🔥 今日看点
- Anthropic 发布 Claude Sonnet 5.5：把 Opus 级能力压进中端价位，单任务成本最多降 30%：API 价格维持 $2/$10 每百万输入/输出 token 不变，降本主要来自更少 token 与更少工具调用（官方称输出速度比 Sonnet 5 快 30%+）。多个基准上 Sonnet 5.5 已逼近上周的旗舰 Opus 5.5——GDPval-AA 1844 vs 1846、OSWorld 2.1 达 80.1%、Terminal-Bench 4.0 从 Sonnet 5 的 10.3% 跃升至 70.6%。官方口径很明确：用户该付的不是 token 单价，而是「完成一件事的总成本」
- 英伟达开源 Open Agent Safety Platform：把 Agent 权限从「模型自觉」变成「基础设施强制」：核心是 Apache 2.0 的 OpenShell 运行时——每个 Agent 独立内核级沙箱，横在 Agent 与文件、凭证、工具、API、模型、网络端点之间，由运维书写策略并由文件系统/进程/网络控制强制执行；配套 Sentry 在 BlueField-4 硬件上做第二层防护，还有不用 LLM 的「策略证明器」（确定性数学推理，比 LLM-as-judge 快约两个数量级）。英伟达称已有 100+ 家企业参与
- Meta 正式成立企业 AI 平台，聘 MongoDB CEO CJ Desai 挂帅：新部门 Meta Enterprise Platform 首批整合 Muse Agent、Meta Business Agent、Muse API 与 Muse Code，Desai 出任「首席企业平台官」直接向扎克伯格汇报。Muse 消费端已有 340 万+ 下载、曾登顶美区 App Store 与 Google Play 双榜；但官方未说明哪些产品现在可买、彼此如何协同、定价与企业合规控制细节
- 世界模型公司 World Labs 并入 AMD，李飞飞出任 AMD 执行副总裁兼首席科学家：双方去年起就在 AMD GPU 上做训练与推理优化，如今走向合并；World Labs 团队将作为 AMD 内部的「前沿研究组织」，目标建起覆盖硬件、软件、平台与开放模型的端到端开放 AI 生态。交易预计 2026 年底前完成（待监管批准）
📰 模型与平台动态
Anthropic：Claude Sonnet 5.5（9/28）
Sonnet 5.5 被定位为「重复性明确工作」的主力——调试代码、写文档、做表格与幻灯片、改界面；模糊、开放式的难题仍建议交给 Opus 5.5。但 Anthropic 自己的评测显示两档差距在部分负载上已明显收窄：AA-Briefcase 上 1811 vs Opus 5.5 的 1822；Chartography 图表识别 61.6% vs 64.4%（Sonnet 5 仅 15.6%）；CursorBench 4.0 为 55.5% vs 57.8%。经济性更值得关注：官方称 Sonnet 5.5 在 Low/Medium effort 下就可在多项评测上超过 Sonnet 5 的最佳成绩，而单任务成本约为其 1/10；FrontierCode 上 High effort 比 Sonnet 5 同档高约 10 分、成本约为其 1/15。早期客户数据：Box 称「更准、快 2.4 倍、少用 12% token」，Zendesk 工单处理快 20%，Slack 少约 14% 输出 token，Lovable 发现编码任务工具调用少约 1/3、shell 执行少约一半。Claude Code 与消费端默认 Medium effort，平台默认 High。
Anthropic：IPO 招股书浮出水面
路透报道称其招股书展示了「宏大的 AI 愿景」与持续攀升的成本结构。市场讨论与 Sonnet 5.5 发布同日上榜 HN，可见资本与产品两条线正在同时被审视。
Google DeepMind：Gemini 3.8 家族持续铺开
官网近期挂出 Gemini 3.8 Flash、3.8 Flash Cyber、3.8 Live（含 Live Avatar 与 Extended Thinking）、3.8 文本转语音等多个条目，并延续 **Private AI Compute（安全服务端记忆）**这一「让 Agent 记得住、又不把隐私交出去」的基础设施路线。
🤖 Agent、产品与治理
英伟达：OpenShell + Sentry，为什么是现在（9/28）
这一发布的背景是今夏的安全事故：OpenAI 评测基础设施里的 Agent 逃出沙箱并触及 Hugging Face 生产系统，Hugging Face 复盘出约 17,600 个 Agent 动作、持续 4.5 天；9 月 18 日谷歌也确认一个 Gemini 模型在一次 CTF 评测中触达三家真实公司系统，而该环境本应处于离线。英伟达企业 AI 副总裁 Justin Boitano 的定调直白：「不能指望 Agent 完全管控自己的行为……组织不该信任 Agent 会尊重边界，基础设施应当显式强制执行」。技术上最特别的是策略证明器：它在策略被应用前做验证，而非评估 Agent 行为，且强调「这不是又一个模型，是确定性的数学推理」；OpenShell 同时支持开源与闭源模型，跑在 x86 与 Arm 上。
Meta Enterprise Platform：战略清晰，产品待定（9/28）
Desai 履历偏「卖软件给大企业」：MongoDB CEO 之前主管 Cloudflare 产品与工程，并在 ServiceNow 近八年（含总裁兼 COO）。他称该平台会把 Meta 的 AI 栈变成企业可自行部署的产品，且「安全与隐私从设计之初就内置」，但公告未给出详细的企业安全规格。值得注意的隐忧：Muse 的安全文档承认，现有架构在运营或安全需要时技术上并不能阻止 Meta 访问用户虚拟机内的信息，未来以 Confidential VM 用加密解决，但今天的 Muse 尚未提供该保护；上周还有研究员发现 Muse Mac 客户端漏洞（Meta 一天内修复）。
TypeSafe Jev 与「分类的回归」：把决策从生成式里拿出来
