1/15 Cursor 推出 Origin 代码托管平台，把仓库与 Agent 工作流收进同一入口
Cursor 宣布 Origin 进入早期测试，向付费计划逐步开放仓库、Pull Request、代码浏览与 GitHub 同步。由 GitHub 导入的仓库仍以 GitHub 为事实源，评论、回复与合并状态可双向同步；Cursor 原生仓库则可直接通过 CLI 推送。首批应用包括 Vercel、Depot 和 Buildkite，Agent-native 功能仍标注为后续推出。
2/15 Groq 完成 3.5 亿美元 Series A，近期两轮融资合计 10 亿美元
Groq 宣布由 Disruptive 领投 3.5 亿美元 Series A，NVIDIA 计划参与，公司估值为 35 亿美元；加上 6 月的 6.5 亿美元，近期融资合计 10 亿美元。公司称目前运营 13 个数据中心、服务逾 600 万开发者，并计划把供电规模从 54MW 提升至 2027 年的 200MW 以上。该轮仍受常规交割条件约束。
3/15 Greg Brockman 发布“防御者窗口”，要求企业立即用 AI 加速网络安全升级
OpenAI 联合创始人 Greg Brockman 将近期 OpenAI—Hugging Face 事件视为攻击能力跃迁信号，称企业需要在未来数月内加速补齐安全基础设施。他列出四类内部做法：用 Codex 审查并修复代码、让模型持续分流安全告警、主动枚举攻击路径，以及强化最小权限、网络隔离与纵深防御；同时建议外部组织先从只读扫描和人工决策开始自动化。
4/15 Replit 上线黑盒渗透测试，并补齐企业审计与管理接口
Replit 现在可从 Security Center 发起 Level 3 扫描：白盒 Agent 阅读代码，黑盒 Agent 只拿应用 URL、从外部网络和浏览器视角模拟攻击；发现的问题可交给 Replit Agent 一键修复。公司同日还预告企业审计日志、工作区设置控制与 Admin API，把 Agent 建站后的安全验证和组织级治理放进同一平台。
5/15 ExtractBench 用 4,869 页企业文档评估抽取准确率、完整性、引用定位与成本
LlamaIndex 介绍 ExtractBench：数据集含 370 份文档、4,869 页、8 个业务领域和 67 类文档，除字段值准确率外，还同时考察大规模记录完整性、页级与词级引用定位以及成本。官方结果显示，部分 VLM 在长文档中会截断记录，编码 Agent 准确率较高但成本更高；LlamaExtract Agentic Plus 的领先数字来自作者评测，仍需独立复现。
6/15 Seedance 2.5 的 1080p 版本同时进入 Pika 与 Luma，生成平台争夺同一模型入口
Pika API Club 与 Luma 均宣布接入 Seedance 2.5 的 1080p 生成能力。Pika 称其价格最高可比竞品低 60%，并展示用 30 张视觉参考和一条音乐维持人物、造型与节奏一致，以及替换绿幕和延展特效的案例；Luma 则提供进一步放大至 4K 的工作流。价格与一致性结论均来自平台展示，尚非统一条件下的横向评测。
7/15 NVIDIA 团队提出 CMD，让视频蒸馏的教师监督与因果生成上下文对齐
NVIDIA 转发的新论文提出 Context-Matched Distillation：传统双向教师能看到完整视频，可能用未来帧监督只能依赖历史的自回归学生，造成信息边界错位。CMD 改用因果教师，并通过 Prefix Scoring 在学生实际生成的前缀上评分、用 Prefix Corruption 稳定早期训练。作者报告其在短、长视频和动态相机控制上取得同类自回归方法中的领先综合表现。
8/15 Sakana Namazu 登陆 OpenRouter，把日本语境、推理与工具执行组合成业务模型
Sakana AI 转发 OpenRouter 公告称，Sakana Namazu 已上线。该模型构建于 Kimi K2.6 之上，面向日本文化与商业语境，组合推理、网页搜索和代码执行，用于处理需要多步信息检索与操作的复杂任务。当前公告未给出独立基准、上下文限制或定价细节，因此更应视为区域化 Agent 模型的产品发布，而非性能排名结论。
9/15 Databricks 用日预算拦截失控循环、月预算治理长期高支出
