这期 AIWatch 精选周刊围绕「product、Agent、智能体」复盘过去一周的关键变化，先给出编辑导读，再把核心精选和延伸内容串成一条可阅读的脉络。聚焦 2 · 关注 5 · 跟进 10。
如果只想抓住本周主线，先读：智谱AI的GLM-5.2模型在OpenRouter上线，支持1M token上下文窗口，面向长时程编码智能体任务 → 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 发布 Deployment Simulation 方法，通过模拟部署使用真实对话数据预测模型行为，提升安全评估准确性。
本周最值得带走的观察，是「product、Agent、智能体」已经从单点更新变成连续趋势。
正文内容概括智谱AI的旗舰模型GLM-5.2已在OpenRouter平台上线。该模型专为长时程编码智能体任务设计，支持高达1M token的上下文窗口，能够在长且复杂的编码智能体工作中保持可靠性。这对开发者意味着可以处理更长的代码上下文和更复杂的智能体工作流。 核心观点： 1. GLM-5.2支持1M token上下文窗口，专为长时程编码智能体任务优化。
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OpenAI 提出 Deployment Simulation 方法，利用真实对话数据模拟模型部署后的行为，旨在提升安全评估的准确性。该方法通过模拟实际使用场景，提前预测模型可能的风险，对开发者和研究者而言，有助于在部署前更有效地识别和缓解潜在问题。 核心观点： 1. Deployment Simulation 使用真实对话数据而非合成数据来模拟模型行为。 2. 该方法旨在提升安全评估的准确性，通过预测部署后行为来识别风险。
核心观点提炼高信息密度，值得细读
正文内容概括Parasail 平台上线了 GLM-5.2 开放权重模型。该模型在长周期智能体任务上首次显著缩小了与闭源前沿模型的差距，在 FrontierSWE 基准测试中得分超过 GPT-5.5，仅次于 Opus 4.8。这为开发者提供了一个在复杂智能体工作流中接近顶级闭源性能的开源选择。 核心观点： 1. GLM-5.2 在 FrontierSWE 基准上超越 GPT-5.5，仅次于 Opus 4.8。 2. 该模型是首个在长周期智能体任务上接近闭源前沿的开放权重模型。
核心观点提炼高信息密度，值得细读
正文内容概括Anthropic 发布 Mythos-class 模型 Claude Fable 5 与 Claude Mythos 5，在软件工程、视觉与科研基准达到 SOTA。Fable 5 面向一般用户，新增网络安全、生物化学与蒸馏分类器，触发时回退至 Claude Opus 4.8；Mythos 5 通过 Project Glasswing 向网络防御者等受信用户开放。开发者可通过 API 调用 claude-fable-5，但需留意保守的安全策略可能导致部分无害请求被拦截，且 Mythos-class 流量实行 30 天数据保留。 核心观点： 1. Fable 5 在 Stripe 的 5000 万行 Ruby 代码库中一日完成原本需团队两月以上的迁移，且在 Cognition FrontierCode 评估中以中等 effort 取得 frontier models 最高分。 2. Fable 5 对网络安全、生物化学及蒸馏查询启用新安全分类器，触发时自动回退至 Claude Opus 4.8，平均触发率低于 5%。 3. Mythos 5 在内部药物设计中将部分流程加速约 10 倍，14 个蛋白靶点中 9 个获得强候选；其分子生物学假设在盲测中被科学家偏好约 80%。
核心观点提炼重磅首发或硬核洞察
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
摘要由 LLM 生成，请以原文为准。
正文内容概括Fireworks AI 在权重开放当日即上线 GLM 5.2 模型，支持 100 万 token 上下文，定位为编码优先的前沿模型。该模型已在 SWE-bench、Terminal-Bench、GPQA 和 AIME 等基准上获得独立验证，为开发者提供可立即使用的编码场景推理能力。 核心观点： 1. GLM 5.2 支持 100 万 token 上下文窗口，面向编码优先场景。 2. 模型在 SWE-bench、Terminal-Bench、GPQA 和 AIME 基准上获得独立验证。 3. Fireworks AI 在权重开放当日即部署该模型，实现零日上线。
核心观点提炼高信息密度，值得细读
正文内容概括NVIDIA GEAR 实验室联合 CMU、UC Berkeley 发布 ENPIRE，首次让 AI agent 在真实物理世界自主操控机器人完成实验循环。系统自动完成环境搭建、策略改进、实验执行与失败分析，无需人工干预。在精细操作任务上达到 99% 成功率（pass@8）。测试了 Codex、Claude Code、Kimi Code 三款 agent，并发现多机器人并行探索存在物理 scaling law。代码将开源，可复现自运行机器人实验室。 核心观点： 1. ENPIRE 在精细操作任务（插 pin、穿扎带、剪扎带、插 GPU）上达到 99% 成功率（pass@8）。 2. 8 台机器人并行探索比 1 台或 4 台的研究推进速度快，但 token 消耗增加且 agent 间协调降低机器人利用率。 3. 测试了三款 agent：OpenAI Codex（GPT-5.5）、Anthropic Claude Code（Opus 4.7）、月之暗面 Kimi Code（Kimi K2.6），均能跑通全流程但研究进展速度有差异。
