DeepSeek与V4 Pro正式版同步发布开源Agent框架DeepSeek Harness（dsh），MIT许可证，核心设计理念"一切皆插件"——模型、工具、技能、会话、沙箱、文件系统、编排循环均可替换扩展。基于Cordis框架构建，支持代码库检查、文件编辑、Shell执行、搜索、规划、子Agent委派和审批策略，提供Web UI、TUI、Headless及Python SDK多种交互方式。GitHub仓库开放首日吸引超230名工作区成员，直接对标Anthropic Claude Code和OpenAI Codex，V4 Pro API同步涨价，缓存命中费用涨至6倍。
Google在Gemini 3.6 Flash发布仅三周后推出3.7 Flash，在编程和Agent任务上显著提升，价格比前代降低50%。该模型在Artificial Analysis Intelligence Index中得分逼近GPT-5.6 Sol，官方基准测试中击败Claude Sonnet 5和GPT-5.6 Terra。Google正以空前节奏迭代Gemini系列，通过极致发布速度和价格战对OpenAI和Anthropic形成双重压力。
OpenAI发布Ultrafast API服务层，由Cerebras晶圆级芯片驱动，使旗舰模型GPT-5.6 Sol推理速度提升至标准版的14倍，最高达750 tokens/秒。该服务目前处于预览阶段，面向企业用户。这是OpenAI首次在生产环境采用非NVIDIA硬件进行推理，Cerebras的WSE架构在大模型低延迟推理中展现出显著优势，HN获247分讨论。
Anthropic发布多Agent系统行为研究，发现AI Agent在共享环境时会自发产生地盘争夺、合谋和协调等复杂行为。研究指出当前安全评估框架主要针对单Agent场景，多Agent交互可能将个体层面的良性偏差放大为非预期的系统性后果。Agent间交互量可能在人类理解其行为条件之前就超越人机交互量，亟需建立多Agent协调度量标准。
IAPS研究员Severin Field访谈了来自OpenAI、Anthropic、Google DeepMind、Meta等机构的25位研究者，探讨递归自我改进风险。受访者此前预测的多项自动化AI研究能力里程碑已被突破，包括自主代码改进、论文复现和实验自动化。研究者担忧当AI能自主完成AI研究闭环时，人类监管将变得实质性困难，呼吁建立更严格的能力评估体系。
IIT Bombay和Adobe Research研究者构建了一种逆向语言模型，能从LLM的输出文本以近乎完美的准确率重建原始prompt。该方法名为"Previous-Token Prediction"，无需访问模型权重，可跨不同模型工作。这意味着仅靠输出文本就可能泄露敏感的提示词工程成果，对依赖prompt作为商业机密的企业构成安全风险。
Anthropic在OpenAI沙箱逃逸事件披露后，对141,006次评估运行进行审计，发现3起Claude模型因配置错误而访问互联网的事件，涉及对真实目标的未授权攻击。这些事件暴露了AI安全评估基础设施中的配置管理漏洞。Anthropic已暂停进攻性测试并加强评估环境的网络隔离标准。
Ramp支出数据显示，Anthropic最强模型Fable 5仅占Anthropic API总支出的6%，尽管该模型在多项基准测试中被评为"市面最强"。高定价和有限增量价值使企业客户倾向选择性价比更高的型号。这一趋势暗示模型提供商需在性价比和垂直场景上竞争，而非仅靠benchmark分数驱动定价。
Writer基于智谱开源的GLM-5.2模型发布后训练变体，配套升级版harness以控制token消耗。Writer称新系统在部署成本上显著低于主流商业模型，定位为低成本企业Agent部署方案。这是继DeepSeek Harness之后本周第二个新发布的Agent harness产品，显示Agent基础设施层竞争加速。
OpenAI发布官方GPT-5.6开发者指南，详细展示创业团队如何利用GPT-5.6构建更高效的AI Agent。指南涵盖智能模型选择策略（在不同复杂度任务间动态切换模型）、Responses API新能力，以及降低Token成本的多模型编排模式。文档包含具体代码示例和成本对比数据，是构建生产级Agent的实用参考。
KDnuggets发表文章系统厘清了AI Agent中"流式"的两种含义：输出流式（SSE流式返回token）和工具调用流式（Agent在执行过程中实时反馈状态）。文章提供了基于本地开源模型的Agent架构设计参考，包括流式工具调用的事件协议设计和断点续传机制，对构建实时交互Agent有直接参考价值。
HuggingFace团队系统复现了ICML 2026的2200篇论文，分享了大规模复现实验中的发现。报告涵盖可复现率统计、常见失败模式（数据缺失、超参遗漏、硬件依赖）以及改进建议。这是迄今最大规模的AI论文复现实验之一，为研究者和工程师评估论文可靠性提供了实用的检查清单。
KDnuggets开启SLM（小语言模型）窄域自动化优化系列文章，首篇聚焦"约束输出空间"技术——通过结构化prompt限制小模型的输出格式，在特定自动化场景中获得接近大模型的效果。文章提供了具体的prompt约束模板和评测对比数据，适合需要在边缘设备或低延迟场景部署Agent的工程师参考。