芯片报出效率数字，agent 开始管凭证与执行｜8月26日精选 (2026)

窗口：北京时间 2026 年 8 月 26 日 00:05 至 8 月 27 日 00:05。

这 24 小时里，白名单账号的高价值原创帖把注意力又往外推了一层：OpenAI 公布自研推理芯片的首批实测；Vercel 把 agent 的凭证、代码执行和安全体检做成可调用产品；ChatGPT Work 开始在登录站点上做事，却不让模型看见密码。同一窗口里，评测路线图、应用层机会和人的能力上限也被重新写进了讨论。

推理芯片先报出效率数字

Sam Altman 是 OpenAI CEO。北京时间 8 月 26 日 03:53，他发了一句短帖：「we made a chip and it is fast。」1

Loading content card…

同日 OpenAI 工程博客给出了可核对的产品方口径：Jalapeño 是 OpenAI 的首款自研推理芯片，已在 SemiAnalysis 的 InferenceX 公开基准上，对 GPT‑OSS 120B、DeepSeek R1 和 Kimi K2.5 1T 做了对比。公司称，在峰值吞吐下，Jalapeño 每瓦可完成的 AI 工作量约为对照系统的 1.5–1.9 倍，端到端延迟约为对照系统的 1.7–3.6 倍更低；面向高交互负载时，性能约为对照系统的 2.1–4.1 倍。OpenAI 计划在今年年底前把 Jalapeño 部署进自家算力基础设施，并写明会继续大规模使用 NVIDIA 等合作方加速器。2

这些数字来自 OpenAI 自报与其选定的对照设置，保留为产品方口径。对产品负责人，可检查的是：交互式 agent 链路里，哪些步骤最吃延迟；成本账本里，吞吐和时延哪一项先碰到预算墙。

Agent 要连服务，也要安全地跑代码

Guillermo Rauch 是 Vercel CEO。北京时间 8 月 26 日 04:44，他把 agent 建设里最难的一层写成：secure connectivity to services and data，并宣布 Vercel Connect 正式 GA。官方博客写明：应用不再长期存放服务商密钥，而是在运行时用 OIDC 身份申请短时、按任务收窄的令牌；已有 100 多个连接器，并补上 RBAC、审计日志与令牌/触发器可观测性。3 4

Loading content card…

同日稍晚，Rauch 发布 Run SDK：当 agent 写出动态代码时，不必每次都起完整沙箱，可以在轻量 QuickJS 安全上下文里执行，并通过 host functions 暴露窄接口，中途还能为认证或人工审批中断后再恢复。官方说明它是 AI SDK Code Mode 的内部执行层；需要操作系统、装包或进程级隔离时，仍应使用 Vercel Sandbox。5 6

Loading content card…

窗口末尾，Rauch 又转发 Security Dashboard GA：界面与 vercel security check CLI 可列出常见错误配置、按风险排序，并让 agent 在人在环或定时任务里逐项修复，例如打开 Git fork 保护、把环境变量标为敏感、用 OIDC 替换静态凭证。7 8

把这三条放在一起，运行底座的检查项更具体：凭证是否短时且按任务收窄；生成代码是否只拿到产品动作接口；安全问题能否被 CLI 和 agent 反复扫、修、复验。

登录墙还在，但密码不进模型

同一窗口里，OpenAI 把浏览器 agent 推进到「能登录网站做事」。北京时间 8 月 26 日 05:40，ChatGPT 官方账号说明：ChatGPT Work 现在可用自己的电脑和浏览器在网页与移动端登录站点，且 ChatGPT 看不到用户名和密码。Sam Altman 次日用一个字转发：「big」。9 10

Loading content card…

OpenAI 帮助中心把机制写得更清楚：Cloud browser 是 ChatGPT Work 在云端单独电脑上的浏览器；到达支持的登录页时会暂停，用户在安全表单里输入凭证，凭证直接进入远程浏览器，对模型不可见，也不会被 ChatGPT 存储；重要或难撤销的动作仍需用户确认。该能力面向付费 ChatGPT 计划中的 Work，不含 Free 与 Go，并随地区与工作区权限逐步放开。11

