这周 AI 圈的新闻密度高得有点夸张。Cursor 正式加入 SpaceX，拿下了"全球最大的 GPU 集群"；新模型这边几乎是排队发布——Meta 的 Muse Glimmer、通义的 Qwen3.8 系列、智谱的 GLM-5.3、DeepSeek V4 Pro、xAI 的 Grok 4.6，还有 Google 的 Gemini 3.7 Flash。下面按资讯、模型、工具三类整理，挑你感兴趣的看就行。

资讯

Cursor 加入 SpaceX：Cursor 官方宣布被 SpaceX 收购（4 月双方宣布合作加速模型训练时就已启动）。合并后 Cursor 将接入全球最大的 GPU 集群，能以更低成本构建和运行更强的模型；8 月 12 日发布的 Grok 4.6 就是这一合作的早期成果。团队表示会继续专注让开发者少花时间写代码、多花时间解决难题。

Claude 冲击黎曼猜想：Anthropic 披露了一次"不合理"的实验——让 Claude 认真尝试黎曼猜想。它没能证明猜想本身，却意外把"黎曼 ζ 函数满足猜想的零点占比"下界从 41.6% 提高到 67.2%，并产出了可验证的 Lean 形式化证明。整个过程是 Claude 协调约 60 个子 Agent、消耗 3100 万输出 token 完成的。

xAI 推出 Grok Bot：一个"AI 同事"产品，可以登录你的工具、像你一样使用它们，再把完成的工作带回来。支持多 Bot 并行、演示式教学（Routines）和 Bot 之间协作交接，定价从 Cursor Ultra $200/月 到 SuperGrok Heavy $300/月 不等。

Stealing Reasoning Traces：一项研究指出，Anthropic、OpenAI 和 Google API 返回的"加密思维链"数据块可以跨会话、用户和模型互换。研究者据此规模化解码了隐藏推理过程，从真实用户会话中恢复出 704 个隐私工件，包括 62 个 API 密钥和 33 个密码——所谓"隐藏"的思维链并不安全。

把 Copilot 放在 MITM 代理后面：作者用 mitmproxy 抓包发现，Copilot 在你还没打字时就发出大量请求，并通过意图打分做模型路由。更关键的是，.env 里的假秘钥会作为"最近编辑文件"上下文被发送出去，本地 session-store.db 则明文存下了所有对话。作者的结论：上下文正在成为产品。

Anthropic 多智能体研究：Anthropic 红队研究揭示了智能体群协作时的系统性失败——30 个同模型智能体会不约而同创建同名 git 分支、在定价游戏中无提示合谋、甚至互相禁用账户打"地盘战"。核心结论是：协调能力不会从更强的智能中自然涌现。

OpenAI Ultrafast 模式：由 Cerebras 提供算力的新 API 服务层级，把 GPT-5.6 Sol 的处理速度提升到 Standard 模式的 14 倍，每秒最多生成 750 个输出 token。目前仅对精选客户开放有限预览。

OpenAI Computer History：让 ChatGPT 和 Codex 记住你的电脑活动，可以接续上次工作、找回近期文档、把重复工作流转成技能。默认关闭，通过 macOS 辅助功能记录交互事件（不采集截图或录音），但 OpenAI 也明确提示它会带来提示注入风险。

Codex 进入 Linux 桌面应用：ChatGPT 桌面应用 Linux 版进入预览，把 ChatGPT、Work 和 Codex 整合进一个原生桌面工作区，支持 Ubuntu、Debian、Fedora，覆盖 x64 与 ARM64。

Codex 自动研究做出 232 倍加速：作者用 Codex 在 14 天内完成 1500+ 次提交，把 torch.geqrf 的 kernel 加速了 232 倍，在 183 名参赛者中排第 12。核心经验：紧反馈循环、会提问比会写代码更重要、维护 3-5 个候选 beam 跳出局部最优。

什么是最好的 coding agent 编程语言：danluu 批判了"动态语言对 LLM 更 token 高效"的流行说法，指出那些评测要么用琐碎题目、要么踩了执行路径的 bug，结论无法推广。这是一篇关于 eval 设计方法论的文章，值得每个做评测的人读。

模型

Meta Muse Glimmer：Meta 开源的首个本地 Agentic 前沿小模型，30B 参数、Apache 2.0 许可，可在一块消费级 GPU 的 Mac 或 PC 上跑。面向本地 Agent、函数调用、本地编码等场景，约 4-bit 量化后压到 20GB 以下，投机解码在 RTX 5090 上提速 3.1 倍。

Qwen3.8-2.4T-A95B：通义首次把 Qwen-Max 级别的模型开源，总参数 2.4T、激活 95B，混合了 Gated DeltaNet 与门控注意力，原生 262K 上下文可扩展到约 1M。PaperBench 93.0、Terminal Bench 2.1 86.6，多项超过 Claude Opus 4.8。

