数据来源 AI HOT
模型发布/更新
Google 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google 发布 Gemini 3.8 Flash 和面向网络安全的 Gemini 3.8 Flash Cyber。普通版已经进入 Gemini API、Google AI Studio、Android Studio、Antigravity、Gemini Enterprise，以及面向 Pro 和 Ultra 用户的部分消费产品。它的推广期价格与 3.7 Flash 相同，每百万输入和输出 token 分别为 0.75 美元和 3.75 美元，2027 年 1 月 1 日起会翻倍。
Cyber 版通过新的 Fairwind Program 向受信任的政府机构、关键基础设施运营方和软件维护者优先开放。Google 公布的测试里，它在外部补丁基准 CWE-Bench 上取得 47.2% 的 pass@1，接近对照前沿模型的 47.8%。这些结果和其他安全案例来自发布方及合作伙伴的测试，访问范围也受到限制，不能直接等同于普通开发者今天就能调用的通用模型表现。
🔗 Google 官方介绍 ｜ Fairwind Program 官方说明
Meta 发布 Muse Spark 1.3
Meta 首席 AI 官 Alexandr Wang 宣布 Muse Spark 1.3 上线。这是 Muse Spark 五个月内的第四个版本，官方把更新重点放在智能体和科学推理。公开贴文没有给出足够的逐项结果，具体提升幅度还要等更完整的模型资料和独立复测。
Artificial Analysis 已经测试了 xhigh 版本。它在该机构的 Intelligence Index 获得 61 分，支持文本与图像输入、100 万 token 上下文，测试速度约为每秒 235 个输出 token。分数、速度和每项任务成本都属于这家评测机构的流程，适合在同一套口径内比较，不能概括模型在所有任务上的效果。
🔗 Alexandr Wang 发布贴文 ｜ Artificial Analysis 模型页
Qwen3.8-Max-0902 在 Code Arena 发布时升至第一
通义千问推出 Qwen3.8-Max-0902。它在 Code Arena WebDev 榜单亮相时得到 1691 分，比前一版本高 22 分，当时以 3 分优势排在 Claude Opus 5 Max 前面。按每百万输入 token 2 美元、输出 token 6 美元折算，榜单给出的混合价格约为 5 美元，模型一度位于该榜单的性价比前沿。
这是一张会随投票继续变化的在线榜单。到次日复核时，Qwen3.8-Max-0902 的显示分数已经变为 1688，排名也被新加入的 Claude Fable 5.1 Max 超过。发布时第一名可以说明它在前端开发投票中的早期表现，不能当成固定排名或完整编程能力结论。
🔗 通义千问发布贴文 ｜ Code Arena WebDev 榜单
产品发布/更新
Claude 在 Cowork 与 Claude Code 中加入电脑操作
Anthropic 为 Claude Cowork 和 Claude Code 加入电脑操作。没有合适连接器或工具时，Claude 可以直接点击、输入、打开应用和使用浏览器。功能现处于研究预览，仅向 Pro 和 Max 套餐开放，支持 macOS 与 Windows 上的 Claude Desktop。
用户可以在 Claude 工作时处理别的事，电脑本身仍要保持唤醒，桌面应用也要开着。Claude 首次访问应用时会请求权限，复杂流程可能需要重试。这里的后台执行仍依赖用户自己的桌面环境，不等于一个完全无人值守的云端任务。
🔗 Claude 官方发布贴文 ｜ Anthropic 使用说明
Cursor 推出 Self-Hosted Machines
Cursor 的 Self-Hosted Machines 允许云智能体在企业或个人管理的机器上执行文件编辑、终端命令和电脑操作。Worker 通过长期出站 HTTPS 连接领取工具调用，Cursor 不需要主动连入企业网络。团队还可以建立共享机器池，按排队需求扩缩容量，并让空闲机器休眠。
自托管覆盖的是执行环境。智能体循环、模型推理和规划仍在 Cursor 云端，Worker 会把任务需要的文件内容、终端输出、差异、截图和本地工具结果传回 Cursor。个人机器可以直接登记，团队机器池需要 Enterprise 套餐。企业评估数据边界时，仍要把这些出站内容和 Cursor 的存储策略算进去。
🔗 Cursor 官方文章 ｜ Self-Hosted Machines 文档
美团 LongCat-2.0 进入 Cline 免费试用
美团 LongCat 宣布 LongCat-2.0 已可在 Cline 免费试用。官方集成文档同时给出了 Cline CLI 和 VS Code 扩展的接入方法，两种方式都通过 OpenAI 兼容接口调用 LongCat-2.0。
这次消息说的是 Cline 内的限时免费入口。自己按文档连接 LongCat 平台时，用户仍要申请 API Key，并确认账户里有足够额度。免费试用和常规 API 计费属于两条使用路径，不能把这次活动理解成模型接口永久免费。
🔗 美团 LongCat 发布贴文 ｜ LongCat 官方 Cline 接入文档
UU 远程补齐移动端 TUI 与多终端会话
UU 远程的新版本补上移动端 TUI 显示与交互，手机上可以直接查看终端里的选择器、状态面板和其他全屏界面。移动端还增加独立输入框调用系统输入法，Mac 连接则支持免输系统密码。
新版也能同时创建和管理多个终端会话。手机开启的任务回到电脑后可用 uuyc-cli lterm attach 继续操作，电脑上的会话也会同步到手机。原文是一篇带实测过程的产品介绍，能确认作者看到的功能路径，长期稳定性、兼容范围和远程网络表现仍要按实际设备复测。
