OpenAI Blog / OpenAI | Introducing GPT-6 Sol and Luna
OpenAI 发布 GPT-6 Sol 和 Luna，并推向 API、Codex 与 ChatGPT Work；Sol 面向复杂构建，Luna 面向规模化运行，API 价格较 GPT-5.6 降低 50%，将直接影响模型选型与应用成本。
Anthropic X / Anthropic | Anthropic 发布 Claude Opus 5.5
Anthropic 上线 Claude Opus 5.5，称其多数任务接近 Fable 5.1，相比 Opus 5 约快 30%、成本低 40%，并提高 Claude Code 使用限额，使旗舰模型更适合高频编码与知识工作。
X 首页时间线 / Fuli Luo | MiMo-V2.6：扩大强化学习规模的艰难道路
MiMo-V2.6 通过 MixRL、专项训练和模型合并增强 Agent 与软件工程能力，并开放模型、7000 个环境和训练框架，为开源模型的大规模强化学习提供了可参考的工程样本。
OpenAI Devs X / OpenAI Developers | Prompt Caching Dashboard 与诊断 API 上线
OpenAI 为 Prompt Caching 增加命中率 Dashboard、未命中诊断 API、显式缓存断点和共享上下文预热，使缓存从黑盒机制变成可观测、可调优的 Agent 成本控制能力。
claude-code-releases | Claude Code v2.1.280 发布
Claude Code v2.1.280 默认接入 Opus 5.5，增强 MCP 描述配置、终端交互和可观测性，并修复符号链接批准与自动模式重复重试问题，现有用户的默认行为随之改变。
openai-codex-releases | Codex 0.156.0
Codex 0.156.0 新增可选全屏 TUI，默认启用语音对话，并加入历史搜索、鼠标选择、右键复制和 F8 语音切换，明显改善终端内的日常交互。
GitHub Trending / google | google/ax — Google's open agentic orchestration runtime
Google 开源 Agent 编排运行时 Ax，发布后登上 GitHub Trending、单日新增超过 2300 个 star，成为值得关注的新编排基础设施。
GitHub Trending / dream-num | Univer：The Office Harness for AI Agents
Univer 为 AI Agent 提供覆盖表格、文档、幻灯片、画布、关系表和 PDF 的统一 Office 运行时，有望减少文档自动化所需的碎片化接口。
wadezone / Koda | Jev：面向软件工作流的类型化判断模型
TypeSafe 发布 Jev，将模型输出限制为 Choice、Score 和概率判断，以更低成本和延迟承担分类、路由与评分任务，为自动化工作流提供不同于通用 LLM 的判断层。
X 首页时间线 / Zephyr | DeepSeek Elastic Compute 的生产级沙箱规模
二手资料称 DeepSeek Elastic Compute 单元跨约 160 个节点，每日服务约 300 万个沙箱，支持超过 38 万并发和每秒 5000 次创建，为代码执行基础设施提供了生产容量量级参考。
Kimi X / Kimi.ai | Kimi K3 上线 Amazon Bedrock
Kimi K3 接入 Amazon Bedrock，面向企业提供编码、文档分析、长流程 Agent 和显式提示词缓存能力，扩大了企业采购与部署渠道。
qwen-code-releases | Qwen Code v0.24.4：增强远程工作区、计划漂移审查与工具状态管理
Qwen Code v0.24.4 加入监控指引、批量会话目录、计划漂移审查、托管工具状态和无需远程 daemon 的 SSH 工作区，补强了编码 Agent 持续执行时的控制能力。
Qwen X / Qwen | Qwen-Image-2.1 获得 OpenVINO 首日支持