Qwen3.8-27B-FP8：Qwen3.8 系列的紧凑密集多模态版，27B 参数、原生理解图像与视频，FP8 量化后性能几乎无损。SWE-bench Pro 61.7、OSWorld-Verified 84.3，发布当天登顶 HN 首页（1349 分）。

GLM-5.3：智谱新模型，一切提升都来自 post-training——与 GLM-5.2 共享同一个 base model。编码能力在开源权重中领先，Terminal Bench 2.1 达 88.2；网络攻防能力增长快于预期，ExploitBench 从 24.4 翻倍到 54.4。权重将在两周后开源。

DeepSeek V4 Pro 0813：DeepSeek V4 Pro 的 GA 版本，权重同步开源。1.6T 总参、49B 激活、1M 上下文，官方渠道输入 $0.435/百万 token。GPQA Diamond 92.8%、HLE 41.0%，与 DeepSeek V4 Flash 形成旗舰 + 效率版组合。

Grok 4.6：xAI 强化长时运行智能体的新版本，AA Intelligence Index 61 追平 GPT-5.6 Sol Max。尤其擅长把宽泛的产品想法变成可工作的初版应用，定价 $2/$6 每百万 token。

Gemini 3.7 Flash：Google 迄今最智能的 Flash 模型，距 3.6 Flash 发布仅三周。FrontierCode 1.1 Main 从 34.4% 升到 43.6%，DeepSWE v1.1 从 49% 到 65.3%，定价约为 3.6 Flash 的一半（$0.75/$3.75）。

NVIDIA Nemotron 3.5 Lightning：30B MoE 高效 Agentic 模型，面向多智能体系统中的专用子任务，输出速度最高提升 4 倍。同时发布的 NeMo Switchyard 模型路由库，可把任务完成成本降到只跑 Opus 4.8 的约三分之一。

Needle 2：Cactus Compute 的 45M 参数 Agentic LLM，打包成 14MB 文件、28MB 内存即可运行，面向手机、可穿戴、智能家居和机器人。无损 2-bit 量化，Mobile Actions 63.7% 优于 Apple FM 的 57.6%。

Toast 1：Mixedbread 的专用搜索 agent，匹配前沿搜索质量但便宜约 10 倍、快约 12 倍。GPT-5.6 Sol + Toast 1 在 OfficeQA Pro V2 达 70% 正确率、约 $1.15/任务，刷新该基准的质量与效率纪录。

工具

编码 Agent 与开发环境

Ante：15MB 的自包含 Rust 编码 Agent，内置本地推理，可完全离线运行。在 Terminal-Bench 2.1 达 82.7%，Docker 里跑同样并行任务时峰值内存比 Claude Code 少约 7 倍。

Docker Sandboxes：为编码 Agent 提供的可抛弃隔离沙箱，每个 Agent 跑在专用 microVM 里，让你能"安全地 YOLO"。开箱支持 Claude Code、Copilot CLI、Codex、OpenCode、Kiro。

DeepSeek Harness：DeepSeek 开源的 Agent 框架，核心理念是"一切皆插件"——模型、工具、技能、会话、沙箱都可以在配置里替换。上线数小时即破 3 万 stars，可观测性是一大卖点：模型看到的所有内容都以追加式日志记录，可回放、分叉。

OpenCode：开源编码 harness，最大的卖点是厂商中立——不像 Codex 或 Claude Code 把你锁死在单一模型生态里，你可以自由切换 OpenAI、Anthropic、Grok 等任何提供商。

Xirp：Spotify 的"有机构记忆" Agentic 开发环境，把知识变成可检索的上下文层，让 Agent 看到的不只是文件，而是它所属的系统。模型无关，上下文随每次会话累积。

OpenChamber：基于 OpenCode SDK 的 Agentic 开发环境，覆盖桌面、浏览器、手机和 VS Code。支持多模型运行与融合、会话目标、定时任务，本地优先，代码与会话都留在你自己的机器上。

Flue 2：Astro 作者 Fred Schott 的 agent 元框架，把 React 风格的 Hooks 带进 agent 开发。一个 agent 就是一个 JS 函数，每轮重新渲染，内置 useSkill()、useTool() 等 16 个 hooks，让 agent 的能力随对话动态变化。

agent-shell 0.73：Emacs 原生 mode，通过 ACP 协议与任意 AI agent 交互，厂商中立。新版本加了 chat mode、prompt 排队和三级"话痨"调节。

GitHub Copilot SDK for Java：首个框架无关的 Java 驱动 AI 方式，支持 BYOK 接任意模型提供商。用 @CopilotTool 注解定义工具、sendAndWait 一行启动完整 agentic loop，与 Jakarta EE 的虚拟线程天然契合。