核心观点提炼高信息密度，值得细读
正文内容概括vLLM v0.23.0 发布，提供对智谱 GLM-5.2 模型的 Day-0 支持。GLM-5.2 是一款开放权重模型，拥有 1M token 上下文窗口，专为长周期编码智能体设计，可承载从需求到部署的完整开发工作流。开发者现可直接在 vLLM 上运行该模型，用于大规模代码实现、自动化研究和性能优化等场景。 核心观点： 1. GLM-5.2 提供两种推理力度：GLM-5.2 (max) 和 GLM-5.2 (high)。 2. 模型支持客户端和移动端工程，包含设备端调试循环。
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 发布了 v3 模型，该模型集成了一个 MSA 内核。随着序列长度的增加，该内核能实现显著的加速效果。该内核已集成到 Hugging Face 的 transformers 库和 Kernel Hub 中，方便开发者直接使用。 核心观点： 1. MiniMax v3 模型集成的 MSA 内核，序列越长加速效果越明显。 2. MSA 内核已集成至 Hugging Face transformers 库和 Kernel Hub。
核心观点提炼高信息密度，值得细读
正文内容概括腾讯混元发布UniRL，一个跨模态统一强化学习训练框架，支持文本、图像、视频等多种模态。该框架通过单一后训练循环（生成→评分→优势→更新→同步）覆盖不同模型家族，将模型与算法作为独立轴，实现模型×算法的组合覆盖。UniRL内置可插拔的rollout引擎（train-side/SGLang/vLLM-Omni）、FSDP2分片和三种部署模式。同时附带两种原创算法：用于流/扩散模型的FlowDPPO和用于LLM的DRPO。对开发者而言，UniRL提供了一个统一的多模态RL训练基础设施，降低了跨模态RL训练的实现成本。 核心观点： 1. UniRL将模型与算法作为独立轴，实现模型×算法的组合覆盖，而非固定配方菜单。 2. FlowDPPO是针对流/扩散模型的策略优化算法，使用基于精确散度的信任域掩码。 3. DRPO是LLM强化学习算法，采用平滑的优势加权二次正则化器。
核心观点提炼高信息密度，值得细读
正文内容概括美国以国家安全为由，基于一项窄 jailbreak 发现，发布出口管制指令要求 Anthropic 立即暂停所有用户对 Fable 5 和 Mythos 5 的访问。Anthropic 认为该 jailbreak 仅发现少量已知、轻微漏洞，且其他公开模型也能达到同等能力，标准不公且缺乏透明度。公司正遵守指令，但寻求尽快恢复访问。 核心观点： 1. Anthropic 认为政府发现的窄 jailbreak 仅暴露少量已知轻微漏洞，且其他公开模型（如 OpenAI GPT-5.5）也能发现。 2. Anthropic 采用深度防御策略，认为完美 jailbreak 抵抗当前不可能，其模型风险与行业现有部署模型相当。
核心观点提炼高信息密度，值得细读
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
正文内容概括腾讯混元联合上海交通大学、新加坡南洋理工大学等多所高校发布MMAE，这是首个大规模多任务音频编辑基准。MMAE要求AI理解现有音频并根据自然语言指令精确修改，而非简单生成。基准包含2000个真实场景样本、17741个细粒度评估项，覆盖7种模态、6级任务复杂度、8种操作类型。当前模型精确匹配率（EMR）低于5%，揭示了可靠音频编辑能力的重大缺口，为开发者提供了明确的评测标准。 核心观点： 1. MMAE包含2000个高保真样本和17741个细粒度评估项，覆盖声音、音乐、语音及其混合共7种模态。 2. 当前模型在MMAE上的精确匹配率（EMR）低于5%，表明音频编辑能力存在显著不足。 3. MMAE设计了6级任务复杂度，从基础修改到多跳推理和多轮编辑，以及8种操作类型覆盖局部和全局粒度。
核心观点提炼高信息密度，值得细读
正文内容概括Anthropic 发布了一个新的 Swift 包，使 Apple 开发者能够通过 Apple 的 Foundation Models 框架调用 Claude。该包允许开发者将本地模型处理的简单任务（如摘要、提取）与 Claude 的多步推理、代码生成、网络搜索等复杂工作流无缝衔接。开发者只需几行代码即可实现，并支持流式响应返回 SwiftUI 视图。该包适用于 iOS 27、iPadOS 27、macOS 27、visionOS 27 和 watchOS 27。 核心观点： 1. Apple 的 Foundation Models 框架通过 @Generable 注解返回类型化的 Swift 值，使 Claude API 调用获得干净输入而非原始用户文本。 2. 该 Swift 包支持流式响应、工具调用和结构化响应，可直接返回 SwiftUI 视图。
核心观点提炼高信息密度，值得细读