美国企业AI调查改口径：采用率为何不能直接比较
美国企业AI使用调查先将统计范围从“生产商品或服务”扩大到“任何业务职能”，随后又将AI改称“超级智能”。前一次调整导致数据不能直接跨期比较，后一次措辞变化是否影响回答，仍有待观察。
ChatGPT HTML 预览漏洞：沙箱隔离如何被突破
ChatGPT 的 HTML 预览曾存在一条跨组件攻击链：不可信页面通过消息处理缺陷注入 HTML，再绕过脚本加载限制，最终可读取用户私密数据或代其执行操作。OpenAI 已修复漏洞，并支付了 5000 美元漏洞赏金。
Anthropic 招聘经理：比起刷题，更看重主动创造价值
Anthropic 招聘经理 Felix Rieseberg 表示，他已停止要求候选人参加传统编程面试。他给初级工程师的建议是：围绕业务目标提出大胆想法，用可运行的原型证明价值，而非只靠刷题或资历。
为什么 AI 智能体偏爱 Supabase？
Supabase 对智能体的吸引力，不只在于托管数据库，还在于降低从生成代码到运行应用的门槛：免 Docker 本地环境、声明式数据库结构、靠近数据库的计算，以及帮助智能体理解运行状态的运维能力。
Gemini 4 Carbon：综合评测登顶，优先向网络防御者开放
Gemini 4 Carbon 在多项综合评测中排名领先，首批访问面向受信任的网络防御者。不过，其编程表现并非全面领先，部分测试中的幻觉率较前代上升，定价也需区分标准价格与首发优惠。
Arca 如何用 AI 智能体处理跨多日的金融任务
Arca 的智能体任务可跨越十天，依靠客户级持久记忆、自研运行框架和人工交接推进。智能体负责分析与方案建议，交易及资金流动仍由人类顾问处理，并通过确定性规则、沙箱和反馈机制约束与改进系统。
AI 做游戏：从“看起来像”到“玩起来有趣”
两款浏览器游戏实验展示了自然语言驱动开发的不同路径：找不同小游戏可以一次生成，带剧情的角色扮演游戏仍需反复试玩、修复任务逻辑。值得关注的不只是画面生成，还有玩法、叙事与反馈循环。
Spawn 的自主智能体开发实验：每小时上线，30 秒回滚
多人游戏平台 Spawn 让玩家通过对话改造游戏世界，也尝试由智能体直接修改代码、处理故障并按小时部署。团队自述每月模型调用成本超过300万美元。这一实验展示了高频反馈与自动恢复的开发方式，但其成本和适用边界仍需谨慎看待。
GitHub Octoverse 2026：每月提交量达73.8亿次
GitHub Octoverse 2026披露：每月合并PR达2.2亿个，提交量达73.8亿次，新建仓库达3030万个。报告还介绍了国家与地区、行业及互操作性相关仓库的统计方法。
断网也能写代码：用 OpenCode、Ollama 和 Qwen 搭建本地助手
离线编程助手的关键不只是下载模型，还要提前备齐项目依赖和测试工具。本文梳理 OpenCode、Ollama 与 Qwen 的分工、模型选择及本地配置要点，并说明离线工作的边界。
智能体架构：让“大脑”与“双手”分离
将会话状态、运行框架与代码执行沙箱解耦，可以让智能体在执行环境故障时保留会话，也为凭证隔离和延迟优化提供空间。围绕 Claude 平台的工程讨论，还涉及真实任务评测、记忆机制，以及基础框架与上层能力的边界。
Anthropic据称第三季度营收达168亿美元，环比增近50%
Anthropic据称在上市前向投资者披露，第三季度营收达168亿美元，调整后营业利润率为11%。公司还表示，模型蒸馏相关使用贡献了5%至7%的营收，并已在第三季度大幅压缩此类使用。
金融智能体如何跨过实用门槛，同时守住安全边界
在 AI Engineer 纽约大会上，金融智能体的自主性与安全成为讨论重点。OpenAI 金融服务负责人提出，只有当模型足够可靠、真正节省时间，委派任务才有价值；关键在于把控制措施和人工判断放在合适的位置。
Modal宣布融资7.5亿美元，沙箱业务年化营收达3亿美元
Modal宣布完成7.5亿美元D轮融资，估值157.5亿美元，整体年化营收运行率突破10亿美元。公司称，沙箱业务年化营收运行率已达3亿美元，应用覆盖后台智能体、强化学习和AI编程平台。
llm-gemini 0.35：新增 Gemini 4 Argon 支持
llm-gemini 0.35 新增 Gemini 4 Argon 支持。该模型首发输入、输出价格分别为每百万 token 2 美元和 10 美元，并计划于 12 月 1 日翻倍。除了 SVG 生成示例，本次更新也引出了模型单价与任务总成本的比较。
Anthropic 为何自建版本控制系统 Scion
面对每日数万次代码合并和约2500万次 CI 代码检出，Anthropic 用自建系统 Scion 替代 Git，由7人团队在5个月内完成迁移。其取舍包括不优先支持离线使用，以及由工程师约束 AI 审查引发的过度设计。
Dyna-2：用世界动作模型推动机器人长时自主作业
Dyna Robotics 尝试把未来视频预测与机器人动作生成结合，并通过 Dyna-2.1 探索小时级自主工作流。其路线涉及百万小时人类视频训练、自研轮式半人形硬件，以及真实场景中的可靠性验证，但任务成功率与通用能力仍需区分。
Gemini 4 Argon：评测表现、价格与可靠性边界
Gemini 4 Argon 的多项评测显示，其编程、视觉与文档处理能力具有竞争力，但价格优势依赖优惠期，榜单成绩也不能直接代表真实工作流的可靠性。比较模型时，需要同时看任务、配置、成本和评测口径。
Leash Bio：用实验数据识破模型捷径，训练化学智能体
Leash Bio利用DNA编码化合物库获取大规模蛋白质—小分子相互作用数据，检验模型是否真正学会结合规律，并将数据构建为Minos实验模拟环境，让智能体在有限实验预算下练习分子筛选。
Claude Fable/Mythos 5.1：缓存降价，任务成本未必下降
Claude Fable 5.1 与 Mythos 5.1 主打编程和知识工作。Fable 5.1 缓存读取价格下调75%，但评测中输出 Token 用量增至约1.7倍，单任务成本反而增加约20%。评估升级收益，需要同时看任务质量、缓存命中率与实际账单。