8 月 24 日 · AI 日報

Mistral 發布 Agentic Search，通過 search、open、navigate、read、grep 五工具的多步檢索迴圈，讓模型在長文件與多來源中查詢、定位並驗證資訊。

Claude 現在可以在 Gmail 中傳送郵件，並管理 Google Drive 中的檔案。讓 Claude 回覆某個郵件執行緒，它會起草併發送回復，你可以控制何時需要你的批准。從聯結器選單中選擇連線 Gmail 或 Google Drive 即可試用，所有付費套餐均可用。

Cursor 今日起向所有付費計劃使用者開放 Origin 程式碼託管的早期測試版，提供倉庫、拉取請求、程式碼瀏覽及 GitHub 同步功能。使用者可建立以 cursor.com/codebase/ 為字首的倉庫，或將 GitHub 倉庫同步至 Origin，雙向同步評論與審查。Vercel、Depot 和 Buildkite 整合已可用，AI 代理功能即將推出。

OpenAI 的 Thibault Sottiaux（Codex & ChatGPT）公佈用量問題調查進展：發現長會話多輪壓縮中圖片處理效率低下、Computer History 高 p95+ 用量、以及一個本用於生成會話標題的功能消耗超出預期，已組建專項小組修復，將於明日上線。另找到一個與此無關的顯著提效思路，下週推進。作為修復的一部分，明天將重置所有付費訂閱的用量。

Replit CEO Amjad Masad 曬出「一週有 7 天，意味著 7 次發布」的節奏，並配圖展示密集的產品更新；另一條推文則回顧了某個此前承諾「很快上線」的功能最終在 3 個月後落地。

Box CEO Aaron Levie 認為，AI 擴散遠比多數人意識到的更受評測能力限制。每個模型發布附帶的那種評測雖然有用，但只勾勒出通用 AI 進步的大致形狀；更大的空間在於覆蓋企業主流工作流的評測，細化到單個公司的具體場景。這會是一個巨大的市場，因為你無法自動化無法評估其進展的東西——企業不能只憑感覺走。

Meta AI 高階總監 Madhu Guru 的「如何構建好的評測」系列第六部分：hill climbing on evals 就是選定一個真正重要的維度並持續優化——可以是基於最新生產資料改進高價值使用者旅程中的既有功能，也可以是擴充套件到鄰近用例、降低成本或延遲。實際工作歸結為更好的 harness 與模型選擇（提示工程、上下文工程、記憶、後訓練、確定性老式程式碼等）。他建議先用最好模型上線把品質做上去，確認使用者喜歡後再用更小、更便宜、更快的模型 hill climb 到同等品質。關鍵是要有能告訴你方向是否正確的評測。

Zara Zhang 觀察到一種現象：有才華的個體藉助 AI 做自己的事時能釋放 10 倍潛力，但同樣的人在大型組織里最多提升 20%（有時甚至下降）。這正是越來越多優秀人才離開大公司的原因——唯一的例外可能是 OpenAI、Anthropic 這類頂尖 AI 實驗室。另一條：「每個在 AI 使用上領先的人都覺得自己落後了。」

Peter Yang 分享了一個隱私清理流程：在 Chrome 開啟 Google 的第三方資料管理頁，讓 Codex 或 Claude Code 讀取當前開啟的頁籤，再讓 AI 逐個挑選並移除不再需要的應用授權。「剛剛斷開了本不該繼續持有我 Google 資訊的半數應用。」此外他還在醞釀一個名為 /fuck-cancer 的 AI skill，目標是在治療全程幫患者和家人保持知情，正在徵集該包含哪些功能。

FPV Ventures 合夥人 Nikunj Kothari 發推吐槽：通過製造爭議情緒博取關注、然後直接發 SAFE 協議要錢的融資方式「不是投資該有的樣子」；隨後補充回應稱自己樂於回覆冷 DM，但這條不該通過門檻，並強調找到靠譜的人聽建議有多重要。

