作为 Delta Sharing 的下一代协议，并成为 Linux Foundation 项目。官方与 The New Stack 的报道都强调，agent stack 已经有 MCP 连接工具、Agent2Agent 连接 agent、Agent Skills 定义技能，但组织之间仍缺少安全共享模型、agent skill 和非结构化数据的开放协议。OpenSharing 保持 Delta Sharing 兼容，新增 Iceberg REST Catalog 支持、on-prem storage vendor 参与，并扩展到 AI 模型与 agent skill。它要解决的不是模型能力，而是企业协作中的“不要再 email 文件”问题。
10/14 Databricks Zerobus Ingest 用 NEOWISE 数据压测到 1PB/24h
Databricks 发布 Zerobus Ingest 工程文章，介绍其 serverless streaming ingest 服务如何把数据直接写入 Unity Catalog 管理的 Delta tables。团队用 NASA NEOWISE 数据集做压力测试，在 24 小时内向单表写入 1PB、超过 1 万亿行，持续吞吐约 12GB/s、1200 万行/秒。核心设计包括把 ordering guarantee 从 partition 移到 stream connection，使用动态 partitioning 做 autoscaling，自研 zero-copy protobuf parser，并通过 latency-optimized WAL 做低延迟 durable handoff。它的目标是让 lakehouse 场景不再必须先部署和调优 Kafka 管道。
11/14 NVIDIA MotionBricks 把 35 万个动作片段压进实时神经动画框架
NVIDIA Research 发布 MotionBricks，SIGGRAPH 2026 项目声称可用一个 neural backbone 覆盖 35 万多个 motion clips，达到 15,000 FPS 和约 2ms latency。系统用 modular latent generative model 与 smart primitives 生成 locomotion 和 object interaction，支持速度、方向、风格、proxy keyframes 等控制，并可零样本组合新任务。NVIDIA 称 UE5 demo 中所有动作都由神经网络生成，不使用手工 transition、foot locking 或 blending；项目也会进入 GR00T Whole-Body Control，成为机器人全身控制 stack 的 motion-generation 层。
12/14 Gemini Omni Flash 被定位为图像到视频、文本到视频和视频编辑模型
Google 的 Logan Kilpatrick 称 Gemini Omni Flash 在 image-to-video、text-to-video 和 video editing 上达到 SOTA，并表示很快会进入 API。帖子没有发布完整模型卡，但给出了产品方向：Omni 不只是生成单个媒体格式，而是面向“anything-to-anything”的多模态创作入口；同一账号还链接了 benchmark 页面，并转发与 Google Research 负责人 Yossi Matias 关于 AI 加速科学进展的访谈。结合近期 Gemini Live Translate 和 AI Studio 更新，Google 正把 Gemini 系列从聊天、搜索扩展到实时音频、视频编辑、科学研究和开发者 API。
13/14 Replit Agent 增加 Custom Instructions 和 Skills，强化长期偏好记忆
Replit 发布 Custom Instructions 和 Skills，让用户把项目结构、品牌规范等偏好教给 Replit Agent，并在每个项目中自动生效。首批预置 skills 来自 Replit 及 Atlassian、Google、Mixpanel、PayPal、Resend、RevenueCat、Stripe 等合作方；同日 Replit 还宣布与 Databricks 的集成升级，可构建每个用户只看到其权限允许数据的应用。这个更新与 Cursor auto-review、Grok plugin marketplace 形成同一趋势：AI coding 产品正在围绕记忆、技能、权限、审查和外部工具连接，补齐从一次性 prompt 到企业级 agent workflow 的产品层。
14/14 Fable/Mythos 讨论转向提示迁移、开放权重和长期 agent 可观测性
围绕 Claude Fable 5 与 Mythos-class 模型的讨论仍在延续，但焦点从“是否更强”转向使用和治理细节。Ethan Mollick 指出 Anthropic 对误用风险的担忧是真实的，但尚未向外界解释清楚；他也提出 frontier open weights 是否还能长期同时满足商业与安全条件的问题。Matt Shumer 分享让长时间运行的 Fable 持续写入带截图的 HTML 状态页，方便人类监督。AlphaSignalAI 总结新提示策略：删掉旧式 step-by-step 和 show-your-reasoning，改用目标、边界、验证器 subagents、memory file 与 stop rules。高端 agent 的瓶颈正变成提示迁移、成本控制、可观测性和政策边界。
Deep Dive 附录
Claude Corps
