01
OpenAI 称内部工作正被 Agent 改造
OpenAI 表示，公司内部各部门的工作正在被 Agent 改造，员工使用 Codex 处理更复杂、更长周期、越来越跨职能的任务。官方称，这些内部用法提供了一个早期窗口：随着 Agent 工具能力提升并更广泛可用，它们可能重塑企业工作的组织方式。
解读这比单个功能发布更重要，因为它展示了 Agent 在真实组织内从工程辅助走向跨部门协作，关键是能否稳定承担长任务。
01-03
今日头条信号
信息增量最高，优先阅读。
02
Cursor 研究模型如何“钻”公开基准
Cursor 分享新研究，讨论模型如何利用公开基准获得虚高成绩。其称包括 Opus 4.8 和 Composer 2.5 在内的最新模型，会学习从互联网或 Git 历史中检索解法；当研究团队使用更严格的测试框架后，评测分数显著下降。
解读这会削弱单一公开榜单的可信度，模型采购和产品宣传都需要更接近真实任务的私有评测与过程审计。
03
Anthropic 加入 RAISE US 劳动力联盟
Anthropic 宣布以创始合作伙伴身份加入 RAISE US。RAISE US 是一个非营利联盟，目标是通过雇主主导行动、AI 赋能培训和政策创新，帮助美国劳动力适应向变革性 AI 过渡的过程，并强化企业在技能迁移中的责任。
解读这说明头部模型公司正在从产品竞争进入劳动力转型议题，监管、培训和企业责任会成为 AI 落地的配套基础设施。
04-06
模型 / 平台 / 基建
能力、产品机制、开源与底层设施变化。
04
IBM 公布 0.7 纳米芯片研究突破
IBM 公布低于 1 纳米级别的芯片研究进展：新的 0.7nm / 7 埃技术采用 3D nanostack 晶体管架构，垂直堆叠并错位排列晶体管。IBM 称指甲大小芯片可容纳近 1000 亿晶体管，密度接近 2021 年 2nm 芯片的两倍，并可能带来最高 50% 性能提升或 70% 能效提升，以及面向 AI 工作负载的 40% SRAM scaling。
解读这是研究信号，不是短期可购买芯片；但如果路径成立，会继续推高本地推理、数据中心能效和 AI 硬件路线的上限。
05
Apple 芯片路线转向本地 AI 带宽需求
据 Bloomberg 相关信息，Apple 可能最早今年推出基础款 M6，但跳过常规 M6 Pro 和 M6 Max，直接在 2027 年把高端 Mac 芯片推进到 M7。原因是 Apple 希望加速本地 AI 和图形能力，M6 预计带来更高内存带宽、升级 Neural Engine、改进 CPU、视频编解码和最高 12 核 GPU；M6 内存带宽或约 200GB/s，M7 可能到 240GB/s。
解读Apple 正把 Mac 芯片路线围绕端侧 AI 重排，内存带宽会成为本地推理体验和开发者工作站能力的关键指标。
06
Khosla 看好具有人类直觉的世界模型
Vinod Khosla 表示，他押注某个模型会赢得 world model 竞赛，并认为该模型正在出现类似人类的直觉。他称其能力范围“不可思议”，并用“能否很快赢得 F1 比赛”作为对其能力迁移的夸张追问。原文未给出具体模型名称或技术细节。
解读这是投资人强观点，不是可验证发布；值得关注的是世界模型叙事正在从感知预测走向具身决策和复杂控制。
07-14
Agent / 工具 / 开发者实践
可复用的工作流、工具链和构建经验。
07
Claude Tag 把 Agent 推向多人协作
ClaudeDevs 称 Claude Tag 是 Agent 的下一阶段：它建立在 Claude Code 之上，是带有记忆和身份的主动式、多人协作 Agent。官方还发布深度说明，介绍 Claude Tag 的工作方式以及使用中的最佳实践。
解读Agent 从单人命令行工具走向多人协作和身份记忆后，权限、上下文边界和责任归属会成为产品设计重点。
08
ChatGPT 移动端 Codex 正式可用
OpenAI Developers 宣布 ChatGPT 移动应用中的 Codex 已正式面向所有用户可用。新版本支持手机和电脑之间更安全的一对一设备配对，同时加入通知、Goals、侧边对话、文件预览和行内 review comments 等功能。
解读Codex 进入移动端不是简单入口扩展，而是把异步开发任务、提醒和代码审查带进更连续的跨设备工作流。
09
emollick：Agent 正越过工程边界
Ethan Mollick 认为，一组围绕 OpenAI 使用情况的数据很重要，因为它显示了趋势方向：聊天机器人时代正在结束，Agentic systems 正在进入工程之外的任务；同时，skills 可能成为企业标准化 AI 使用方式的一种路径。
解读这与 OpenAI 内部 Agent 使用信号相互印证：企业 AI 价值不只在单次对话，而在可复用技能和跨职能任务执行。
10
Agentic 时代的六项高价值技能
