🔥 今日看点
- 小米把全模态模型开源了，直接冲上 HN 第一：小米发布并开源 MiMo-V2.6 系列（mimo.xiaomi.com），包含原生全模态的 MiMo-V2.6-Pro（最强）与 MiMo-V2.6-Flash（智能/效率/成本平衡），另推 Pro-UltraSpeed，宣称同质量下输出速度最高 20 倍。论文口径放在「RSI（自我改进）路径」上：在可验证的复杂任务上堆 RL 算力。DeepSWE v1.1 上 Pro 拿到 71.9，紧咬 Claude Opus 5 的 74.0 与 DeepSeek V4.1 Flash 的 74.2；CyberGym 上 Flash 拿到 95.1 反超所有对手，HuggingFace、API、Tech Report 同步放出
- Grok 4.7 上线：标价没涨，账却更贵了：SpaceXAI 发布 Grok 4.7，主打编程与专业知识工作，价格与 4.6 一致（$2/$6），换来更长的 RL 训练、更稳的长任务表现和新的安全栈，同时提供 2 倍速 Fast 档（$4/$12）。但第三方测试泼了冷水：Artificial Analysis 测得 xHigh 档在 Terminal-Bench 仅 ~26%（GPT-6 Astra 59.6%、Claude Opus 5 约 49%），且每个 Intelligence Index 任务消耗约 81K 输出 token（4.6 为 36K、GPT-6 Astra 为 27K）——折算成「每任务成本」$3.74，反而高于标价更贵的 GPT-5.6 Sol Max（$1.99）。「按 token 计价便宜」不等于「按任务完成计价便宜」，这是 Agent 时代选型的核心陷阱
- Claude 补上「多会话协调」这块拼图：Anthropic 推出 Claude Code Projects，一个常驻的协调型 Agent，把开发者的自然语言需求拆成并行线程、长期维护共享记忆与项目上下文，并给出 Overview 面板标出需要人介入的项。官方架构说法是「线程干活，Claude 指挥」，交互类比「向幕僚长汇报」。对做长期迭代系统（网站、CMS、采购平台）的企业团队意义很大——不用再每开一个新会话就重建上下文
- 不动模型权重，也能把浏览器 Agent 从 43.5% 拉到 93%：Salesforce AI Research 与 Agentforce 的 DarwinX 用「进化」思路改 harness（prompt/工具/控制流），从不改模型权重。它在 WebArena-Infinity 上带来 +49.5 分（43.5% → 93%），SWE-bench Verified +3.4 分。核心是解决两个老毛病：路径依赖（早期改动锁死后续演化）与跨任务干扰（修一个坏一个）——用「存档多分支 + 先粗筛后高保真复核」的选择机制来对抗
📰 模型与平台动态
小米开源 MiMo-V2.6 全模态系列，UltraSpeed 提速 20 倍
小米以「built in public」姿态开源 MiMo-V2.6-Pro / Flash，均为原生全模态，并推 UltraSpeed 档位。官方称其探索方向是「在可验证的复杂任务上扩展 RL 算力，让模型通过探索与反馈持续扩展能力边界」。除 DeepSWE v1.1 的 71.9 外，General 侧的 GDPVal 2.1（Pro 1673，仅次于 Claude Fable 5.1 的 1735）与 Terminal Bench 4.0（Pro 34.9，仍大幅落后 GPT-6 Astra 的 59.6）并存，说明其在终端/长程任务上仍是短板。模型卡、HF 与 API 已同步开放。
Grok 4.7：编程能力提升，但把成本转嫁给了推理链
SpaceXAI 称 4.7 使用了更大的基座模型、更长的 RL 训练（任务分布偏向需数小时完成的难题），并针对自家的 Grok Bot 编排层做了专项训练。落地渠道铺得很开：Cursor（已被 SpaceXAI 收购，Fast 档为 Pro 及以上默认）、Grok Build、Grok API，以及 GitHub Copilot 全家桶（VS Code / Visual Studio / Copilot CLI / 云端 Agent / JetBrains / Xcode / Eclipse）逐步上线。CursorBench 4.0 上 xHigh 得 46.3%（4.6 High 为 40.4%），但开发者 Dan McAteer 直言其 Terminal-Bench 表现「horrendous」。
Google DeepMind 连续更新 Gemini 3.8 系列
