这一期「周一上线」，Agent 又往更长的任务链和更具体的工作场景里迈了一步。SWE-2 在收敛 Agent 的无效试探，Muse 已经能自己常驻后台推进任务，DeepSeek V4.1-Flash 则继续从长上下文的成本账上开刀。
Agent 的边界也在持续外扩：HyperFrames 让视频变成可以被 Agent”写”出来的东西，Marketing Skills 把 Skill 的用法推进了营销流程。另一头，Astra 的火爆让 OpenAI 暂时关掉了 200 美元档 Pro 的新订阅入口，DeepSeek 开始集中补工程岗，Cognition 则刚拿到超过 20 亿美元的新融资。
开发者这边照例不缺乐子：让果蝇写汇编、把 250 万行代码摊成一张地图、再用不到 280 个字符点一把火。
下面开始这一周的回顾。
有点新鲜
这个小栏目收录的是本周 AI 与开发者圈里算不上头条、但值得瞄一眼的新鲜事。
Gemini：别问走了多少步，就说到了没有
Cursor 把 CursorBench 升到 4.0，结果 Gemini 3.8 Flash 直接跑到了图的最左边。别人完成同类任务大多几十到一百多步，Gemini 3.8 Flash High 平均要走到 324 步，最后拿下 39.6% 的成绩。
Google：这周的面子得靠果蝇撑
Google 刚用 AI 重构出雄性果蝇的完整脑图谱，网友们顺手把它捧成了新晋顶流——一会儿让它解魔方，一会儿让它写 x86-64 汇编，还有人让它管 Kubernetes。
它甚至被推上了”Google AI 最受欢迎发布”的榜单。Google 负责重建 16.6 万以上的神经元，网友负责让这只果蝇直接上岗。
250 万行代码，摊平了给你看
代码库太大怎么处理？先给它修一张地图。@Rik Arends 把一个 250 万行的代码库做成了可交互的可视化浏览器：模块、目录与代码之间的依赖关系被铺成一张巨型地图，放大看像一座代码城市，缩小看又有点像芯片版图。
机器人守门，来一局空气曲棍球
有人搭了一套 AR 空气曲棍球：由真实的 Vector 机器人负责守门，球和球场则全部落在增强现实里。实体机器人和虚拟世界就这么在一张桌面上打了起来。
280 个字符，够不够点一把火
@Xor 用不到 280 个字符写出了一团会动的火焰 Shader。
f z, d
@(40)
{
f3 p = z * nor(2*C.rgb - R.xyy)
p.zy+=3
d=2; @(7) d/=.8,
p +=.6*p.y*cos(p.yzx * d - f3(T,,)*6) / d
z += d = .02 + abs(len(p.xz) + p.y*.4 -1) / 9
O += (sin(f4(5,0,2,)-p.y) + 2) / d
}
O = tanh(O*O / 15e5)
周五发版
「周五发版」是个程序员梗：版本一上线，就只能祈祷一切照常运行。这个栏目借它祝所有模型和产品的更新都能大吉大利。
SWE-2：在 Kimi K3 上继续炼出的 Coding 模型
Cognition 发布了新一代 Coding 模型 SWE-2。它以 Kimi K3 为底座继续后训练，并第一次把强化学习推到了万亿参数级别。SWE-2 在 FrontierCode 1.1 Main 上拿到 50.0%，距离 Claude Fable 5.1 不到一个百分点，成本却低了 64%。
这轮优化并不只是追分数，也在压掉 Agent 的无效探索。官方测试中，SWE-2 medium 相比 SWE-1.7 的平均执行步骤从 127 步降到 53 步，成本下降 81%。目前 SWE-2 已上线 Devin Desktop 和 CLI，接下来会陆续进入 Devin Web 与 Fusion；未来一个月内，Pro、Max 和 Teams 的订阅用户可以免费用上它。
ChatGPT 图像 2.5：编辑更稳，生成最多快一半
OpenAI 推出 ChatGPT 图像 2.5，重点补强了参考图保真度、局部编辑以及多轮修改的一致性。相比图像 2.0，新模型的生成延迟最多降低 50%，也更擅长只改指定区域，而不把周围的主体、构图和整体风格一起带跑。
ChatGPT 里同时上线了 Sketch，可以直接画草图当作生成参考。API 侧则给出 GPT-Image-2.5 Flare 与 Sunburst 两款：Flare 主打速度和通用生成，Sunburst 面向更精细的高端创作与多轮编辑。眼下所有层级的 ChatGPT、ChatGPT Work 以及 Codex 用户都已能用上图像 2.5。
Muse：Meta 做了一个会主动找上门的 Agent
