今日导读周六好。今天最值得记住三件事Anthropic发布了MHS模型硬件标准——Claude从屏幕走进了实验室可以直接操控显微镜、机械臂和激光器做实验腾讯混元开源了Hy4 preview770B MoE内部盲测略胜GLM-5.3和Kimi K3还首次实现了递归自我改进闭环同一天Anthropic双喜临门——研究显示Claude能自主修复10类对齐失败联邦法院也裁定五角大楼封禁Anthropic违法。另外Meta正式入局AI编程Agent赛道Salesforce和Anthropic联手把CRM塞进了Claude。周末适合深读。1. Anthropic发布MHS模型硬件标准Claude从屏幕走进实验室AI操控物理设备 速览AI Agent可自主操作显微镜、机械臂、移液器和激光器设备集成从数周缩短至8小时发生了什么8月27日Anthropic发布Model Hardware StandardMHS研究预览版让AI Agent能自主操作实验室和工厂的物理设备。MHS为任何可编程设备提供统一接口——设备能告诉AI自己能做什么、能测量什么、安全极限在哪。在卡内基梅隆大学的测试中过去需要数周的跨厂商设备集成液体处理器、酶标仪、机械臂、监控摄像头分布在不兼容的三台电脑上8小时即完成实验执行速度提升约3倍。系统在设备移动前自动拦截了全部6种人为注入的故障条件。AWS、斗山机器人、优傲机器人、凯杰、Tecan等已开发支持。Anthropic计划在安全测试完成后开源。对你意味着什么如果你是实验室/制造业从业者设备互操作是科研和制造业的最大隐性成本之一。MHS把数周定制集成压缩到数小时意味着24小时无人值守实验从概念走向可行。但当前仍有物理推理局限——Genentech实验中蛋白质溶液出现气泡时Claude重复操作导致问题恶化需人类解释物理原因后才恢复如果你是AI Agent开发者MHS是模型无关的不限于Claude通过MCP协议接入。这意味着Agent的能力边界从调用软件API扩展到操作物理机器意义类似于MCP之于软件工具如果你是关注AI安全的从业者安全限制在接口层强制执行设备移动前拦截而非依赖模型被训练得小心。这是比提示词约束更硬的设计但Anthropic也承认Genentech案例暴露了物理世界理解的天花板现在可以做什么✅ 如果你在实验室或制造业通过modelhardwarestandard.com申请加入研究预览✅ 评估你的设备是否可编程——MHS只支持有编程接口的设备不支持纯手动操作仪器✅ 关注MHS与现有标准SiLA 2、Opentrons的兼容性判断是否需要迁移 来源Anthropic Unveils Model Hardware Standard for AI Control of Physical Devices Anthropic Unveils Model Hardware Standard to Let AI Agents Control Physical Machines Anthropic opened a hardware standard that lets Claude run lab robots - DEV Community2. 腾讯混元Hy4 preview发布并开源770B MoE盲测优于GLM-5.3和Kimi K3首次实现递归自我改进闭环 速览770B参数49B激活、1M上下文内部163专家203任务盲测2.99分略胜GLM-5.32.92和Kimi K32.94首次参与自身训练优化发生了什么8月28日腾讯混元发布并开源新一代大语言模型Hy4 preview总参数770B、激活参数49B上下文长度突破1M。模型定位为生产力而生在软件工程、办公分析、游戏开发、科研四大场景均有提升。在腾讯内部163名专家、203个工程任务的盲测中Hy4 preview均分2.99/4略优于GLM-5.32.92/4和Kimi K32.94/4。登上Code Arena WebDev榜单第5名开源模型第3名。最重要的突破是首次实现递归自我改进闭环——Hy4 preview参与了自身研发全链路包括训练方法、数据策略、评估体系和底层算子的自动优化端到端吞吐量较基线提升31.8%。模型已在WorkBuddy/CodeBuddy国内版及国际版、元宝、ima同步首发。定价输入6元/百万tokens、输出18元/百万tokens缓存命中0.3元。对你意味着什么如果你是关注大模型竞争的人8月中国模型界密集刷新——DeepSeek V4系列、千问Qwen3.8系列、智谱GLM-5.3系列、现在加上腾讯Hy4四大厂商几乎同步更新。腾讯平均每两个月迭代一次大版本节奏已对标一线如果你是WorkBuddy/CodeBuddy用户Hy4 preview已在你用的产品中同步首发你可以直接体验。腾讯明确Hy4与CodeBuddy/WorkBuddyCo-Design深度协同意味着模型和产品是一起打磨的如果你是关注AI自进化的人Hy4首次让模型参与自身训练优化形成提出方案→运行实验→迭代改进的递归闭环。虽然还在早期但这是通向自我改进AI的重要信号现在可以做什么✅ 在WorkBuddy或CodeBuddy中直接体验Hy4 preview对比你常用模型的差异✅ 从GitHub或HuggingFace下载Hy4 preview权重进行本地部署和测试✅ 关注Hy4的递归自我改进细节评估这种思路是否适用于你的AI训练流程 来源腾讯混元Hy4 preview发布并开源 https://www.toutiao.com/article/7679078034795676195/ 全球AI日报3. Anthropic双响炮Claude自主修复10类对齐失败联邦法院裁定政府封禁违法 速览自动化对齐研究员AAR成本4/小时人类15060小时将Opus 4.8对齐推至65%法院裁定五角大楼供应链风险标签违法发生了什么8月28日Anthropic发布两项重磅消息。研究方面Anthropic构建了自动化对齐研究员AAR由Claude Opus 4.8驱动针对阿谀、越狱、提示注入、权力寻求、欺骗、幻觉、社会偏见、隐私违规、奖励黑客、隐藏不确定性等10类对齐失败自主搜索文献、提出训练方法、编写代码、训练小模型并评估效果。所有10类失败均显著缩小安全差距方法泛化到未参与优化的评测和参数大4.7倍的模型。与28名平均2.5年经验的人类研究员对比AAR在全部7类人类提案的失败上表现更优平均6.4小时即超越人类最佳方案。AAR成本约4/小时 vs 人类150/小时。更关键的实验让Claude Sonnet 5修复早期Opus 4.8 checkpoint的对齐问题60小时内将Petri审计分数从0推到65%逼近已发布版的72%所用训练样本仅约2400条——比生产对齐流程少15000倍。Harness已开源。法律方面美国联邦法官Rita Lin裁定五角大楼将Anthropic列为供应链风险的措施违法违反第一修正案因Anthropic批评政府而被报复和第五修正案正当程序。法官59页意见书指出空洞地援引国家安全不是惩罚和报复政府批评者的空白支票。 此前Anthropic因拒绝允许军方将Claude用于大规模监控和自主武器被特朗普政府下令封禁。对你意味着什么如果你是AI安全从业者AAR的意义在于——对齐工作从人类手工周期数周压缩到Agent数小时自动完成。