让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
千问 AI 平台上线 Qwen3.8-Flash，API 每百万 Tokens 输入 0.8 元、输出 2.7 元、缓存命中 0.1 元。该模型为多模态 MoE 架构，千亿总参数仅激活 60 亿，引入 QSA 机制与 Gated Residual，在高缓存命中的 1M Tokens 长上下文场景中提速 8 倍以上。模型权重已在 Hugging Face 与魔搭社区开源，千问办公标准模式也已内置。
推荐理由：原文列出了 Qwen3.8-Flash 的架构创新与分层价格，读者可据此评估长上下文 Agent 任务的调用成本。
OX-Alpha 于 21 号在 OpenRouter 上线，定位是面向高效编程、常识推理和 Agent 工作的前沿模型，支持 100 万 Token 上下文与文本、图像和视频输入，目前已在 Cline、OpenCode、Hermes 等 Agent 上免费上线。
推荐理由：汇总了 OX-Alpha 的定位、上下文长度与基准表现，并附作者实测对比，便于判断其在编程与 Agent 场景的可用性。
XMind 联合创始人 Mango 在这期播客复盘，公司从五十多人的部门制重装成三十人左右的圈子制，绩效由 agent 记账、按共同认定的标准打分。产研流程重排，产品经理直接在代码仓库拉分支搭原型；今年解散测试团队后才发现全公司几乎都在手动测试。组织改完约两个月，补齐了二十年没有的多语言用户手册，Mango 认为不改组织就没人认领这类功劳。
推荐理由：这期播客是 XMind 从部门制改圈子制的第一手复盘，给出了分圈、分活、分钱以及 agent 记账打分的具体落地路径。
作者 alchainhust 将 Excel 数据分析 skill Huashu-Excel 以 MIT 协议开源（https://github.com/alchaincyf/huashu-excel），支持 Claude Code、Codex、豆包、DeepSeek Harness 等主流 agent。
推荐理由：作者把 AI 算错不报错当作核心问题，用体检、表内合计对账和独立复核 agent 三步补位，为数据处理类 agent 提供了可复用的设计思路。
《AI 炼金术》播客（徐文浩、任鑫）这一集拆解为什么员工都在用 AI、组织效率却没提升，提出用 AI 接管对齐与推进、重新发明组织。作者指出知识工作约 60% 的时间耗在开会与对齐而非做事，局部提效受阿姆达尔定律和系统瓶颈限制，优化非瓶颈环节等于白提。
推荐理由：文章用阿姆达尔定律和波音 777 的案例说明局部提效无法突破组织瓶颈，并给出让所有人操作同一对象、由 agent 推动流程的替代路径。
腾讯工程师 lemonye 用 1 个 TL 加 6 个子 Agent 的 harness 工作流驱动前后端开发，围绕只看当前需要的上下文、减少无关上下文、减少重复上下文三个原则改造 10 个方向，全流程预估降本 50%~65%。
推荐理由：作者把 Multi-Agent 工作流的 token 消耗拆成六类来源，逐一给出十个可复用的优化方向和实测降幅。
腾讯安全威胁情报中心在同一周内观测到两个独立团伙分别利用 LiteLLM 的 CVE-2026-42271 与 OpenCode 的 CVE-2026-22812 漏洞，规模化收割模型 key 并投递后门，形成“收割密钥、再用密钥驱动下一波攻击”的 AI 蠕虫闭环。
推荐理由：原文拆解了利用 AI 基建漏洞收割模型密钥、再用密钥驱动下一波攻击的完整闭环，读者可据此审视自身凭据治理与检测盲区。
DeepSeek API 平台上线实验性多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp，用户可通过 model='deepseek-v4-flash-vision-exp' 访问。
推荐理由：原文列出了新模型与 DeepSeek-V4-Flash 及 Opus-4.8 的对比基准，读者可据此判断其在多模态 Agent 任务上的水平。
42章经对话 Evolvent AI 联创繁青，聊蒸馏、合成数据与 RSI 背后模型竞争的下一阶段焦点。
推荐理由：受访者结合一线造数据经验，讲清了蒸馏、合成数据与 RSI 之间的关系，可帮助判断模型竞争的下一阶段焦点。