Muse 不满足于等你一问一答。它拥有自己的电脑、文件系统、终端和浏览器，能并行处理多个任务，在后台持续运转，还能根据日程和事件主动把任务往前推；查资料、填表单、下单购物、预订安排，以及生成网页、PDF、Dashboard 这类 Artifacts 都在它的活儿清单里。
它还会主动给用户发消息：任务有新进展、发现了需要留意的情况，或者需要你拍板时，它才会回来找你。碰到发邮件、付款这类难以撤回的操作，它会先停下来等你确认。
MiniCPM5-2B：小模型继续往端侧 Agent 走
OpenBMB 放出 MiniCPM5-2B，一个约 25 亿参数的稠密模型，原生支持 131K 上下文，主攻本地助手、Coding Agent、工具调用和端侧部署。官方表示，在它的对比范围内 MiniCPM5-2B 达到了 2B 级开放模型的 SOTA，在代码、数学、长上下文、工具调用与 Agent 任务上尤其突出。
这次不只开放权重，还一并放出了训练数据，包含 50 万条 Agent 训练样本和 8 万条以上的强化学习数据。部署侧提供 GGUF、MLX 4bit、GPTQ 等版本，可以接 llama.cpp、Ollama、LM Studio、vLLM 与 SGLang。
DeepSeek V4.1-Flash：把 1M 长上下文的 KV Cache 再压到四分之一
DeepSeek 发布并开放了 DeepSeek V4.1-Flash。新模型采用 552B backbone 的多模态 MoE 架构，支持图片、文本和 1M Token 上下文，预填充阶段每 Token 激活约 8B 参数，生成阶段约 16B。
借助新的 Causal Encoder-Decoder、CSA2 稀疏注意力与 FP4 KV Cache 等设计，V4.1-Flash 把全局 KV Cache 压到约 890 Bytes / Token，只有 V4-Flash 的四分之一左右；针对输入特别长的 Agent 负载，目标很明确——把长上下文的推理成本打下来。模型还支持 1 到 100 连续可调的推理强度。
Agent 能力同样往前挪了一大截。官方 Agent 评测里，DeepSeek V4.1-Flash 在 Terminal-Bench 2.1 上达到 90.6%（使用 DSH Minimal），DeepSWE v1.1 达到 74.2%（使用 mini-SWE）。相关 scaffold 对比统一采用 1M Token 的上下文限制。
开源雷达
周榜速递
周榜主要按新增 Star 数排序，下面挑选的单个项目则更偏向新晋项目和实用的老项目，标星数并不是选讲的唯一标准。
TileRT：把大模型推理切成 Tile，专攻超低延迟
TileRT 是一个面向超低延迟大模型推理的运行时。与更强调批量吞吐的传统推理框架不同，它优先优化单请求的响应速度，把模型计算切成细粒度的 Tile 任务，再让计算、通信和 I/O 动态交错，尽量少让 GPU 空转等待。
目前它支持 DeepSeek-V3.2 与 GLM-5 / 5.1，并加入了 Prefill / Decode 分离：可以让 vLLM 负责 Prefill，由 TileRT 接管 Decode。官方还曾在 8 张 B200 上把 1T 参数的 MiMo-V2.5-Pro-UltraSpeed 推到 1000+ Token/s。
Spec Kit：让 Coding Agent 先把需求写清楚再动手
Spec Kit 是一套规格驱动的开发工具，核心主张是别让 Coding Agent 拿到需求就直接写代码，而是先把”要做什么”固化成明确的 Spec，再产出技术方案、拆解任务，最后才进入实现。官方流程大致是 Specify → Plan → Tasks → Implement → Converge。
它并不绑定某个具体的 Coding Agent，Copilot、Claude Code 等工具都能接。
God’s Eye View：把公开世界数据塞进一颗 3D 地球
God’s Eye View 是浏览器里的一个实时 3D 地球，把飞机、船舶、卫星、地震、公共摄像头等公开数据收进同一个可探索界面。你可以从全球视角一路放大到某架飞机、某艘船或某个摄像头，也能在座舱、夜视、热成像等观察模式之间切换。
项目还接了实时 AI Agent，可以直接用自然语言指挥地图。默认不需要 API Key 就能启动；如果补上 Cesium、Google Maps 或 OpenAI 等服务，还能继续解锁更精细的 3D 地图与语音交互。
HyperFrames：让 Agent 直接用 HTML 做视频
HyperFrames 是 HeyGen 开源的一套视频生成框架，能把 HTML、CSS、媒体素材与可控时间轴的动画确定性地渲染成 MP4。相比让模型去操作传统视频编辑器，它更像是把视频变成了一个 Agent 可以”写代码生成”的对象。