Intel OpenVINO 在发布首日支持 Qwen-Image-2.1，使同一开放权重可在 Intel 硬件上执行图像生成和编辑，扩大了本地部署范围。
Google Developers Blog | Colab is now part of your Google AI plan
Google AI 订阅计划开始纳入 Colab 高级算力，包括优先使用加速器、Premium GPUs 和后台长任务，降低个人开发者获得高级计算资源的门槛。
minimax-code-releases | MiniMax Code 0.5.2
MiniMax Code 0.5.2 提供绑定源码提交并带 SHA-256 的安装包，已验证 Linux、macOS 和受支持 Node.js 环境下的离线 CLI/BYOK，提升本地使用的可追溯性。
Kimi X / Kimi.ai | Kimi Browser Extension 发布
Kimi WebBridge 升级为 Kimi Browser Extension，可在侧边栏导航网页、填写表单，并把录制的操作流程保存成可复用技能，让一次性网页操作沉淀为个人自动化资产。
MiniMax X / RonnyHe | Building a Testbed for Coding Agents
文章提出用固定任务契约、隔离环境、独立 verifier、完整事件留痕和配对 A/B 统计构建 Coding Agent 测试平台，为可信验收和模型回归提供完整框架。
Latent Space | Google AI Scientist 如何从自动化 Kaggle 的尝试演变而来——Google Fellow John Platt
Google ERA 将科学问题转成带评分函数的代码任务，由 Gemini 并行生成、运行并通过树搜索迭代，科学家负责目标、约束和结果判断，展示了高价值科研 Agent 的人机分工。
rwayne / Roland.W | AI 将律所九千页证据翻译与保全从一个月缩短至两天
团队称通过驻场与 AI 将约 9000 页法律证据的翻译和保全从一个月压缩至两天，并由此获得公证处招投标线索，呈现了提效、交付与获客闭环。
vista8 / 向阳乔木、ai_xiaomu / 黄小木 | awesome-seedance 开源 463 个 AI 视频案例、14 个模板与 25 个 Skills
awesome-seedance 基于 463 个重新生成和评估的 AI 视频案例，开源 14 个镜头提示模板与 25 个完整制作 Skills，将实际试错沉淀成可复用的视频生产资产。
ai_xiaomu / 黄小木 | 个人创作者用 AI 批量制作热点深度长视频
一名创作者复盘用 AI 单人日产三条十分钟以上热点视频的流程，称一周获得 258 万播放，并强调信源、声画匹配和人工终审仍是质量关键。
ai_xiaomu / 黄小木 | 用 X 历史内容创建个人写作 Skill
教程建议导出个人 X 存档，由 Codex 提炼定位、内容结构、语言习惯、证据边界和发布规则，再封装为可重复调用的个人写作 Skill。
canghe / 苍何 | WeChatBridge 开源：把选中的微信聊天发送给 AI 应用或知识库
WeChatBridge 可把用户主动选择的微信聊天、图片、文件和链接发送到 Codex、Claude Code 或 Obsidian，并按聊天场景预设任务，为个人信息处理提供统一入口。
canghe / 苍何 | XCopilot 本地安装与 X 社交网络展示
XCopilot 可在本地 Python 环境中运行 xcircle，对指定 X 账号生成社交网络分析结果，为关系发现和账号研究提供可直接复现的路径。
vista8 / 向阳乔木 | Raycast AI 可将任意选中内容接入快捷 AI Workflow
Raycast AI 可通过快捷键把系统中选中的任意内容交给自定义多模型、多工具 Workflow，并生成信息图等结果，形成低摩擦的系统级 AI 入口。
vista8 / 向阳乔木 | Bob 通过自定义 Prompt 将划词翻译扩展为文本解释
Bob 可用自定义 Prompt 和 Option + D 快捷键，把划词翻译扩展为通俗解释等任意文本处理操作，让已有高频入口变成可编程工具。