Databricks 披露其数千名工程师每天使用 Claude Code、Codex、Cursor 等编码 Agent，相关支出已成为研发增长最快的项目之一。公司把所有请求路由到 Unity AI Gateway：日预算负责捕获短期失控循环，工程师确认后可自助加额；月预算只处理异常高支出，并要求项目与经理审批。单一网关同时提供跨工具计量、策略执行和团队可观测性。
10/15 Grok Bot 的“持久网页机器”展示了不同 Agent 运行环境的分化
Elon Musk 再次强调 Grok 4.6 的速度、价格与 Agent 任务能力，并转发 Grok Bot 工作流案例。Ethan Mollick 同日比较三类运行环境：Codex 与 Claude Code 操作本地机器，ChatGPT Work 等提供任务后重置的一次性云端机器，而 Grok Bot 为每个 Agent 保留持久网页机器。持久状态减少重复配置，但也扩大凭证、会话隔离与长期权限治理需求。
11/15 ReLaCe 用专用小模型做代码生成，成本优化从路由延伸到训练与集群
Together AI 介绍 ReLaCe 的代码生成路线：针对特定代码任务训练小模型，并运行在 Together 为 Y Combinator 配置的专用 GPU 集群上。该案例反映生产 Agent 的另一种成本策略——不让通用前沿模型承担全部请求，而是把稳定、窄域任务下沉到专用模型，再由系统做路由和兜底。帖子未披露模型规模、质量基准或实际节省比例。
12/15 Trajectory 认为真实使用反馈要求重做强化学习，而不只是继续堆 GRPO
swyx 转发 Trajectory Labs 关于持续学习的说明：团队试图把真实世界的产品使用转成模型改进，因此采用 on-policy 数据，并处理由此带来的训练与分布问题，而不是只依赖 GRPO。该方向把后训练从静态题库扩展到长期运行数据，但公开信息仍以演讲概述为主，尚缺完整算法、消融实验与可复现训练配方。
13/15 “Floating Companion”把软体漂浮机器人从单一原型扩展为室内交互设计空间
庆应义塾大学、MIT Media Lab 等团队的 DIS 2026 最佳论文近日再次受到关注。研究以氦气软体、低频鳍翼、无高速旋翼的漂浮机器人为基础，访谈 12 名 HCI、设计与机器人专家，总结 10 个物理、交互与行为维度，并制作提醒、学习陪伴和休息提示等概念原型。贡献主要是交互设计框架，而非自主导航或具身智能性能突破。
14/15 同一数据被不同 AI 分析员得出相反结论，研究呼吁公开提示词与“多宇宙”结果
一项多分析员研究让四类 LLM Agent 在三个数据集上独立检验同一假设，并用另一 Agent 审核方法合规性。即使过滤明显错误，不同模型、提示框架和分析选择仍会让效应量、P 值与“是否支持假设”的结论大幅分散。作者因此建议 AI 生成分析同时报告多种合理规格，并像公开代码和数据一样公开完整提示词。
15/15 “Agent = 模型 + Harness + 上下文”正在成为评测与工程的共同归因框架
Harrison Chase 转发的框架把 Agent 能力拆成模型、Harness 与上下文三层：模型提供推理，Harness 定义循环、工具和执行边界，上下文承载记忆、技能与任务状态。swyx 补充一种实用做法：定期让大模型把高频操作编译成确定性的复合工具，再交给小模型调用。这样既能降低错误面，也提醒评测不能把系统级提升全部归因于底层模型。
Deep Dive 附录
Cursor Origin：GitHub 共存而非一次性迁移，代码托管开始为 Agent 规模重构
Origin 早期测试先覆盖仓库、PR、代码浏览和 GitHub 同步。GitHub 导入仓库保持 GitHub 为事实源，推送仍回到 GitHub；Origin 保存实时副本，评论与 PR 状态双向同步，用户可在 Cursor 内审阅和合并。原生 Origin 仓库则通过 CLI 克隆、推送。Vercel 为 PR 生成预览部署，Depot 与 Buildkite 可复用 GitHub Actions 工作流。企业组织可由管理员选择退出，Agent-native 功能尚未正式发布。 查看原文
Groq Series A：资本结构转向全球推理云，2027 年供电目标超过 200MW
