今日 AI 要闻

• Cognition 主帖称 Gemini 3.7 Flash 已可在 Devin 使用。
• 主帖称它在 FrontierCode 1.1 上达到 Claude Sonnet 5 级别表现且成本不到一半。
• 线程称它在 Devin 内适合 tightly scoped refactors，并提供两周 50% 折扣。

这是产品方接入说明，未给出完整评测报告；“Sonnet 5-level”需结合任务类型和 Devin 内部环境理解。

• 原帖称 Grok Bot 的 UX、设计和 onboarding 表现突出。
• 原帖区分“把 Agent 当人”与“把 Agent 当 Jarvis”两种产品模型。
• 原帖预测长期可能转向一个主 Agent 编排多个 bot。

这是产品设计观察，非性能数据；Grok Bot 的具体功能范围和企业权限模型还需更多使用样本。

• 主帖称 Claude for Chrome 会话终于可以跨设备同步。
• 主帖描述同一浏览器任务可从办公室电脑延续到家中设备。
• 主帖把该更新定位为让浏览器 Agent 更适合连续工作流。

该条来自单个 X 观察，未见同事件 X 补证；实际可用范围、地区和权限细节需以产品端为准。

• 原帖称 DAB 任务至少跨两个数据库系统。
• 原帖称 benchmark 包含不一致 join keys、自由文本关键值和模糊 schema。
• 原帖列出 session 会讨论 frontier models 得分和五种 agent failure。

信息来自 session 摘要，未包含完整得分表；具体模型表现和可复现实验需看完整材料。

• 原帖称样本为最近 30 天 100 万以上 AI bots。
• 原帖称 OpenAI 和 Anthropic 使用 llms.txt 来回答用户、索引页面和训练模型。
• 原帖称 Markdown pages 被抓约 50%，AI bots 仍使用 HTML。

样本来自 TrustMRR 自身站点或产品数据，不能代表全网；“训练模型”归因来自原帖表述，需谨慎解读。

• Nous Research 官方帖称 LongCat-2.0 在 Nous Portal 免费一周。
• 原帖称模型为 1.6T-parameter MoE，具备 1M context。
• 原帖称模型面向 agentic coding，Terminal-Bench 2.1 得分 70.8。

这是平台官方短讯，缺少独立复测；免费开放一周不等于长期价格、限额和可用性稳定。

• Vercel 官方帖称可用单条命令连接 coding agents 到 AI Gateway。
• 原帖称可自动配置 8 个 popular coding harnesses。
• 原帖称网关提供 300+ models from 30+ providers，并支持 ZDR 与 US inference。

官方短帖没有列出全部 harness 名单和限制；实际兼容性、日志留存和计费策略需在项目中验证。

• a16z 官方帖宣布投资 Vals。
• 原帖称 Vals 测试模型在真实工作中的表现，而不是 contrived exams。
• 原帖称团队与领域专家合作，把真实 workflow 转成 benchmark 并自动评分。

这是投资方叙事，缺少估值、客户和 benchmark 公开细节；需避免把融资公告等同产品成熟度。

• 原帖称 Gemini 新一波 integrations 从当天开始推出。
• 原帖列出 OpenTable、Ticketmaster、Wix、Zocdoc、Zoho、Granola 和 Otter 等应用。
• 原帖称 Gemini gets things done across the apps you use every day。

该帖未说明每个集成的地区、权限、上线节奏和具体操作边界；需以产品可见功能为准。

• 主帖称 MindTopo 测试 AI 对空间拓扑关系的理解和保持。
• 主帖列出连续性、分离、顺序、包围、结结构五类能力。
• 主帖称当前 VLM 进入多步操作后性能大幅下降。

该条来自 X 摘要，未包含完整论文指标和模型清单；具体排名和实验设置需查原始研究。

• 主帖称 LTX-2.5 已开源。
• 主帖称生成 10 秒视频只需 6.8 秒。
• 主帖称模型支持文本、图片、视频输入，并在同一模型中生成画面和声音。

信息来自 X 摘要，未见同事件 X 补证；授权门槛、硬件需求和稳定性需以项目说明和实测为准。

• 原帖称 Mole 1.12 减少采样唤醒，并改善菜单栏 CPU 与长列表表现。
• 原帖称清理范围覆盖 Dia、Zed 和 stale caches。
• 原帖称 Chat history、local models 和 active builds 会保持 untouched。

这是产品方更新帖，缺少第三方性能测试；不同 Mac 和开发环境下清理结果可能差异很大。

• 原帖称每次模型更新后应至少削减 50% prompts。
• 原帖描述常见路径：失败后加规则、工具调用失败后加例子、输出异常后加格式约束。
• 原帖称过长系统 prompt 可能让更强模型变成规则机器。

该条是实践观点而非量化研究；“50%”更像经验建议，不能机械套用到所有生产系统。