X 首页时间线 / 来碗牛肉粉 | 用 Codex 和 Playwright 复刻 LibTV 前端
作者让 Codex 通过 Playwright 观察 LibTV、提取界面与交互，再循环对比 BeefTV 预览，据称一天内完成约 60% 的前端复刻，展示了观察、实现和视觉校验闭环。
oran_ge / Orange AI | AI 开发运动应用面临真实场景验证壁垒
一款经过大量桌面测试的 AI 运动应用进入真实运动环境后仍无法使用，说明物理场景产品的核心壁垒往往是现场验证，而非生成代码。
wadezone / Koda | 用 Jev 为 AI 视频制作建立结构化判断关卡
创作者在 Remotion 与 Codex 视频流程中用 Jev 判断方案、遗漏和验收证据，同时保留最终人工审核，展示了类型化判断模型在内容生产链中的具体位置。
rwayne / Roland.W | 用 AI、人工改稿和反复听读深度吸收英文播客
这套持续两年的学习法先获取播客文字稿，再由 AI 生成保留完整论证的中文初稿，人工逐段改写后反复听读，以约半小时审阅换取更深的知识内化。
op7418 / 歸藏、X 首页时间线 / Paidax | Today AI 中国版将于 9 月 24 日全面上线
Today AI 中国版计划覆盖 iOS、Android、Windows、Mac 和 Linux；内测用户称其可积累长期记忆，并主动管理日程、待办和信息推送，个人 Agent 开始进入跨平台落地阶段。
Alexandr Wang、X 首页时间线 / Peter Steinberger | Muse 将持续对话式个人 Agent 做成大众产品
Meta 推出个人 Agent Muse，主打持续对话、个性化与大众亲和力，并被定位为可能连接社交分发、电商和消费服务的新入口。
Alexandr Wang | Muse Connector Platform 向商业合作开放
Muse Connector Platform 开始向企业合作开放，允许外部商业服务接入，标志着 Muse 正从单一助手转向可承载服务和交易的 Agent 生态。
Alexandr Wang | Meta 与 PayPal 合作让 Muse 代理完成购物结账
Meta 与 PayPal 计划让 Muse 在 PayPal 商户网络中协助用户购物并完成结账，把个人 Agent 从推荐推进到实际交易执行。
Alexandr Wang | Muse 清理 Gmail 中的 16 万封促销邮件
Muse 据称用三天清理了 163490 封 Gmail 促销邮件，并在多次触及 Gmail 限制后完成任务，具体展示了个人 Agent 处理长期数字杂务的能力与约束。
X 首页时间线 / BytePlus | BytePlus 推出短剧与视频制作平台 Dramagic
BytePlus 推出企业级 AIGC 平台 Dramagic，整合剧本分析、资产配置、分镜、预览、一致性检查和多人协作，短剧团队可在一套工作流中完成更多生产环节。
rwayne / Roland.W、ai_xiaomu / 黄小木 | AI 时代的审美提高手册（上）
长文把 AI 时代的审美定义为选择、删改和克制能力，并认为它正在转化为商业信任、社交表达和内容差异化，为 AI 内容审核提供了更具体的判断框架。
X 首页时间线 / 疯狂的烤妹儿 🩵 | 用 AI 制作羊毛毡定格做饭视频
创作者分享用手机端豆包生成羊毛毡定格做饭视频，并将这类纯视觉题材视为适合跨语言、多平台传播的低门槛内容机会。
X 首页时间线 / Dexter Yang ᯅノ🌐🔗🧙🏻♂️👾🦋 | Agentic AI 将削弱聊天型超级应用的入口地位
文章认为 Agentic AI 会把平台竞争从搜索、订阅和聊天迁移到上下文感知、主动分发与自动行动，使推荐算法和多模态内容平台获得新优势。
ai_xiaomu / 黄小木 | Vibe Coding 的隐性成本与流量优先选择
观点帖指出环境配置、Agent 协调和 token 开销会侵蚀 Vibe Coding 的效率，独立开发者早期应优先验证流量和变现渠道，而不只是加快产品构建。
