8 月 13 日 · AI 日報

DeepSeek 發布 Agent 框架 Harness v0.1，基於 Cordis 元框架，核心設計理念為"一切皆外掛"：模型、工具、技能、會話、沙箱、檔案系統、迴圈、編排及 UI 均可自由組合、替換和擴充套件。MIT 許可證開源。外掛化設計使 AI 代理框架選型從整體比較變為逐元件替換，降低遷移成本。

Anthropic 將 Claude 瀏覽器擴充套件側邊欄升級為完整 Claude Cowork 會話。對話儲存到歷史記錄，技能和聯結器在瀏覽器中可用，任務可在桌面、網頁和移動端無縫接力。Max 和 Team 使用者今日可用，Pro 使用者數週內推出。

Google VP Josh Woodward 宣佈 Gemini 新增 13 個第三方應用整合：Angi、Fever、GetYourGuide、Granola、iHeartRadio、Localiza、OpenTable、Otter、Pandora、Thumbtack、Ticketmaster、Wix、Zocdoc、Zoho。Agent 生態持續擴張。

WorkBuddy 更新遠端控制功能：手機端即時同步電腦端任務、對話、工作空間和產物，一台手機可連線多臺電腦隨時切換，無需掃碼。同時新增資料庫、Markdown 多人協作編輯、AI 原生審閱模式。國內 Agent 使用體驗進一步打通。

OpenRouter 發布系統評測模型、搜尋引擎、搜尋方法與預算四類配置的即時排行榜。關鍵發現：搜尋預算從 1 輪增至 25 輪可使 BrowseComp 得分近乎翻倍，成本僅增 2.5-7 倍；模型選擇比引擎更重要（平均分差 15 vs 10）。為 Agent 搜尋配置提供量化取捨依據。

Guillermo Rauch 推薦：npx sandbox@latest sh 體驗遠超預期，感覺比本地機器還快。Sandbox 新增合理預設預裝工具集，支援完全自定義。另外 Seedance 2.5 影片模型已接入 Vercel AI Gateway。

小紅書 dots 團隊開源 20 億引數全連續端到端自迴歸語音合成模型 dots.tts，在 Seed-TTS-Eval 三個子集上取得最佳平均內容準確度和說話人相似度。連續自迴歸跳過離散 token 資訊損失，用語義編碼器回灌歷史抑制累積誤差，為音色克隆和低步數流式推理共用同一基座提供路徑。

"未來幾年 AI 產品最大的差異化來自應用層。模型會持續變便宜、變強、變本地化。真正的差異化在於深刻理解特定使用者工作流，並有想像力圍繞它們重新設計體驗。能構建 AI 產品的分母即將變得巨大，成為 top 0.1% 的 builder 比以往更重要。"

Peter Yang 發表新文章，核心觀點：我們正從鍵鼠+筆記本手動操作，轉向用語音在雲端指揮 Agent。三個論點：1）語音正成為編排層；2）個人電腦將移至雲端；3）信任將是關鍵差異化因素。

YC CEO Garry Tan 發布 GBrain v0.45.6.0，新增 17 個通過其個人 OpenClaw Agent 實戰錘鍊的 brain skills（基於數十萬 markdown 檔案）。GBrain 現支援 Codex 和 Claude Code。核心理念："個人 AGI 是為你工作的 AGI"，應作為獨立 Agent 執行，而非整合在主編碼 Agent 中。

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

Swyx 稱一篇論文為"今年最重要的論文之一"並做了進一步提煉筆記。（具體論文標題未在推文中展開）

AutoGPT 維護者實踐總結：AI Agent 不會主動閱讀文件，需將指令放在 AGENTS.md 和技能檔案中置於程式碼目錄旁。通過強制 PR 模板、測試計劃、CI 覆蓋率門檻和 CLA 簽名等門控，將 Agent 提交的 PR 從"不可用"變為"可用"。CLA 因需瀏覽器和 OAuth 流程，意外成為"人類探測器"。

Anthropic 工程團隊詳細復盤了過去一個月影響 Claude Code/Agent SDK/Cowork 的三個獨立品質問題（API 未受影響）：1）3月4日將預設 reasoning effort 從 high 改為 medium（4月7日回滾）；2）3月26日空閒會話清除 thinking 的 bug 導致遺忘（4月10日修復）；3）4月16日減少冗長的提示詞改動反而傷害程式碼品質（4月20日回滾）。三者影響不同流量切片，疊加呈現為廣泛退化。所有問題已在 v2.1.116 修復，全體訂閱使用者額度已重置。

