🔥 今日看点
- 微软把 Copilot 改造成「工作台」：Autopilot 持久 Agent + 应用托管 + FinOps：微软周五宣布 Copilot 大改版，拆成三个目的地——Home（Chat + Cowork）、Code（用自然语言生成应用）、Autopilot（原 Scout 更名，一个带独立身份/记忆/运算环境/工作区的持久 Agent，可在人类下班后继续推进任务、跨 Teams/Outlook/文档协作）。同时推出 Copilot Managed Runtime 托管员工生成的应用（「像保存和分享 Word 文档一样简单」）、Agent 365 提供权限与审计，以及把消费管控扩展到 Autopilot/Code/托管运行时的 FinOps。Nadella 定调：「每个 Agent 都必须有身份，它做的一切都必须可观测。」但 Code/Cowork/Autopilot 的计费细节微软并未量化——企业买家最该担心的，正是「后台持续运行的工作如何计价与治理」
- 模型价格战白热化：Anthropic 与 OpenAI 同日降价：Anthropic 发布 Claude Opus 5.5，API 定价 $4/$20（每百万输入/输出 token），比 Opus 5 便宜 20%，官方称典型工作负载整体便宜约 40%；缓存写入从 $6.25 降至 $5、缓存读取从 $0.50 降至 $0.20，并称在多个 agentic benchmark 上超过 Fable 5.1，而后者 API 贵 150%。同日 OpenAI 推出中低端 GPT-6 Sol（$2/$10）与 GPT-6 Luna（$0.10/$0.50），对 GPT-5.6 前代至少便宜 50%。竞争焦点已从「谁分数高」转向「每美元能完成多少有用工作」
- 斯坦福 × 英伟达开源 CLM-8B：把 Agent 决策从「生成」变成「匹配」：模型不再逐 token 生成动作名，而是把「当前状态」与「候选动作」编码进同一嵌入空间，选最匹配的一个，从而缓存可复用的动作表示。在计算机操作/游戏/工具调用测试中最高比 TypeSafe 的 Jev 快 9 倍，两项游戏任务成功率持平，工具调用略低（95.2% vs 99.2%）。对多步 agentic 流程，这类「System One」决策模型的延迟与成本收益会随调用次数复利
- 美国上诉法院维持「Anthropic 是供应链风险」认定：据 CNBC，联邦上诉法院维持了将 Anthropic 列为供应链风险的认定，登上 HN 热榜（366 分）。在模型能力与降价齐飞的一周里，这条来自合规侧的消息提醒：前沿模型的采购，正越来越受地缘与合规框架约束，而非单纯看性能
📰 模型与平台动态
Claude Opus 5.5：降价之后还带来「破坏性变更」
除价格外，Opus 5.5 拥有 100 万 token 上下文、同步最多 128k 输出（Message Batches API 下可到 30 万）——但不是 Opus 5 的即插即用替代：自适应思考默认常开（只能通过 effort 参数控制深度，不能关闭）、强制工具调用可能报错、thinking blocks 与产生它的模型/会话绑定、旧的 computer_20251124 工具在 Claude API 和 GCP 上被拒。对生产级 Agent 系统，这些都会影响工具路由、会话状态持久化、回归测试与 UI。安全上，部分网络安全与生物类请求会被透明路由到 Opus 4.8 或降级处理；官方称 Opus 5.5 尝试越界的频率比 Opus 5 / Mythos 5.1 低约 85%
GPT-6 Sol / Luna：把「模型路由」做成产品线
Luna 面向摘要、抽取、简单问答等高并发任务，$0.10/$0.50；Sol 面向反复进行的编码、审查、调试、数据分析，$2/$10，正好对齐 Claude Sonnet 5 的定价；Astra 留给最复杂的多模态/科学数学任务。OpenAI 强调这是永久价格而非促销，并称推理与缓存优化是降价来源。文章点出的企业要义：Agent 经济学越来越取决于「一个工作流要调用多少次模型、重放多少上下文、是否每一步都真需要前沿模型」
小米 MiMo-V2.6-Pro：号称「比 DeepSeek 更强」的全球最强开源权重模型