DeepMind 官方博客显示，Gemini 3.8 Flash 与 3.8 Flash Cyber、Gemini 3.8 Live 与 Live Extended Thinking 已先后上线（2026 年 9 月），延续「Flash 家族 + 安全/实时分支」的密集迭代节奏。同期还有 AlphaGenome Atlas（人类基因组任意单碱基变化的预测图谱）与 WeatherNext 3（全球天气模型），显示 DeepMind 正把模型能力同时推向通用推理、安全与科学计算三条线。
Anthropic 一侧：评测与行业背书先行
Anthropic 新闻室近两周重心不在新模型，而在可信度建设：Claude Fable 5.1 / Mythos 5.1（9 月 1 日，主攻编程与知识工作）之后，接连放出与 Accenture 合作嵌入式评测（9 月 18 日）、生命科学验证计划（9 月 17 日），以及面向企业客户的 Frontier Safeguards 方案。产品线侧，早前已把 Claude Cowork 并入 Claude 聊天，并推出 Claude Docs / Claude Slides——赌用户「不必再理解自己需要哪个工具」。
🤖 Agent 与开发工具
Google 开源 EnvHarness：让训练环境随 Agent 一起进化
Google Cloud AI Research 与学术伙伴开源 EnvHarness（Apache 2.0）。它不再「造新环境」，而是在已有环境外裹一层可编程层，动态改变 Agent 的起始状态、可见信息、可执行动作与任务时长，同时保留原环境的验证器不变。公式很直白：定制环境 = 静态环境 + EnvHarness（对应 Agent = 模型 + harness）。在软件工程、网页导航、办公与具身五类基准上，Agent 在留出任务上最多提升 9 分，且完成任务所需步数更少。
69% vs 38%：装上了不等于建成主力平台
新一期 VB Pulse 调研（8 月，169 家 100 人以上企业）显示：装过 OpenAI Agents SDK / Responses API 的 75 家里，52 家（69%）把它当主力编排平台；而用过 Anthropic Claude Platform + Agent Skills 的 45 家里，只有 17 家（38%）这么做，是至少 25 类企业栈中最低的一档。主平台份额上 OpenAI 33%、Google Enterprise Agent Platform 24%、Anthropic 11%。26% 的企业预计 2026 年底主控制面会落到「模型厂商托管服务」，第一名的选择是混合编排（33%）；最大顾虑是「换模型/换工具不灵活」（28%）。
Salesforce DarwinX：用进化算法对抗「修一个坏一个」
面对自改进 Agent 的路径依赖与跨任务干扰，DarwinX 维持多分支 harness 存档，候选变体必须「既提升新任务、又把已在解决任务的回退控制在容忍范围内」才能胜出；且探索与确认分离——先在低代价下筛，再用高保真复跑与历史任务探测复核，避免一次走运的 rollout 带偏整个搜索方向。论文作者指出，人工手改 prompt 极易收敛到局部最优，而 Agent 评测本身抖动可达数个百分点，与单次改动的收益同量级。
Anthropic Claude Code Projects：从「一次会话」到「一份长期工作」
Claude Code Projects 把交互单位从孤立的编码任务换成持续推进的工作体。开发者只跟协调层对话，Claude 决定新请求进哪条线程或另开线程；每个 Project 有协调者统辖若干工人线程。Anthropic 举例：目标是降低某应用 checkout 的 p75 延迟，Claude 可并行开线程做端点剖析、优化实验、提 PR。Beta 先面向 Pro/Max 的云端会话用户，随后扩至 Team / Enterprise。注意与 2024 年 6 月的通用 Claude Projects 同名但解决的是不同问题。
AI 编程把 CI 变成了新瓶颈（Linear）
Linear 团队撰文《AI coding has made CI a bottleneck, so we reworked ours to keep up》（HN 122 分）：当编码 Agent 让 PR 数量与迭代频率陡增后，持续集成从配角变成拖后腿的一环，他们为此重构了流水线。这与 Anthropic、Salesforce 的动向形成呼应——当「写代码」变便宜，验证与协调环节就成了新的成本中心。
🛠️ 开源与工具链
GitHub Trending（今日）
- trycua/cua（+609）——面向 computer-use 2.0：开源驱动、跨操作系统机群、以及用于训练/评测/数据生成的基准
- Open-Dev-Society/OpenStock（+844，今日最高）——昂贵行情平台的开源替代，实时价格、个性化提醒、公司深度信息
- BuilderIO/agent-native（+607）——构建 agentic 应用的框架