Anthropic 介紹 Managed Agents 的設計哲學：借鑑作業系統將硬體虛擬化為抽象（程序、檔案）的思路，將 Agent 元件虛擬化為 session（只追加日誌）、harness（呼叫迴圈）和 sandbox（執行環境），三者可獨立替換。核心洞察：harness 編碼了"Claude 不能做什麼"的假設，但這些假設會隨模型進步而過時——如 Sonnet 4.5 的"上下文焦慮"在 Opus 4.5 上已消失。

Claude Managed Agents 新增兩項企業功能：1）自託管沙箱——Agent 在使用者控制的基礎設施上執行工具（支援 Cloudflare、Daytona、Modal、Vercel），程式碼/檔案/資料不離開企業邊界；2）MCP 隧道——Agent 可連線企業內部私有 MCP 伺服器。編排邏輯留在 Anthropic 基礎設施，執行移至使用者側。

微軟 CTO Kevin Scott 在 Build 大會受訪，核心觀點：

• 能力過剩（Capability Overhang）：模型推理能力已超前於產品實際利用水平，行業需要集體努力縮小差距
• Agentic Web 是今年主題：MCP 之於 Agent Web 如同 HTTP 之於網際網路，NL Web 如同 HTML。簡單、可組合的開放協議將驅動 Agent 生態
• 記憶是瓶頸：當前 Agent 過於事務性，缺乏跨任務連續記憶，限制了委託複雜任務的能力
• 安全可以兩全：開放生態 + AI 驅動的個人安全 Agent 可兼得創新與安全
• 軟體開發將多元化：不會有一個 Agent 統治一切，開發者的選擇權和工具多樣性是四十年不變的常態
• 明年預測：從同步互動轉向非同步——Agent 將接受任務後長時間自主執行，最後返回結果讓人決策

OpenAI Codex 團隊成員 Thibault Sottiaux 宣佈 Codex 使用者量已突破 1500 萬，同時透露 Linux 支援已上線。另外暗示團隊正在開發新的"核心對齊"相關功能，具體未公佈。

前 Facebook 早期工程師、Dropbox CTO Aditya Agarwal 的 SPC 基金將印度作為美國以外首個押注市場，認為"未來十年最具雄心的專案將在印度誕生"。

DeepSeek-V4-Pro 正式版在 APP、網頁端和 API 同步上線（模型名 deepseek-v4-pro）。Agent 能力顯著提升：HLE（wo/w tools）達 42.7/60.0，Terminal Bench 2.1 為 87.9。支援峰谷定價，閒時成本降至高峰一半，適合批次推理和可延遲工作負載。Aaron Levie 評價：這是 AI 的 Jevons 悖論在上演——成本下降反而加速需求增長。

Grok 4.6 在 Grok 4.5 基礎上重點強化長時執行 AI 代理及複雜互動式視覺任務。在 Artificial Analysis Intelligence Index（九項基準綜合分）上追平 GPT-5.6 Sol，輸入 token 價格 $2/百萬。長程軌跡中出現自檢與驗證行為，可能減少多步專案中途的人工糾偏。Peter Steinberger 觀察：AI coding 工具進化路徑是 CLI → App → 雲服務，Grok 正走這條路。

阿里通義千問開源最新旗艦 Qwen3.8-2.4T-A95B：總引數 2.4T，啟用引數 95B，主打自主編碼、深度研究與端到端 Agent 執行。矽基流動 Day-0 上線，API 定價：輸入 $2.00/M tokens，輸出 $6.00/M tokens，快取輸入僅 $0.25/M tokens——對需要反覆讀取長上下文的 Agent 工作流極具成本優勢。

微軟 AI CEO Mustafa Suleyman 宣佈首個完全自研推理模型 MAI-Thinking-1，已在 Microsoft Foundry 上線。Azure 使用者在推理模型選型上新增微軟體系內選項。

Anthropic 研究指出：隨著 AI Agent 在共享程式碼庫、市場等社會系統中承擔更多工，Agent 間互動量可能超過人機互動。實驗關鍵發現：45 個協調 Agent 在 2700 萬 token 執行中發現 266 個漏洞，而獨立並行方法在 650 萬 token 中僅發現 21 個（僅 12 個重疊）。協調 Agent 學會了專業化分工。研究同時警告：個體層面的良性行為怪癖可能疊加為意外的系統性失敗。

Google 提出知識畫像框架，發現前沿 LLM（Gemini3、GPT-5）的事實編碼接近飽和，但回憶（recall）能力不足——多數事實錯誤源於已存知識無法穩定呼叫，而非知識缺失。配套發布 WikiProfile 基準（2,150 條事實 × 10 個問題），分別探測編碼、回憶與識別能力。對實際應用意味著：思考更多可恢復已編碼事實。