8月23日 AI创业早报：DeepSeek周末谷价、环境 Harness 与企业 Agent
DeepSeek调整周末API计费；Google Research发布EnvHarness；Vercel CEO Guillermo Rauch发布Mini浏览器并公布开放权重token占比；Grok Bot向少量企业开放试用；CoArena上线计算机使用Agent实时评测，并补充Developer Index、Faraday、Ox Alpha和Claude相关快讯。
0:00 / 10:21
DeepSeek 从 8 月 23 日零点起把周六、周日全天统一按低谷时段价格计费；Google Research 发布 EnvHarness，用插件层改变静态环境向 Agent 提供训练信号的方式；Vercel CEO Guillermo Rauch 发布个人浏览器 Mini，并公布 Vercel AI Gateway 的开放权重 token 占比；Grok Bot 向少量企业开放周末试用；CoArena 上线计算机使用 Agent 的实时盲评场。节目后半段补充 Developer Index、Faraday、Ox Alpha、Claude 水印、Claude Translator 和低风险表单自动填写等快讯。
本期节目
DeepSeek 调整周末计费
DeepSeek 面向 API 用户调整峰谷计费规则。北京时间 8 月 23 日零点起，周六、周日全天不再区分峰谷时段，统一按低谷时段价格计算。此前 V4-Flash 和 V4-Pro 的高峰价格最高为低谷价格的两倍。1
Google 发布 EnvHarness
Google Research 的论文《EnvHarness: Awakening Static Worlds for Agent Learning》提出一个包裹静态环境的可编程插件层，不修改底层逻辑，通过标准接口改变环境的状态布置、动作和观测映射，以及环境之间的连接。论文在五个 benchmark、四个领域进行实验，报告 held-out 实例最高提升 9.0 分、执行步骤减少 9.8%。2 机器之心文章同时列出了项目代码和项目主页。3
Mini 浏览器与 Vercel AI Gateway 数据
Vercel CEO Guillermo Rauch 说，他用 fx 构建了个人 Web 浏览器 Mini，用于屏幕共享、串流和测试，浏览器基于更小、更容易修改的 Chromium。4
Rauch 还公布了 Vercel AI Gateway 的 token 比例：8 月 22 日开放权重模型占 62%，关闭权重模型占 38%；6 月 24 日开放权重模型占 28.4%，关闭权重模型占 71.6%。5
Grok Bot 开放少量企业试用
Michael Truell 的 X 个人简介写着，他正在建设 SpaceX AI。他在 X 上说，Grok Bot 将在周末向少量企业开放访问，并邀请旧金山企业申请上门 onboarding。6
CoArena 上线计算机使用 Agent 实时评测
CoArena 介绍了一个实时评测场：两个 frontier model 在同一个真实任务、相同 scaffold、相同 sandbox 和相同预算下并行运行，记录每一步，由人类盲评。7 CoArena 官方文章补充了相同任务、相同动作空间、相同屏幕和相同时间预算的评测机制。8
CoArena 公布的运行数据包括：约 66% 的 Agent runs 完成任务；表现最好的一类 Agent 完成率约 87%，最差的一类约 42%；一家主要 frontier model 约三分之一的运行超时；约 7% 的对战中，人类评审认为双方都失败。9
其他快讯
Firecrawl 发布 Developer Index，索引超过 7000 万条 README、Issue、已合并 PR、OpenAPI 规范、skills 和外部开发文档，并提供语义检索和元数据过滤。10
Firecrawl 同时发布 DevDex，使用 1,179 条开发者搜索查询，官方公布 Developer Index 综合 Recall@10 为 0.63。10
TechCrunch 报道，DeepMind 校友创办的伦敦 AI 实验室 Inherent 发布了 Faraday，使用约 270 亿参数的 Qwen 3.6 执行独立复现科学论文研究结果的任务。11
Every 的账号发文称，Anthropic 会给 Claude 输出加入不可见水印，方式类似 Google 的 SynthID。14
Yuntian Deng 发布 Translator，把英语和 Claudish 互相翻译。15
沃顿商学院研究 AI 的教授 Ethan Mollick 发帖说，Codex 和 Claude Code 可以自动填写邮件中的低风险表单，不需要继续干预。16
Anthropic 的 Claude Academy 课程已经免费开放，并且有中文支持。17
Marin 535B-A23B 本周开始训练，计划使用 18.75 万亿个 token，在 11 组 GB200 NVL72 上运行约三个月。18
NVIDIA 发布了 Molt，一个原生基于 PyTorch 的 Agent 强化学习训练框架，奖励函数可以直接写成 Python。19
Molt 同时提供 Env 和 ChatAgent 两种接口，训练和 rollout 可以异步重叠。19
清华、北大和北邮的研究者提出 PhyAI，把物理 AI 模型的训练、测试和部署统一到一个推理引擎，报告速度提升 1.40 到 4.65 倍。20
同一批研究还发布了 UniMotion，把动作、文本和图像放进一个共享模型，在七项 motion-text-vision 任务上报告最高成绩。21
