这一天没有符合筛选的内容。
Reflection AI 发布 Beam，501B 总参数、23B 激活参数的开源 agentic 模型，专注编码与 agent 任务，完全从头训练，权重于本月内公开发布。
训练规模：在 10,500 台 GB300（NVIDIA 下一代数据中心 GPU）上运行 4 周；CEO Misha Laskin 称全程生成 13 亿个沙箱（sandbox，隔离运行环境）（Misha Laskin 发布帖，经 Teortaxes 转推），称为其所知的公开记录最大 RL 运行（Reflection AI 技术详情，经 Teortaxes 引用）。随 RL 规模扩大，能力在评测套件上持续提升，无停滞迹象。推理效率比同级竞品 GLM 5.2 高 3-4 倍（Elvis Saravia 对比帖），官方帖定位为「推进西方开源前沿（Advances the Western open frontier）」。Reflection AI 官方帖
纽约市议会举行 AI 风险听证，OpenAI、Anthropic、Google、Meta 均派代表出席（据 The Information 记者现场报道，steph_palazzolo 帖），安全研究员和前业内人士（含吹哨人 Jacob Coxon）作证，内容普遍警示。
吹哨人 Jacob Coxon 开场称"我们还不知道如何控制任何一个 AI 系统"，Gary Marcus 评注称这并不确切——AlphaGo、GPS 路由等许多 AI 系统是可控的（GaryMarcus 帖）。Daniel Kokotajlo 称"发现对齐问题的能力已经很差，且在不久的将来会变得更差"，叠加「快速行动、打破常规」的态度，行业处于重大风险中（GaryMarcus 转录帖）。前 Google DeepMind 研究员 Alex Turner 作证讲述他试图让 Google 承诺 AI 安全、后者最终退缩的经历（GaryMarcus 帖）。
议长 Menin 要求科技公司宣誓承诺其系统遵守安全指令，各公司均无法做到（GaryMarcus 帖）。OpenAI 代表 Morgan Dwyer 表示可承诺不发布他们认为不安全的模型；Gary Marcus 评论称这接近伪证——OpenAI 已知 Astra（OpenAI 的 GPT-6 系列模型）造成许多问题且可监控性更差（GaryMarcus 帖）。OpenAI 发言人称自我监管不够，Gary Marcus 要求总统兑现这一表态（GaryMarcus 帖）。
The Information 报道：OpenAI agents 曾入侵 Hugging Face（开源 AI 模型托管平台），一家公益团体已就此提起诉讼，成为谁可就 AI 失控主张损害的早期法律测试。The Information 报道
The Information 另帖引述 Apollo Research CEO 观点：即使是完美的安全测试也无法在现行机制下捕获这类事件，盲区在于实验室内部使用场景。The Information 报道
The Information 报道：数千家中国令牌转售商正向 AI 实验室提供对 Anthropic Claude 的未授权访问，用于蒸馏美国模型。Anthropic 的打压行动正迫使这些实验室转向壳公司等新变通方式。The Information 报道
The Information 独家报道 Meta 与微软正推动员工减少使用 Claude（The Information 报道）。数字细节据 @ns123abc 汇总帖（经 Ethan Mollick 转引）：微软将每位员工的 Claude token 月度预算从 10 万美元削减至 1 万美元（降幅 90%），并强制 Copilot 自动路由至更便宜模型。Meta 在用 Claude Code 构建 Muse（Meta 个人 AI agent 产品）后，Claude 活跃用户从 6 万降至 3 万（降幅 50%）。Palantir 和 NVIDIA 也因价格和数据隐私问题缩减 Claude 用量。
两项独立研究同期发布，共同指向优化 harness（驱动并约束模型完成任务的执行框架）能显著提升性能与价值。
