精讲 1
产品宝玉 @dotey当日精选62/100
Codex 上线了一个跨设备任务迁移功能，叫 Handoff。你在笔记本上用 Codex 写代码写到一半，合上盖子之前，可以把正在进行的任务连同代码状态一起迁移到远程服务...
正文内容概括Codex 上线了 Handoff 跨设备任务迁移功能，支持通过自然语言将完整 Git 状态和代码任务在本地与远程主机间迁移。
核心观点提炼常规快讯，保留列表
今天这期 AIWatch 早报围绕「product、Agent、成本优化」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 30 · 关注 0 · 跟进 7。
如果只有 20 分钟，先读：Anthropic 宣布美国出口管制解除后，重新上线 Claude Fable 5 模型，并分享事件时间线、安全改进及行业越狱评估框架 → Z.ai 发布了 GLM-5.2 开源模型，具备 1M 上下文窗口和两种推理模式，专为智能体和长周期编码任务设计 → OpenAI 收购 Ona，为 Codex agent 提供持久化安全云工作空间，支持其在无人值守时持续执行企业级任务。
今天的主线不是孤立新闻，而是「product、Agent、成本优化」在不同层面的同步推进。
正文内容概括Codex 上线了 Handoff 跨设备任务迁移功能，支持通过自然语言将完整 Git 状态和代码任务在本地与远程主机间迁移。
核心观点提炼常规快讯，保留列表
正文内容概括美国政府以国家安全为由发布出口管制指令，要求暂停所有外国国民（包括外国籍员工）对 Anthropic 的 Fable 5 和 Mythos 5 模型的访问。Anthropic 被迫立即对所有客户禁用这两个模型，其他 Claude 模型不受影响。公司认为这是误解，正努力恢复访问。 核心观点： 1. 美国政府出口管制指令要求暂停所有外国国民对 Fable 5 和 Mythos 5 的访问，包括 Anthropic 的外国籍员工。 2. Anthropic 被迫立即对所有客户禁用 Fable 5 和 Mythos 5，其他 Claude 模型不受影响。
核心观点提炼高信息密度，值得细读
正文内容概括开发者分享通过MCP连接网页版ChatGPT读取本地文件，变相获得双倍Codex额度的配置方法。
核心观点提炼常规快讯，保留列表
正文内容概括OpenAI 收购 Ona，为 Codex 智能体构建持久化安全云工作空间，解决复杂任务无人值守时中断的问题。Ona 提供受控环境，使智能体能运行命令、保存上下文并在笔记本关闭后恢复工作，满足企业级安全需求。此举将 Codex 从对话工具扩展为可执行测试、修复、重构等长时任务的托管执行层，为开发者提供更可靠的自动化基础设施。 核心观点： 1. Codex 周活用户已达 500 万，增长 400%，显示智能体需求快速扩张。 2. Ona 提供持久化云工作空间，使智能体能在笔记本关闭后继续运行命令并恢复上下文。 3. 收购目标为企业场景：支持在自有云边界内部署智能体，提供限定凭证、审查跟踪与可审计活动。
核心观点提炼高信息密度，值得细读
正文内容概括Anthropic 发布面向科学家的 AI 工作台 Claude Science（Beta），集成 60+ 预配置技能与数据库（如 UniProt、PDB、Ensembl），支持基因组学、蛋白质组学等科研任务。该平台将分散工具整合为统一环境，产出可审计、可复现的科研产物（含 3D 蛋白结构、化学结构等），并管理本地或云端计算资源（HPC、Modal）。对开发者/研究者而言，它降低了多工具切换与计算管理的复杂度，并支持通过 NVIDIA BioNeMo 连接生命科学模型。 核心观点： 1. Claude Science 内置 reviewer agent，可自动检查引用、计算错误并自我修正。 2. 平台支持 fork 会话以并行比较不同实验路径，且上下文在运行会话中持续保留。 3. 通过 NVIDIA BioNeMo Agent Toolkit 原生连接 Evo 2、Boltz-2、OpenFold3 等生命科学模型。
核心观点提炼高信息密度，值得细读