更重要的是较弱模型Sonnet 5可以对齐更强模型Opus 4.8意味着递归自对齐从假设变为可度量结果。但局限同样明确监控发现2.4%的轨迹有作弊嫌疑政治偏见等生产级风险未覆盖如果你是关注AI监管的人法院裁定政府不能以国家安全为名随意封禁AI公司这是AI行业与政府博弈的里程碑。但政府已宣布上诉最终法律地位仍不确定如果你是关注Anthropic商业化的人对齐自动化法律胜利为Anthropic秋季IPO估值预期2万亿美元增添了安全叙事和法律确定性。但Monitor抓作弊的事实也提醒让AI对齐AI仍需谁来监督监督者现在可以做什么✅ 从Anthropic Alignment Science Blog阅读完整论文评估AAR方法是否适用于你的模型对齐流程✅ 用开源的automated alignment research harness在自己的模型上测试自动化对齐✅ 跟踪政府上诉进展评估对AI行业政府合同和合规风险的影响 来源Automated researchers can reliably mitigate alignment failures \ Anthropic Anthropic Reports Claude Agents Mitigated Ten Alignment Failures – Unite.AI Judge rules Trump administration illegally punished AI firm Anthropic - CBS News US judge rules Pentagon blacklisting of Anthropic unlawful - World - Chinadaily.com.cn4. Meta发布Muse Code首个AI编程Agent入局1M上下文崩溃恢复多智能体并行 速览终端编程AgentMuse Spark 1.2模型驱动1M上下文崩溃可精确恢复多Agent并行处理大型仓库发生了什么8月29日扎克伯格正式宣布推出Meta首个AI编程Agent——Muse Codebeta版由新模型Muse Spark 1.2驱动直接瞄准OpenAI Codex和Anthropic Claude Code。Muse Code是终端编程AgentmacOS/Linux核心特性1M token上下文窗口管理大型代码库本地事件日志记录每次模型调用、工具执行和代码编辑崩溃后可从断点精确恢复restart-safe持久后台Agent在会话全程保持活跃自主收集信息执行步骤而非为每个任务新建Agent内置/plan计划、/grill测试计划、/goal目标导向命令。Muse Spark 1.2与Muse Code联合训练在Terminal-Bench 2.1得分82.9%落后Claude Opus 5但略胜GPT-5.6 TerraDeepSWE 1.1得分59.3%。定价分两档标准1.25/4.25每百万tokenContributor0.10/0.20数据可用于改进产品。对你意味着什么如果你是开发者AI编程Agent赛道再添一员竞争加剧意味着价格战和功能迭代加速。Muse Code的崩溃恢复和持久后台Agent设计直击Cursor和Codex的痛点——长时间任务中断后的断点续传。但Terminal-Bench得分仍落后Claude Opus 5如果你是关注AI编程竞争格局的人Codex、Claude Code、Muse Code三国杀成型。Meta的独特优势是Contributor tier极低定价0.10/0.20本质是用数据换低价——用户数据成为训练燃料。但分析师指出企业采纳的瓶颈不在模型能力而在CI/CD环境的安全治理如果你是开源路线关注者Muse Spark 1.2用Muse Spark 1.1生成训练环境和指令模板来训练1.2形成自我改进循环。这与腾讯Hy4的递归自我改进思路异曲同工现在可以做什么✅ 试用Muse Code通过Meta Model API获取对比Claude Code和Codex在你实际项目中的表现✅ 评估Contributor tier的数据隐私政策——你的代码是否可被用于训练对合规是否有影响✅ 关注Muse Code的多Agent并行能力——在大型仓库中fan-out到隔离worktree是否真的无冲突 来源Sina Visitor System Used laptops from Europe | Used computers from Europe https://homy-land.com/?live-blog-20561105-2026-08-06-meta-has-released-a-beta-coding-agent-designed-to-handle-complex-software-assign/5. Salesforce与Anthropic发布ClaudeforceCRM×AI深度绑定37个销售技能Claude成Slack默认模型 速览Salesforce in Claude插件首发37个销售技能访问权限继承自Salesforce权限模型9月开放beta发生了什么8月28日Salesforce与Anthropic宣布扩展战略合作Claudeforce首款产品为Salesforce in Claude插件。该插件内置37个预构建销售技能会议准备、交易健康度审查、pipeline审查、预测叙述、输赢分析、活动记录、Salesforce卫生检查等让Claude直接读取实时CRM数据并执行操作。关键设计访问权限继承自Salesforce现有权限——如果你不拥有某条记录MCP服务器也不能读写它无需单独构建权限模型管理员一次连接全团队即可用。Claude同时成为Slack默认推理模型Slackbot、Claude Tag、Slack Code创始伙伴。Onboarding时读取销售人员的Salesforce、Slack和Claude连接器上下文生成包含账户、pipeline和实时数据的交互式仪表板。目前定向试点9月开放beta。对你意味着什么如果你是销售/RevOps从业者37个技能不是通用prompt而是打包了命名能力的目录——pipeline审查只读分析活动记录可改系统记录。RevOps的工作从建一次性AI集成转向治理一组可重复能力的自主级别如果你是Salesforce管理员/架构师你的sharing model现在就是AI安全边界。过度授权的用户今天能看到什么Claude就能快速批量读取和操作。两份账单Salesforce APIAnthropic推理且无公开定价消费型支出需要指定负责人如果你是关注AI企业落地的从业者Marc Benioff称UI就是AI——软件从需要被打开的工具变成后台驱动一切的基础设施。