Anthropic 把 Claude Corps 设计成 12 个月全职 fellowship：早期人才经过训练后嵌入美国 nonprofit，围绕 host 的真实业务建立 AI 工具和系统。项目与 CodePath、Social Finance 合作，Anthropic 资助薪酬、福利、培训和持续支持；fellow 会有 CodePath training intensive、指定 mentor、Anthropic technical contact 和全国 cohort。首批 host 包括 civic tech、社会服务、食品银行、艺术博物馆、环保、心理健康、退伍军人支持、难民支持等组织。它的关键意义是把 frontier AI access 具体化为人才部署和 nonprofit capacity building，而不是只停留在捐赠或公益声明。 查看原文
Investing in multi-agent AI safety research
DeepMind 的资助公告明确指出，多智能体世界的风险不等于单模型风险的简单相加。未来来自不同组织的 agent 会在市场、企业流程、网络空间和数字平台中互动，可能突然出现群体能力、失稳、协同失败或安全漏洞。资助 call 要求研究者构建 realistic sandbox 和 testbed，研究 agent population 的安全相关属性，检测危险的 population-level property，并提出缓解框架。DeepMind 还把该项目连接到其 2025 年 multi-agent interaction framework 和 AI Agent Traps 工作。这个方向很重要，因为目前大多数 eval 仍是单模型、单任务、短周期，而实际部署会越来越像网络化系统。 查看原文
Grok Build Plugin Marketplace
xAI 的发布把 Grok Build 定位为带插件市场的 coding agent 环境。首批插件覆盖 MongoDB、Vercel、Sentry、Cloudflare、Chrome DevTools，分别对应数据库探索与 vector search、生产部署与 sandbox、错误修复与 alert triage、边缘/网络能力和浏览器调试。这个组合显示 xAI 想让 Grok Build 在终端里直接跨越开发、部署、监控和调试环节，而不是只输出代码建议。官方 x.ai 页面在本次运行中被 Cloudflare 阻挡，因此没有抓到原文正文；不过 xAI 的 launch thread 已列出核心能力和插件范围。后续需要关注 marketplace 的权限模型、插件审查、credential handling 和 agent 执行边界。 查看原文
MotionBricks
MotionBricks 的核心贡献是把大规模动作数据、实时生成和可控 authoring 接到同一个 neural runtime。项目使用 modular latent generative backbone 覆盖 35 万多个 motion clips，并用 smart primitives 把 navigation 与 object interaction 暴露成可组合接口；用户不需要为每个任务重训模型，也不需要手写 animation graph。页面展示 UE5 中 2 分 40 秒 uncut demo，强调没有 foot locking、blending、collision detection 或手工 transitions。它同时服务游戏和机器人：NVIDIA 称 MotionBricks 已成为 GR00T Whole-Body Control 的 organic component，preview code 包含 G1 demo 和 synthetic training pipeline。对 physical AI 来说，这代表 motion layer 正从资产库和规则图转向实时生成模型。 查看原文
Zerobus Ingest
Zerobus Ingest 试图把 lakehouse streaming ingest 从“先规划 broker/partition/connector”改成“建表后直接 push”。Databricks 的 NEOWISE benchmark 使用 2,048 个并发 streams，在约 24 小时内写入 1.04 万亿行、1PB 数据，持续达到 12GB/s 到单表。关键系统设计是 stream-level ordering：producer 连接本身成为排序单位，内部 pod 可以按热度路由新 stream，从而实现动态扩缩容；zero-copy protobuf parser 则在动态 schema 下接近 codegen 性能；WAL 与 async ack loop 让 client 在 durable handoff 后及时释放 buffer。它对企业 AI 的意义在于，实时 telemetry、agent logs、IoT 和大规模观测数据可以更直接进入治理表，而不是先经过长期维护的消息系统。 查看原文
OpenSharing
OpenSharing 延续 Delta Sharing，但把共享对象从表扩展到 AI models、agent skills 和 unstructured data，并加入 Iceberg REST Catalog 支持与 on-prem storage vendor 生态。The New Stack 的采访把问题讲得很具体：今天如果组织想共享一个 agent skill，常见方式仍像“email me a file”，更新、授权、发现和跨平台访问都很脆弱。OpenSharing 让 provider 把资产放进 share，recipient 通过标准 API 发现、授权和读取，结构化数据走 Parquet/Delta/Iceberg 路径，非结构化和 AI asset 通过云无关 token 访问底层存储。它不定义模型或 skill 的内部格式，而是定义跨组织只读共享协议；如果被采用，可能成为 agent 生态的资产分发层。 查看原文