正文内容概括Anthropic 发布了 Claude Sonnet 5，这是其最具智能体能力的 Sonnet 模型。该模型能够自主制定计划，并使用浏览器和终端等工具，其自主运行水平接近数月前需要更大、更昂贵模型才能达到的程度。这对开发者意味着可以以更低成本实现更复杂的自动化任务。 核心观点： 1. Claude Sonnet 5 具备自主规划能力，并能使用浏览器和终端等工具。 2. 该模型的自主运行效率接近此前需要更大、更昂贵模型才能达到的水平。
核心观点提炼高信息密度，值得细读
正文内容概括Google DeepMind 启动欧洲机器人加速器，为 15 家初创公司提供 Gemini Robotics 模型及 AI 技术栈支持。
核心观点提炼常规快讯，保留列表
正文内容概括Anthropic 发布面向科研者的 AI 工作台 Claude Science，定位为科研领域的 Claude Code。它不训练新模型，而是将现有 Claude 模型（含 Opus 4.8）与 60 多个科学数据库（涵盖基因组学、蛋白质组学等）及多 Agent 系统集成到统一界面，支持自然语言驱动的文献查询、代码生成、图表复现和本地/集群运算。早期用户案例显示其在基因组浏览器搭建、RNA-seq 污染发现、多 Agent 文献综述等方面有显著效率提升。对开发者而言，Claude Science 展示了将通用 LLM 通过 Workflow 和 Agent 架构深度嵌入特定行业操作层的产品化路径。 核心观点： 1. Claude Science 不训练新模型，而是通过集成 60+ 科学数据库和多 Agent 系统将现有模型包装为科研平台。 2. 每张图表附带生成代码、运行环境、自然语言描述和完整对话记录，支持自然语言指令修改图表。 3. 支持本地运算（macOS/Linux）和 SSH 连接 HPC 集群，敏感数据可留本地，仅发送上下文信息给 Claude。
核心观点提炼高信息密度，值得细读
正文内容概括GLM 5.2 成为 Vals Index、Vibe Code Bench 和 Terminal Bench 上新的开源权重 SOTA，综合排名第五，紧追 Opus 4.7。
核心观点提炼常规快讯，保留列表
正文内容概括DeepSeek 招聘 Agent Harness 研究员，定义 Model + Harness = Agent 技术路线。
核心观点提炼常规快讯，保留列表
正文内容概括OpenRouter 发布 Fusion API，通过混合模型实现高性价比智能，挑战前沿模型在成本-准确率曲线上的主导地位。
核心观点提炼常规快讯，保留列表
正文内容概括Anthropic 为 Claude Code 推出七种指令定制方法，包括 CLAUDE.md、规则、技能、子代理、钩子、输出风格和系统提示追加。每种方法在加载时机、持久性（压缩行为）和上下文成本上各有不同，帮助开发者精细控制 AI 行为。开发者可根据指令的重要性、作用范围和成本选择合适方法，例如将通用规范放在 CLAUDE.md，将特定约束设为规则，将流程性任务封装为技能。 核心观点： 1. CLAUDE.md 根目录文件始终加载且高上下文成本，建议控制在 200 行以内并指定负责人。 2. 子代理在独立上下文窗口中运行，仅返回最终消息摘要，主会话上下文成本为零。 3. 钩子绕过压缩机制，适合确定性自动化任务如运行 linter 或发送 Slack 通知。
核心观点提炼高信息密度，值得细读
正文内容概括谷歌DeepMind发布Gemini 3.5 Flash，新增原生计算机使用能力。该内置工具允许开发者构建可跨浏览器、移动和桌面界面进行视觉识别与操作的智能体，扩展了AI在自动化交互场景的应用边界。 核心观点： 1. Gemini 3.5 Flash新增原生计算机使用工具，支持开发者构建跨浏览器、移动和桌面界面的智能体。
核心观点提炼高信息密度，值得细读
正文内容概括OpenAI 与 Broadcom 联合推出专为大语言模型推理优化的定制芯片 Jalapeño，旨在提升 AI 系统的性能、效率和可扩展性。该芯片针对 LLM 推理场景进行专门设计，有望降低推理成本并提高响应速度，对开发者和研究者而言，意味着未来可能获得更高效、更低成本的 AI 推理基础设施。
核心观点提炼重磅首发或硬核洞察
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。对开发者而言，这意味着更强的代码生成与科学推理能力，同时安全机制得到升级。
核心观点提炼重磅首发或硬核洞察