- coder/coder（+460）——为开发者与他们的 Agent提供安全运行环境（Go）
- anthropics/financial-services（+424）——Anthropic 官方金融服务业示例仓库
- Crosstalk-Solutions/project-nomad（+394）——离线优先的知识与教育服务器，内置维基百科、书籍、课程、地图，可选本地 AI
- akitaonrails/ai-memory（+167）——为编码 Agent CLI 提供长期记忆，并支持在不同厂商 Agent 之间交接
- zhouxiaoka/autoclip（+250）——AI 驱动的高光提取与二创剪辑工具
- yynxxxxx/Codex-X（+50）——OpenAI Codex 桌面端/CLI 的可视化管理工具：Provider/API 切换、会话同步、提示词注入、Skills/MCP 管理、TOML 配置可视化
趋势很清晰：Agent 的记忆、环境与验证正在成为独立的基础设施品类——外部记忆（ai-memory）、安全运行环境（coder）、评测驱动（cua）、多 Agent 应用框架（agent-native）四条线同时上榜。
Cloudflare Python Workers 正式 GA
Cloudflare 宣布 Python Workers 进入 generally available（HN 177 分）。对把 AI 推理/编排放在边缘、又不想维护容器与冷启动的团队，这是一个值得重估部署拓扑的信号。
Tim Dettmers：在自己硬件上跑前沿模型
《Frontier AI on Your Own Hardware》（HN 88 分）记录 DLab 的开源周工作，讨论如何在自有硬件上运行前沿级 AI。在推理成本、数据合规与供应商锁定成为企业核心议题的当下，这类「自托管前沿能力」的工程尝试关注度在上升。
💬 社区热议（Hacker News）
- Xiaomi MiMo v2.6（468 分，237 评论）——当日最热，小米开源全模态模型引发对「中国开源模型追赶速度」的密集讨论
- Grok 4.7（480 分，397 评论，x.ai 官宣页）——分数高、争议也高，Terminal-Bench 表现成为吐槽集中点
- Attention is all you have（554 分）与 Transformers Explained Visually（169 分）——一篇观点文 + 一个交互式可视化，当日「理解 Transformer」的讨论热度不减
- Kev: Tiny Jev-like family of decision models built on top of Qwen3.5（400 分，177 评论）——在 Qwen3.5 之上构建的小型决策模型家族，反映「小模型 + 强编排」路线的社区热度
- Roboharm: Do frontier robot policies refuse unsafe instructions?（31 分）——前沿机器人策略是否会拒绝不安全指令，具身安全开始出现专门的评测问题
- The Advisory Group on Mathematics and Artificial Intelligence（73 分）——陶哲轩参与发起的数学与 AI 顾问组，标志主流数学界正式机制化地与 AI 对话
📝 编者按
今天的两条主线值得连起来读：一条是「能力在涨、账也在涨」——Grok 4.7 与 MiMo-V2.6 都把「更强」作为卖点，但 Artificial Analysis 给出的每任务成本揭示了一个残酷事实：推理 token 膨胀足以吞噬任何标价优势。对做 Agent 产品的团队来说，选型指标必须从「$/1M tokens」切换到「$/完成一个任务」，并且要把失败重试与长程工具的调用成本算进去。
另一条是「harness 正在变成真正的产品面」——Claude Code Projects 把协调层做成了功能，Salesforce DarwinX 证明不改权重、只进化 harness就能拿到几十个点的提升，Google EnvHarness 则把「训练环境」也做成了可编程层，Linear 更直接指出瓶颈已经转移到了 CI。当模型能力的差距被拉平，谁能把「记忆、协调、验证、环境」这套外骨骼工程做得更好，谁就拿到下一轮的实际产品差距。而 VB Pulse 的数据给出了冷峻的注脚：装上一个 Agent 平台很容易，把它变成主力控制面很难——69% 与 38% 之间，差的正是这套工程能力。
本日报由 TimLake AI 编辑自动采集撰写，信息源：VentureBeat、Hacker News、GitHub Trending、Google DeepMind、Anthropic、小米 MiMo、Cloudflare、Linear 等。