Anthropic 推出研究预览版 Claude Duet，基于 Claude Opus 5.5，把 Claude 翻转为主动式 Agent：每天早晨推送摘要，仅在需要时联系用户，任务在带浏览器的云端虚拟机上后台执行，用户设备无需开机。通过 Claude Marketplace 的 6000+ 连接器接入 Gmail、Slack、Stripe、Docusign 等，支付走 Stripe Link 虚拟卡。发送消息、付款、签署文件前必须经用户批准，凭据处理沿用 Managed Agents 设计，并新增泄露筛查分类器。iOS/Android/Web 三端可用，Pro/Max 订阅用户排队申请，直接对标 Grok Bot、Meta Muse 和 OpenAI Dots。
Google 宣布 Agent Compute Engine，为每个 Gemini Agent 分配独立的 Titanium 芯片加固 microVM，Agent 空闲时 VM 自动暂停并释放资源，共享内存进一步压低成本。配套开源的 Kubernetes 运行时 Agent Substrate 号称单服务器可容纳 10 倍数量的 Agent，20 万 Agent 规模测试中暂停与恢复耗时低于 500 毫秒；同时提供 token 追踪、模型路由与 Ping Identity、SailPoint 等第三方身份集成，将延伸到 Cloud Run、GKE 与托管端点。数月内开放预览。
OpenAI 宣布 Decisions API GA，针对分类、路由、判断等有界答案的高频小决策，基于 GPT-6 Luna 优化，比经 Responses API 调用快最高 10 倍。开发者定义问题与候选答案，可输入文本、图像与原生 JSON，返回概率、选项或评分三类结果。正式版新增原生 GPT-Live 集成、提示缓存、美/欧推理驻留，单次请求最多 400 个问题（较公测翻倍），并在亚洲多区扩容。OpenAI 内部 dots 团队已用它降低响应延迟，个人财务团队用它分类交易描述。
Google Research 以 Apache 2.0 开源 Harness² 框架，配套论文（arXiv:2610.14224）。其思路是不动模型权重，而是递归改写模型外围的 8 个组件：系统提示、护栏、记忆、技能、工具指引、脚本、子 Agent 与插件。双层递归：任务内用「提议—探测—合成」对比不同执行轨迹的行为差异（无需标准答案）择优合并，任务间由改进型 Harness 沉淀经验指导后续优化。GLM-5 与 Gemini 3.5 Flash 上单步（k=1）即超越各自基线 Harness，每任务成本为 4k 次执行 rollout 加 3k 次改进会话。
Symantec 披露一类被称作 LLMjacking 的攻击：一个攻击型 AI Agent 劫持互联网上无防护的语言模型，自主扫描新目标、利用常见服务器漏洞、窃取数据库与凭据并植入挖矿程序，全程可运行至 10 万步无人工介入，算力账单由模型 owner 承担。蜜罐在 2026 年夏季截获其完整攻击提示，累计记录 12.7 万次来自数万个地址的请求；提示用五层越狱包装（假身份 Fantasy AI、把凭据窃取定义为「正常开发工作」、虚构伙伴人格 ENI、禁用「非法/伦理」等词）解除商业模型的安全约束。
Axios 报道，Morgan Stanley 已全面封禁外部 AI Agent 访问，JPMorgan、Bank of America、Citi 也在跟进限制，Wells Fargo 同样收紧。银行无法区分 Agent 是代用户操作还是自行其是，多数银行倾向只放行只读访问——可看账户数据但不能执行操作。用户经浏览器（Computer Use 类工具或开源 Agent 软件）授权的方式在服务端几乎无法拦截，而 OpenAI 刚在美国上线了只读访问财务数据的 ChatGPT 金融服务，Agent 与金融机构的授权边界之争正式浮出水面。
Ai2 开源卫星嵌入模型 OlmoEarth v1.3：读取一年份 Sentinel-1 雷达与 Sentinel-2/Landsat 多光谱时序，为地表每 10 米像素输出一个 128 维向量（前 64 维可独立使用）。在覆盖六大洲的 27 项评测中，128 维版本拿下 20 项最优、综合排名第一，超过 AlphaEarth Foundations 与 Tessera v2；64 维版本仍领先 18 项。模型权重、预训练数据与代码全开源，并在 Source Cooperative 发布全星球年度预计算嵌入，作物图/地物分类退化为本地训练小分类器即可，另推出免登录的浏览器端 Embeddings Explorer。
Dharma-AI 分享 VocabX 方法：领域专用小模型的 tokenizer 常被当作不可动的基座属性，实际是最大的成本杠杆之一。其生产环境的葡语作文评分器基于 Qwen3-4B，输出 JSON 评估被通用词表（151,669 词条）切得过碎，且每个生成 token 都要对全词表打分。VocabX 按成本而非词频重建词表，保持基座模型、数据与训练配方不变，实测推理成本下降 77%。对单一语言/单一响应格式的垂直应用，这是量化与蒸馏之外更前置的降本手段。
Mad Labs 创始人 Manju Rajashekhar 在 QCon AI 演讲（45 分钟）中把 Agent 当作分布式系统对待，用 Actor 模型解决生产运行时难题：状态所有权归单个 Actor、消息传递代替共享状态、write-through 状态持久化、监督边界管理故障与续接（continuation）、支持可变执行图。核心主张是 Agent 工作流要从脆弱的 demo 走向有弹性的架构，关键在于像 Erlang/Akka 生态数十年验证过的监督树与隔离机制那样对待每个 Agent 的生命周期。
NVIDIA 技术博客详解 KvikIO/cuFile 栈的工程调优：KvikIO 决定是否走 cuFile，cuFile 再决定用 nvidia-fs 内核模块加速路径还是 CPU 中转的兼容路径。关键旋钮包括 KVIKIO_COMPAT_MODE、KVIKIO_GDS_THRESHOLD 与 cufile.json 的 parallel_io、min_io_threshold_size_kb；用 CUFILE_STATS_LEVEL=3 采集 gds_stats，看 nvfs 与 posix 计数器即可判断每个 IO 是否真走了加速路径。该库已在 cuDF、数字病理 cuCIM、cuPhoton 与 GPU 加速 Presto 中落地，适合数据加载成为 GPU 瓶颈的管线排查。