小米同步推出 MiMo-V2.6-Pro 与更便宜的 V2.6-Flash（$0.14/$0.28）。演示中 MiMo 可接收文本/图像/视频，协调多个 Agent 生成可玩的 3D 世界：搭建场景、实现交互逻辑、检查渲染输出。开源权重阵营在高性价比区间继续加压
Grok 4.7：编码变强、单价不变，但「token 消耗」藏风险
xAI 的 Grok 4.7 在编码能力上升的同时维持低价，但文章提醒：单价更低的模型，若需要更多推理 token 才能完成同一任务，整单成本反而更高——在企业规模下这个差异会迅速放大。它把「per-token 便宜」与「per-task 便宜」的区别摆上台面
Black Forest Labs FLUX 3 Action：开源权重机器人模型，体积只有对手一半
FLUX 3 Action 以开源权重形式发布并登顶榜单，体量却只有竞争者的一半；团队称训练了任务专用的 action policy，可在现实里飞无人机，甚至无死亡通关《Doom》。它延续了「世界模型/动作模型」从演示走向真实硬件控制的趋势
🤖 Agent、开发工具与基础设施
微软 Copilot：从「聊天框」到「有身份的执行体」
Autopilot 由 Scout 演进而来（底层涉及 OpenClaw 开源技术，微软为其加上企业身份与访问控制），用户给它目标与角色，它在企业 M365 边界内拥有独立身份、记忆、算力环境与工作区，可被像同事一样 @ 提及。演示中一个名为 Dot 的 Autopilot 监控黑五备货，从邮件、Teams、Dynamics 365 库存表和表格中聚合信息，发现影响 18 家门店的物流问题并拉人解决。企业侧的关键词是 Agent 365（权限、审计、管理） 与 Copilot Managed Runtime（应用托管）——微软把「Agent 身份化 + 工作可观测」当作卖点，但也承认尚未给出逐动作的审批策略与失败处理的完整方案
斯坦福 × 英伟达 CLM-8B：为企业 Agent 栈省下「路由开销」
CLM 用对比学习（InfoNCE）三阶段训练：6000 万 QA 学语义匹配 → 3000 万合成「难负例」→ 100 万 Agent 轨迹后训练；基座是冻结的 Qwen3-8B 配独立的 state/action 投影头。适用场景包括：固定工具集里的工具路由、是/否判定、有序打分、候选排序——比如内部 IT Agent 的 50 个获批动作（重置密码、开票据、升级安全事件），可把动作表示缓存一次、每次只编码变化的状态。它不生成 token，因此省掉了生成式模型在「有界决策」上的开销；团队未给出与前沿 API 的等价美元对比，但指出在多步任务中延迟收益会复利
Google 开源 EnvHarness：让 Agent 在「会进化的环境」里训练
EnvHarness 提供一种替代思路：不必不断从零构建新模拟器和任务，而是从一个可信环境出发，围绕 Agent 当前的弱项动态重塑它。它降低了 Agent 强化学习/评测里「环境供给」的边际成本
C2C：用 KV cache 取代模型间的文本交接
C2C 让模型之间不再以文本「传话」，而是通过 KV cache 直接通信——延迟更低，但文章强调：只有自己掌控推理栈的团队才能用。它代表了「多模型/多 Agent 协作」在基础设施层的另一种优化方向
Inkitt 的 Cinematica：企业到底该不该自建 harness？
Inkitt Movie Creator 完全由自建 harness Cinematica 驱动，它编排不同的图像/视频/语言模型并编码真实电影制作手法，几分钟把脚本变成可编辑影片。给出的 5 条经验里最值得记的是：从一个真实的内部工作流出发，而不是从「我要做个 harness」出发
VibeOps：把「vibe coding 治理」放进执行路径
Fabrix.ai 的 Governed VibeOps 用自然语言让 IT 定义仪表盘、Agent、工作流与自动化，集中检查生成代码、计量 token 花费，并让 Agent 继承既有的连接、权限、审计与可观测性；其 Argos 小模型家族（VX 平台语义 / AIOps 关联策略 / VE 漏洞暴露评分）说明——不是每个任务都需要前沿大模型