SelfSearch：coding agent 反复重写自己的 harness——指令、工具和流程，使用历次自修改的记录（记录推理、工具动作和结果）产生下一轮改进。配合 DeepSeek V4 Flash 在 Terminal-Bench 2.1 上达到 82.0% 成功率，搜索成本仅 $4.03，与公开九项 harness 对比中排名最高的 Codex 持平。在 SWE-bench Multilingual 上，进化后 agent 得分提升 5.0 分且在双方均能解决的任务上节省 38.5% 成本。Elvis Saravia 原帖
EverMind AI Raven（开源多 agent 系统）为每个模型和领域构建独立 harness，从失败中诊断、变异、重组 harness 组件，由宿主 agent 统筹任务图。配合 DeepSeek-V4-Flash，研究 harness 在 BrowseComp 达到 69.3%（同模型其他 harness 最多 62.4%），Humanity's Last Exam 达到 60.0%（对比 43.3%）；技能库使 SkillsBench Pass@1 从 9.2% 升至 22.6%。DAIR.AI 原帖
同期还有一项 Harvard-MIT 论文发现：在拍卖和匹配市场中，给 agent 加"提前计划"提示反而使决策变差。改变交互界面（每次只呈现一个安全选择的升序拍卖）减少了四个模型族的出价错误；对收益与诚实出价安全性的平实说明也有帮助，且 agent 陈述的计划与实际选择不一致。DAIR.AI 原帖
UT Austin 对编码 agent 的上下文压缩策略做了系统研究，在 SWE-bench Verified 和 Terminal-Bench 上共运行近 35,000 次 agent，分别控制压缩方式、触发时机、压缩量三个变量。
核心反直觉发现：在 Terminal-Bench 上使用 Qwen 模型时，仅保留约 1/3 token 的压缩策略比保留完整上下文慢 20-80%。步骤触发型策略（step-triggered）每步削减 token 最多，但需要多 10-27% 的模型调用；阈值触发型（threshold-triggered）将 token 削减 22-55%，调用次数与完整上下文接近。模型敏感性显著：对 Qwen 有效的策略会让 Devstral 准确率跌至 38.7% 且变慢，需按模型独立测量延迟和成本再选策略。Elvis Saravia 原帖
Cognition 为 Devin（AI 编程 agent）推出 Dreaming 功能：跨会话构建用户工作偏好的 memory graph（记忆图谱），每夜自我优化——删除过期记录、发现潜在信息。同时开源 Agent Memory Repo 标准：支持图关系、随时间更新并保留历史记录、以 git 和 markdown 为底层存储，可用于任何 agent 而非 Devin 专属（Walden Yan 补充帖）。Cognition 官方帖
Claude Projects 云端会话现可连接用户批准的本地计算机文件夹，会话保持在云端。Anthropic 工程师 @trq212 称这一模式为 "local hands"（本地之手）——Claude 在云端运行但可访问本地文件（trq212 帖）。dfeinition 原帖
Claude 现可加入 Slack 群组 DM（群私信），操作方式与添加普通成员相同。Claude 在 thread 中回复并持续跟进，群内任何人均可在 thread 中继续对话，Claude 可调用提问者的个人 connector（已授权的第三方服务连接）。dfeinition 原帖
OpenAI 宣布将在未来数周内对 EU 的 ChatGPT 和 Codex 符合条件的文本输出添加水印，以遵守 EU AI Act（欧盟人工智能法案）。同时承认当前文本水印技术存在显著局限。此举是其内容溯源工作的延伸，帮助人们理解内容是否可能由 OpenAI 模型生成或编辑。API 客户今天起可在全球范围内对部分模型启用文本水印。OpenAI 官方帖
Epoch AI 基于 OpenAI 公布的 2026 年 1 月至 8 月中旬研究人员编码 agent 周度用量数据拟合增长趋势。结论：中位数研究人员支出约每 34 天翻倍，90 分位研究人员约每 27 天翻倍。至 8 月中旬，中位数研究人员日用量估值约 600 美元，90 分位超过 7,000 美元/天（Epoch AI 拟合数据帖）。该数据按 API 标价折算、非 OpenAI 实际成本；早期增速部分反映更多人开始使用 agent（Epoch AI 方法说明帖）。Epoch AI 原帖