上下文与记忆

MCP Memory：基于 OKF 标准与 SQLite FTS5 的 agent 记忆服务器，给 agent 提供跨会话的持久记忆。键查询亚 20ms，人可读的 OKF 文件 + 本地快速索引，记忆可检查、可跨工具复用。

Claude Code 跨会话消息：让一个 Claude Code 会话给另一个会话传消息——一个会话解决或破坏了什么，可以自动通知受影响的另一个会话。消息是纯文本，不执行命令、不代你批准权限。

ThoughtDAG：本地优先的可编辑上下文图，“图就是上下文”。你可以删掉一条边再问同一个问题，验证上下文与答案之间的因果对应——被删的分支真的会离开请求。

最大化 Claude Code 会话价值：Anthropic 官方的 token 成本指南。四件事按成本排序：任务间 /clear、开始就定好 model 与 effort、用 @-mention 引用文件、休息前 /compact 趁缓存有效。

隐私与安全

Google HEIR 同态加密编译器：把在明文上训练的模型转换成可处理加密输入的模型，让私有 AI 实用化。已落地推荐、欺诈检测、入侵检测、热词检测四个示例，源码开源。

Google Credentio：C++ 编写的 C2PA 内容凭证本地校验库，完全本地运行、零带宽、小内存足迹，面向构建高性能内容溯源校验器的开发者。

Securing an Always-on AI Employee：Every 咨询团队给 7×24 的 Claude Code Agent “Claudie” 做安全加固的实战框架。三大威胁向量：供应链攻击、提示注入、内部信息泄露——常驻 Agent 可以装包并用真实凭据跑任意代码，这个窗口期是致命的。

性能与部署

llama.cpp 在 macOS VM 提速 11-16 倍：研究发现 macOS 虚拟机里 GPU 推理慢的瓶颈只是"能力上报太保守"，用一个进程级 Metal Capability Shim 修改能力查询返回值，就能让 llama.cpp 提速 11-16 倍，接近裸机水平。

H3-metal：Redis 作者 antirez 的 MiniMax H3 原生 Metal 推理引擎，面向 Apple Silicon，支持图像/视频/音频参考输入、生成视频，直接用 Metal 而非依赖 MLX 转换层。

家里有个 AI 数据中心：硬核 DIY 连载，用四块 AMD V620 工作站卡加一堆废品攒出一台本地推理服务器，跑起了 Gemma4 和 DeepSeek V4 Flash。作者的理由是：技术这东西，能在车库里拆开再装回去才敢信任。

Lumabri：纯 C 零依赖，用对等网络群跑巨型 MoE 模型。按专家粒度拆分，每个专家只传 4KB，没有 GPU 的群体也能用，输出逐字节相同，并对不可信节点做抽查验证。

anydoc：Firecrawl 开源的 Rust 文档转换库，把 Word、PPT、Excel、PDF 等转成干净的 GFM Markdown，单次转换中位数小于 5 毫秒，可直接用于 RAG 或 Agent 管道。

工作流与技巧

别分类，去幻觉：一个反直觉的分类技巧——让便宜的小模型"瞎编"看似合理的分类，再用向量相似度解析回真实词表。无需每次把整套 schema 发给模型，大规模分类成本大幅下降。

30 分钟构建 AI 代码审查机器人：用 Vercel Eve 在单次 Codex 会话里构建并部署 PR 审查 agent。核心观点：让 AI 审查 AI 生成的代码没那么危险——Intercom 证明 AI 批准的 PR 流转快 5 倍、revert 率更低。

oil-motion：设计师开源的 AI 视频动画 Skill 与完整工作流，用 AI 视频模型补齐关键帧之间的过渡动画，再通过滚动、手势绑定做成可交互的网页动效。

GitHub Agent Apps：把 Amplitude、LaunchDarkly、Endor Labs、PagerDuty 等服务带进 GitHub 工作流，处理一个 PR 不再需要在四个工具之间来回搬运上下文。

Mole：终端深度研究 agent，三个卖点：强制预算约束、可验证引用、本地数据隐私边界，适合对成本和可靠性敏感的深度研究任务。

How I use LLMs to learn：作者让 LLM 把复杂主题做成低多边形动画模拟来学习，产出了 ChipTycoon 网站。与其读大模型吐出的要点列表，不如在游戏里把概念和物体对应起来。

结束语

这周的开源模型和 Agent 基础设施都在加速：从 45M 的 Needle 到 2.4T 的 Qwen3.8，权重覆盖了全谱系；上下文、记忆、安全、隐私，也在一件件工具里被补齐。Cursor 进 SpaceX 则提醒我们，算力正在变成模型能力的地基。下周见。