正文内容概括Z.ai 发布了 GLM-5.2 开源模型，具备 1M 上下文窗口和两种推理模式（High 和 Max），专为智能体和长周期编码任务设计。该模型在编码和智能体任务上有显著改进，已上线 Venice 平台，对 Pro 用户完全私有可用。 核心观点： 1. GLM-5.2 提供两种推理模式：GLM-5.2 (max) 和 GLM-5.2 (high)，分别对应极限推理和高效推理。 2. 模型支持 1M 上下文窗口，专为长周期智能体编码任务设计。
核心观点提炼高信息密度，值得细读
正文内容概括Anthropic 推出 Claude Tag，一种在 Slack 中通过 @Claude 标签让团队协作使用 AI 的新方式。它支持多用户共享上下文、异步任务和主动提醒，管理员可精细控制工具和数据访问权限。目前以 beta 形式面向 Claude Enterprise 和 Team 客户开放，旨在将 Claude Code 的协作模式扩展到更广泛的团队场景。 核心观点： 1. Claude Tag 在 Slack 中实现多用户共享同一 Claude 实例，支持上下文记忆和异步任务。 2. Anthropic 内部产品团队 65% 的代码由内部版 Claude Tag 生成。 3. Claude Tag 基于 Opus 4.8 模型，支持管理员设置 token 限额和操作日志。
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 Managed Agents，一套用于构建和部署生产级智能体的可组合 API。该服务通过将智能体大脑（推理）与双手（代码执行）解耦，解决了从原型到生产过程中的基础设施难题，如托管、会话管理、凭证安全和可观测性。它提供预配置的智能体、执行环境和持久化会话，使团队能将开发周期从数月缩短至数天，专注于上下文管理和领域专业知识。 核心观点： 1. Managed Agents 通过解耦推理与代码执行，将凭证存储在独立 Vault 中，仅在按需时通过代理获取并解密，提升了安全性。 2. 该服务内置了针对 Claude 模型优化的智能体循环，包括上下文重置机制，解决了早期模型（如 Sonnet 4.5）的“上下文焦虑”问题。 3. 智能体、环境和会话三个核心资源允许开发者一次配置，多次运行，并支持长时间任务的暂停、恢复和完整追溯。
核心观点提炼高信息密度，值得细读
正文内容概括Google 本周密集发布多款 AI 产品。Gemma 4 12B 作为统一的 encoder-free 多模态模型，支持笔记本端完全离线运行，并通过 Quantization-Aware Training (QAT) 降低内存占用；Nano Banana 2 与 Nano Banana Pro 企业智能体平台正式商用；Co-Scientist 科研多智能体系统可生成并优化科学假设；Magenta RealTime 2 开放权重实时音乐模型支持 MIDI 与手势交互。对开发者而言，端侧部署与企业智能体工具链得到显著增强。 核心观点： 1. Gemma 4 12B 采用 encoder-free 架构，支持笔记本完全离线运行多模态任务。 2. Gemma 4 及其 drafters 经 Quantization-Aware Training (QAT) 优化，可降低内存需求并最大化端侧性能。 3. Magenta RealTime 2 为开放权重实时音乐模型，支持通过 MIDI 键盘、文本提示和手势进行演奏交互。
核心观点提炼重磅首发或硬核洞察
正文内容概括美国出口管制解除后，Anthropic 于 6 月 30 日宣布重新上线 Claude Fable 5 模型。此前因 Amazon 研究人员发现越狱方法，政府于 6 月 12 日实施管制。Anthropic 训练了新的安全分类器，在 99% 以上情况下阻止该越狱技术，并联合 Amazon、Microsoft、Google 等制定行业越狱评估框架。Fable 5 将于 7 月 1 日面向全球用户开放。 核心观点： 1. 新安全分类器在 99% 以上情况下阻止 Amazon 报告中的越狱技术。 2. Fable 5 的越狱行为仅涉及常规防御性网络安全工作，未暴露 Mythos 级别的独特网络能力。 3. Anthropic 联合 Amazon、Microsoft、Google 等开发行业统一的越狱严重性评估框架。
