今天这期 AIWatch 早报围绕「product、Agent、基准测试」展开，先用一段导语把当天主线收束起来，再按今日头条、推荐精选和补充速览逐条介绍。聚焦 12 · 关注 1 · 跟进 0。
如果只有 20 分钟，先读：Krea 发布 Krea 2 技术报告，详述数据、架构和训练技术，并开源 Krea 2 Raw 和 Turbo 模型权重 → LangChain 发布 Deep Agents v0.6，新增代码解释器功能，允许 Agent 在运行时调用工具并减少 token 浪费 → xAI 在 Grok Build 中推出 /goal 功能，支持多轮子代理自主执行并验证长期任务，提升自动化能力。
今天的主线不是孤立新闻，而是「product、Agent、基准测试」在不同层面的同步推进。
正文内容概括Krea 发布了 Krea 2 的技术报告，详细介绍了其数据、架构和训练技术。同时，Krea 开源了 Krea 2 Raw 和 Krea 2 Turbo 两个模型的权重。Krea 2 Raw 是一个未蒸馏的模型，适合开发者进行微调；Krea 2 Turbo 是快速蒸馏版本，具有广泛的美学多样性。这为 AI 图像生成领域的开发者和研究者提供了可定制和高效的基础模型。 核心观点： 1. Krea 2 Raw 是未蒸馏的 mid-training 模型，专为微调设计。 2. Krea 2 Turbo 是快速蒸馏版本，强调广泛的美学多样性。
核心观点提炼高信息密度，值得细读
正文内容概括LangChain 发布了 Deep Agents v0.6，新增代码解释器功能。该功能允许智能体在运行时内部调用工具，将中间结果保留在模型上下文之外，仅将相关输出传回，从而减少往返次数和 token 浪费。这对开发者意味着可以构建更高效、成本更低的智能体应用。 核心观点： 1. Deep Agents v0.6 新增代码解释器，允许 Agent 在运行时内部调用工具。 2. 该功能通过将中间结果保留在模型上下文之外，仅传回相关输出来减少 token 浪费。
核心观点提炼高信息密度，值得细读
正文内容概括xAI 在 Grok Build 中推出 /goal 功能，支持用户设定一个长期目标后，由系统自动生成并执行多轮子代理，自主完成实现与验证。该功能旨在提升 Grok 在复杂、多步骤任务上的自动化执行能力，对开发者而言，意味着可以更高效地委托长期任务给 AI 智能体，减少人工干预。 核心观点： 1. /goal 功能通过多轮子代理实现自主执行与验证，而非单次指令。
核心观点提炼高信息密度，值得细读
正文内容概括LlamaIndex 发布了 LiteParse v2.1，这是一个开源（Apache 2.0）的 PDF 转 Markdown 解析器。官方声称其在三个标准化基准测试（olmOCR0-bench、opendataloader-bench、ParseBench）上，速度和准确性均超越其他开源无模型解析器（如 pymupdf4llm、opendataloader、pdf-inspector、markitdown）。该工具完全基于规则（无 LLM），支持 CLI、Rust、Node、Python、WASM 安装，并可作为一键智能体技能使用。对开发者而言，这意味着获得了一个免费、快速、准确且多语言支持的文档解析方案。 核心观点： 1. LiteParse v2.1 在 olmOCR0-bench、opendataloader-bench、ParseBench 三个基准测试中，准确率超过 pymupdf4llm、opendataloader、pdf-inspector、markitdown。 2. 该解析器完全无模型（LLM-free），仅依赖规则实现 Markdown 输出，以保持轻量和速度。 3. 支持 CLI、Rust、Node、Python、WASM 多种安装方式，并可作为一键智能体技能使用。
核心观点提炼高信息密度，值得细读
正文内容概括Cloudflare 推出 Workers 临时账户功能，旨在解决 AI Agent 部署时遇到的障碍。Agent 现在可以通过运行 `wrangler deploy --temporary` 命令，在数秒内部署一个实时 Worker。这为开发者构建自主部署的 AI Agent 提供了更便捷的基础设施支持。 核心观点： 1. Cloudflare Workers 新增 `--temporary` 参数，允许 Agent 在数秒内完成部署。
核心观点提炼高信息密度，值得细读
正文内容概括智谱AI发布GLM-5.2模型，在移动应用开发能力上实现大幅提升。内部基准测试包含35个挑战性移动开发任务，每个任务运行两次共70次试验，以核心功能无重大问题为完成标准。GLM-5.2完成率从GLM-5.1的21/70提升至48/70，提升超过两倍，但仍低于Claude Fable 5的56/70。对开发者而言，该模型在长周期任务上的进步值得关注。 核心观点： 1. GLM-5.2在内部移动开发基准测试中完成率从21/70提升至48/70，提升超过两倍。 2. 基准测试包含35个挑战性移动开发任务，每个任务运行两次共70次试验。 3. Claude Fable 5在该基准上完成率为56/70，高于GLM-5.2。
核心观点提炼高信息密度，值得细读
