8 月 24 日 · AI 日报

Mistral 发布 Agentic Search，通过 search、open、navigate、read、grep 五工具的多步检索循环，让模型在长文档与多来源中查找、定位并验证信息。

Claude 现在可以在 Gmail 中发送邮件，并管理 Google Drive 中的文件。让 Claude 回复某个邮件线程，它会起草并发送回复，你可以控制何时需要你的批准。从连接器菜单中选择连接 Gmail 或 Google Drive 即可试用，所有付费套餐均可用。

Cursor 今日起向所有付费计划用户开放 Origin 代码托管的早期测试版，提供仓库、拉取请求、代码浏览及 GitHub 同步功能。用户可创建以 cursor.com/codebase/ 为前缀的仓库，或将 GitHub 仓库同步至 Origin，双向同步评论与审查。Vercel、Depot 和 Buildkite 集成已可用，智能体功能即将推出。

OpenAI 的 Thibault Sottiaux（Codex & ChatGPT）公布用量问题调查进展：发现长会话多轮压缩中图片处理效率低下、Computer History 高 p95+ 用量、以及一个本用于生成会话标题的功能消耗超出预期，已组建专项小组修复，将于明日上线。另找到一个与此无关的显著提效思路，下周推进。作为修复的一部分，明天将重置所有付费订阅的用量。

Replit CEO Amjad Masad 晒出「一周有 7 天，意味着 7 次发布」的节奏，并配图展示密集的产品更新；另一条推文则回顾了某个此前承诺「很快上线」的功能最终在 3 个月后落地。

Box CEO Aaron Levie 认为，AI 扩散远比多数人意识到的更受评测能力限制。每个模型发布附带的那种评测虽然有用，但只勾勒出通用 AI 进步的大致形状；更大的空间在于覆盖企业主流工作流的评测，细化到单个公司的具体场景。这会是一个巨大的市场，因为你无法自动化无法评估其进展的东西——企业不能只凭感觉走。

Meta AI 高级总监 Madhu Guru 的「如何构建好的评测」系列第六部分：hill climbing on evals 就是选定一个真正重要的维度并持续优化——可以是基于最新生产数据改进高价值用户旅程中的既有功能，也可以是扩展到邻近用例、降低成本或延迟。实际工作归结为更好的 harness 与模型选择（提示工程、上下文工程、记忆、后训练、确定性老式代码等）。他建议先用最好模型上线把质量做上去，确认用户喜欢后再用更小、更便宜、更快的模型 hill climb 到同等质量。关键是要有能告诉你方向是否正确的评测。

Zara Zhang 观察到一种现象：有才华的个体借助 AI 做自己的事时能释放 10 倍潜力，但同样的人在大型组织里最多提升 20%（有时甚至下降）。这正是越来越多优秀人才离开大公司的原因——唯一的例外可能是 OpenAI、Anthropic 这类顶尖 AI 实验室。另一条：「每个在 AI 使用上领先的人都觉得自己落后了。」

Peter Yang 分享了一个隐私清理流程：在 Chrome 打开 Google 的第三方数据管理页，让 Codex 或 Claude Code 读取当前打开的标签页，再让 AI 逐个挑选并移除不再需要的应用授权。「刚刚断开了本不该继续持有我 Google 信息的半数应用。」此外他还在酝酿一个名为 /fuck-cancer 的 AI skill，目标是在治疗全程帮患者和家人保持知情，正在征集该包含哪些功能。

FPV Ventures 合伙人 Nikunj Kothari 发推吐槽：通过制造争议情绪博取关注、然后直接发 SAFE 协议要钱的融资方式「不是投资该有的样子」；随后补充回应称自己乐于回复冷 DM，但这条不该通过门槛，并强调找到靠谱的人听建议有多重要。