这是产品方自述的安全边界。对读者更有用的检查项是：哪些任务仍必须走官方连接器；哪些网站会拦自动化浏览器；确认步骤是否覆盖支付、提交和权限变更。

评测要跟着真实用法往前挪

Madhu Guru 是 Meta AI 高级总监，曾负责 Google 的 Gemini、Veo 和 Nano Banana。北京时间 8 月 26 日 09:36，他发布「How to build great evals」第 9 篇，主题是 Eval Roadmap Problem：多数评测失败，是因为团队把评测当成静态工件，而用户期望和行为已经变了。12

Loading content card…

他用金融研究 agent 举例：早期是总结 5 页财报；三周后是复盘近 5 份财报并讲增长故事；两个月后是用 15 份文件搭投资论点；再往后是监控持仓并在论点被实质改写时发警报。用法沿这些轴变化时，评测也要从短上下文到长上下文、单轮问答到多轮、简单问答到复杂综合、被动聊天到主动 agent。他给出的路线图步骤是：先画出用法会演进的维度，再排优先级，结合用户访谈与生产轨迹找偏移，为下一阶段补 P0 评测，再按失败模式 taxonomy 做 hill-climb。

这是方法分享。它把前几天系列里的分层评测和区分力，接到了更现实的问题：用户已经走到第 3 周，评测还停在第 1 周。

应用层机会，和人的能力上限

Aaron Levie 是 Box CEO。北京时间 8 月 26 日 12:17，他引用一篇关于规模化 applied AI 的长文，并给出自己的展开：模型与企业真实工作流之间仍有大缺口，机会落在能把智能扩散进业务结果的公司。他列的工作包括理解上下文、推动变革管理、具备可路由多模型的 harness、接入关键业务系统、解决人与 agent 在工作流中的 UX，以及该领域的 eval。13

Loading content card…

Zara Zhang 则把问题收到个人能力。北京时间 8 月 26 日 16:33，她写道：10x AI 用户与平庸用户的差距主要在两件事——领域专长决定你知道什么叫好结果，也决定 agent 的天花板；翻译能力决定你能否通过上下文、参考和迭代把品味传给 agent。后者几周可学，前者是职业生涯。14

Loading content card…

把这两条并读，企业侧看的是工作流、系统和 eval；个人侧看的是判断力与传话能力。两边都把「只比模型智商」往外推了一截。

记忆跨表面，工具要更可改

Cat Wu 负责 Anthropic 的 Claude Code 与 Cowork。北京时间 8 月 26 日 03:43，她确认：Chat 与 Cowork 的记忆已打通，用户告诉 Claude 一次，上下文可跨表面复用。官方 Claude 账号写得更直白：把任务交给 Cowork 时，它会从聊天里已有的项目、偏好和客户信息起步，且记忆内容由用户决定。15 16

Loading content card…

Thariq 是 Claude Code 团队成员。北京时间 8 月 26 日 01:25，他回复反馈称，团队正在让 Claude Code 更可改写，包括更方便地使用 Agents.MD 或修改系统提示；当前立场是模型族不可随意互换，系统提示对性能影响大，因此不同模型有不同系统提示。短期可先从 Claude.MD 引用 Agents.MD。17

产品入口侧，Google Labs 在北京时间 8 月 26 日 00:50 发布实验 Play with Putty：实时协作的 vibe coding 工具，可多人一起搭工具和网站；Josh Woodward 同日用「Experimenting with multiplayer AI」转发。官网写明这是协作 vibe coding 研究实验，目前等待名单，美国且年满 18 岁。18 19 20

工程风险方面，swyx 北京时间 8 月 26 日 14:02 发 PSA：先避开 Codex 的 “locked use” 能力，它依赖不稳定的 macOS 特性，本周已两次把他锁出 Keychain；并指向 Apple 开发者论坛承认的 known bug。这是个人踩坑报告，适合当作本地权限功能的风险提示。21

Dan Shipper 在窗口末尾同意一个判断：all of work is starting to look like AI research——更多公司会按前沿实验室的方式组织工作。这是方向信号。22