NVIDIA 的 coding harness 在 ARC-AGI-3 的 25 个公开游戏上拿到 100%，解决了全部 183 个关卡。22
Hugging Face 上还出现了 NVIDIA 发布的 5,500 亿参数 instruction-following teacher model，用于蒸馏、数据生成和结构化输出。23
a16z 的图表写到，Agent 消耗的 token 接近人类用户的 5 倍，而且从二月以来增加了 14 倍。24
Anthropic 方面解释，Claude Code 显示 high 等于 10，是 serving 配置里的数值映射问题，内部评测没有发现性能回退。25
Y Combinator 转发了 Spectre Intelligence 的消息，这家创业公司加入了今年夏季批次，方向是用 AI 训练半导体和生物科技交易员。26
一位用户发帖说，他让 Agent 维护 Notion 里的业务信息，任务完成后自动更新数据库，并且每小时检查一次。27
有研究者发起 research taste benchmark，收集人们判断哪些既有论文值得继续研究的数据。28
一条 X 帖子介绍，Replit 已经可以直接从 GitHub 导入 Matt Pocock 的 36 个 skills。29
另一条帖子展示了 Grok Bot 分析 X 上的点赞、评论和帖子。30
一场 Clean Code 与 Agent 协作的对谈提到，多 Agent 流水线可以把规格、编码、清理、强化和 QA 分开执行。31
研究者还提出 Q-Learning with World Models，把 world model 和强化学习结合起来训练。32
一条中文 X 帖子介绍了 TRACES，一个面向发现式智能的 benchmark。33
一位开发者说，他处理的 Agent token 用量从不到一年前每年 100 亿，变成现在每周超过 100 亿。34
SemiAnalysis 估算，NAND 从钨转向钼后，2027 年相关沉积设备销售额会超过 10 亿美元。35
Anthropic 方面还说，Claude Opus 5 的输出稳定性是当前优先处理的问题。36
Y Combinator 联合创始人 Paul Graham 发帖说，一家每月增长 30% 的创业公司，按这个速度一年后需要大约 23 倍大的办公室。37
一篇评测实践帖把 hill climbing 解释成，选一个重要维度，按生产数据优化质量、成本或延迟；帖子举的例子是，工具调用失败时，把上下文里的工具从 20 个缩到每个任务需要的 3 到 5 个。38
Firecrawl 还说，多数来源在发布后一天内进入索引，Claude Code、Cursor 和 Codex 都能通过 Skill、CLI、MCP 或 API 接入；索引也能按来源类型、仓库、语言、主题和许可证过滤。39
Molt 的技术栈包括 Ray、vLLM，以及 NVIDIA AutoModel 配合 FSDP2，奖励函数可以是数学评分器、LLM 裁判或多轮工具评估器；帖子还称同一份训练脚本可以从 8B 模型扩展到 1T 级别的混合专家模型。19
PhyAI 说，同一套代码可以在云端 GPU、边缘服务器和机器人机载设备上运行；一项测试里，一个动作专家只占 8.8% 的计算量，却占 57% 的延迟。20
UniMotion 的任务包括根据文字生成动作，也包括用姿态编辑图像，覆盖七项 motion-text-vision 任务。21
Hugging Face 上的 NVIDIA teacher model 还被描述为擅长约束遵循、结构化输出和格式控制。23
Every 进一步描述，Claude 水印通过秘密密钥，在概率接近的词之间进行选择来编码。14
Ethan Mollick 后续补充，要让 Codex 或 Claude Code 自动填表，需要在电脑上运行 ChatGPT 或 Claude 应用，并打开浏览器控制。40
Clean Code 对谈还说，一个单 Agent 五分钟的任务，多 Agent 流水线大约需要一小时，人类完成同一任务约半天。31
References
- 1量子位：突发！DeepSeek宣布周末全天谷价，以后周末上班更划算？
mp.weixin.qq.com
- 2
- 3机器之心：Google：和agent一样，环境也可以有Harness
mp.weixin.qq.com
- 4
- 5
- 6
- 7
- 8
- 9
- 10Firecrawl：Introducing Firecrawl Developer Index
firecrawl.dev
- 11TechCrunch：Inherent的Faraday复现科学研究
techcrunch.com
- 12
- 13Chubby：Ox Alpha测试结果
x.com
- 14Every：Claude输出水印文章说明
x.com
- 15
- 16
- 17Claude Academy中文课程消息
x.com
- 18Marin 535B-A23B开始训练
x.com
- 19
- 20机器之心：PhyAI统一物理AI推理引擎
x.com
- 21
- 22
- 23
- 24
- 25
- 26
- 27Notion与Agent自动维护业务信息
x.com
- 28
- 29
- 30Grok Bot分析X内容
x.com
- 31Clean Code与Agent协作对谈
x.com
- 32
- 33TRACES发现式智能benchmark
x.com
- 34Agent token用量变化
x.com
- 35
- 36
- 37
- 38
- 39
- 40
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.