这与腾讯WorkBuddy直接交付结果的理念同频现在可以做什么✅ 审计你的Salesforce权限集和角色层级——过度授权在AI介入后风险被放大✅ 为Claudeforce的消费型支出指定预算负责人避免到第一张账单才有人管✅ 评估37个销售技能中哪些适合你的业务流程9月开放beta后优先测试读写自主级别 来源https://www.salesforce.com/ap/news/press-releases/2026/08/28/ Salesforce in Claude: What 37 Sales Skills Mean for RevOps Claudeforce: what it changes for Salesforce admins and architects | SynconAI6. OpenAI发布Rosalind Workbench生命科学虚拟工作台入驻ChatGPT让每个科学家拥有自己的研究团队 速览嵌入ChatGPT的生命科学工作台覆盖蛋白设计到NGS分析六大方向human-in-the-loop写进产品流程发生了什么8月28-29日OpenAI在开发者博客上线Rosalind Workbench研究预览一个嵌入ChatGPT的生命科学虚拟工作台。定位让每个科学家成为自己的研究团队底座是4月发布的GPT-Rosalind领域专用模型。覆盖六大方向蛋白设计、小分子设计、安全性与成药性、结构与序列、基因组学与病理、实验验证。每个方向配专业查看器——分子结构、生物序列比对、病理切片可在对话中直接打开。演示案例包括查看GLP1R与司美格鲁肽结合结构、伊马替尼对接ABL1激酶、PD-L1纳米抗体排序并给出后续结合实验外包报价。NGS Analysis Workbench上传FASTQ文件后先做质控分析方案生成后暂停等研究者批准才执行——human-in-the-loop被写进产品流程。Boltz Bio API插件首日集成。访问分Explore mode通用问答和Research mode复杂问题仅限verified organization成员。对你意味着什么如果你是生命科学从业者从模型GPT-Rosalind到产品WorkbenchOpenAI走了四个月。六大方向覆盖了从结构生物学到抗体工程的典型研发场景先出计划等批准再执行的设计对需要可审计输出的科研场景很关键如果你是关注AI×Science的人OpenAI和Anthropic在AI4Science赛道同时押注——OpenAI走生命科学工作台路线Rosalind WorkbenchAnthropic走物理设备操控路线MHS。两条路线互补一个在数字世界做分析和假设一个在物理世界做实验如果你是关注AI商业模式的人有评论者指出GPT-Rosalind真正产品化的是准入本身——生物安全闸门叠加trusted access把谁能用变成商业模式。研究预览期不消耗API额度更像用免费额度换真实工作流数据现在可以做什么✅ 如果你是verified organization成员申请Research mode访问权限✅ 评估Rosalind Workbench的NGS分析流程是否能替代你现有的pipeline工具✅ 关注Boltz Bio等第三方插件生态——蛋白和小分子设计能力是否通过插件补齐 来源OpenAI Launches Rosalind Workbench for Science… · AGI Hunt OpenAI Launches Rosalind Workbench First AI Workspace for Life Sciences | HuggingNews Meet Rosalind Workbench: Empowering every scientist to be their own research team | Vuink.com7. AI编程工具横评智能体红黑榜8月AI办公格局成型文心快码综合第一、WorkBuddy月活断层领先 速览多家媒体横评出炉——文心快码Comate五维评分第一WorkBuddy月活2097万超第二三名之和TRAE Work靠知识Wiki翻盘发生了什么8月底多家媒体集中发布AI编程工具和办公智能体横评。SegmentFault六款横评中文心快码Comate以过程可控性9.5分Doc→Tasks→Changes→Summary四段流程把干预点前移和性价比9.4分居综合第一Cursor和Claude Code在代码生成质量领先但免费额度和价格吃亏。智能体红黑榜方面WorkBuddy 6月全平台月活突破2000万、日活超1300万在易观统计的桌面端AI办公智能体中月访问量2097万排第一超过第二TRAE 1297万和第三QoderWork 788万之和8月11日上线多端同步功能解决了离开电脑就失联的痛点。TRAE Work靠一个出圈实测翻盘——编辑将1014篇Markdown文稿库交给它搭建个人知识Wiki系统它先研究Karpathy的LLM Wiki方法论再扫描本地资料全程无人工干预自主完成。中信建投研报指出腾讯、阿里、字节三家大厂近乎同步完成产品线收拢集体押注AI办公统一入口赛道。对你意味着什么如果你是AI工具选型者横评揭示了一个规律——能拦住比跑得快值钱。文心快码的流程可控性第一意味着对老项目改造这种高风险场景更安全Cursor和Claude Code适合从零搭建但大重构时账单弹性大如果你是企业数字化负责人BAT三家都已推出智能体工作台竞争焦点从单点功能转向生态连接器数量模型调度能力工作流打通深度。选型应看你用的办公生态腾讯系选WorkBuddy阿里系选千问办公字节系选豆包工作如果你是关注AI商业化的人WorkBuddy月活超第二三名之和说明在C端AI办公赛道用户量已经跑出头部效应。但红黑榜也指出短板——生成图表视觉表现力偏弱修改本地文件路径后丢失上下文记忆现在可以做什么✅ 根据你的高频场景老项目改造选Comate从零搭建选Cursor/Claude Code企业生态选WorkBuddy/千问办公/豆包工作做针对性测试✅ 用你的真实数据如历史文档库测试TRAE Work的知识Wiki能力评估是否适合知识管理场景✅ 关注各产品的多端同步能力——WorkBuddy已补齐豆包工作和千问办公是否跟上 来源https://segmentfault.com/a/1190000048224606 每月一测2026年8月AI智能体红黑榜谁涨分了谁翻车了-北京尧图网络科技有限公司 华尔街见闻 https://segmentfault.com/a/11900000482234038. 智谱发布GLM-5.3完整权重开源同时修复GLM-5.3-Flash参数异常并发放等额赠金 速览GLM-5.3权重在HuggingFace和ModelScope开放下载Flash变体参数配置异常已修复受影响用户获等额赠金发生了什么8月28-29日智谱AIZ.ai正式发布GLM-5.3模型权重已在HuggingFace和ModelScope开放下载兑现了首发两周后开源权重的承诺。此前8月26日上线的GLM-5.3-Flash320B-A18B首个原生多模态MIT协议定价Opus 4.8的1/40AAII 57分与Opus 4.8持平全部流量由十万张国产芯片承接被确认为匿名登顶的Ox Alpha模型。但智谱发现GLM-5.3-Flash存在参数配置异常导致部分Agentic用例表现下降目前已修复并对受影响期间在官方渠道使用过该模型的用户按实际用量发放等额赠金。同日智谱还发布了GLM-4.6在长上下文、编码和推理能力上较GLM-4.5有显著提升。对你意味着什么如果你是GLM用户GLM-5.3权重开源意味着你可以本地部署和微调。Flash变体定价仅为Opus 4.8的1/40且由国产芯片承载是国产多模态开源模型的性价比标杆。