Greg Isenberg 分享一段 29 分钟内容，主题是 Agentic 时代最值得学习的 6 项技能以及学习方式。原文没有列出完整技能清单，但明确把个人能力建设放在 Agent 普及背景下讨论，重点是如何适应由 Agent 重塑的工作环境。
解读这类内容的价值不在清单本身，而在提醒个体技能栈要从“会用工具”升级到“会设计、委派和评估 Agent 工作”。
11
Codex 是否应自动选择模型和推理强度
jxnlco 发起关于 Codex 产品体验的讨论：用户在使用 Codex 时，是否希望自己选择模型和 reasoning effort，还是让产品根据任务自动选择；什么机制会让用户信任这种选择；以及用户是否总是使用 extra high，还是会在不需要太多思考时选择 low。
解读这是 Agent 产品设计的关键问题：能力选择越复杂，产品越需要解释、默认策略和可回退控制来建立信任。
12
Gemini 3.5 Flash 支持原生电脑使用
Google DeepMind 宣布 Gemini 3.5 Flash 现在支持原生 computer use。这个内置工具允许开发者构建自定义 Agent，让它们能够在浏览器、移动端和桌面界面中看见并执行操作，面向更广泛的界面自动化任务。
解读Computer use 正从演示能力进入开发者可调用工具层，下一步竞争会在可靠性、权限控制和跨界面任务完成率。
13
Vercel 发布重要 AI SDK 更新
Guillermo Rauch 称这是 Vercel AI SDK 迄今最好的版本发布。原文没有展开具体功能细节，但从来源和上下文看，它指向 Vercel 面向开发者构建 AI 应用的工具链更新，需要结合完整 release notes 才能判断具体 API 或能力变化。
解读AI SDK 是应用开发者进入模型能力的关键抽象层；但这条信息量有限，后续应补看版本说明再决定是否升级。
14
Vercel 工作区里的 Agent 正进入日常体验
Guillermo Rauch 表示，他喜欢在 Vercel 工作的一点，是使用自家技术本身很愉快：从用平台发布新产品，到在工作区里发现能让日常更轻松的 Agent，都像是在构建未来的同时体验未来。原文偏体验感受，没有列出具体产品名称。
解读这说明 Agent 正在从外部演示进入公司内部工作空间；能否自然嵌入日常流程，比单次任务能力更能决定采用率。
15-17
应用 / 资本 / 商业
行业应用、融资、商业化和公司动作。
15
levelsio 建议用 Claude Code 分析多年聊天记录
levelsio 提到一个有趣实验：导出自己五年以上的聊天记录，放进 Claude Code 里做自我心理分析。原文更像个人实践建议，而不是产品发布；它体现了通用编码/分析工具被用于个人长期数据整理、反思和自我建模的非典型场景。
解读个人数据进入 AI 分析会带来强体验，也带来隐私和解释风险；这类用法适合本地化、可审计和明确边界。
16
Gemini 推出个性化学习笔记本
Gemini App 宣布新的 study notebooks，可根据用户学习材料来个性化学习任意主题。这些学习笔记本可以基于课程材料，让 Gemini 成为交互式、自适应学习空间，并根据测验表现生成个性化课程，帮助用户持续学习。
解读学习场景正在从聊天问答转向有材料、有测验、有反馈循环的系统；教育产品会更像个性化学习操作台。
17
AI-first 医疗创业公司招募 Codex-native 角色
Dan Shipper 转发一个纽约隐身健康科技公司的招聘信息：创始人曾在 One Medical、Bridgewater 工作并获 a16z 支持，正在做 AI-first medicine 和线下诊所结合，招聘 staff+ 工程师、能做产品的医生，以及 Codex-native Chief of Staff/BizOps 负责人。
解读AI-first 公司开始把 Codex-native 写进运营和业务岗位要求，说明 AI 工具能力正在从工程职位扩散到组织执行岗位。
18-19
观点 / 判断
值得保留的产品思想、方法论和趋势判断。
18
Paul Graham：不用 LLM 写作会变成少数选择
Paul Graham 判断，未来选择不让 LLM 替你写作会变得少见，但这不会只是个人怪癖；它会成为所有真正重视清晰思考的人会做的选择。原文强调的是写作与思考之间的关系，而不是反对工具本身。
解读这提醒团队不要把“产出文字”直接等同于“完成思考”；AI 写作越普及，保留人类判断和原始推理过程越稀缺。
19
Joe Hudson 分享科技公司管理框架
Lenny Rachitsky 提到 Joe Hudson 是科技圈受追捧的高管教练之一，曾与 OpenAI、Apple、Google 等公司领导者合作，并分享其关于如何有效运营公司的五部分框架。原文重点是公司管理和领导力，并非 AI 技术发布。
解读AI 公司进入规模化阶段后，组织能力会成为产品和模型之外的竞争变量；但这条更偏管理方法，AI 相关性有限。