来源：OpenAI Blog；作者：OpenAI Blog；标题：Introducing GPT-6 Sol and Luna。OpenAI 将 GPT-6 拆成两条产品线：Sol 面向复杂构建，Luna 面向大规模、高频运行，并同步接入 API、Codex 与 ChatGPT Work。官方称两者的 API 价格较 GPT-5.6 低 50%，同时改善 Prompt Caching 命中率、使用额度和对齐表现；Free 与 Go 用户也可在桌面端试用 Luna。
这次发布值得关注的不是单项基准，而是“高能力构建模型＋低成本运行模型”的明确分工。模型选型不再只是挑一个综合最强者，而可以让 Sol 负责规划、生成和解决难题，让 Luna 承担重复执行与规模化调用；缓存改善则可能进一步降低长上下文 Agent 的边际成本。可迁移的判断是：评估模型时，应同时核算完整任务成功率、调用频次、缓存复用和失败重试，而不是只比较 token 单价。
来源：Anthropic X；作者：Anthropic；标题：Anthropic 发布 Claude Opus 5.5。Anthropic 称 Opus 5.5 在多数任务上接近 Claude Fable 5.1，相比 Opus 5 约快 30%、成本低 40%，并已进入 Claude Code 与 Claude Platform；Claude Code 的订阅限额也同步提高。官方将其重点放在编码、知识工作和协作体验上，同时强调针对网络、生物及前沿模型开发等高风险领域进行了更广泛的安全测试。
它改变的不是“旗舰模型一定更贵”的简单认知，而是高能力模型能否凭借更少轮次、更少重试和更快完成速度降低整项任务成本。采购或替换模型时，应把真实代码迁移、长文研究和多轮工具任务作为评测单元，将完成率、耗时、缓存利用和人工返工一起计算。这个框架也适用于其他模型升级：官方基准只说明能力上限，工作流中的总成本才决定是否值得迁移。
来源：X 首页时间线；作者：Fuli Luo；标题：MiMo-V2.6：扩大强化学习规模的艰难道路。MiMo-V2.6 通过大规模 MixRL、专项训练和 MOPD 模型合并提升 Agent 与软件工程能力，并开放模型、约 7000 个训练环境及相关框架。围绕此次发布的材料还提到约 347 万美元的后训练投入，以及相对较低的任务成本，但具体能力仍需结合公开环境和独立实测判断。
这份材料的价值在于把模型进步拆回训练工程：通用混合强化学习负责扩展覆盖面，专项训练补足特定能力，模型合并再处理不同能力之间的取舍。它修正了“增加算力或扩大单一训练阶段就能稳定提升 Agent”的想象，也提供了可迁移的方法：记录每类环境解决的失败模式，用隔离评测确认专项收益，并检查合并后是否出现能力回退，而不是只看最终总分。
来源：MiniMax X；作者：RonnyHe；标题：Building a Testbed for Coding Agents。文章提出一套 Coding Agent 测试平台：先固定任务契约，把执行放入隔离环境，再由独立 verifier 判断结果，同时保留完整事件轨迹，并通过配对 A/B 统计比较不同模型、提示词或工具配置。核心思想是让“完成”由外部证据决定，而不是接受 Agent 的自报结论。
这套方法值得读，因为 Coding Agent 最容易被偶然成功、环境污染、评测泄漏和不可复现的演示误导。它把判断从“这次看起来做成了”改成“同一任务条件下，哪个方案能稳定通过独立验收”。任务契约、外部验证器、事件留痕和配对比较也可直接迁移到研究 Agent、浏览器自动化和内容流水线，用来建立可回归、可追责的质量基线。
来源：Latent Space；作者：Latent Space；标题：Google AI Scientist 如何从自动化 Kaggle 的尝试演变而来——Google Fellow John Platt。John Platt 在访谈中介绍 Google ERA：先把科学问题转换成带评分函数的代码任务，再让 Gemini 并行生成、运行候选方案，并用树搜索持续迭代。科学家没有退出流程，而是负责定义目标与约束、决定什么可以被评分，以及判断结果是否具有科学意义。