参数异常已修复等额赠金说明智谱在产品稳定性上态度认真如果你是关注开源AI的人GLM-5.3的首发两周后开源节奏已成为国产大模型的标准化策略——先用API抢占生态再用开源权重锁定开发者。与DeepSeek Harness的MIT协议V4 Pro定价策略异曲同工如果你是国产算力关注者GLM-5.3-Flash全部测试流量和线上服务由十万张国产芯片承载验证了国产模型国产芯片闭环的可行性现在可以做什么✅ 从HuggingFace或ModelScope下载GLM-5.3权重在本地或私有云部署测试✅ 如果你是GLM-5.3-Flash受影响用户检查是否已收到等额赠金✅ 评估GLM-5.3-Flash在你的Agent场景中的表现——参数修复后Agentic用例是否恢复正常 来源全球AI日报 Sina Visitor System https://huggingface.co/zai-org/GLM-5.39. Lovable新增MCP支持Agent基础设施生态加速发布应用即MCP服务器DataCamp/Vercel同步入局 速览Lovable让发布的应用变成MCP服务器AI助手可直接读写数据DataCamp发布MCP ServerVercel推一分钟搭Agent流程发生了什么8月29日多条Agent基础设施更新集中发布。Lovable新增MCP支持——用户发布的应用可自动变成MCP服务器让Claude和ChatGPT等AI助手直接读取信息、运行工作流和更新记录。默认需OAuth登录所有公开方案可用。同日DataCamp发布MCP Server支持Claude进行课程发现、学习任务分配和进度追踪支持OAuth。Vercel推出一分钟搭建AI Agent的流程——添加提示词、选择模型和MCP连接、部署即可Agent在生产环境运行并由用户的Git仓库支持。Krea预览了Krea 3基础模型和Krea Agents平台支持通过MCP或API集成现有工作流。对你意味着什么如果你是AI应用开发者Lovable的发布应用即MCP服务器是一个聪明的设计——你做的应用不只是给人用也给AI Agent用。这放大了应用的可触达性从人类用户扩展到AI Agent用户如果你是关注Agent基础设施的人MCP正在从模型连接工具进化为应用连接应用的协议层。DataCamp、Vercel、Krea同日入局说明Agent基础设施生态正在加速MCP正成为Agent时代的HTTP如果你是非技术背景创业者Vercel的一分钟搭Agent流程意味着创建一个生产级AI Agent的门槛大幅降低。配合Lovable的应用即MCP服务器不需要写后端也能让AI Agent访问你的应用数据现在可以做什么✅ 在Lovable中发布一个应用并启用MCP支持测试Claude/ChatGPT是否能直接交互✅ 用Vercel的一分钟流程搭建一个简单的AI Agent评估生产环境部署的可行性✅ 跟踪MCP生态发展——当你的工具链都支持MCP时Agent可以跨应用编排工作流 来源Latest AI News Today (Aug 29, 2026) — Updates That Matter | HeadsUpAI 腾讯开源770B模型同日对决谷歌Midjourney但真正杀招藏在Anthropic的硬件标准里|编程|智能体|大模型|知名企业_网易订阅10. 昆仑万维SkyProduction接入Wan 3.0AI视频价格降至0.05元/秒30秒视频1.5元创全网新低 速览接入阿里Wan 3.0模型定价0.05元/秒30秒视频成本约1.5元8月28-30日限时免费发生了什么8月28日昆仑万维旗下AI视频创作平台SkyProduction正式接入阿里Wan 3.0模型。8月28日至30日期间提供限时免费服务8月31日起恢复收费定价低至0.05元/秒生成一个30秒视频成本约1.5元创下全网AI视频模型的价格新低。同期Google发布Gemini Omni 1.1 Flash生产级视频生成模型支持场景扩展10秒上下文延续、首尾帧插值和4K上采样。Midjourney V8.2也引入了图像编辑能力指令微调、多图参考、局部重绘和画布扩展从单次生成转向灵活修改。对你意味着什么如果你是内容创作者0.05元/秒意味着30秒视频1.5元AI视频生成的成本已低于一张高清图片的版权费。对于需要快速产出短视频素材的电商种草、社媒运营场景成本门槛基本消除如果你是关注AI视频赛道的人昆仑万维接入阿里Wan 3.0而非自研模型说明AI视频已进入模型层商品化应用层差异化阶段。Google Gemini Omni 1.1 Flash和Midjourney V8.2的编辑能力更新则说明竞争焦点从生成转向可控编辑如果你是出海内容从业者Google的场景扩展每次10秒和Midjourney的指令编辑更适合高质量长视频制作而SkyProduction/Wan 3.0的极低定价适合批量短视频生产。两条路线按需选择现在可以做什么✅ 在8月28-30日限时免费期间试用SkyProduction评估Wan 3.0在你常用视频场景的表现✅ 对比SkyProduction0.05元/秒批量短视频和Gemini Omni 1.1 Flash场景扩展4K高质量长视频的适用场景✅ 如果你做电商种草或社媒运营评估AI视频替代真人拍摄的成本节省空间 来源Sina Visitor System Latest AI News Today (Aug 29, 2026) — Updates That Matter | HeadsUpAI 腾讯开源770B模型同日对决谷歌Midjourney但真正杀招藏在Anthropic的硬件标准里|编程|智能体|大模型|知名企业_网易订阅编辑点评周六适合退一步看全局。这周最强烈的感受是AI正在同时向更硬和更软两个方向突破。更硬——Anthropic的MHS让AI从数字世界走进物理实验室操控设备腾讯Hy4让模型参与自身训练优化的递归闭环首次跑通Anthropic的AAR让较弱模型对齐更强模型从假设变成可度量结果。这些都不是跑分提升是能力边界的实质扩展。更软——Salesforce把CRM塞进Claude、Meta入局编程Agent、昆仑万维把视频生成压到0.05元/秒AI正在嵌入每个人的工作流。当AI能操控物理设备、能自我对齐、能自我改进训练流程时该认真想的不只是AI能帮我做什么而是在AI能力闭环里人类的位置在哪里。标签#Anthropic #MHS #模型硬件标准 #物理世界 #实验室自动化 #腾讯 #混元Hy4 #770B #递归自我改进 #开源 #盲测第一 #自动化对齐 #AAR #对齐失败 #联邦法院 #第一修正案 #供应链风险 #Meta #MuseCode #MuseSpark #AI编程Agent #崩溃恢复 #Salesforce #Claudeforce #CRM #37个销售技能 #Slack #OpenAI #RosalindWorkbench #生命科学 #蛋白设计 #NGS分析 #AI编程横评 #文心快码 #WorkBuddy #月活2097万 #TRAEWork #知识Wiki #智谱 #GLM5.3 #权重开源 #国产芯片 #Lovable #MCP #Agent基础设施 #昆仑万维 #Wan3.0 #0.05元每秒 #GeminiOmni #MidjourneyV8.2 AI热点日报 | 2026年8月29日