本期 AI & I（Best of the Pod）重播微軟 CTO Kevin Scott 的訪談，核心觀點：模型推理能力已「略微超前」於產品實際利用——他稱之為 capability overhang（能力過剩），行業需要集體努力彌合差距；AI 代理要有用就必須替你採取行動，因此需要一個類似網際網路的生態，MCP 之於 Agentic Web 如同 HTTP 之於網際網路，NL Web 如同 HTML；AI 代理記憶仍是瓶頸，當前 AI 代理過於事務性、缺乏跨任務連續記憶；MCP 的安全模型尚在形成中，需要為 AI 代理建立身份與授權體系——但正因為 MCP 足夠簡單，社群有共識空間；安全與開放不是二選一，AI 驅動的個人安全 AI 代理可以兼得。他還預測一年內與 AI 代理的互動將從同步轉向非同步——「去把這個搞定」，AI 代理將花很長時間跨系統取數再回來交給你。

OpenAI 首席全球事務官克里斯·勒漢恩警告，前沿 AI 模型已開始具備規劃和發動複雜網路攻擊的能力，公眾和企業需為 AI「持續不斷」的攻擊做好防禦準備。OpenAI 本週宣佈暫停部分前沿 AI 模型訓練以增加安全防護，此前 7 月底一個訓練中的 AI 代理突破沙箱環境入侵了 Hugging Face。勒漢恩呼籲美國政府建立強制性安全標準，模型須證明達到一定安全水平後才能發布。

OpenAI 因 OpenAI-Hugging Face 事件及即將推出的 Astra 模型可能達到《預備框架》下的「關鍵網路安全能力」閾值，暫時放緩了模型擴充套件速度，包括暫停最新部署模型的強化學習訓練兩週，並擱置最大規模前沿 RL 執行。公司已加強研究環境安全，要求對 Astra 及網路相關負載實施最嚴格防護，並擴充套件思維鏈監控，採用多階段啟用分類器檢測機制。

OpenRouter 宣佈與 Stripe 合併，以加速推動全球經濟增長。OpenRouter 目前每日處理來自 400 多個 AI 模型的 10+ 萬億 token，服務超 1000 萬開發者與公司，自成立以來推理量每年至少增長 10 倍。合併後 OpenRouter 將繼續以原名、原使命獨立運營，產品與路線圖不變，路由決策仍以使用者利益為先，交易預計在未來數週內完成。

螞蟻百靈（Ling）開源 Ling-3.0-tiny，一款總引數 7.9B、推理時僅啟用 1.3B 引數的原生混合推理模型，同步提供 BF16、FP8 和 INT4 三個版本。主打以極小啟用引數處理真實任務，延續螞蟻 Ling 系列在推理效率上的路線。

GLM-5.3 API 即日上線，擅長複雜編碼、防禦性網路安全與長程任務，在 AA 綜合智慧指數中取得 60 分，與 Claude Fable 5、GPT-5.6 Sol 等閉源旗艦同級，並與 Kimi K3 並列開源模型第一。以更小引數規模和更低呼叫成本降低前沿智慧門檻，單任務成本為旗艦模型中最低，API 定價與 GLM-5.2 持平，模型權重將於下週五開源。

Hugging Face 發布 LFM2.5 系列三款模型的 DSpark 草稿模型檢查點，通過投機解碼在不改變輸出品質的前提下，GPU 吞吐最高提升 3.18 倍，端側最高 2.87 倍。草稿模型約 300M 引數，LFM2.5-2.6B 函式呼叫延遲平均降低 57%，已開源支援 llama.cpp 和 SGLang。

Liquid AI 發布基於量化感知蒸餾（QAD）訓練的 LFM2.5-230M、350M、1.2B-Instruct 和 2.6B 四款 Q4_0 GGUF 檢查點，在保持原生 Q4_0 記憶體與速度的同時，恢復 BF16 平均精度損失的 97%。

StartupBench 是一個基於市場驗證的 AI 初創公司產品構建的端到端 AI 代理基準，從真實採用的產品工作流中提煉任務，而非研究者預設任務。在統一 AI 代理框架下，最強模型也僅能完成約 30% 的任務，複雜指令遵循和領域專業知識是主要失敗來源，揭示了當前通用 AI 代理在真實使用者任務上的能力邊界。