1/12 Sakana Translate 把 Namazu 的日语后训练能力做成翻译产品
Sakana AI 发布 Sakana Translate，在 Sakana Chat 中加入日英中双向翻译、添削和质疑三种模式。官方称底层使用面向日本语境 post-training 的 Namazu 系列，目标不是只替换词句，而是保留敬语、文化概念、专有名词、生活语境、语气和正式程度。产品支持约 5,000 字长文、流式输出、差分高亮修改，并允许围绕翻译结果继续追问。Sakana 还提到未来会推进行业翻译引擎、文件翻译、术语表、API、SSO、审计日志和本地部署。这是本地化模型能力从 benchmark 进入具体知识工作流的一次产品化。
2/12 LongCat 2.0 开源权重把 1.6T MoE 推进 agent/coding 赛道
Clement Delangue 转发 longcat 2.0 权重开放消息，模型卡显示 LongCat 2.0 采用 MIT license，规模为 1.6T 总参数、约 48B active 参数，并强调 1M context 数据、LongCat Sparse Attention、AI ASIC superpod 训练与部署。官方材料还把 Claude Code、OpenClaw 和 Hermes 列为已集成 harness，目标场景覆盖代码理解、仓库级编辑、自动任务执行和 agentic workflow。与最近开放模型叙事一致，这条新闻的重点不只是“权重可下载”，而是开放模型正在直接瞄准长上下文 coding agent 与生产工具链。
https://huggingface.co/meituan-longcat/LongCat-2.0
3/12 Fable 相关讨论暴露 agent workspace 的记忆和行为边界问题
Ethan Mollick 连发两条 Fable 体验：一是猜测 Fable 对“自己喜欢”的任务可能更热情，二是指出即使关闭 memories 和 personalization，thinking traces 仍出现对他偏好的引用，可能来自项目内 .md 文件或其他上下文泄漏。Matt Shumer 则称自己的 guide 是在一个 agent-first workspace 中写成，多个 agent 可以聊天、协作和汇报进度；Goodside 展示 Fable 5 生成无限程序化 VHS Backrooms 屏保。agent workspace 的竞争正在从回答质量扩展到持续上下文、协作状态、文件写入、隐藏记忆和用户可控性。
4/12 LangChain 生态讨论从 agent framework 转向 agent harness
Harrison Chase 认为行业已经从“agent frameworks”转向“agent harnesses”，例子包括 deepagents、Claude Agent SDK 和 EVE。当天他还询问 Open Knowledge Format 是否适合 wiki，并转发使用 deep agents 与 OKF 构建个人 wiki 的项目。这个方向说明 agent 产品的关键不再只是框架 API，而是运行时环境、知识格式、文件结构、记忆、工具调用、可审查输出和长任务控制。模型越强，越需要稳定 harness 来决定它读什么、写什么、如何遍历知识、何时停止以及如何交给人复核。
5/12 Open Knowledge Format 和 wiki-langGraph 指向 agent 可读知识层
与 agent harness 讨论配套，OKF 把知识包定义成 markdown 文件目录、YAML frontmatter 和标准链接，目标是让 enrichment agents 能写入、consumption agents 能读取遍历，同时让人类可编辑、可交换。wiki-langGraph 则演示将原始 markdown 编译为 Obsidian-style vault，生成 wikilinks、backlinks、Index.md、语义 see also 链接和 lint 结果。两者共同显示 agent 基础设施正在回到朴素文件格式：可读、可 diff、可版本化的知识层，可能比封闭数据库更适合作为跨工具 agent memory。
https://github.com/GoogleCloudPlatform/knowledge-catalog/blob/main/okf/SPEC.md https://github.com/varunyn/wiki-langGraph
6/12 Together CEO 再次强调闭源模型与企业数据控制的冲突
Together AI 转发 CEO Vipul Ved 的访谈片段，回应 Alex Karp 对闭源模型提供商的批评：企业把数据交给“极其聪明的模型”时，也是在交出自己的 business recipe。结合前几天 Together 对开放模型经济性的叙事，这条信息继续把 open/custom model 卖点从成本扩展到数据控制、流程所有权和 intelligence layer。企业 adoption 的核心问题正在从“哪个模型最强”变成“谁能接触业务数据、谁能从 workflow 中学习、模型供应商是否会变成竞争者”。
7/12 Databricks Summit replay 延长企业 AI 平台路线图的传播周期
Databricks 宣布 Data + AI Summit 2026 keynotes 和部分 breakout sessions 已可点播，覆盖今年产品发布、技术 session 和客户故事。单条推文本身不是新功能，但它延续了 Databricks 近期围绕 lakehouse-native AI 的一组发布：搜索索引、治理、数据应用、企业案例和平台化 AI workflow。对企业团队而言，conference replay 也是产品路线图和落地案例的索引入口，帮助非现场团队追踪数据平台如何把检索、分析、agent 和治理整合进统一栈。
8/12 GPT-5.6 预期和 Watermelon 传闻显示模型发布节奏仍在压缩
Sam Altman 用玩笑方式提到 GPT-5.6 “发现新数学”，Bindu Reddy 则称正在等待 GPT-5.6，以便和 Fable 混合用于 coding prompts，并称 Meta 传闻中的 Watermelon 可能达到 GPT-5.5 class，但如果 GPT-5.6 很快发布就会落后一代。Logan Kilpatrick 在回复中提到团队持续试用各类模型。这些都不是正式发布，但能反映行业预期：frontier cadence 被市场解读为周级到月级的连续升级，产品团队也开始按“模型组合 + routing + task profile”而不是单一模型构建体验。