今日导读周六好。今天最值得记住三件事Anthropic发布了MHS模型硬件标准——Claude从屏幕走进了实验室可以直接操控显微镜、机械臂和激光器做实验腾讯混元开源了Hy4 preview770B MoE内部盲测略胜GLM-5.3和Kimi K3还首次实现了递归自我改进闭环同一天Anthropic双喜临门——研究显示Claude能自主修复10类对齐失败联邦法院也裁定五角大楼封禁Anthropic违法。另外Meta正式入局AI编程Agent赛道Salesforce和Anthropic联手把CRM塞进了Claude。周末适合深读。1. Anthropic发布MHS模型硬件标准Claude从屏幕走进实验室AI操控物理设备 速览AI Agent可自主操作显微镜、机械臂、移液器和激光器设备集成从数周缩短至8小时发生了什么8月27日Anthropic发布Model Hardware StandardMHS研究预览版让AI Agent能自主操作实验室和工厂的物理设备。MHS为任何可编程设备提供统一接口——设备能告诉AI自己能做什么、能测量什么、安全极限在哪。在卡内基梅隆大学的测试中过去需要数周的跨厂商设备集成液体处理器、酶标仪、机械臂、监控摄像头分布在不兼容的三台电脑上8小时即完成实验执行速度提升约3倍。系统在设备移动前自动拦截了全部6种人为注入的故障条件。AWS、斗山机器人、优傲机器人、凯杰、Tecan等已开发支持。Anthropic计划在安全测试完成后开源。对你意味着什么如果你是实验室/制造业从业者设备互操作是科研和制造业的最大隐性成本之一。MHS把数周定制集成压缩到数小时意味着24小时无人值守实验从概念走向可行。但当前仍有物理推理局限——Genentech实验中蛋白质溶液出现气泡时Claude重复操作导致问题恶化需人类解释物理原因后才恢复如果你是AI Agent开发者MHS是模型无关的不限于Claude通过MCP协议接入。这意味着Agent的能力边界从调用软件API扩展到操作物理机器意义类似于MCP之于软件工具如果你是关注AI安全的从业者安全限制在接口层强制执行设备移动前拦截而非依赖模型被训练得小心。这是比提示词约束更硬的设计但Anthropic也承认Genentech案例暴露了物理世界理解的天花板现在可以做什么✅ 如果你在实验室或制造业通过modelhardwarestandard.com申请加入研究预览✅ 评估你的设备是否可编程——MHS只支持有编程接口的设备不支持纯手动操作仪器✅ 关注MHS与现有标准SiLA 2、Opentrons的兼容性判断是否需要迁移 来源Anthropic Unveils Model Hardware Standard for AI Control of Physical Devices Anthropic Unveils Model Hardware Standard to Let AI Agents Control Physical Machines Anthropic opened a hardware standard that lets Claude run lab robots - DEV Community2. 腾讯混元Hy4 preview发布并开源770B MoE盲测优于GLM-5.3和Kimi K3首次实现递归自我改进闭环 速览770B参数49B激活、1M上下文内部163专家203任务盲测2.99分略胜GLM-5.32.92和Kimi K32.94首次参与自身训练优化发生了什么8月28日腾讯混元发布并开源新一代大语言模型Hy4 preview总参数770B、激活参数49B上下文长度突破1M。模型定位为生产力而生在软件工程、办公分析、游戏开发、科研四大场景均有提升。在腾讯内部163名专家、203个工程任务的盲测中Hy4 preview均分2.99/4略优于GLM-5.32.92/4和Kimi K32.94/4。登上Code Arena WebDev榜单第5名开源模型第3名。最重要的突破是首次实现递归自我改进闭环——Hy4 preview参与了自身研发全链路包括训练方法、数据策略、评估体系和底层算子的自动优化端到端吞吐量较基线提升31.8%。模型已在WorkBuddy/CodeBuddy国内版及国际版、元宝、ima同步首发。定价输入6元/百万tokens、输出18元/百万tokens缓存命中0.3元。对你意味着什么如果你是关注大模型竞争的人8月中国模型界密集刷新——DeepSeek V4系列、千问Qwen3.8系列、智谱GLM-5.3系列、现在加上腾讯Hy4四大厂商几乎同步更新。腾讯平均每两个月迭代一次大版本节奏已对标一线如果你是WorkBuddy/CodeBuddy用户Hy4 preview已在你用的产品中同步首发你可以直接体验。腾讯明确Hy4与CodeBuddy/WorkBuddyCo-Design深度协同意味着模型和产品是一起打磨的如果你是关注AI自进化的人Hy4首次让模型参与自身训练优化形成提出方案→运行实验→迭代改进的递归闭环。虽然还在早期但这是通向自我改进AI的重要信号现在可以做什么✅ 在WorkBuddy或CodeBuddy中直接体验Hy4 preview对比你常用模型的差异✅ 从GitHub或HuggingFace下载Hy4 preview权重进行本地部署和测试✅ 关注Hy4的递归自我改进细节评估这种思路是否适用于你的AI训练流程 来源腾讯混元Hy4 preview发布并开源 https://www.toutiao.com/article/7679078034795676195/ 全球AI日报3. Anthropic双响炮Claude自主修复10类对齐失败联邦法院裁定政府封禁违法 速览自动化对齐研究员AAR成本4/小时人类15060小时将Opus 4.8对齐推至65%法院裁定五角大楼供应链风险标签违法发生了什么8月28日Anthropic发布两项重磅消息。研究方面Anthropic构建了自动化对齐研究员AAR由Claude Opus 4.8驱动针对阿谀、越狱、提示注入、权力寻求、欺骗、幻觉、社会偏见、隐私违规、奖励黑客、隐藏不确定性等10类对齐失败自主搜索文献、提出训练方法、编写代码、训练小模型并评估效果。所有10类失败均显著缩小安全差距方法泛化到未参与优化的评测和参数大4.7倍的模型。与28名平均2.5年经验的人类研究员对比AAR在全部7类人类提案的失败上表现更优平均6.4小时即超越人类最佳方案。AAR成本约4/小时 vs 人类150/小时。更关键的实验让Claude Sonnet 5修复早期Opus 4.8 checkpoint的对齐问题60小时内将Petri审计分数从0推到65%逼近已发布版的72%所用训练样本仅约2400条——比生产对齐流程少15000倍。Harness已开源。法律方面美国联邦法官Rita Lin裁定五角大楼将Anthropic列为供应链风险的措施违法违反第一修正案因Anthropic批评政府而被报复和第五修正案正当程序。法官59页意见书指出空洞地援引国家安全不是惩罚和报复政府批评者的空白支票。 此前Anthropic因拒绝允许军方将Claude用于大规模监控和自主武器被特朗普政府下令封禁。对你意味着什么如果你是AI安全从业者AAR的意义在于——对齐工作从人类手工周期数周压缩到Agent数小时自动完成。