这改变了“AI 科研自动化等于让模型自由提出理论”的判断。真正可扩展的部分，是那些能够被编码、执行和客观比较的实验循环；最难替代的部分，则是问题表述、评分函数设计和对异常结果的解释。可迁移到其他复杂工作的做法，是先寻找可执行且可判分的中间任务，再扩大并行搜索，而不是直接把开放问题交给模型并期待一次性答案。
来源：wadezone；作者：Koda；标题：Jev：面向软件工作流的类型化判断模型。TypeSafe 将 Jev 的输出限制为 Choice、Score 和概率判断，试图以更低延迟和成本承接分类、路由、评分等工作流节点，而不是生成开放式自然语言。相关材料同时讨论了价格、延迟、厂商评测和适用边界，核心卖点是让模型输出直接符合软件可消费的类型。
它值得读的原因，是它把“模型是否聪明”换成了“判断是否校准、是否能稳定进入自动化流程”。如果一个节点只需要选择、打分或给出置信度，通用 LLM 的长文本生成既增加成本，也扩大了解析和漂移风险。可迁移的实践是：先收窄任务输出空间，再用可靠性曲线、阈值表现和错误代价验证概率是否可信；只有校准通过，自动路由和无人值守关卡才有意义。
来源：vista8；作者：向阳乔木；标题：awesome-seedance 开源 463 个 AI 视频案例、14 个模板与 25 个 Skills。项目称投入约两万元，重新生成并评估了 463 个 AI 视频案例，再把经验整理为 14 个镜头提示模板和 25 个完整制作 Skills 后开源。它提供的不是一组孤立“神提示词”，而是从大量生成结果中提炼出来的镜头模式与制作流程。
真正值得迁移的是从失败样本反推规则的方法：记录镜头、动作、一致性和成片可用性，再把稳定有效的做法封装为模板或 Skill。它会改变“多收集案例就等于掌握视频生成”的判断——案例只有经过重做、比较和归因，才可能变成生产资产。对现有视频流水线，更有价值的接入方式是拿模板跑自己的题材与模型，保留通过率、返工次数和人工修正记录，再决定哪些经验可以固化。
来源：ai_xiaomu；作者：黄小木；标题：引用内容：https://t.co/7uy36j4265。作者复盘单人借助 AI 日产三条、每条十分钟以上的热点视频，并称一周获得 258 万播放。流程并未把质量控制交给“一键生成”，而是把信源选择、脚本组织、声画匹配和人工终审视为决定成片质量的关键环节。
这篇内容的价值，是把高产量背后的真正瓶颈从生成速度拉回编辑判断。播放数据仍属作者自述，日产三条是否可持续，也要看选题检索、事实核验、素材授权和终审分别占用多少时间。可迁移的做法是把流程按工时和返工率拆开：AI 承担检索、初稿和素材匹配，人负责信源、叙事取舍与最终验收，再用连续数周的稳定产能判断工作流是否成立。
来源：ai_xiaomu；作者：黄小木；标题：用 X 历史内容创建个人写作 Skill。教程建议先导出个人 X 存档并整理原创内容，再让 Codex 提炼长期稳定的定位、内容结构、语言习惯、证据边界和发布检查规则，最后封装成可重复调用的写作 Skill。这里的目标不是模仿几句口头禅，而是把过去持续出现的写作判断变成可执行规范。
它改变了“个人风格等于语气仿写”的浅层理解：真正有价值的风格还包括如何选题、怎样组织证据、哪些结论不能越界，以及发布前如何自检。可迁移到任何知识型创作者的步骤，是把稳定特征与偶然表达分开，用不同时期的内容交叉验证规则，并保留反例；这样得到的 Skill 才是在复用判断系统，而不是制造语言表演。
来源：rwayne；作者：Roland.W；标题：用 AI、人工改稿和反复听读深度吸收英文播客。作者持续两年采用同一套流程：取得英文文字稿，让 AI 生成保留完整论证的中文初稿，再人工逐段改写、存入合集并反复听读。每期约半小时的人工审阅没有被视为需要消除的成本，反而是发现逻辑、修正理解和完成知识内化的关键步骤。
这套方法反直觉之处在于，它拒绝把学习优化成最快摘要。摘要能减少阅读量，却也可能删掉论证链、限定条件和关键反例；人工改写迫使学习者重新判断句间关系。可迁移到论文、访谈和课程学习的原则是：AI 负责降低语言与整理成本，人保留重建论证的必要摩擦，并通过复听或复述检验自己是否真正掌握。
来源：Alexandr Wang；作者：Alexandr Wang；标题：Muse 将持续对话式个人 Agent 做成大众产品。Meta 推出的 Muse 主打持续对话、长期个性化和更亲切的角色设计，并被描述为受 OpenClaw 启发、但由 Meta 从零构建。围绕发布的多条材料进一步把它与社交分发、电商和消费服务联系起来，显示其目标并非只做一个更好的聊天界面，而是成为能理解上下文并连接行动的个人入口。