行业动态
英伟达被曝接近以 129 亿美元收购 Hugging Face
彭博社援引知情人士称，英伟达正与 Hugging Face 进行深入谈判，拟议收购价约为 129 亿美元，包含员工留任安排后交易总额可能接近 140 亿美元。其中约 10 亿美元可能用于员工留任，协议最快可能在本周达成。
双方尚未签署最终协议，时间、价格和其他条款都可能改变，英伟达与 Hugging Face 也没有正式宣布交易。现阶段应把它视作有具体金额和谈判进度的收购报道，不能写成已经完成的并购。
🔗 彭博社报道
OpenAI 因 Tumbler Ridge 枪击案再面临 30 起诉讼
Tumbler Ridge 中学校园枪击案发生时在校的学生、教师和一名校长，对 OpenAI 及 Sam Altman 提起 30 起新诉讼。原告没有在枪击中直接中弹，这批诉状把重点放在亲历袭击造成的伤害，并首次在这组案件中提出协助与教唆等主张。
诉状指控 OpenAI 掌握嫌疑人的暴力风险线索，却没有及时通知执法机构。相关说法仍是原告主张，法院尚未认定事实或责任。协助与教唆通常还要证明意图，法律媒体预计这项主张会先面对驳回挑战。报道确认了新增案件和原告范围，不能据此提前判断 OpenAI 已经构成教唆。
🔗 The Verge 报道 ｜ TechCrunch 对诉状的核查
技巧与观点
美国司法部支持把大模型训练一般视为合理使用
美国司法部在纽约时报等出版机构起诉 OpenAI 的案件中提交利益声明。文件认为，为训练大语言模型而复制受版权保护的文字通常具有很强的转换性，训练带来的公共利益和国家安全价值也应进入合理使用判断。司法部因此支持 OpenAI 的训练版权抗辩。
这份文件向法院提供政府立场，没有约束法官。它也没有替所有数据来源和模型输出免责，取得训练材料的方式、输出是否复制受保护表达，仍要结合具体事实判断。纽约时报则反对政府立场，认为无许可训练会损害创作者与新闻业。案件的最终规则还要由法院决定。
🔗 美国政府提交的利益声明 ｜ 美联社报道
Google 工程师用 ADK 2.0 解释 harness 工程
Google AI 社区作者 Shir Meir Lador 把 harness 工程概括为一组围绕模型的确定性部件，包括编排、执行环境、状态保存、权限政策和验证。文章用 Antigravity SDK 与 ADK 搭出本地示例，把智能体限制在指定工作区，并保存运行轨迹。
ADK 2.0 的图式工作流还能把测试放进执行循环。测试通过后结束，失败结果交回智能体继续修改，迭代次数则充当停止条件。文章展示的是一套教学用代码和设计思路，不代表接入框架后就会自动获得安全隔离，具体权限、沙箱和终止条件仍要由开发者配置和验证。
Google AI 团队整理 LLM 评判标准的写法
Google AI 团队发布 LLM-as-a-Judge 评分标准教程。作者建议把每条标准写成只判断一件事的布尔问题，各条之间尽量不重叠，并用 MUST、MUST NOT 和 REQUIRED 这类明确措辞描述可以观察的结果。
教程还要求评分只覆盖原始提示明确提出的内容，随后用专家标注的 golden set 校准自动评分。若模型评分与人工判断不一致，就回头修改标准并重新测试。方法可以减少模糊提示造成的漂移，可靠程度仍取决于样本覆盖、专家标注质量和所选评判模型。
Anthropic 发布电商 Agent 架构指南与参考实现
Anthropic 根据零售、市场平台、旅游、电信等客户的部署经验，整理了一套电商 Agent 架构。一只 Claude 在标准循环中调用技能和工具，并配上一套评测。产品搜索、购物车和结算等高频规则放进提示，长尾能力再按需加载技能。
文章不建议按每个业务域拆一只子智能体，因为电商对话中的购物车、偏好和历史通常紧密相连，反复交接会损失上下文并增加延迟。独立研究这类边界清楚的任务仍可交给子智能体。这个结论来自 Anthropic 接触的企业项目和内部比较，团队仍要用自己的流程复测。配套仓库给出了购物 Agent 和商家 Agent 的参考实现。
🔗 Anthropic 架构指南 ｜ commerce-agents 参考仓库
GitHub Copilot 用四项 harness 改动降低编码成本
GitHub 工程师复盘了 Copilot 的四项降本改动。系统会保留源码和任意命令结果，集中压缩安装、构建和测试里的重复噪声。文件查看工具删掉无用的行号前缀后，离线推理成本约降 5%，面向 Copilot CLI 用户的在线实验里，人均每日模型推理成本约降 3%。
团队还把 task 工具提示每轮缩短约 1300 个 token，使活跃小时归一化成本下降 2.9%，并让后台任务完成通知直接带回结果，使 AI Credits 平均用量下降约 2.3%。四个数字来自不同的离线评测或 A/B 实验，效果不能简单相加。文章也记录了过度压缩导致智能体重新读取内容的失败，降本要看完整任务，不能只看一条工具输出有多短。
Google 从 AI Agents Challenge 提炼四种工程模式
Google 复盘 AI Agents Challenge 的头部提交，归纳出四种反复出现的做法。智能体既调用 MCP 工具，也把自己的能力作为 MCP 服务开放。互不依赖的智能体通过事件并发运行。备用模型与主模型经过同一套验证。便宜的确定性规则和小模型先过滤简单请求，再把难题交给完整推理模型。
文章中的例子来自参赛项目。它们展示了真实代码怎样处理延迟、成本和故障切换，却不是统一控制条件下的架构基准。最有用的判断标准很朴素，先看任务之间有没有依赖，再决定并发、回退和路由，别因为项目里写了多个 Agent 名字就认定系统已经具备多智能体能力。
AI 热点日报 · 作者 ZestJT · 数据来源 AI HOT（aihot.virxact.com）