正文内容概括Anthropic 发布 Claude Tag，将 Claude 作为团队成员集成到 Slack 中。用户可通过 @Claude 在频道中异步委派任务，Claude 能积累上下文、主动提醒并跨频道学习。该功能基于 Opus 4.8，面向 Claude Enterprise 和 Team 客户开放 beta 版。Anthropic 内部产品团队 65% 的代码已由内部版 Claude Tag 生成，标志着从单次对话向团队协作智能体的演进。 核心观点： 1. Claude Tag 在 Slack 频道内实现多用户共享同一 Claude 实例，支持多人接力协作而非单次对话。 2. Claude 可跨频道自动学习上下文（不读取私密频道），并具备主动提醒和异步任务调度能力。 3. Anthropic 内部产品团队 65% 的代码由内部版 Claude Tag 生成，使用模式已扩展至指标追踪、工单处理等非工程场景。
核心观点提炼高信息密度，值得细读
正文内容概括OpenAI 发布了 Daybreak 安全工具集，包含 Codex Security 和 GPT-5.5-Cyber 两个组件，旨在帮助组织规模化地发现、验证和修复漏洞。这对开发者意味着可以利用 AI 驱动的安全工具提升漏洞管理效率，降低安全风险。 核心观点： 1. Daybreak 工具集包含 Codex Security 和 GPT-5.5-Cyber 两个具体组件。 2. 该工具集覆盖漏洞发现、验证和修复的完整流程。
核心观点提炼高信息密度，值得细读
正文内容概括Z.ai 发布 GLM-5.2 旗舰模型，支持 1M token 上下文窗口，在编码和长程智能体任务上显著提升。Terminal-Bench 2.1 得分从 62.0 升至 81.0；IndexShare 技术使 1M 上下文下每 token FLOPs 降低 2.9 倍，改进的 MTP 将投机解码接受率提升 20%。模型提供 High/Max 两种推理努力级别，已获 SGLang 首日支持。 核心观点： 1. GLM-5.2 在 Terminal-Bench 2.1 上得分 81.0，相比 GLM-5.1 的 62.0 提升显著。 2. IndexShare 技术使 1M token 上下文下每 token FLOPs 降低 2.9 倍。 3. 改进的 MTP 将投机解码接受率提升最多 20%。
核心观点提炼高信息密度，值得细读
正文内容概括SGLang 宣布对 MiniMax-M3 提供 Day-0 支持。该模型是 MiniMax 推出的原生多模态 MoE 推理模型，总参数量约 428B（激活参数约 23B），共 60 层，支持 1M 上下文窗口，可融合文本、图像和视频。其 MiniMax Sparse Attention (MSA) 在 1M 上下文下相比 M2 实现 9 倍预填充和 15 倍解码加速，每 token 计算量降至 1/20。模型在编码和协作任务上达到前沿智能体性能，并支持 MXFP8 精度（原生适配 NVIDIA Blackwell 和 AMD MI350X/MI355X），H200 可用 bf16 构建。开发者可通过 SGLang 立即运行。 核心观点： 1. MiniMax-M3 总参数约 428B，激活参数约 23B，采用 60 层 MoE 架构。 2. MiniMax Sparse Attention (MSA) 在 1M 上下文下相比 M2 实现 9 倍预填充和 15 倍解码加速，每 token 计算量降至 1/20。 3. 模型原生支持 MXFP8 精度，适配 NVIDIA Blackwell 和 AMD MI350X/MI355X，H200 可用 bf16 构建。
核心观点提炼高信息密度，值得细读
正文内容概括OpenAI与Molecule.one合作，利用GPT-5.4构建近自主AI化学家，成功改进了药物化学中的关键反应。该研究展示了AI在自动化实验设计和优化中的潜力，为药物研发提供了新工具，对开发者和研究者意味着更高效的分子合成路径探索。 核心观点： 1. GPT-5.4被用于构建近自主AI化学家，实现了药物化学关键反应的改进。
核心观点提炼高信息密度，值得细读
正文内容概括智谱AI在ModelScope发布GLM-5.2模型，支持100万上下文窗口，并显著提升编码能力。该模型在Code Arena全球可用模型中排名第二，在FrontierSWE、SWE-Marathon和PostTrainBench等基准上成为排名最高的开源模型，性能介于Claude Opus 4.7和4.8之间。GLM-5.2采用KV8、LayerSplit、IndexShare等技术实现百万上下文，在Terminal-Bench 2.1上达到开源SOTA，较GLM-5.1提升17.5%。开发者可使用vLLM、SGLang、Transformers进行推理部署。 核心观点： 1. GLM-5.2在Code Arena全球所有可用模型中排名第二。 2. 在Terminal-Bench 2.1上达到开源SOTA，较GLM-5.1提升17.5%。 3. 采用KV8、LayerSplit、IndexShare技术实现100万上下文窗口。
核心观点提炼高信息密度，值得细读
正文内容概括Jon Richens 团队的研究证明，通过逆贝尔曼方程可以从智能体的价值函数恢复其世界模型。这一发现挑战了无模型强化学习代理不建模环境的传统观点，表明在足够丰富的目标集上训练的RL代理隐式地对其从未被训练优化的潜在变量进行了建模。该工作对理解强化学习内部机制和开发更可解释的AI系统具有潜在影响。 核心观点： 1. 逆贝尔曼方程可用于从价值函数恢复智能体的世界模型。 2. RL代理在足够丰富的目标集上训练时，会隐式建模未优化的潜在变量。
核心观点提炼高信息密度，值得细读
本节暂无内容。
摘要由 LLM 生成，请以原文为准。