Groq 官方公告确认，本轮 3.5 亿美元由 Disruptive 领投，NVIDIA 计划参与，估值 35 亿美元；与 6 月的 6.5 亿美元合计为近期 10 亿美元融资。公司称运营 13 个数据中心，服务逾 600 万开发者和数千家 AI-native 企业，每周处理数万亿 token。新资金将支持 NVIDIA 加速计算的中大型训练与推理集群，并把规模从 54MW 提升至 2027 年 200MW 以上；Series A 仍受常规交割条件约束。 查看原文
The Defender’s Window：先修基本功，再从只读扫描逐步走向受限自动响应
Brockman 称近期事件把未知漏洞、泄露账号凭证与 Agent 协同攻击串在一起，说明传统技术债正在被更快发现和利用。OpenAI 的内部路线包括：让 Codex 在合并前验证与修复代码；用模型分流初始告警、只把高影响决定交给人；持续枚举错误配置、过度权限和意外信任边界；强化最小权限、隔离与安全补丁。对外建议从只读仓库扫描、历史告警复核和人工处置开始，再逐步扩展到 PR 审查与窄范围自动化。 查看原文
Replit 黑盒渗透测试：一个 Agent 看源码，另一个只拿 URL 模拟外部攻击
Replit 的 Level 3 扫描同时启动白盒与黑盒任务。白盒 Agent 可读取代码并寻找危险模式；黑盒 Agent 没有源码，只通过网络与浏览器探测已部署应用，更适合发现认证、访问控制和真实运行配置中的问题。扫描结果进入同一 Security Center，用户可让 Replit Agent 修复发现。它降低了基础渗透测试门槛，但供应商没有把它描述为替代独立第三方审计，涉及高风险数据或合规范围的系统仍需外部验证。 查看原文
ExtractBench：长文档不只考字段值，还要追踪每个值来自哪里
ExtractBench 覆盖 370 份企业文档、4,869 页、8 个领域和 67 个文档类型，同时评估无序字段值 F1、记录完整性、页级与词级 grounding F1 及成本。作者指出，商用 VLM 在短文档表现较好，但长文档常截断列表；编码 Agent 保留更高准确率，却付出更高成本。LlamaExtract Agentic Plus 在作者测试的三类指标中居首，论文、数据集和评测代码均已公开，便于后续独立复现。 查看原文
CMD：让教师模型也遵守学生生成时的时间边界
视频 DMD 常用能看完整片段的双向教师，导致目标帧的评分依赖学生生成时尚不可见的未来信息。CMD 用因果教师替代完整片段评分，并让教师与少步学生共享一致的因果初始化；Prefix Scoring 在学生实际缓存的前缀上评价目标，Prefix Corruption 则扰动早期不可靠前缀以稳定训练。作者称方法可统一扩展到逐帧、分块、长视频与相机条件蒸馏，并在短长视频综合表现和动态相机控制遵循度上领先同类自回归方案。 查看原文
Floating Companion：论文贡献是 10 维设计空间，而不是又一台更快的无人机
DIS 2026 论文从软体漂浮机器人的安全、可触摸和悬空共居特性出发，访谈 12 名 HCI、设计与机器人专家，整理物理形态、互动方式与行为表现等 10 个维度，并用多个概念原型展示陪伴、提醒、学习和休息提示等场景。氦气承担浮力、柔性鳍翼负责移动，使其避开高速旋翼与噪声；但研究重点是建立交互设计词汇和应用空间，不是证明自主感知、导航或通用具身智能能力。 查看原文
AI 数据科学多宇宙：自动化让合理分析更便宜，也让选择性报告更危险
研究让四种 LLM Agent 在三个数据集上独立选择变量、模型规格与推断方法，再由 AI 审核员过滤明显偏离研究设计的分析。合规结果之间仍出现广泛的效应量、P 值和二元结论分散，改变模型或提示角色还能系统性移动结果分布。作者因此建议把单点答案改为规格曲线或多宇宙报告，披露完整提示词，并保留人工对研究问题、合理规格与解释范围的最终判断。 查看原文
Databricks 的 Agent 预算：把“失控循环”和“合理但昂贵的项目”分成两类治理
Databricks 发现单一月度限额同时承担反事故与成本治理会制造大量工单。新方案用较低日限额捕获突然激增，达到约 90% 时通过 Slack 提醒，工程师确认是有意使用即可自助提高；月限额设得更高，只在显著偏离同伴支出时要求经理按项目批准，并让额度到期回落。所有 Agent 流量经 Unity AI Gateway 归因到用户，预算、跨模型计量和团队可观测性才得以在一个控制点执行。 查看原文