资讯

Claude Haiku 5.5 是首个带 effort 设置和自适应思考的 Haiku 模型，1M 上下文，主打多模型 Agent 体系里的低成本干活角色。它在多项基准上超过 GPT-6 Luna，但输出 token 用量约为 Luna 的 3 倍，超过 100K token 后价格翻 5 倍，实际节省可能低于宣传。Anthropic 同步下调 Sonnet 5.5 缓存读取价格并给订阅用户发放 API 额度。

OpenAI 的 Decisions API 进入公测并加入图像输入，能在文本或图像上输出谓词、选项、分数三类结构化结果，模型跑在 GPT-6 Luna 上，按每百万输入 token 0.10 美元计费。Perplexity、Cloudflare、Amazon 也在本月发布了各自的开放权重决策模型，可下载自部署。OpenAI 坚持托管 API 的做法，可能成为开发者选型的关键差异。

Haiku 5.5 定价 $0.10/$0.50 每百万 token（10 万 token 内），超过后涨价 5 倍；但新分词器让相同提示词多消耗约 1.25 倍 token，存在隐性涨价。Anthropic 同时将 Sonnet 5.5 的缓存读取价格减半，并为 Max 和 Team 订阅用户提供每月 API 额度。

Nous Research 以 15 亿美元估值完成 9000 万美元 B 轮融资，由 Robot Ventures 领投，Nvidia、USV、Menlo Ventures、三星等参投，累计融资达 1.58 亿美元。公司将借助这笔资金推出面向企业的 Hermes for Businesses，让企业部署可处理多步骤工作流且数据私密安全的定制化 AI Agent。

微软在旧金山 Tech Week 活动上公布了两款基于英伟达 RTX Spark 芯片的 AI PC：Surface Laptop Ultra 和 Surface RTX Spark Dev Box，主打本地免费跑 AI 模型。新版 Windows 11 引入“执行容器”功能，方便对 AI Agent 做沙箱隔离，且面向所有 Windows 11 用户开放。戴尔同期公布了 XPS 16 Creator Edition 的预售信息。

Haiku 5.5 是 Anthropic 近一年来首次更新其最小最便宜的模型，将 10 万 token 以下请求的价格降至每百万 $0.10/$0.50，平均节省约 75%。它在 OSWorld 2.1、GDPval-AA v2.1、Terminal-Bench 4.0 等基准上大幅超越 Haiku 4.5，并首次支持 effort 控制。Anthropic 同时将 Sonnet 5.5 缓存读取价格减半，并为 Max 与 Team 订阅新增每月 API 额度。

Cloudflare Managed Defense 的 AI agent 执行框架把证据采集和范围限定放在应用代码里，先执行固定侦察工作流，再用 Clef 过滤噪音，由协调者智能体调度流量分析、客户上下文、全局遥测和威胁情报四个专职智能体并行分析，最后合成建议。系统全程记录证据来源与缺失，模型没有越权决策的权限，最终判断权仍归人类分析师。

Infino 由前 AWS OpenSearch 团队创立，推出开源 Agent 检索平台。核心思路是把所有数据统一存为 Parquet，在 SQL 中嵌入检索函数，让 Agent 用一次查询完成关键词搜索、语义搜索、过滤和聚合。

OpenAI 声称 GPT-6.1 Sol 在智能体编码、计算机操作和专业工作上接近 Astra，价格却只有五分之一。作者通过 OpenAI Responses API 以相同的提示词和最大推理强度测试两个模型，在 CI 分诊、事故日志、解析器规范三组任务上各跑五遍，两者 15 次全部满分。GPT-6.1 Sol 总耗时 49 分 54 秒、花费 2.66 美元，Astra 耗时 1 小时 6 分 55 秒、花费 14.77 美元，成本约为 Astra 的 18%。

Stacklok 由 Kubernetes 联合创始人创立，最初做软件供应链安全，后转向 Kubernetes 智能体方案。其开源云原生执行框架（Harness）Mecatl 将 Agent 循环与客户端、模型提供商、状态存储和执行环境解耦，目标是让企业像管理邮件一样集中管理 Agent 交互，减少对前沿实验室和超大云厂商的依赖。

Docsy 是 Google 2019 年推出的 Hugo 文档主题，截至 2024 年底已有约 2200 个项目使用，覆盖 Kubernetes、OpenTelemetry、gRPC 等 CNCF 项目。该项目现已转入 Linux 基金会，并围绕 AI 读者新增 Markdown 输出、llms.txt 索引和隐藏指令等功能，路线图上还有为文档打“智能体友好度”分数的计划。

AICodingDaily 作者本周发布多个实测视频：用新基准测试 40 个 LLM 抓代码 Bug，对比 5 个 LLM 生成代码的啰嗦程度，并实测 Claude、Codex、Cursor 的 $20 月付套餐在 10 个编程提示词下的额度表现。同时整理了 Matt Pocock Skills v1.3 的新命令 /retro、Claude Code 的 Mod 支持，以及 Mistral Large 4、Gemini 4 Argon 等新模型。

GitHub 正在重建其 Git 基础设施以应对智能体软件开发带来的写入压力。新架构将耐久存储与计算层分离，写入吞吐量在内部基准测试中最高提升 35 倍，读容量可独立扩缩。方案围绕最小化协调、存储与计算解耦两大原则展开。

Google DeepMind 推出 EmbeddingGemma 2，基于 Gemma 4 架构、Apache 2.0 许可，支持文本、图像、音频和视频的统一嵌入。它采用 Matryoshka 表示学习，向量可从 768 维动态截断到 128 维，节省最多 6 倍存储；量化后在 Pixel 11 Pro 上文本仅需约 191MB 内存，完整多模态约 567MB。

个人 AI 智能体在替用户购物、订票时频繁遭到网站拦截，原因包括平台有意封锁和传统反机器人机制误伤。亚马逊封禁 Muse，沃尔玛的人机验证按钮会中断智能体操作，达美、Yelp 等也有不同程度的限制。Meta、沃尔玛、Stripe 等联合制定智能体间通信开放标准，试图区分好机器人与坏机器人。

EmbeddingGemma 2 基于 Gemma 4 构建，五种输入映射到同一 768 维向量空间，Apache 2.0 开源。模型采用模块化编码器设计，只加载所需部分，并用 Matryoshka 表示学习支持向量截断到 128 维以压缩索引体积。ML Kit 集成与 NPU 加速将在未来几周推出。

GitHub 发布 ReviewBench，用 219 个公开 PR 评测 AI 代码评审工具，Copilot 排名第一。但受测产品由 GitHub 自己运行，且测试日期不一，而 Martian 的同类榜单给出了完全不同的排名。

Anthropic 扩展 Claude for Startups 计划，为符合条件的初创公司提供免费一年 Claude Team（最多 5 个高级席位）、1000 美元 API 额度、Claude Marketplace 访问权限，以及与 Anthropic 应用 AI 团队的一对一线上咨询。成立五年内或近两年获融资的公司可通过项目页面申请。