8 月 13 日 · AI 日报

DeepSeek 发布 Agent 框架 Harness v0.1，基于 Cordis 元框架，核心设计理念为"一切皆插件"：模型、工具、技能、会话、沙箱、文件系统、循环、编排及 UI 均可自由组合、替换和扩展。MIT 许可证开源。插件化设计使智能体框架选型从整体比较变为逐组件替换，降低迁移成本。

Anthropic 将 Claude 浏览器扩展侧边栏升级为完整 Claude Cowork 会话。对话保存到历史记录，技能和连接器在浏览器中可用，任务可在桌面、网页和移动端无缝接力。Max 和 Team 用户今日可用，Pro 用户数周内推出。

Google VP Josh Woodward 宣布 Gemini 新增 13 个第三方应用集成：Angi、Fever、GetYourGuide、Granola、iHeartRadio、Localiza、OpenTable、Otter、Pandora、Thumbtack、Ticketmaster、Wix、Zocdoc、Zoho。Agent 生态持续扩张。

WorkBuddy 更新远程控制功能：手机端实时同步电脑端任务、对话、工作空间和产物，一台手机可连接多台电脑随时切换，无需扫码。同时新增资料库、Markdown 多人协作编辑、AI 原生审阅模式。国内 Agent 使用体验进一步打通。

OpenRouter 发布系统评测模型、搜索引擎、搜索方法与预算四类配置的实时排行榜。关键发现：搜索预算从 1 轮增至 25 轮可使 BrowseComp 得分近乎翻倍，成本仅增 2.5-7 倍；模型选择比引擎更重要（平均分差 15 vs 10）。为 Agent 搜索配置提供量化取舍依据。

Guillermo Rauch 推荐：npx sandbox@latest sh 体验远超预期，感觉比本地机器还快。Sandbox 新增合理默认预装工具集，支持完全自定义。另外 Seedance 2.5 视频模型已接入 Vercel AI Gateway。

小红书 dots 团队开源 20 亿参数全连续端到端自回归语音合成模型 dots.tts，在 Seed-TTS-Eval 三个子集上取得最佳平均内容准确度和说话人相似度。连续自回归跳过离散 token 信息损失，用语义编码器回灌历史抑制累积误差，为音色克隆和低步数流式推理共用同一基座提供路径。

"未来几年 AI 产品最大的差异化来自应用层。模型会持续变便宜、变强、变本地化。真正的差异化在于深刻理解特定用户工作流，并有想象力围绕它们重新设计体验。能构建 AI 产品的分母即将变得巨大，成为 top 0.1% 的 builder 比以往更重要。"

Peter Yang 发表新文章，核心观点：我们正从键鼠+笔记本手动操作，转向用语音在云端指挥 Agent。三个论点：1）语音正成为编排层；2）个人电脑将移至云端；3）信任将是关键差异化因素。

YC CEO Garry Tan 发布 GBrain v0.45.6.0，新增 17 个通过其个人 OpenClaw Agent 实战锤炼的 brain skills（基于数十万 markdown 文件）。GBrain 现支持 Codex 和 Claude Code。核心理念："个人 AGI 是为你工作的 AGI"，应作为独立 Agent 运行，而非集成在主编码 Agent 中。

"Graph engineering 是新的 loop engineering，是新的 harness engineering，是新的 context engineering，是新的 prompt engineering。希望这澄清了困惑。"

Swyx 称一篇论文为"今年最重要的论文之一"并做了进一步提炼笔记。（具体论文标题未在推文中展开）

AutoGPT 维护者实践总结：AI Agent 不会主动阅读文档，需将指令放在 AGENTS.md 和技能文件中置于代码目录旁。通过强制 PR 模板、测试计划、CI 覆盖率门槛和 CLA 签名等门控，将 Agent 提交的 PR 从"不可用"变为"可用"。CLA 因需浏览器和 OAuth 流程，意外成为"人类探测器"。

Anthropic 工程团队详细复盘了过去一个月影响 Claude Code/Agent SDK/Cowork 的三个独立质量问题（API 未受影响）：1）3月4日将默认 reasoning effort 从 high 改为 medium（4月7日回滚）；2）3月26日空闲会话清除 thinking 的 bug 导致遗忘（4月10日修复）；3）4月16日减少冗长的提示词改动反而伤害代码质量（4月20日回滚）。三者影响不同流量切片，叠加呈现为广泛退化。所有问题已在 v2.1.116 修复，全体订阅用户额度已重置。