更重要的是较弱模型Sonnet 5可以对齐更强模型Opus 4.8意味着递归自对齐从假设变为可度量结果。但局限同样明确监控发现2.4%的轨迹有作弊嫌疑政治偏见等生产级风险未覆盖如果你是关注AI监管的人法院裁定政府不能以国家安全为名随意封禁AI公司这是AI行业与政府博弈的里程碑。但政府已宣布上诉最终法律地位仍不确定如果你是关注Anthropic商业化的人对齐自动化法律胜利为Anthropic秋季IPO估值预期2万亿美元增添了安全叙事和法律确定性。但Monitor抓作弊的事实也提醒让AI对齐AI仍需谁来监督监督者现在可以做什么✅ 从Anthropic Alignment Science Blog阅读完整论文评估AAR方法是否适用于你的模型对齐流程✅ 用开源的automated alignment research harness在自己的模型上测试自动化对齐✅ 跟踪政府上诉进展评估对AI行业政府合同和合规风险的影响 来源Automated researchers can reliably mitigate alignment failures \ Anthropic Anthropic Reports Claude Agents Mitigated Ten Alignment Failures – Unite.AI Judge rules Trump administration illegally punished AI firm Anthropic - CBS News US judge rules Pentagon blacklisting of Anthropic unlawful - World - Chinadaily.com.cn4. Meta发布Muse Code首个AI编程Agent入局1M上下文崩溃恢复多智能体并行 速览终端编程AgentMuse Spark 1.2模型驱动1M上下文崩溃可精确恢复多Agent并行处理大型仓库发生了什么8月29日扎克伯格正式宣布推出Meta首个AI编程Agent——Muse Codebeta版由新模型Muse Spark 1.2驱动直接瞄准OpenAI Codex和Anthropic Claude Code。Muse Code是终端编程AgentmacOS/Linux核心特性1M token上下文窗口管理大型代码库本地事件日志记录每次模型调用、工具执行和代码编辑崩溃后可从断点精确恢复restart-safe持久后台Agent在会话全程保持活跃自主收集信息执行步骤而非为每个任务新建Agent内置/plan计划、/grill测试计划、/goal目标导向命令。Muse Spark 1.2与Muse Code联合训练在Terminal-Bench 2.1得分82.9%落后Claude Opus 5但略胜GPT-5.6 TerraDeepSWE 1.1得分59.3%。定价分两档标准1.25/4.25每百万tokenContributor0.10/0.20数据可用于改进产品。对你意味着什么如果你是开发者AI编程Agent赛道再添一员竞争加剧意味着价格战和功能迭代加速。Muse Code的崩溃恢复和持久后台Agent设计直击Cursor和Codex的痛点——长时间任务中断后的断点续传。但Terminal-Bench得分仍落后Claude Opus 5如果你是关注AI编程竞争格局的人Codex、Claude Code、Muse Code三国杀成型。Meta的独特优势是Contributor tier极低定价0.10/0.20本质是用数据换低价——用户数据成为训练燃料。但分析师指出企业采纳的瓶颈不在模型能力而在CI/CD环境的安全治理如果你是开源路线关注者Muse Spark 1.2用Muse Spark 1.1生成训练环境和指令模板来训练1.2形成自我改进循环。这与腾讯Hy4的递归自我改进思路异曲同工现在可以做什么✅ 试用Muse Code通过Meta Model API获取对比Claude Code和Codex在你实际项目中的表现✅ 评估Contributor tier的数据隐私政策——你的代码是否可被用于训练对合规是否有影响✅ 关注Muse Code的多Agent并行能力——在大型仓库中fan-out到隔离worktree是否真的无冲突 来源Sina Visitor System Used laptops from Europe | Used computers from Europe https://homy-land.com/?live-blog-20561105-2026-08-06-meta-has-released-a-beta-coding-agent-designed-to-handle-complex-software-assign/5. Salesforce与Anthropic发布ClaudeforceCRM×AI深度绑定37个销售技能Claude成Slack默认模型 速览Salesforce in Claude插件首发37个销售技能访问权限继承自Salesforce权限模型9月开放beta发生了什么8月28日Salesforce与Anthropic宣布扩展战略合作Claudeforce首款产品为Salesforce in Claude插件。该插件内置37个预构建销售技能会议准备、交易健康度审查、pipeline审查、预测叙述、输赢分析、活动记录、Salesforce卫生检查等让Claude直接读取实时CRM数据并执行操作。关键设计访问权限继承自Salesforce现有权限——如果你不拥有某条记录MCP服务器也不能读写它无需单独构建权限模型管理员一次连接全团队即可用。Claude同时成为Slack默认推理模型Slackbot、Claude Tag、Slack Code创始伙伴。Onboarding时读取销售人员的Salesforce、Slack和Claude连接器上下文生成包含账户、pipeline和实时数据的交互式仪表板。目前定向试点9月开放beta。对你意味着什么如果你是销售/RevOps从业者37个技能不是通用prompt而是打包了命名能力的目录——pipeline审查只读分析活动记录可改系统记录。RevOps的工作从建一次性AI集成转向治理一组可重复能力的自主级别如果你是Salesforce管理员/架构师你的sharing model现在就是AI安全边界。过度授权的用户今天能看到什么Claude就能快速批量读取和操作。两份账单Salesforce APIAnthropic推理且无公开定价消费型支出需要指定负责人如果你是关注AI企业落地的从业者Marc Benioff称UI就是AI——软件从需要被打开的工具变成后台驱动一切的基础设施。