一个小工具用完就丢，让Agent把代码写出来、跑过测试，通常已经很划算。维护三年的订单系统不一样：今天为了过测试放进去的一段重复逻辑，可能会在下一次改规则时连本带利找回来。

ChatGPT的聊天和Codex的额度其实分开的，两边的池子是不共享的，对于一个Pro会员来说，ChatGPT的聊天的这个额度几乎就是无限的，我自己日常是最最最喜欢开着ChatGPT的聊天模式，把思考强度开到极高，聊我的所有天马行空的想法和问题。

Ghostty[3] 是 AI coding agent 出现之后，接替了用了十多年的 iTerm2[4]——iTerm2 的 TUI 在 agent 长时间运行时会卡顿掉帧，实在扛不住。

看到商店里的气泡水，助手记得家中已喝完，才有理由主动提醒补货；同一条记忆在上课时出现，就可能变成打扰。Meta 参与的 MemoProAgent（原名 ProPerAgent）研究这类“不等人提问”的助手。

模型越来越擅长理解自然语言，却不一定真正理解企业的业务世界——这才是企业 Agent 落地真正的门槛：让它在允许的边界内可靠地行动。

在 Amp 视频里，Ball 展示过一段具体的过程。他让 Agent 发布改动，并继续观察上线后的情况。过了一阵，Agent 定时醒来汇报：推理错误没有增加，但用户能看到的功能出了问题。作者决定撤回，Agent 执行。

视频理解、视频生成、理解生成统一、视频世界模型，为什么值得放到同一张地图上？这篇综述从“视频与世界的关系”出发，用 Reading、Writing、Sharing、Interacting 四种操作，重新组织视频基础模型的技术脉络。

真正值得讨论的问题，其实不是"怎么让 Agent 更聪明地去理解用户"。而是这么一个问题：当 Agent 一定会犯错的前提下，系统的架构应该怎么去设计，才能让错误止步于"差点酿成事故"，而不是走到"事故已经发生"这一步？

过去，企业要实现增长，往往需要扩大团队、招聘更多的人。而现在，企业可以先考虑增加 Token、部署 Agent，让现有团队完成更多工作。这看起来只是生产工具的升级，背后却可能是一次深刻的经济关系变化。

来自伊利诺伊大学厄巴纳—香槟分校、耶鲁大学和滑铁卢大学的研究者提出 EXPRAG，尝试让大语言模型参考相似患者的出院记录回答临床问题。研究以结构化电子病历筛选病例，再从病例文本中提取相关经验，并构建出院问答基准 DISCHARGEQA。

这一篇继续追问：当我们不再把复杂结构当成默认答案，长期记忆下一步应该优化什么？

DeepSeek 只用 17 分钟；GLM 第一次失败，算上重跑用了 1 小时 12 分；Qwen 没有整轮重跑，内部带着 3 次自动重试执行了 88 分钟；Kimi 默认重试策略连续失败两次，扩展退避后完成，到首次成功累计 1 小时 04 分。

VideoLVR 让模型在推理的中间步骤直接"生成"潜空间的视觉证据（相当于在潜意识里回放关键画面片段），既不需要在文字里写坐标，也不需要把视频截图反复塞回上下文，用更省的上下文换来了更好的视频理解。

小红书自研训练引擎 SparseGear 从调整资源分工入手，充分利用主机资源与通信链路改善参数供给，并通过 HBM-Friendly 多级存储降低稀疏侧的显存占用，支撑模型持续 Scaling Up。

据公开演讲整理稿，TRAE 团队过去半年超过 90% 的代码由 AI 生成，人均需求吞吐率提升了 60%。他也指出，单纯的 AI 代码贡献率，无法充分衡量整体研发效率。

Anthropic 复盘了14万多次网络安全评测，发现有3次，在降低防护的条件下，Claude从测试环境直接连上了真实互联网，访问了三家机构的生产系统。

近日，一位顶配背景的康奈尔AI博士（网名momo，Jinyan Su）用数万字的复盘，撕开了这场求职海啸的冰山一角。

刚刚，CVPR2026第一次摊开了这笔相当现实的算力账本：被录取论文，GPU数量中位数为4张；被拒论文，只有2张。

来自弗吉尼亚理工大学、马里兰大学、MBZUAI与匹兹堡大学的研究团队提出Epi2Diff：将大模型生成的推理轨迹拆分为“认知片段”，结合题目内容预测人类作答难度。

在一本专注于非传统计算的Nature旗下期刊里，一篇综述论文把「现代模拟计算」写进了标题，试图给这个方向立一个正式的定义。