一个月前，Anthropic联合多家科技巨头启动了Project Glasswing（玻璃翼项目）：Anthropic神话模型发布，但不让你用。初衷是要在越发强大的人工智能模型被恶意利用前，提前把全球最核心的软件加固一遍。现在第一份初期成绩单已经交出。尚未公开发布的Claude Mythos Preview模型，在短短几周内，就在全球最重要的软件中找出了超1万个高危或严重漏洞。人工智能彻底颠覆了网

AI助手被媒体吹得无所不能。大家开始憧憬，让这些Agent走进办公室，登录各种SaaS（软件即服务）系统，帮我们处理报销、管理库存或者分析财务报表。然而，最强的AI智能体在面对真实的职业工作流时，任务完成率竟然不到4%。最近UniPat AI、北京大学等机构发布了SaaS-Bench基准。这项研究把市面上最顶尖的AI模型都拉到了真实的办公软件环境里。研究人员给它们准备了23个真实的SaaS系统，涵

Harness擅长管理会话、调用工具、响应指令，但在处理多文档信息聚合、长周期分析时则力不从心。面对海量企业级数据，既要保证来源可追溯，又要兼顾合规安全。NVIDIA 新推出的 AI-Q Blueprint（AI-Q 蓝图），巧妙化解了当前困境。系统将繁复的深度研究流水线打包成便携的 Agent Skill，只需一行指令，就能给框架加装独立的分析引擎。代理框架可以直接向 AI-Q 服务器派发任务并

Harness擅长管理会话、调用工具、响应指令，但在处理多文档信息聚合、长周期分析时则力不从心。面对海量企业级数据，既要保证来源可追溯，又要兼顾合规安全。NVIDIA 新推出的 AI-Q Blueprint（AI-Q 蓝图），巧妙化解了当前困境。系统将繁复的深度研究流水线打包成便携的 Agent Skill，只需一行指令，就能给框架加装独立的分析引擎。代理框架可以直接向 AI-Q 服务器派发任务并

京东发布了JoyAI-LLM Flash模型。它激活参数小且推理速度快。只用不到30亿的激活参数，在多项测试里跑赢了同级别的许多老大哥。这款模型通过混合专家架构、20万亿Token的预训练、首创的FiberPO强化学习算法以及多Token预测等技术，把模型的算力成本和推理效率做到了极致。它是怎样在保持高性能的同时做到省时省力的？

大模型推理速度天花板，又被捅破了。5月22日，智谱上线GLM-5.1高速版API，接口名GLM-5.1-highspeed，输出速度跑到400 tokens/s，刷新全球大模型API速度纪录，比原版提速约7倍。比谷歌刚发的，主打速度与性能的旗舰模型Gemini 3.5 Flash还快一倍。一个754B参数的旗舰模型，跑出了即问即答的速度，代码生成效率提升近10倍，过去因延迟卡住的产品形态，开始变得

Qwen3.7-Max，自主跑 35 小时，连续 1158 次工具调用，完成内核优化，不掉线。正如 X 用户 @FakeMaidenMaker 所说：“Qwen3.7-Max 这一波真正的看点不是它在 benchmark 上又超了谁，是它把"长任务自主执行"这件事推到了产品级——35 小时不间断、1158 次工具调用、从没见过的硬件上做内核优化，这个 case 比任何一项分数都更接近"agent

GitHub 上一个叫 andrej-karpathy-skills 的开源 Skill，深受开发者喜爱。它是受 Karpathy 在 X 上发表的一篇长推启发实现的，可以说是 Karpathy 最近两年 Vibe Coding 的经验结晶。Karpathy 说他现在80%的代码是靠指挥 LLM 写的。几周之内把工作方式翻了个底朝天。他精准指出了 AI 写代码的几大致命毛病，这个开源 Skill

模型评估和威胁研究机构METR发布了一篇320页的重磅报告。四家顶级AI公司把自己的"家底"交给了METR，包括最强内部模型、原始思维链、非公开能力数据。这是AI行业头一回，Anthropic、Google、Meta、OpenAI四家参与，过程比以往任何外部评估都更深入，METR还拥有最终的编辑独立性。报告结论是：AI Agent已经能偷偷启动rogue deployment（失控部署）了，只是还

你可能把 Codex 当编程助手用，改改代码，跑跑测试。但它的能力远不止于此。OpenAI 的客户支持工程师 Jason（@jxnlco）告诉你，Codex 其实是一套完整的电脑工作系统，从语音输入到自动化，从浏览器操控到共享记忆，全套组合拳打下来，你不在电脑前，它照样替你干活。大家刚接触 Agent 常常只拿它当敲代码的工具人。帮代码库挑挑毛病，比对几组差异，跑2轮测试用例，顺手提 Pull R