项目同时提供一整套 Agent Skills，覆盖从产品宣传片、PR 讲解、字幕、Talking Head 包装，到动态图形、音乐视频和幻灯片等不同工作流。Codex、Claude Code、Cursor 等支持 Skill 的 Agent 都可以接入。
Superpowers：给 Coding Agent 装一套工程方法论
Superpowers 的目标说起来很简单：别让 Agent 一上来就写代码，先按一套完整的工程流程把事情做扎实。Agent 开工前先澄清需求、形成设计，再拆成足够明确的实施计划，之后通过 TDD 和子 Agent 分工持续执行、检查并推进任务。
它由一组可组合的 Skills 和初始规则构成，目前已经支持 Claude Code、Codex、Cursor、Gemini CLI、Devin CLI、GitHub Copilot CLI 等多种 Agent 环境。
Marketing Skills：把 Agent Skill 从写代码扩到做营销
Marketing Skills 是一套面向营销工作的 Agent Skills，把 Coding Agent 擅长的文件处理、脚本与自动化能力延伸到 CRO、文案、SEO、广告、数据分析、增长和销售支持等任务上。
它让不同 Skill 共享上下文并互相引用，比如 product-marketing 会作为基础信息层，其他 SEO、CRO、文案、定价、增长等 Skill 再基于同一套产品和用户信息接着往下做。
这周有事
这个栏目收录本周值得记一笔的行业动态、事故、融资、人员流动与基础设施变化。
Cognition 再融 20 亿美元，估值站上 480 亿
Cognition 宣布完成超过 20 亿美元的 E 轮融资，估值达到 480 亿美元。本轮由 a16z 和 Accel 领投，Founders Fund、General Catalyst、Avenir 等继续跟投。
今年 5 月上一轮融资时，Cognition 的年化收入约为 4.92 亿美元；短短几个月后已经接近 9 亿美元。与此同时，公司估值也从 5 月的 260 亿美元接近翻番。
Astra 太火，OpenAI 暂时关掉 Pro 新订阅
Astra 上线后需求远超预期，OpenAI 暂停了新的 200 美元/月 Pro（Pro 20X）订阅和升级通道。Tibo 表示，Pro 用户对系统资源的压力最大，因此先暂停新订阅，以保障现有用户继续稳定访问 Astra。
已有的 Pro 用户不受影响，其他套餐和 API 仍然开放；OpenAI 同时表示正在尽快扩容，目前没有公布恢复 Pro 新订阅的具体时间。
Dario 呼吁踩刹车，Altman 和马斯克都点头了
Anthropic CEO Dario Amodei 发表文章《We Must Pace the Frontier》，认为前沿 AI 的能力增长已经开始跑在安全措施前面，行业应当适当放慢能力提升的节奏，给对齐、安全和外部评估留出更多时间。
Anthropic 同时承诺先落实第一步：让独立的第三方评估机构获得长期、接近员工权限的系统访问，用于检查安全措施、报告事故，并评估模型训练过程中的对齐状况。Sam Altman 随后表示 OpenAI 也会采用类似做法，马斯克则直接回应：”Dario is right.”
AI 虚拟偶像 Yuri，把 AIGC 搬上了百米巨幕
9 月 11 日，Yuri 尤栗在 2026 外滩大会完成了线下 AI 音乐会。现场使用了接近百米的巨幕，实际分辨率约为 12K；据团队介绍，除真人演员和艺术家外，屏幕上的大部分内容都由 AI 生成，Yuri 自己的歌曲、部分合唱与串场内容也大量采用 AI 生成。
团队此前更熟悉移动端和短视频内容，但把 AIGC 放到这种超大屏、长时间的现场演出里之后，原有的制作方法基本都得重来。这次更像是在验证一件事：AI 影像除了在线上刷屏，也开始真正走进线下舞台。
DeepSeek 扩招 150 人，却没有一个 AI 研究岗
DeepSeek 新开放约 150 个招聘名额，重点面向有 2 到 10 年经验的工程师。有意思的是，这批岗位里没有 AI 研究岗，主要集中在两类：服务端开发工程师和 Agent 弹性计算研发工程师。
具体方向覆盖大模型研究平台、Agent 框架、研发效率基建、DeepSeek API、线上服务、数据工程，以及面向 Agent 的弹性计算平台 DSec。崔添翼给出的解释也很直白：随着数据、机器、训练任务、评测任务、Agent 环境、用户和请求量一起膨胀，系统复杂度正在快速上升，需要更多工程力量把这些能力真正撑住。