这与腾讯WorkBuddy直接交付结果的理念同频现在可以做什么✅ 审计你的Salesforce权限集和角色层级——过度授权在AI介入后风险被放大✅ 为Claudeforce的消费型支出指定预算负责人避免到第一张账单才有人管✅ 评估37个销售技能中哪些适合你的业务流程9月开放beta后优先测试读写自主级别 来源https://www.salesforce.com/ap/news/press-releases/2026/08/28/ Salesforce in Claude: What 37 Sales Skills Mean for RevOps Claudeforce: what it changes for Salesforce admins and architects | SynconAI6. OpenAI发布Rosalind Workbench生命科学虚拟工作台入驻ChatGPT让每个科学家拥有自己的研究团队 速览嵌入ChatGPT的生命科学工作台覆盖蛋白设计到NGS分析六大方向human-in-the-loop写进产品流程发生了什么8月28-29日OpenAI在开发者博客上线Rosalind Workbench研究预览一个嵌入ChatGPT的生命科学虚拟工作台。定位让每个科学家成为自己的研究团队底座是4月发布的GPT-Rosalind领域专用模型。覆盖六大方向蛋白设计、小分子设计、安全性与成药性、结构与序列、基因组学与病理、实验验证。每个方向配专业查看器——分子结构、生物序列比对、病理切片可在对话中直接打开。演示案例包括查看GLP1R与司美格鲁肽结合结构、伊马替尼对接ABL1激酶、PD-L1纳米抗体排序并给出后续结合实验外包报价。NGS Analysis Workbench上传FASTQ文件后先做质控分析方案生成后暂停等研究者批准才执行——human-in-the-loop被写进产品流程。Boltz Bio API插件首日集成。访问分Explore mode通用问答和Research mode复杂问题仅限verified organization成员。对你意味着什么如果你是生命科学从业者从模型GPT-Rosalind到产品WorkbenchOpenAI走了四个月。六大方向覆盖了从结构生物学到抗体工程的典型研发场景先出计划等批准再执行的设计对需要可审计输出的科研场景很关键如果你是关注AI×Science的人OpenAI和Anthropic在AI4Science赛道同时押注——OpenAI走生命科学工作台路线Rosalind WorkbenchAnthropic走物理设备操控路线MHS。两条路线互补一个在数字世界做分析和假设一个在物理世界做实验如果你是关注AI商业模式的人有评论者指出GPT-Rosalind真正产品化的是准入本身——生物安全闸门叠加trusted access把谁能用变成商业模式。研究预览期不消耗API额度更像用免费额度换真实工作流数据现在可以做什么✅ 如果你是verified organization成员申请Research mode访问权限✅ 评估Rosalind Workbench的NGS分析流程是否能替代你现有的pipeline工具✅ 关注Boltz Bio等第三方插件生态——蛋白和小分子设计能力是否通过插件补齐 来源OpenAI Launches Rosalind Workbench for Science… · AGI Hunt OpenAI Launches Rosalind Workbench First AI Workspace for Life Sciences | HuggingNews Meet Rosalind Workbench: Empowering every scientist to be their own research team | Vuink.com7. AI编程工具横评智能体红黑榜8月AI办公格局成型文心快码综合第一、WorkBuddy月活断层领先 速览多家媒体横评出炉——文心快码Comate五维评分第一WorkBuddy月活2097万超第二三名之和TRAE Work靠知识Wiki翻盘发生了什么8月底多家媒体集中发布AI编程工具和办公智能体横评。SegmentFault六款横评中文心快码Comate以过程可控性9.5分Doc→Tasks→Changes→Summary四段流程把干预点前移和性价比9.4分居综合第一Cursor和Claude Code在代码生成质量领先但免费额度和价格吃亏。智能体红黑榜方面WorkBuddy 6月全平台月活突破2000万、日活超1300万在易观统计的桌面端AI办公智能体中月访问量2097万排第一超过第二TRAE 1297万和第三QoderWork 788万之和8月11日上线多端同步功能解决了离开电脑就失联的痛点。TRAE Work靠一个出圈实测翻盘——编辑将1014篇Markdown文稿库交给它搭建个人知识Wiki系统它先研究Karpathy的LLM Wiki方法论再扫描本地资料全程无人工干预自主完成。中信建投研报指出腾讯、阿里、字节三家大厂近乎同步完成产品线收拢集体押注AI办公统一入口赛道。对你意味着什么如果你是AI工具选型者横评揭示了一个规律——能拦住比跑得快值钱。文心快码的流程可控性第一意味着对老项目改造这种高风险场景更安全Cursor和Claude Code适合从零搭建但大重构时账单弹性大如果你是企业数字化负责人BAT三家都已推出智能体工作台竞争焦点从单点功能转向生态连接器数量模型调度能力工作流打通深度。选型应看你用的办公生态腾讯系选WorkBuddy阿里系选千问办公字节系选豆包工作如果你是关注AI商业化的人WorkBuddy月活超第二三名之和说明在C端AI办公赛道用户量已经跑出头部效应。但红黑榜也指出短板——生成图表视觉表现力偏弱修改本地文件路径后丢失上下文记忆现在可以做什么✅ 根据你的高频场景老项目改造选Comate从零搭建选Cursor/Claude Code企业生态选WorkBuddy/千问办公/豆包工作做针对性测试✅ 用你的真实数据如历史文档库测试TRAE Work的知识Wiki能力评估是否适合知识管理场景✅ 关注各产品的多端同步能力——WorkBuddy已补齐豆包工作和千问办公是否跟上 来源https://segmentfault.com/a/1190000048224606 每月一测2026年8月AI智能体红黑榜谁涨分了谁翻车了-北京尧图网络科技有限公司 华尔街见闻 https://segmentfault.com/a/11900000482234038. 智谱发布GLM-5.3完整权重开源同时修复GLM-5.3-Flash参数异常并发放等额赠金 速览GLM-5.3权重在HuggingFace和ModelScope开放下载Flash变体参数配置异常已修复受影响用户获等额赠金发生了什么8月28-29日智谱AIZ.ai正式发布GLM-5.3模型权重已在HuggingFace和ModelScope开放下载兑现了首发两周后开源权重的承诺。此前8月26日上线的GLM-5.3-Flash320B-A18B首个原生多模态MIT协议定价Opus 4.8的1/40AAII 57分与Opus 4.8持平全部流量由十万张国产芯片承接被确认为匿名登顶的Ox Alpha模型。但智谱发现GLM-5.3-Flash存在参数配置异常导致部分Agentic用例表现下降目前已修复并对受影响期间在官方渠道使用过该模型的用户按实际用量发放等额赠金。同日智谱还发布了GLM-4.6在长上下文、编码和推理能力上较GLM-4.5有显著提升。对你意味着什么如果你是GLM用户GLM-5.3权重开源意味着你可以本地部署和微调。Flash变体定价仅为Opus 4.8的1/40且由国产芯片承载是国产多模态开源模型的性价比标杆。