今天这期 AIWatch 早报围绕「product、成本优化、Agent」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 2 · 关注 0 · 跟进 10。
如果只有 20 分钟，先读：OpenAI 发布 Daybreak 安全工具集，包括 Codex Security 和 GPT-5.5-Cyber，用于规模化漏洞发现与修复 → OpenAI 预览了下一代模型 GPT-5.6 Sol，在编程、科学和网络安全方面能力更强，并配备了最先进的安全栈 → 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、成本优化、Agent」在不同层面的同步推进。
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OpenAI 预览了下一代模型 GPT-5.6 Sol，该模型在编程、科学和网络安全方面能力更强，并配备了最先进的安全栈。这对开发者意味着需要关注其增强的编码能力及安全特性，以便在应用中集成和利用。
核心观点提炼重磅首发或硬核洞察
本节暂无内容。
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 与 Broadcom 联合推出定制 AI 芯片 Jalapeño，专为大语言模型推理优化，旨在提升 AI 系统的性能、效率与规模。该芯片针对 LLM 推理场景设计，有望降低推理成本并加速模型部署。对开发者而言，未来可能获得更高效、更低成本的推理服务，从而支持更大规模的应用。
核心观点提炼高信息密度，值得细读
正文内容概括DeepReinforce 发布了 MIT 许可的开源编程智能体模型家族 Ornith-1.0，基于预训练的 Gemma 4 和 Qwen 3.5 构建。旗舰模型 Ornith-1.0-397B MoE（17B 活跃参数）在 SWE-Bench Verified 和 Terminal-Bench 2.1 上分别取得 82.4 和 77.5 的成绩，超越 Claude Opus 4.7。该系列采用新颖的自我改进训练策略，在强化学习中同时优化答案和任务脚手架（包括计划、记忆模式、工具节奏、错误处理和搜索过程）。9B 模型在 SWE-Bench Verified 上达到 69.4，表现突出。对开发者而言，这意味着获得了可自由使用、性能领先的开源编程智能体模型。 核心观点： 1. Ornith-1.0 采用自我改进训练策略，在 RL 中先让模型提出更好的任务脚手架，再用其生成解决方案，奖励同时更新两个阶段。 2. 旗舰 397B MoE 模型（17B 活跃参数）在 SWE-Bench Verified 上达 82.4，在 Terminal-Bench 2.1 上达 77.5，均超越 Claude Opus 4.7。 3. 9B 模型在 SWE-Bench Verified 上达到 69.4，展示了小参数模型的竞争力。
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
正文内容概括智谱AI发布GLM-5.2模型，在ARC-AGI-2基准测试中取得22.8%准确率，每任务成本0.25美元。相比2025年5月最佳模型（3.0%）提升7.6倍，成本仅为GPT-5.5（$1.87/任务）的七分之一。在ARC-AGI-1上达到77.0%准确率，性能与GPT-5.4及GPT-5.5（低推理努力）相当。 核心观点： 1. GLM-5.2在ARC-AGI-2上22.8%准确率，较2025年5月最佳模型3.0%提升7.6倍。 2. GLM-5.2每任务成本$0.25，仅为GPT-5.5（$1.87）的约七分之一。 3. GLM-5.2在ARC-AGI-1上77.0%准确率，性能与GPT-5.4及GPT-5.5（低推理努力）相当。
核心观点提炼高信息密度，值得细读
正文内容概括Anthropic 凭借 Claude Code 在开发者编码工作流市场快速增长，迫使 OpenAI 考虑大幅降价以争夺企业客户。与此同时，OpenAI 计划在 IPO 前将 ChatGPT 重构为集编码、AI 智能体、图像生成与商业软件于一体的超级应用。对开发者而言，这意味着模型 API 成本可能显著下降，且 ChatGPT 正从聊天工具向企业级编码与自动化入口转型。 核心观点： 1. Anthropic 凭借 Claude Code 在开发者编码工作流中实现强劲增长，用户每日生成大量 token，直接冲击 OpenAI 的企业按量计费收入。 2. OpenAI 计划在未来几周推出 ChatGPT 最大规模改版，将其重塑为编码、AI 智能体、图像生成与商业软件的超级应用。 3. OpenAI 与 Anthropic 的竞争焦点是为编码智能体、自动化及内部工具按量付费的企业技术团队，而非普通聊天用户。
核心观点提炼高信息密度，值得细读
正文内容概括DiffusionGemma 正式发布，这是首个面向开放的扩散文本生成模型探索。其基于 Gemma 4 构建，采用 26B MoE 架构，支持块级文本生成，并在主流消费级 GPU 上实现最高 4 倍推理加速。模型采用 Apache 2.0 协议，降低了开发者实验与部署门槛，为文本生成提供了自回归之外的新范式。 核心观点： 1. DiffusionGemma 基于 Gemma 4 构建，采用 26B MoE 架构，是首个开放的扩散文本生成模型探索。 2. 模型支持块级文本生成，可一次生成完整文本块而非逐 token 输出。 3. 在主流消费级 GPU 上，该模型推理速度最高可提升 4 倍。
核心观点提炼高信息密度，值得细读
正文内容概括LlamaParse 发布 Granular Bounding Boxes 功能，提供词与单元格级坐标溯源，满足审计与合规场景的验证需求。
核心观点提炼常规快讯，保留列表
正文内容概括Anthropic 与 IT 服务商 DXC 达成多年全球联盟。DXC 将培训数万名 Claude 认证工程师，把 Claude 引入银行、航空、保险等受监管行业的关键业务系统。此前 DXC 已用 Claude 生成其 AI 原生运维平台 OASIS 超 95% 的代码，开发效率提升 10 倍。对开发者而言，这标志着 Claude 正通过大型服务商深度嵌入企业核心系统，并验证了其在代码生成与智能体工作流上的规模化落地能力。 核心观点： 1. DXC 称其 AI 原生平台 OASIS 超 95% 代码由 Claude 生成，开发速度提升 10 倍，已服务逾 50 家客户。 2. OASIS 以 Claude 为默认基础模型驱动智能体工作流，DXC 将培训数万名 Claude 认证工程师嵌入客户组织。 3. 联盟首批落地保险现代化、遗留代码重构（MaaS）、基于 Claude Security 的 SOC 安全子智能体及嵌入式应用维护智能体。
核心观点提炼高信息密度，值得细读
摘要由 LLM 生成，请以原文为准。