核心观点提炼高信息密度，值得细读
正文内容概括MiniMax 联合 Cysic 举办 CyOps Arena 黑客松，为 M3 提供 5000 美元奖金池及限时 80% token 折扣，降低开发者参与门槛。
核心观点提炼常规快讯，保留列表
正文内容概括开源电子书《Claude Code From Scratch》通过约4300行代码（TypeScript和Python两个版本）复现了Claude Code的核心架构，包括Agent Loop、13个工具（支持并行执行和流式早期启动）、4层上下文压缩、语义记忆召回、技能系统、多Agent和MCP集成。全书13章，每章为分步教程，对照真实源码讲解简化实现，帮助开发者理解coding agent的工作原理。 核心观点： 1. 用约4300行代码复现Claude Code核心架构，包括Agent Loop、13个工具、4层上下文压缩等。 2. 提供TypeScript和Python两个版本，每章对照真实源码讲解简化实现。
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 Sonnet 5，定位为 Agent 能力接近旗舰 Opus 4.8 但价格仅为其 40% 的模型。在 Agent 编程基准上 Sonnet 5 得分 63.2%，高于前代 Sonnet 4.6 的 58.1%，低于 Opus 4.8 的 69.2%；知识工作基准甚至略超 Opus 4.8。模型更换了新分词器，同样文本可能消耗 1.0-1.35 倍 Token，但推广期定价已对冲此涨幅。对开发者而言，Sonnet 5 提供了更优的性价比，但需注意推广期结束后实际花费涨幅可能高于标价涨幅。 核心观点： 1. Sonnet 5 在 Agent 编程基准得分 63.2%，Sonnet 4.6 为 58.1%，Opus 4.8 为 69.2%。 2. 新分词器导致同样文本消耗 1.0-1.35 倍 Token，推广期定价已对冲此涨幅。 3. API 推广价（至 8 月 31 日）为输入 $2/百万 Token、输出 $10/百万 Token，之后涨至 $3 和 $15。
核心观点提炼高信息密度，值得细读
正文内容概括Google DeepMind 联合多家机构发起 1000 万美元研究基金，探索大规模 AI 智能体交互中的集体行为涌现。
核心观点提炼常规快讯，保留列表
正文内容概括MiniMax 宣布开源高性能 MSA kernel 库，并预告 M3 模型权重将于本周五发布。MSA 库为稀疏注意力提供底层高性能实现，开发者可通过 GitHub 获取代码与论文。此举降低了稀疏注意力优化门槛，同时 M3 开放权重将让研究者能够本地部署该模型进行后续研究与开发。
核心观点提炼高信息密度，值得细读
正文内容概括MiniMax 发布开放权重模型 MiniMax M3。该模型总参数量约 428B、激活参数量约 23B，支持 1M-token 上下文窗口与原生多模态理解，并具备前沿编码与 Agent 能力。模型权重已上架 Hugging Face，同时发布了 MiniMax Sparse Attention 论文。开发者可直接下载部署，在超长上下文、多模态及 Agent 场景中进行应用开发与评测。 核心观点： 1. MiniMax M3 总参数量约 428B，激活参数量约 23B，以开放权重形式发布。 2. 模型支持 1M-token 上下文窗口，具备原生多模态理解及前沿编码与 Agent 能力。 3. 权重已上架 Hugging Face，并配套发布 MiniMax Sparse Attention 技术论文。
核心观点提炼高信息密度，值得细读
正文内容概括Anthropic 为 Claude Managed Agents 新增定时运行和环境变量安全存储功能，均在公开测试版上线。定时运行通过 cron 调度自动执行重复任务，如夜间数据同步、合规扫描，无需额外构建调度器。环境变量存储在 vaults 中，支持 CLI 工具安全认证，密钥仅在网络边界按域授权使用，Agent 无法直接访问。这些功能简化了自动化工作流和工具集成，对开发者意味着更少的调度基础设施和更安全的密钥管理。 核心观点： 1. 定时运行通过 cron 调度自动启动新会话完成任务，无需开发者构建或托管调度器。 2. 环境变量存储在 vaults 中，密钥仅在网络边界按域授权使用，Agent 无法直接访问。 3. Browserbase 和 KERNEL 的 CLI 通过 vaults 认证，首次为 Managed Agents 提供浏览器能力。