智谱发布 GLM-5.3，基座与 GLM-5.2 相同，通过后训练 Scaling 提升编程与网络安全能力，Terminal-Bench 3.0 得分从 4.6 升至 28.3，CyberGym 得 84.5% 略高于 Mythos 5，但 ExploitBench 仍明显落后闭源前沿模型。模型权重将在两周后开源，同步启动「开源的盾」计划，向开源社区免费提供安全审计能力与模型额度。
推荐理由：原文给出 GLM-5.3 在编程与安全基准上与闭源前沿模型的对比数据，读者可据此判断开源模型当前的追赶位置。
Google DeepMind 发布 Gemini 3.7 Flash，定位为面向编码与智能体的最强主力模型，距 3.6 Flash 发布仅三周。
推荐理由：官方列出了 Gemini 3.7 Flash 相对 3.6 Flash 的跑分提升与半价策略，读者可据此评估编码与智能体工作流的升级幅度。
DeepSeek-V4-Pro 正式版已在 APP、网页端和 API 上线，API 调用方式不变，模型名设为 deepseek-v4-pro 即可使用。正式版 Agent 能力显著增强，HLE 带工具为 60.0、Terminal Bench 2.1 为 87.9、NL2Repo 为 61.5。
推荐理由：官方日志给出 V4-Pro 正式版的 Agent 基准分数、Responses API 适配与三档思考强度，便于直接对照选型和调用配置。
艾语智能创始人张天乐在播客中分享，公司每月从中国 3000 个法院批量提起 1 到 2 万件小额信贷诉讼，回款率高于传统律师，但坚决不做 AI 电话催收，而是让 AI 给一线员工下任务，用小白员工代替专业律师。
推荐理由：张天乐让 AI 给人下任务而非替人干活，并重构数据、把 know how 沉淀成 markdown，提供了可迁移的 AI native 组织落地路径。
智谱旗下针对 GLM 优化的 Coding Harness ZCode 完成重大升级，Goal、Subagents、Remote Control 与闲时任务四大功能正式上线。
推荐理由：官方用 Z.ai Code Bench 对比了 GLM-5.2 分别搭配 ZCode 与 Claude Code 的表现，并说明 Goal 模式让复杂任务自动跑完的具体机制。
TencentOS安全团队朱雀实验室的内核漏洞研究智能体科维斯AI（Corvus AI）首次公开亮相，发现了潜伏Linux内核SCTP协议栈超过18年的本地提权与容器逃逸漏洞SCTPhantom（CVE-2026-64564）。
推荐理由：作者展示了智能体在真实内核漏洞研究中完成发现、利用与跨发行版迁移的完整链路，为安全研究自动化提供了可参照的方法。
DeepSeek-V4-Flash 正式版 API 上线公测，调用方式不变，模型名设为 deepseek-v4-flash 即可使用最新版本。
推荐理由：官方列出了 V4-Flash 正式版与 V4-Pro-Preview 的多基准对比数据，可据此判断其在编码智能体任务上的能力位置。
Google DeepMind 发布 Gemini Robotics ER 2，作为机器人的高层大脑负责推理、规划与任务编排，并将运动执行交给底层 VLA 模型。该模型支持连续视频进度追踪、精确关键时刻识别与多机器人协作，进度分类准确率达 57.4%，关键时刻识别准确率达 91.3%。开发者现可通过 Gemini API 与 Google AI Studio 使用。
推荐理由：官方博客给出了新模型在视频理解、任务编排和多机器人协作上的能力升级与评测数据，可据此判断具身智能的落地进度。
云鼎实验室拆解了黑客从 Claude Cowork 沙箱逃逸至 Mac 宿主机读写任意文件的完整攻击链：非特权会话用户经 unshare(CLONE_NEWUSER|CLONE_NEWNET) 获取全套 Capability。
推荐理由：文章将 Claude Cowork 沙箱逃逸拆解为四步攻击链，并给出收敛共享目录、关闭非特权用户命名空间等可落地的加固建议。
OpenAI 推出 Presence，这是一个经过验证的企业级 AI 智能体平台，旨在帮助组织为客户及内部工作流部署可信的语音与聊天智能体。
推荐理由：材料将其定位为经过验证的企业级智能体平台，读者可据此评估语音与聊天智能体在自身工作流中的落地方式。
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber 三款新模型，旨在提升规模化构建 AI 智能体的效率与可靠性。
推荐理由：原文给出了三款新模型在效率、速度和安全场景的具体基准数据与价格，读者可据此评估其在智能体工作流中的成本变化。