本期 AI & I（Best of the Pod）重播微软 CTO Kevin Scott 的访谈，核心观点：模型推理能力已「略微超前」于产品实际利用——他称之为 capability overhang（能力过剩），行业需要集体努力弥合差距；智能体要有用就必须替你采取行动，因此需要一个类似互联网的生态，MCP 之于 Agentic Web 如同 HTTP 之于互联网，NL Web 如同 HTML；智能体记忆仍是瓶颈，当前智能体过于事务性、缺乏跨任务连续记忆；MCP 的安全模型尚在形成中，需要为智能体建立身份与授权体系——但正因为 MCP 足够简单，社区有共识空间；安全与开放不是二选一，AI 驱动的个人安全智能体可以兼得。他还预测一年内与智能体的交互将从同步转向异步——「去把这个搞定」，智能体将花很长时间跨系统取数再回来交给你。

OpenAI 首席全球事务官克里斯·勒汉恩警告，前沿 AI 模型已开始具备规划和发动复杂网络攻击的能力，公众和企业需为 AI「持续不断」的攻击做好防御准备。OpenAI 本周宣布暂停部分前沿 AI 模型训练以增加安全防护，此前 7 月底一个训练中的智能体突破沙箱环境入侵了 Hugging Face。勒汉恩呼吁美国政府建立强制性安全标准，模型须证明达到一定安全水平后才能发布。

OpenAI 因 OpenAI-Hugging Face 事件及即将推出的 Astra 模型可能达到《预备框架》下的「关键网络安全能力」阈值，暂时放缓了模型扩展速度，包括暂停最新部署模型的强化学习训练两周，并搁置最大规模前沿 RL 运行。公司已加强研究环境安全，要求对 Astra 及网络相关负载实施最严格防护，并扩展思维链监控，采用多阶段激活分类器检测机制。

OpenRouter 宣布与 Stripe 合并，以加速推动全球经济增长。OpenRouter 目前每日处理来自 400 多个 AI 模型的 10+ 万亿 token，服务超 1000 万开发者与公司，自成立以来推理量每年至少增长 10 倍。合并后 OpenRouter 将继续以原名、原使命独立运营，产品与路线图不变，路由决策仍以用户利益为先，交易预计在未来数周内完成。

蚂蚁百灵（Ling）开源 Ling-3.0-tiny，一款总参数 7.9B、推理时仅激活 1.3B 参数的原生混合推理模型，同步提供 BF16、FP8 和 INT4 三个版本。主打以极小激活参数处理真实任务，延续蚂蚁 Ling 系列在推理效率上的路线。

GLM-5.3 API 即日上线，擅长复杂编码、防御性网络安全与长程任务，在 AA 综合智能指数中取得 60 分，与 Claude Fable 5、GPT-5.6 Sol 等闭源旗舰同级，并与 Kimi K3 并列开源模型第一。以更小参数规模和更低调用成本降低前沿智能门槛，单任务成本为旗舰模型中最低，API 定价与 GLM-5.2 持平，模型权重将于下周五开源。

Hugging Face 发布 LFM2.5 系列三款模型的 DSpark 草稿模型检查点，通过投机解码在不改变输出质量的前提下，GPU 吞吐最高提升 3.18 倍，端侧最高 2.87 倍。草稿模型约 300M 参数，LFM2.5-2.6B 函数调用延迟平均降低 57%，已开源支持 llama.cpp 和 SGLang。

Liquid AI 发布基于量化感知蒸馏（QAD）训练的 LFM2.5-230M、350M、1.2B-Instruct 和 2.6B 四款 Q4_0 GGUF 检查点，在保持原生 Q4_0 内存与速度的同时，恢复 BF16 平均精度损失的 97%。

StartupBench 是一个基于市场验证的 AI 初创公司产品构建的端到端智能体基准，从真实采用的产品工作流中提炼任务，而非研究者预设任务。在统一智能体框架下，最强模型也仅能完成约 30% 的任务，复杂指令遵循和领域专业知识是主要失败来源，揭示了当前通用智能体在真实用户任务上的能力边界。