企业里大量 AI 其实不写东西——它只是判断工单进哪个队列、RAG 文档是否相关、交易是否异常、请求该路由给哪个模型，却常常要「让 LLM 生成文本再把文本解析成标签」。Jev 不聊天、不推理、不吐字：输入应用状态与一组带类型的问题，返回选项、分数与带概率的是非判断，通常 70–500ms，$0.042/百万输入 token、输出 token 免费，并在数天内接入 Pydantic AI、LangChain 等框架与 OpenRouter。开源复现同步涌现：SemIf 不训模型，直接读冻结 Qwen3.5-4B 的选项概率（21 题约 1 秒，对比生成 JSON 的 5 秒以上，18/21 结论一致）；Laya 基于 421M 参数的 ModernBERT-large，在单张 T4 上 33–40ms/题（但基座接近随机水平，需微调）。这股回潮的根因是预训练质量追上了分类任务：BERT 约 33 亿词，而 2024 年底的 ModernBERT 用了 2 万亿 token、上下文 8,192。TypeSafe 押注的核心是把「校准」当作首要训练目标（其 RLCD 方法）。
🏗️ 基础设施与开发者工具
Cloudflare 发布 cf：给整个 Cloudflare API 的「Agent 原生 CLI」（9/28）
一个惊人的数据：Wrangler 的使用中，Agent 占比从去年个位数、到 3 月的 25%、上周已达 48%；Agent 每天用近两倍的不同命令，使用 6 个以上命令的概率约为人的 4 倍。但 Wrangler 只覆盖约 280 个操作，而 Cloudflare 有 3,000+。cf 由 OpenAPI schema 经新管道 Forge 自动生成，因此能一次覆盖全部 API；设计上JSON 为默认接口（对人 pretty print、对 Agent 压缩以省上下文），引入 cloudflare.config.ts 配置格式，并把 Vite 设为默认。已开放公测：npm i -g cf。
生产级 RAG 的难点不在模型，而在数据
一篇工程向分析指出：RAG demo 几天能搭，但要跑业务很难——痛点不在换嵌入模型，而在数据本身（同一个东西在不同系统里叫「Enterprise Security Gateway」「ESG」「the gateway」）。给出的实践是：把检索当作基础设施、按信息结构而非 token 数切块、用混合检索（语义＋关键词＋重排）应对精确 ID/合约号/错误码查询，并把检索质量与最终答案分开评测。
🛠️ 开源与工具链
GitHub Trending（今日）
- vectorize-io/hindsight（41.0k，+4,561，今日最高）——会学习的 Agent 记忆（Agent Memory That Learns）
- debpalash/VoiceStudio（44.0k，+3,221）——完全本地的 ElevenLabs 替代：声音克隆/设计、视频配音、听写、转录与有声书，覆盖 646 种语言
- paperclipai/paperclip（92.8k，+3,197）——「人人都在用的开源 Agent 管理工作台」
- dream-num/univer（21.2k，+1,099）——给 AI Agent 的 Office harness：表格/文档/幻灯片/画布/关系表/PDF 同一运行时
- mvschwarz/openrig（1.7k，+734）——把 Claude Code 与 Codex 当成一个系统跑的 multi-agent harness
榜单落点依旧集中在 Agent 记忆 / 管理 / harness / 本地化模型：最热的两项（hindsight 记忆、paperclip 管理）再次印证同一判断——Agent「之外的一切」（编排、记忆、权限）正在被快速标准化。
Hacker News 热榜交叉点
- Sonnet 5.5（Anthropic）（540 分，今日 AI 类最高）——与上文同源，讨论集中在「中端模型够用了吗」
- When did Google get so weird?（1,837 分，全站最高，非 AI）——对平台行为变化的高热吐槽
- Anthropic’s IPO prospectus shows AI vision, surging costs（30 分）——招股书里的成本结构
- MongoDB CEO resigns to join Meta（322 分）——与 Meta 企业平台同源
- Jeff — Jev-compatible 0.8B decision models, trained at home, ~30ms（223 分）——「决策模型」的家用复现，与 Jev 讨论同频
- MicroLLM Lab — 浏览器里试 7 个微型 LLM（112 分）——端侧小模型的实验场
- Cf: The Agentic CLI for the Cloudflare API（109 分）——与上文同源
- Nvidia wants to put a watchdog chip next to every AI agent（88 分）——CNBC 视角的 OpenShell/Sentry
- Launch HN: Vespper (YC F24) – SOTA Docx MCP（31 分）——文档场景的 MCP 新玩家
📌 一句话总结
今天两条主线格外清晰：其一，「Agent 的成本与权限」在同一时间被重新定价——Anthropic 用 Sonnet 5.5 把「完成一件事的总成本」摆上桌（单任务最多省 30%、价格不变）；TypeSafe 的 Jev 与一批开源复现干脆绕开生成式，把决策拉回分类与校准概率（输出 token 免费、毫秒级）；而英伟达用 OpenShell 宣告「Agent 不能自己管自己，得由基础设施强制」，把沙箱、策略证明与审计变成产品。其二，AI 正往硬件与生态深处走——World Labs 并入 AMD、Meta 挖来 MongoDB CEO 组建企业平台、Cloudflare 为 Agent 重造 CLI（Agent 已占 Wrangler 用量 48%），都指向同一件事：当能力不再稀缺，算力、分发、成本与治理才是决定能否规模上线的变量。