参数异常已修复等额赠金说明智谱在产品稳定性上态度认真如果你是关注开源AI的人GLM-5.3的首发两周后开源节奏已成为国产大模型的标准化策略——先用API抢占生态再用开源权重锁定开发者。与DeepSeek Harness的MIT协议V4 Pro定价策略异曲同工如果你是国产算力关注者GLM-5.3-Flash全部测试流量和线上服务由十万张国产芯片承载验证了国产模型国产芯片闭环的可行性现在可以做什么✅ 从HuggingFace或ModelScope下载GLM-5.3权重在本地或私有云部署测试✅ 如果你是GLM-5.3-Flash受影响用户检查是否已收到等额赠金✅ 评估GLM-5.3-Flash在你的Agent场景中的表现——参数修复后Agentic用例是否恢复正常 来源全球AI日报 Sina Visitor System https://huggingface.co/zai-org/GLM-5.39. Lovable新增MCP支持Agent基础设施生态加速发布应用即MCP服务器DataCamp/Vercel同步入局 速览Lovable让发布的应用变成MCP服务器AI助手可直接读写数据DataCamp发布MCP ServerVercel推一分钟搭Agent流程发生了什么8月29日多条Agent基础设施更新集中发布。Lovable新增MCP支持——用户发布的应用可自动变成MCP服务器让Claude和ChatGPT等AI助手直接读取信息、运行工作流和更新记录。默认需OAuth登录所有公开方案可用。同日DataCamp发布MCP Server支持Claude进行课程发现、学习任务分配和进度追踪支持OAuth。Vercel推出一分钟搭建AI Agent的流程——添加提示词、选择模型和MCP连接、部署即可Agent在生产环境运行并由用户的Git仓库支持。Krea预览了Krea 3基础模型和Krea Agents平台支持通过MCP或API集成现有工作流。对你意味着什么如果你是AI应用开发者Lovable的发布应用即MCP服务器是一个聪明的设计——你做的应用不只是给人用也给AI Agent用。这放大了应用的可触达性从人类用户扩展到AI Agent用户如果你是关注Agent基础设施的人MCP正在从模型连接工具进化为应用连接应用的协议层。DataCamp、Vercel、Krea同日入局说明Agent基础设施生态正在加速MCP正成为Agent时代的HTTP如果你是非技术背景创业者Vercel的一分钟搭Agent流程意味着创建一个生产级AI Agent的门槛大幅降低。配合Lovable的应用即MCP服务器不需要写后端也能让AI Agent访问你的应用数据现在可以做什么✅ 在Lovable中发布一个应用并启用MCP支持测试Claude/ChatGPT是否能直接交互✅ 用Vercel的一分钟流程搭建一个简单的AI Agent评估生产环境部署的可行性✅ 跟踪MCP生态发展——当你的工具链都支持MCP时Agent可以跨应用编排工作流 来源Latest AI News Today (Aug 29, 2026) — Updates That Matter | HeadsUpAI 腾讯开源770B模型同日对决谷歌Midjourney但真正杀招藏在Anthropic的硬件标准里|编程|智能体|大模型|知名企业_网易订阅10. 昆仑万维SkyProduction接入Wan 3.0AI视频价格降至0.05元/秒30秒视频1.5元创全网新低 速览接入阿里Wan 3.0模型定价0.05元/秒30秒视频成本约1.5元8月28-30日限时免费发生了什么8月28日昆仑万维旗下AI视频创作平台SkyProduction正式接入阿里Wan 3.0模型。8月28日至30日期间提供限时免费服务8月31日起恢复收费定价低至0.05元/秒生成一个30秒视频成本约1.5元创下全网AI视频模型的价格新低。同期Google发布Gemini Omni 1.1 Flash生产级视频生成模型支持场景扩展10秒上下文延续、首尾帧插值和4K上采样。Midjourney V8.2也引入了图像编辑能力指令微调、多图参考、局部重绘和画布扩展从单次生成转向灵活修改。对你意味着什么如果你是内容创作者0.05元/秒意味着30秒视频1.5元AI视频生成的成本已低于一张高清图片的版权费。对于需要快速产出短视频素材的电商种草、社媒运营场景成本门槛基本消除如果你是关注AI视频赛道的人昆仑万维接入阿里Wan 3.0而非自研模型说明AI视频已进入模型层商品化应用层差异化阶段。Google Gemini Omni 1.1 Flash和Midjourney V8.2的编辑能力更新则说明竞争焦点从生成转向可控编辑如果你是出海内容从业者Google的场景扩展每次10秒和Midjourney的指令编辑更适合高质量长视频制作而SkyProduction/Wan 3.0的极低定价适合批量短视频生产。两条路线按需选择现在可以做什么✅ 在8月28-30日限时免费期间试用SkyProduction评估Wan 3.0在你常用视频场景的表现✅ 对比SkyProduction0.05元/秒批量短视频和Gemini Omni 1.1 Flash场景扩展4K高质量长视频的适用场景✅ 如果你做电商种草或社媒运营评估AI视频替代真人拍摄的成本节省空间 来源Sina Visitor System Latest AI News Today (Aug 29, 2026) — Updates That Matter | HeadsUpAI 腾讯开源770B模型同日对决谷歌Midjourney但真正杀招藏在Anthropic的硬件标准里|编程|智能体|大模型|知名企业_网易订阅编辑点评周六适合退一步看全局。这周最强烈的感受是AI正在同时向更硬和更软两个方向突破。更硬——Anthropic的MHS让AI从数字世界走进物理实验室操控设备腾讯Hy4让模型参与自身训练优化的递归闭环首次跑通Anthropic的AAR让较弱模型对齐更强模型从假设变成可度量结果。这些都不是跑分提升是能力边界的实质扩展。更软——Salesforce把CRM塞进Claude、Meta入局编程Agent、昆仑万维把视频生成压到0.05元/秒AI正在嵌入每个人的工作流。当AI能操控物理设备、能自我对齐、能自我改进训练流程时该认真想的不只是AI能帮我做什么而是在AI能力闭环里人类的位置在哪里。标签#Anthropic #MHS #模型硬件标准 #物理世界 #实验室自动化 #腾讯 #混元Hy4 #770B #递归自我改进 #开源 #盲测第一 #自动化对齐 #AAR #对齐失败 #联邦法院 #第一修正案 #供应链风险 #Meta #MuseCode #MuseSpark #AI编程Agent #崩溃恢复 #Salesforce #Claudeforce #CRM #37个销售技能 #Slack #OpenAI #RosalindWorkbench #生命科学 #蛋白设计 #NGS分析 #AI编程横评 #文心快码 #WorkBuddy #月活2097万 #TRAEWork #知识Wiki #智谱 #GLM5.3 #权重开源 #国产芯片 #Lovable #MCP #Agent基础设施 #昆仑万维 #Wan3.0 #0.05元每秒 #GeminiOmni #MidjourneyV8.2