Anthropic：Claude 发现具 CRISPR 样重复的新型酶系统
Anthropic 新闻页显示，9 月 23 日其科研方向披露「Claude discovers a novel enzyme system with CRISPR-like repeats」。在模型价格战与 Agent 治理之外，这是「AI 用于科学发现」这条支线的具体进展
Hacker News 热议交叉点
- 「Anthropic 供应链风险」上诉（366 分）——合规与地缘正成为模型采购的硬约束
- OpenAI Agent 如何攻破 Hugging Face 的细节被披露（144 分）——与上周 Agent 自主攻击事件一脉相承
- Ollaya：面向开源 Jev 风格决策模型的 Ollama（313 分）——CLM-8B 之外，「System One 决策模型」生态正在成形
- Bloomberg：微软以 Copilot 重启，实质「放弃个人 AI 聊天机器人竞赛」（74 分）——与企业级 Autopilot 改版互为注脚：微软把筹码压向了工作场景
🛠️ 开源与工具链
GitHub Trending（今日）
- paperclipai/paperclip（84.9k，+2,109，今日最高）——「人人都在用的开源 Agent 管理工作台」
- vectorize-io/hindsight（29.8k，+1,653）——会学习的 Agent 记忆
- google/ax（11.5k，+1,379）——Google 开源 agentic orchestration runtime
- rohitg00/ai-engineering-from-scratch（57.5k，+1,177）——AI 工程从零到交付
- dream-num/univer（18.4k，+1,050）——「给 AI Agent 的 Office harness」：表格/文档/幻灯片/画布/关系表/PDF 同一运行时
- mattpocock/skills（269.7k，+583）——「给真工程师的 skills」，来自作者的 .agents 目录
- obra/superpowers（291.7k，+468）——Agentic skills 框架与开发方法论
- NVIDIA/Model-Optimizer（4.5k，+359）——量化/蒸馏/剪枝/投机解码统一优化库，服务 TensorRT-LLM、vLLM 等推理栈
- pbakaus/impeccable（71.2k，+306）——「让 AI harness 更懂设计」的设计语言
- anthropics/skills（178.3k，+189）——Agent Skills 公开仓库
- kelseyhightower/kubernetes-the-hard-way（50.1k，+119）——无脚本手搓 Kubernetes
今天榜单的落点依然集中在 skills / harness / 记忆 / 编排 这几层：Agent「之外的一切」在被持续标准化。值得注意的是 anthropics/skills 与 anthropics/claude-plugins-official 同时上榜——Anthropic 的「Skills + 插件目录」正在被社区当作事实标准来用，这与其在模型侧的降价形成配套：能力下探 + 生态锁定。
📌 一句话总结
今天两条主线交汇：一条是「降价与分层」——Anthropic 的 Opus 5.5 与 OpenAI 的 GPT-6 Sol/Luna 同日下探价格，把「每美元完成多少工作」变成新的竞争尺度，小米 MiMo 也在开源权重侧加压；另一条是「把 Agent 变成有身份、可治理的执行体」——微软用 Autopilot + Agent 365 + Managed Runtime 把 Copilot 从聊天框推向工作台，斯坦福/英伟达的 CLM-8B 则从算法层把「决策」做得更快更省。再叠加美法院维持 Anthropic「供应链风险」认定、以及 HN 上「Agent 攻破 Hugging Face 细节」的热议，结论很清楚：能力与价格不再是唯一变量，身份、权限、成本可预测性与合规边界，才是企业真正会把 Agent 交付上线的门槛。