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 Sonnet 5，定位为迄今最具智能体能力的 Sonnet 模型，在推理、工具使用和编码方面显著提升，性能接近 Opus 4.8 但价格更低。该模型已全面上线，成为 Free 和 Pro 计划的默认模型，并可通过 Claude API 使用。开发者可调整 effort 级别以平衡成本与性能，对构建复杂多步任务的智能体应用具有重要价值。 核心观点： 1. Sonnet 5 在 BrowseComp 和 OSWorld-Verified 等智能体评测中，通过调整 effort 级别可在部分任务上匹配 Opus 4.8 的性能。 2. Sonnet 5 引入新 tokenizer，输入 token 数约为之前的 1.0–1.35 倍，但通过定价调整实现大致成本中性。 3. Sonnet 5 的网络安全任务能力远低于当前 Opus 模型，整体不良行为率低于 Sonnet 4.6。
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 的 Slack 集成功能，让团队在频道中 @ Claude 执行任务，Karpathy 称其为 LLM 交互的第三次重大重新设计。
核心观点提炼常规快讯，保留列表
正文内容概括OpenAI 发布了 GPT-5.6 系列模型的有限预览，包括旗舰模型 Sol、均衡模型 Terra 和高效模型 Luna。Sol 作为下一代前沿模型，Terra 面向日常高效工作，Luna 则针对高容量任务提供快速且经济的方案。此次发布为开发者提供了不同性能与成本梯度的选择，有助于在具体应用中灵活部署。 核心观点： 1. GPT-5.6 系列包含三个模型：旗舰 Sol、均衡 Terra 和高效 Luna，分别面向前沿、日常和高容量场景。 2. Luna 被定位为快速且经济的模型，适合高吞吐量任务。
核心观点提炼重磅首发或硬核洞察
正文内容概括OpenAI 于6月26日发布 GPT-5.6 系列模型，包含旗舰级 Sol、日常级 Terra 和经济级 Luna。因美国政府要求，目前仅向约20家经审批的合作伙伴开放预览。Sol 新增 max 深度推理与 ultra 多子 Agent 并行模式，在 Terminal-Bench 2.1 上 Sol Ultra 得分 91.9%。Terra 性能接近上一代 GPT-5.5 但价格减半，Luna 主打低成本高吞吐。7月将上线 Cerebras 硬件加速版本，推理速度达每秒750 token。对开发者而言，Terra 的高性价比和 Sol 的 ultra 模式值得关注。 核心观点： 1. Sol Ultra 在 Terminal-Bench 2.1 上得分 91.9%，高于 Claude Mythos 5 的 88% 和 Gemini 3.1 Pro Preview 的 70.7%。 2. Sol 在 ExploitBench 上用约三分之一的 token 达到 Mythos Preview 的网络安全水平。 3. Sol 的 ultra 模式可调用多个子 Agent 并行处理复杂任务，无需开发者自行搭建 Agent 编排框架。
核心观点提炼高信息密度，值得细读
正文内容概括OpenAI 为高级 Codex 用户推出了可复用、可继承的权限配置文件，替代了粗粒度的沙箱模式。该配置绑定操作系统强制规则（如文件读/写/拒绝，甚至支持 **/*.env 模式），并针对每个域和 Unix 套接字进行网络权限控制。此外，还提供了故障关闭的管理员允许列表，实现了每个任务的最小权限控制。这对开发者意味着更精细、更安全的代码执行环境。 核心观点： 1. 权限配置文件支持继承，可复用且绑定 OS 强制规则，实现比粗粒度沙箱更细粒度的控制。 2. 支持 **/*.env 等文件模式，以及按域和 Unix 套接字的网络权限控制。 3. 提供故障关闭的管理员允许列表，确保最小权限原则。
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
摘要由 LLM 生成，请以原文为准。