一眼看懂

按主题扫要点

1. Agent 的衡量单位，正在从一次生成变成交付结果

• 企业办公 Agent 开始强调执行链路。 APPSO 对「千问办公」公测的介绍和新智元对同一产品及 Qwen3.8-Max 的报道都把重点放在连接企业系统、重复使用工作流、生成可交付网页和调用协作工具上，而不只是聊天或写文档。APPSO 还把组织记忆、Skill 沉淀和钉钉等入口视为产品竞争的一部分；这些是原文的产品判断，不等于独立验证过的企业部署效果。
• 模型比较也在往长任务和交付能力移动。 硅星人 Pro 的实测把 Qwen3.8-Max 的问题定义为「能否完成复杂任务」，而不是单次代码片段质量。文章的核心观察是，Agent 时代更该看它替用户节省了多少时间；这属于作者的评估框架，清单中保留了原文入口供复核。
• 自我改进开始被做成工具链。 机器之心关于 PenguinHarness 的文章介绍了一个 Apache 2.0 开源的 Agent Harness，主张通过评测、生成和迭代形成可复现的优化闭环。文中给出的「0.2 元自动造 Agent」和准确率变化属于原文披露的演示数据，不能直接外推到所有 Agent 开发场景。
• 模型的价格策略也在重新分层。 36 氪对 OpenAI 模型商业化的分析认为，调用量、端到端成本和 Token 效率正在和「最强模型」标签一起决定收入。这是对公司策略的媒体解读，不是 OpenAI 公布的完整财务结论。

2. 数学与基准分数之外，验证仍是瓶颈

• 新智元关于 Astra 的报道称，OpenAI 下一代模型一次给出了 10 项数学成果和对应 Lean 证书；同文提到 Fable 在 24 小时内复现其中 5 项。这个故事的真正信息点不是「模型已经证明了一切」，而是模型给出的形式化证明仍要经过数学共同体检查；文章也保留了这一边界。
• 机器之心相关报道和新智元的另一篇数学文章把讨论推向了验证流程：即使形式化工具能捕捉漏洞，证明是否有数学意义、结果是否能被独立复现，仍不是模型单方面宣布就能完成的事。
• 这也解释了为什么昨日多篇内容同时出现「满分」「破题」「复现」等标题：发布速度在加快，但读者仍需要区分模型演示、基准成绩、Lean 形式化检查和同行验证这几种不同层级的证据。

3. 具身智能的难点从看见，转向记住、摸到并完成动作

• 机器人开始从人类经验中学习。 机器之心对超维动力的报道把人类第一视角数据、机器人本体、世界模型和具身大模型放在一个闭环里，核心问题是如何把「人知道怎么做」转成机器人能执行、能纠错的行动经验。
• 动作预测不一定要完整经过 LLM。 TurboVLA 文章介绍了一条视觉与语言直接交互的路线，文中给出的配置是 0.2B 参数、RTX 4090 上约 0.9GB 显存、31.2ms 延迟和 32Hz 在线预测，并报告 LIBERO 97.7% 的成绩。这里的数字属于论文/文章所述实验设置，不能等同于所有真实机器人任务的性能。
• 数据基础设施比数据堆积更关键。 Z Potentials 对际数科技的深度报道把质量拆成场景、采集、多模态、监督、片段、跨本体、解释和资产等维度，并引用一个项目的 3 厘米空间误差、99% 以上分类准确率和 35 天首批交付数据。该文高度围绕单家公司展开，已在下文标为公司案例/软文倾向，具体数字应回到原文及其客户验证。
• 单样本学习也在补另一块短板。 APPSO 对 HOST 的介绍称，机器人可以通过观看一段人类演示视频学习新技能，不必更新模型参数，也不必先采集大量机器人遥操作数据。读者应把它理解为论文或产品方案的能力主张，具体泛化能力仍取决于任务和测试条件。

4. AI 正在争夺新的入口，但产品体验与商业约束同时变硬

• Founder Park 对 GenOffice 的报道介绍了一个面向 Windows 和 Mac 的本地 Office 客户端：Alpha 版免费、开源、无广告，产品方称由 1 名工程师用 1 周完成，开发消耗约 1 万美元 Token。文章给出的判断是，Office 的价值不只是编辑器，而是进入高频办公上下文的入口；其中经营数据和开发效率数字均为报道转述。
• 手机也在尝试把 Agent 放进现实世界。 数字生命卡兹克的 Robot Phone 体验重点不是规格表，而是四自由度机械云台与 YOYO Agent 的组合：作者测试了跨 App 的日历、地图、内容搜索和下单任务，并把云台比作手机的「脖子」。这是一篇体验文章，结论代表作者使用感受，不是独立测评结论。
• 推理基础设施先要算得过账。 量子位关于亿级日活 App 的文章以一个 AI 穿搭应用为例，写到每用户收入约 2 美元、云端算力和传输成本约 3 美元，并称改用 RTX PRO 6000 与跨云架构后，集群规模减少 75%。这篇文章的后半部分集中介绍 Akamai 的产品、节点和迁移补贴，属于广告/软文倾向，数字不应脱离商业语境当作行业平均值。
• 品牌叙事本身也成为 AI 公司的竞争资产。 硅星人 Pro 对 Genspark 的长文的核心观点，是质疑其对外强调的硅谷身份与中国模型、工程和客户关系之间的落差。文中包含大量推测性数字和判断，本日报只保留其论题，不把这些推测当作已证实事实。

广告、软文与全文状态

• 广告/软文倾向： 量子位的算力基础设施文章集中介绍 Akamai 产品和迁移优惠，标为广告/软文倾向；Z Potentials 的际数科技文章集中介绍单一公司，标为公司案例/软文倾向。两者都保留原文入口，读者可结合商业关系自行判断。
• 全文取得边界： 本期 62 篇中，18 篇已取得正文并用于上面的主题摘要；其余 44 篇仅取得文章列表中的标题、发布时间和原文链接，清单中标注为「全文未取得」。未取得正文的条目不作事实性摘要。
• 文章列表状态： 36 氪 Pro、远川科技评论、松间清斋、有数 DataVision、衣公子的剑、InfraNative、葬 AI 的文章列表未取得，本文按「未取得」单列，不将其计入零发文。

全部账号发文清单

36 氪（12 篇）

新智元（8 篇）

机器之心（8 篇）

量子位（9 篇）

硅星人 Pro（4 篇）

十字路口 Crossing（1 篇）

Z Potentials（4 篇）

深思圈（1 篇）

海外独角兽（1 篇）

远川研究所（1 篇）

AI 科技评论（4 篇）

Founder Park（2 篇）

数字生命卡兹克（1 篇）

APPSO（5 篇）

李光满说（1 篇）