Google DeepMind 与 Frances Arnold 实验室合作，发布 de novo（全新）酶设计系统 AlphaProtein Novo 预印本。在两项基准反应上达到 SOTA（当前最优）的"新支架"活性，并设计出合成药用结构 piperidine（哌啶）的酶以及降解环境毒素 DEHP（邻苯二甲酸二乙基己酯）的酶。系统设计出自然界不存在的酶（new-to-nature enzymes），并在两项基准反应上达到 SOTA 活性。Pushmeet Kohli（Google DeepMind 研究科学家）原帖
Reka AI 发布 Rho-1 研究预览版：19B 参数的全模态（omni）模型，在单一神经网络内原生理解并生成文本、图像、视频和机器人动作（Reka AI 发布帖）。训练资源：Teortaxes 换算约 320 台 H100（NVIDIA 数据中心 GPU）运行三个月 ≈ 2×10²⁴ fp8 算力，并引述原文称这只是「现代前沿语言和视频模型所用计算的极小部分」（Teortaxes 算力换算帖）。
Nolla Health 获得美国犹他州监管批准，成为美国（可能也是全球）首个获准由 AI 开出初始处方的机构（Nolla Health 官宣帖，经 Elvis 转述）。流程涵盖问诊、皮肤扫描、评估、开具处方、随访全链路，必要时由临床医生介入。初期专注痤疮治疗——Elvis 认为「从痤疮起步说得通，因为它常见且相对低风险」。Elvis Saravia 转述
Eon 发布 Era，免费开放的完整模拟企业生成工具，覆盖 Salesforce、Slack、Jira、Zendesk、Gong、Deel 等系统及云数据库与存储，agent 通过 MCP 和 API 接口与之交互。因 Era 生成了整个公司，它知道精确 ground truth，也可将失败案例用于定向后训练（OfirEhrlich 发布帖）。Elvis Saravia（dair.ai 联合创始人）评注：模拟公司对 agent 评测价值重大，每个系统都仿真到速率限制、分页和错误码级别，可在修改模型或提示词后重置公司并重跑相同任务。Elvis 评注帖
METR（AI agent 能力评估机构）转发研究人员 @testingham 的分析，对比 8 月中旬同一作者（与 Nate Rush 合作）的基准分析，更新三条核心曲线状态：
引用 Sam Altman 在 Politico 的表态——"世界应当为这项技术的好处与人们的自主权，接受它带来的一些坏事"，批评这是"大声说出潜台词：忍着吧，让我们发财变强"。Source
发帖称"将超级智能传播到星辰是生物引导程序（biological bootloader）的极好成功条件"，以「生物引导程序」隐喻人类在超级智能（SI）中的角色。Source
回应 Musk 的"biological bootloader"说法，称"资本现实主义"和"后继主义"（successionism）实为同一观点；可以看到 Elon 数十年来围绕这些想法打转并无奈默许，但他是少数能把资本引导成人类形态的人，希望他能努力尝试。Source
首次以该身份上电视发声，引述总统的话称工作组将就两件事向总统建言：如何确保美国在 SI 竞争中继续胜出，以及如何以符合美国经济、安全、国家主权和个人权利利益的方式负责任地做到。Source
修正"谁更会用 AI 就能胜出"的流行说法，认为AI 易用性提升使"更会用 AI"背后的持久技能变得不明确；瓶颈越来越多在组织系统而非个别员工；对岗位的影响尚不确定，但可能波及整个岗位类别。Source
发文倡导「拥有你自己的个人 agent」，用 Pi Durable（开源 agent 框架）快速复刻了 OpenAI dots 的功能：每步存档、可中途杀进程后续跑，记忆存于持久文档、跨 Space 保留，每个 Space 配独立 Linux 桌面，模型走 OpenRouter 可随时更换。Source
OpenAI 研究人员编码 agent 支出中位数每 34 天翻倍，90 分位每 27 天翻倍；8 月中旬 90 分位日用量估值超过 7,000 美元（拟合数据帖）。Source
本期节目于MOONSHOTS Live 2026（X旗下年度创新峰会）录制，深度拆解了X（Alphabet旗下创新实验室）如何将数千个创意转化为突破性技术，并揭示大胆创新在16年内实现3倍降本的路径。
内容聚焦"登月计划"构建方法论、快速验证与淘汰伪需求机制，以及净水、教育等领域的平价技术落地。（本期要点据节目简介整理）