商务部与科技部发布出口技术目录修订草案，对大模型、Agent、算力集群、数据处理四大类23项关键技术设限：能自主编写恶意软件攻击关键基础设施的AI工具被完全禁止出口；模型权重、检查点、源代码、训练方法在大模型训练算力达10^26 FLOPs、参数量达2万亿或进入全球前十时纳入管制。同时设置开源发布「自动许可」快速通道，API调用、SaaS与本地轻量部署不受限。已开源或论文公开的技术豁免。
OpenAI 更新 Chrome 扩展，用户可用 @chrome 指定任意打开的标签页，Chat 模式可同时汇总多个标签页内容；Work 模式通过 Computer Use 直接操控标签页发消息、填表单、下载文件、整理标签组，背后由 GPT-6 Astra 驱动多步工作流。官方示例包括跨标签页比价、核对退换货规则等。扩展对所有 ChatGPT 付费档位开放。
Anthropic 宣布向非营利机构 METR 的 6 名成员提供公司硬件、办公位和内部工具，权限与其自有风险团队大体相当；客户数据、律师特权信息和模型架构细节除外。METR 将独立发布审计结论，Anthropic 仅可在预定义类别申请删减，且 METR 可公开评价删减是否合理。此前 SecureBio、Accenture、Faculty 获得的访问权限均更有限。
Google 研究者开源 EnvHarness 框架，可根据 Agent 的能力短板动态适配训练环境，且无需修改环境本体，用于自进化 Agent 的持续学习。该框架试图解决 Agent 训练环境固定、难度与任务分布无法随能力成长而调整的问题，让「环境侧」成为 Agent 训练循环中可编程的一环。
微软宣布自 2027 年起将 Maia 加速器家族扩展到多吉瓦级部署，作为自家产品的主力推理系统，并公布了新的能效指标。InfoQ 指出该效率口径的计算方式引发业界质疑——指标如何定义（每 token 能耗还是含互联开销）直接决定与 NVIDIA 方案的可比性。这是超大规模厂商自研推理芯片路线迄今最激进的规模化承诺。
Reflection 在 HuggingFace 博客发布 Beam，一个 501B 参数的开放权重大模型，核心卖点是使用者可以完整持有模型（权重下载数据库）、按需定制，并随业务扩展部署规模。相比托管 API 模式，Beam 把「所有权」作为差异化：模型、数据与推理栈全部留在用户自己的基础设施内。
机制可解释性奠基者之一 Cammarata（《Zoom In》合著者、前 OpenAI 自动化可解释性负责人）发文挑战 superposition 主流叙事：著名的「猫脸-车头」神经元实为 V 形检测器，旧发现被误读。他给出初步数据：Qwen3-32B 中约 90% 的神经元极性有单一主功能，并提出「递归泛化」解释剩余模糊性。2023 年时可理解神经元比例仅约 1.7%，若新结论成立，SAE 等整条拆解路线的前提将被动摇。
AWS 发布两个 Agent 开发开源项目：Strands Decider 2B 是专为 Agent 工作流内决策设计的小参数模型，可在工具调用、路径选择等环节替代大模型以降低成本和延迟；Strands Box 则提供 Agent 的隔离运行环境。二者延续 Strands SDK 路线，把「大小模型分工」做成可落地的开源组件：重推理用大模型、高频决策用小模型。
Grafana Labs 提出用成熟的可靠性工程方法度量 Agent 行为：为 Agent 的任务成功率、越界行为等定义 SLO，用错误预算控制发布节奏，超过预算即冻结新版本。该方法把「Agent 表现好不好」从主观评估变成可告警、可追溯的运维指标，为团队提供了不依赖一次性 benchmark 的持续监控范式，可直接在 Grafana 栈内落地。
InfoQ 线上研讨会上多位从业者总结 Agent 生产化挑战：语义漂移与嵌入漂移导致检索质量随时间衰减；Agent 失败常常是静默的（结果看似合理实则错误），需要专门的 Harness 工程与行为监控才能暴露；治理上建议按风险等级分级放权。核心可落地建议：为漂移建立定期回归评测集，把 Harness 当作一等工程资产而非胶水代码。