9/12 Ethan Mollick 把 AI 竞争拆成多条不同战线
Ethan Mollick 提醒讨论中美 AI 竞争时要先说明竞争维度：公司利润、科学成就、开放或闭源商业路线、国家 stack 输出、国家安全能力、以及谁能控制其他国家访问 frontier models。这个框架比单一榜单更适合解释今天的新闻：LongCat 2.0 指向开放权重与国产硬件，Together 讨论企业数据控制，Sakana 强调日本语境模型，Databricks 展示企业数据平台，Cohere 继续做主权 AI 相关品牌表达。AI 竞争正在分化为模型、算力、数据、产业服务和地缘技术栈的组合战。
10/12 AI agent 更像管理工作，组织能力成为新瓶颈
Ethan Mollick 提出，随着与 AI agents 协作越来越像管理，也许需要面向 AI 时代的大规模管理训练，并类比二战时期美国的 Engineering, Science, and Management War Training program。这个观点与 coding agent 的实际使用经验一致：用户需要定义目标、拆任务、设置约束、审查输出、处理失败和做资源分配。前沿模型提升后，组织内真正稀缺的可能是能把模糊需求转化为 agent 可执行任务的人，而不是只会调用聊天界面的人。
11/12 François Chollet 继续把 reasoning 讨论拉向世界建模和符号程序
François Chollet 写道，现实是可编程的，关键是建模；他还设想未来会有“latent space archaeologists”研究 21 世纪模型权重来重建已消失文化。结合他近期关于 symbolic world modeling 的观点，这类讨论把 reasoning 从更长 chain-of-thought 拉回到可学习的世界模型、程序表示和模型内部表征。今天很多产品新闻偏 agent 工程，但基础研究问题仍在：模型如何形成可操作的结构化世界理解，以及人类是否能审计这些表示。
12/12 AI 批评者继续质疑 coding 能力与研究能力之间的落差
Gary Marcus 追问：如何解释 AI 的 coding ability 与较弱 research ability 之间的反差，并批评 VC 建立了“错误的 AI”。这类观点与主流产品发布形成对照：一边是 LongCat、Fable、agent harness、Sakana Translate 等不断进入可执行工作流，另一边是对模型是否真正具备研究判断、因果理解和可靠知识工作的质疑。今日信号显示，短期商业突破仍集中在编码、翻译、内容生成、知识整理和 workflow automation；更开放的科学研究能力仍需要更严格评测和人工复核。
Deep Dive 附录
Sakana Translate / Namazu
Sakana Translate 是 Sakana Chat 的新翻译功能，使用面向日本语境后训练的 Namazu 系列，支持日英中双向翻译。产品有 Translate、Proofread、Ask 三个模式：翻译长文并流式输出，修改英文或商务文本的自然度和礼貌程度，用差分展示改动，并允许围绕结果追问语法、词义、语气和替代表达。Sakana 称 XCOMET-XL 在 WMT 2024 General Translation 数据上的评估显示其处于接近领先模型的分数带，定性强项包括敬语、文化概念、地名、固有名词和日常语境。后续路线包括行业翻译、文件翻译、术语表、API、SSO、审计日志和本地部署。 查看原文
LongCat 2.0
LongCat 2.0 是 Meituan LongCat 在 Hugging Face 上发布的 MIT-licensed 模型，模型卡称其为 1.6T 总参数、约 48B active 参数的 MoE。官方强调训练与部署建立在 AI ASIC superpods 上，预训练超过 35T tokens，并引入 LongCat Sparse Attention 与大量 1M-context 数据以支持长任务。模型卡还列出 Claude Code、OpenClaw、Hermes 等 harness 集成，并给出 coding、agentic、search、writing 和基础能力 benchmark。其意义在于开放模型发布不再只围绕聊天能力，而是直接面向 repo-level edit、自动任务执行和长上下文 agent workflow。 查看原文
Agent harnesses / OKF / wiki-langGraph
Open Knowledge Format 把知识表示压到一个简单边界：目录树、markdown 文件、YAML frontmatter 和标准链接。它试图让 agent 能写、能读、能跨组织交换知识包，同时保持人类可编辑。wiki-langGraph 则是更具体的 LangGraph pipeline：读取 markdown，编译成 Obsidian 风格 vault，维护 wikilinks、backlinks 和索引，并可用 LLM 生成语义关联。配合 Harrison Chase 对 agent harness 的表述，这说明 agent 基础设施的重心正在从框架函数调用转向可持久化、可审查、可版本管理的知识和运行环境。 查看原文 查看原文
Fable agent workspace behavior
Fable 相关推文集中在 agent workspace 的行为边界。Ethan Mollick 观察到 Fable 可能对某些“Fable-y”任务表现出更强热情，并指出关闭 memory 和 personalization 后，thinking traces 仍出现个人偏好信息，可能来自项目内笔记或其他上下文源。Matt Shumer 则把一个 agent-first workspace 描述为多 agent 协作、聊天和状态汇报的环境。这类体验说明下一代 agent 产品会自然积累上下文和工作痕迹，产品需要明确哪些记忆来自系统、文件、用户历史或临时会话，以及用户如何审计和清除。 查看原文 查看原文
Databricks Data + AI Summit replay
Databricks 把 Data + AI Summit 2026 的 keynotes 和部分 breakout sessions 放到点播页面，作为产品发布、技术 session 和客户故事的持续入口。虽然不是单一新功能，但它承接了 Databricks 近期围绕 lakehouse、治理、AI 应用和企业数据工作流的发布节奏。对企业用户而言，这类 replay 页面是了解平台路线图、技术实践和落地案例的资料库，也帮助把一次性会议转化为销售、教育和开发者生态资产。 查看原文