判断 Muse 的关键不应只看模型跑分，而应看四种能力能否形成闭环：持续上下文是否可靠，主动服务是否真正有用，Meta 的社交分发能否降低获客成本，外部连接能否完成交易与服务。它改变的是对消费级 Agent 护城河的理解——基础模型可能快速趋同，但用户关系、入口、权限和服务网络更难复制。这个框架也适用于评估其他个人 Agent：分别检查智能、记忆、分发和执行，避免把一次精彩演示当成完整产品。
来源：rwayne；作者：Roland.W；标题：AI 时代的审美提高手册（上）。长文将审美定义为选择、删改和克制的能力：当 AI 可以快速生成大量文字、图像和方案，稀缺的不再只是生产能力，而是知道保留什么、删除什么以及何时停止。文章进一步把这种判断力连接到商业信任、社交表达和内容差异化；相关评论则建议用更具冲突感的现实案例增强主题表达。
它值得读，因为它把审美从“好不好看”推进到一套编辑与决策能力。AI 提高供给后，堆叠元素和增加产量通常更容易，真正拉开差距的是一致性、取舍和对受众感受的控制。可迁移到内容审核、品牌设计和产品界面的标准是：每个元素是否服务核心意图，删掉后是否反而更清楚，形式是否建立了与承诺相匹配的信任。
来源：X 首页时间线；作者：Dexter Yang；标题：Agentic AI 将削弱聊天型超级应用的入口地位。文章认为，Agentic AI 会把平台竞争从搜索、订阅和聊天窗口，迁移到上下文感知、主动分发与自动行动。掌握推荐算法、多模态内容和用户关系的平台，可能不再等待用户提出明确问题，而是根据情境发现需求、组织信息，并直接推进后续任务。
这套判断改变了“聊天框会成为所有应用最终入口”的线性想象。搜索掌握显性意图，内容平台掌握兴趣信号，Agent 则试图连接上下文与行动；价值可能因此转向拥有持续数据、分发触点和执行权限的一方。对产品工作的启发是，不只优化用户如何提问，还要设计系统何时出现、依据什么主动建议、获得哪些可撤销权限，以及完成行动后如何回报证据。
来源：ai_xiaomu；作者：黄小木；标题：Vibe Coding 的隐性成本与流量优先选择。帖子指出，AI 降低了写代码的门槛，却没有消除环境配置、Agent 协调、token 消耗、调试和后续维护等成本；并通过两个个人路线案例主张，独立开发者早期更应先验证流量入口和变现渠道，而不是长期打磨无人使用的产品。
值得读的地方，在于它把“开发更快”与“更快形成业务”分开。Vibe Coding 可能压缩首版时间，但若需求、分发和付费假设未经验证，提速只会让人更快地产生维护负担。可迁移的验证顺序是：先确认具体用户与可触达渠道，再用最小交付测试使用和付费，最后才扩大功能与自动化；同时把 Agent 协调、返工、token 和运维纳入真实构建成本。
a16z YouTube | Why Education Has to Change
Why Education Has to Change
时长：42:42
Joe Rogan / PowerfulJRE | Joe Rogan Experience #2556 - Siddharth Kara
Joe Rogan Experience #2556 - Siddharth Kara
时长：2:21:50
Latent Space | 🔬 Google's AI Scientist Started as an Attempt to Automate Kaggle — John Platt, Google Fellow
🔬 Google's AI Scientist Started as an Attempt to Automate Kaggle — John Platt, Google Fellow
时长：2:01:26
跨来源 ≥3 且首见 ≤14 天的名词，按来源数排序：
抓到 447 → 进批 112（25%）→ 进日报 34（30%）
今天批处理之后抓到 335 条（明早进批）：x-home 330、thariq 2、thsottiaux 1、vista8 1、wadezone 1
待处理积压：0