Anthropic 介绍 Managed Agents 的设计哲学：借鉴操作系统将硬件虚拟化为抽象（进程、文件）的思路，将 Agent 组件虚拟化为 session（只追加日志）、harness（调用循环）和 sandbox（执行环境），三者可独立替换。核心洞察：harness 编码了"Claude 不能做什么"的假设，但这些假设会随模型进步而过时——如 Sonnet 4.5 的"上下文焦虑"在 Opus 4.5 上已消失。

Claude Managed Agents 新增两项企业功能：1）自托管沙箱——Agent 在用户控制的基础设施上执行工具（支持 Cloudflare、Daytona、Modal、Vercel），代码/文件/数据不离开企业边界；2）MCP 隧道——Agent 可连接企业内部私有 MCP 服务器。编排逻辑留在 Anthropic 基础设施，执行移至用户侧。

微软 CTO Kevin Scott 在 Build 大会受访，核心观点：

• 能力过剩（Capability Overhang）：模型推理能力已超前于产品实际利用水平，行业需要集体努力缩小差距
• Agentic Web 是今年主题：MCP 之于 Agent Web 如同 HTTP 之于互联网，NL Web 如同 HTML。简单、可组合的开放协议将驱动 Agent 生态
• 记忆是瓶颈：当前 Agent 过于事务性，缺乏跨任务连续记忆，限制了委托复杂任务的能力
• 安全可以两全：开放生态 + AI 驱动的个人安全 Agent 可兼得创新与安全
• 软件开发将多元化：不会有一个 Agent 统治一切，开发者的选择权和工具多样性是四十年不变的常态
• 明年预测：从同步交互转向异步——Agent 将接受任务后长时间自主执行，最后返回结果让人决策

OpenAI Codex 团队成员 Thibault Sottiaux 宣布 Codex 用户量已突破 1500 万，同时透露 Linux 支持已上线。另外暗示团队正在开发新的"核心对齐"相关功能，具体未公布。

前 Facebook 早期工程师、Dropbox CTO Aditya Agarwal 的 SPC 基金将印度作为美国以外首个押注市场，认为"未来十年最具雄心的项目将在印度诞生"。

DeepSeek-V4-Pro 正式版在 APP、网页端和 API 同步上线（模型名 deepseek-v4-pro）。Agent 能力显著提升：HLE（wo/w tools）达 42.7/60.0，Terminal Bench 2.1 为 87.9。支持峰谷定价，闲时成本降至高峰一半，适合批量推理和可延迟工作负载。Aaron Levie 评价：这是 AI 的 Jevons 悖论在上演——成本下降反而加速需求增长。

Grok 4.6 在 Grok 4.5 基础上重点强化长时运行智能体及复杂交互式视觉任务。在 Artificial Analysis Intelligence Index（九项基准综合分）上追平 GPT-5.6 Sol，输入 token 价格 $2/百万。长程轨迹中出现自检与验证行为，可能减少多步项目中途的人工纠偏。Peter Steinberger 观察：AI coding 工具进化路径是 CLI → App → 云服务，Grok 正走这条路。

阿里通义千问开源最新旗舰 Qwen3.8-2.4T-A95B：总参数 2.4T，激活参数 95B，主打自主编码、深度研究与端到端 Agent 执行。硅基流动 Day-0 上线，API 定价：输入 $2.00/M tokens，输出 $6.00/M tokens，缓存输入仅 $0.25/M tokens——对需要反复读取长上下文的 Agent 工作流极具成本优势。

微软 AI CEO Mustafa Suleyman 宣布首个完全自研推理模型 MAI-Thinking-1，已在 Microsoft Foundry 上线。Azure 用户在推理模型选型上新增微软体系内选项。

Anthropic 研究指出：随着 AI Agent 在共享代码库、市场等社会系统中承担更多任务，Agent 间交互量可能超过人机交互。实验关键发现：45 个协调 Agent 在 2700 万 token 运行中发现 266 个漏洞，而独立并行方法在 650 万 token 中仅发现 21 个（仅 12 个重叠）。协调 Agent 学会了专业化分工。研究同时警告：个体层面的良性行为怪癖可能叠加为意外的系统性失败。

Google 提出知识画像框架，发现前沿 LLM（Gemini3、GPT-5）的事实编码接近饱和，但回忆（recall）能力不足——多数事实错误源于已存知识无法稳定调用，而非知识缺失。配套发布 WikiProfile 基准（2,150 条事实 × 10 个问题），分别探测编码、回忆与识别能力。对实际应用意味着：思考更多可恢复已编码事实。