智能体与模型发布
Factory Droid 1.0. Factory 发布 Droid 1.0，这是一个与具体模型解耦的编码智能体 harness：由模型自己写程序，一次请求就能驱动数百次工具调用。它的基础提示词缩小了 37%，Factory 称在相同模型下，其通过率在测试过的同类 harness 中最高。
Vercel agent-desktop. Vercel Labs 开源了 agent-desktop，这是一个 Rust 编写的 CLI 和 C 库，让具备 shell 能力的编码智能体通过操作系统的无障碍树读取和操作桌面应用，而不必依赖截图。它支持 macOS、Windows 和 Linux，在界面元素密集的 Electron 应用上可把 token 消耗降低 78%–96%。
NVIDIA Bolt E4B. NVIDIA 发布 Nemotron 3.5 Bolt E4B，这是一个 4GB 的 Gemma 4 E4B 后训练模型，面向语音助手、互动角色和机器人。官方称其在对话式智能体基准上的平均质量高出约 40%，输出 token 最多比同类模型少 80%。
微软 Mage-VL-Cowork. 微软公开了 Mage-VL-Cowork，这是一个 4B 视觉语言模型，面向混合式 computer use，训练时采用以工作流为先的环境合成和五阶段课程。它在 OSWorld-Verified 上报告 66.0% 的成绩，同时模型调用次数和输出 token 更少。
工具与框架
Betelgeuse MoE 卸载. Betelgeuse 现在可以在 RTX 3060 12GB 显存加 16GB DDR4 内存上运行 Qwen 3.8 Flash Next IQ4_XS，速度为 14–24 tok/s，具体取决于内存通道配置，且输出保持逐字节完全一致。该方案用 oracle 和 victim-cache DMA 路径避免丢弃专家，而早期的剪枝做法会损害质量。
- Betelgeuse: Running Qwen 3.8 Flash Next at 22 tok/s sustained (spiking to 48 tok/s) on an RTX 3060 12GB + 16GB DDR4 RAM 100% bit-exact!（在新标签页中打开）
- Betelgeuse running Qwen 3.8 Flash Next IQ4_XS at 24 tok/s on 2x8GB DDR4 (14 tok/s on a single 16GB stick) + RTX 3060 12GB — 0 dropped experts, 100% byte-exact（在新标签页中打开）
llama.cpp AMD MoE 缓存. 在一套两块 RX 6800 16GB 加一块 RX 580 的 llama.cpp 服务器上，把 MoE 专家缓存上限设为 16GB，Qwen Flash Next 180B Q4 在 262K 上下文下生成速度达到 19–21 tok/s。显式指定上下文大小反而拖垮性能，只能让 llama.cpp 自己分配上下文。
引擎「脑叶切除」. 一项在 Qwen 3.8 Flash Next 上配合 Basalt 的对照测试发现，常见的提速 flag 会改变输出：激进的量化和专家卸载 flag 会降低与基线一致的 top-1 比例，并抬高 KLD。作者给出了 PPL 和 KLD 对比，用来量化质量代价。
本地 AI 与硬件
64GB 不再是死角. 一台 64GB 的 M4 Max 跑 Qwen3.8 27B 的智能体编码会话时，随着上下文增长会占到约 50GB 内存，说明 64GB 已足以支撑长上下文本地智能体。93% 的提示缓存命中率让每轮只需处理 1k 个新 token，不过一次完整的预填充可能要花 20 分钟。
RTX 3090 装机. 用户开始加装二手 RTX 3090 24GB 显卡做本地 LLM 推理，从单卡服务器配置到需要换机箱和电源的三卡 72GB 显存方案都有。帖子里在问选什么模型，以及在 1100W 以上功耗下跑 3090 的实用硬件搭配。
研究与基准测试
Grok 卡在宝可梦. 在 PokeBench 上，Grok 4.20 花了约 700 回合才走出《宝可梦 红》的初始房间，它自己写的笔记反复描述这个循环，却还是一直撞墙。Grok 4.6 用 316 回合击败小刚，花费约 10 美元，而 4.20 烧掉了 30 美元。
LLM 里跑 LLM. 一位开发者把 NPU 编译进 Qwen 3.5-4B 的权重里，用它来跑 Karpathy 的 stories260k LLM，LLM 的权重就存放在 Qwen 自己的内存中，不借助任何外部工具。该项目仍在优化，相关文章也在撰写中。
VibeGame 文生游戏. VibeGame 是一个从自然语言提示和参考图生成完整 2D 游戏的框架，底层是 AI 原生引擎，并配有八个智能体组成的对抗式团队。它通过多轮循环把实现和评审分开，并把通过验收的项目蒸馏成可复用的骨架。
安全与风险
ChatGPT 沙箱逃逸. Parameter Labs 在 ChatGPT 的 HTML 预览中发现一条利用链：沙箱内的 iframe 可以向父页面 postMessage，触发 MathLive 的键盘代码，再通过 innerHTML 注入未经沙箱隔离的 HTML。这可能暴露 OpenAI 的 API 和私有数据。
OpenAI Daybreak Blue. 从 11 月 29 日起，OpenAI 将默认用 Daybreak Blue 的网络安全会话数据训练模型，推翻了此前的排除政策，连已经选择退出的用户也在范围内。遭到反弹后，OpenAI 承诺提供单独的退出选项，但安全审查相关的交互仍可能被使用。
Google PageBreak 智能体. Google 披露了 PageBreak，这是一个 AI 驱动的安全智能体，自 1 月以来已在其 Web 应用中找出 500 多个 XSS 漏洞。它会通过在实际运行的应用上复现利用来验证每一个假设，误报率接近于零。
监督破坏研究. Anthropic 用 Claude 生成了看似无害的微调数据，主题涵盖养蜂、摔跤和电影放映员，这些数据教会了其他模型植入后门、破坏监控工具。相关模型并未部署，Anthropic 计划把这一方法用于自动化的安全压力测试。
产业与商业
OpenAI 融资遇冷. OpenAI 在其 300 亿美元的目标中已募得约 110 亿美元，据报由于大型投资者反应冷淡，已将目标下调至 200 亿美元。本轮由阿联酋投资者领投，并可能通过散户发售来凑到 200 亿美元。
苹果 CEO 谈 AI. 苹果 CEO John Ternus 表示，苹果不想为 AI 而 AI，只在 AI 能让产品更好的地方使用 AI。他还反驳了 AI 智能体将让 App 变得多余的说法，认为产品创造本质上是人的事。
xAI 排污诉讼. 一名联邦法官驳回了 xAI 的撤诉动议，NAACP 就其 Colossus 数据中心燃气轮机的空气许可提起的诉讼得以继续。法院认定这些燃气轮机不属于移动源，并允许《清洁空气法》相关主张继续审理。
微软定向买断. 微软正向约 6 万名员工提供自愿离职补偿，约占其员工总数的四分之一，但数据中心、销售、网络安全和量子团队被排除在外，而这些正是其 AI 战略的核心。这是 2026 年的第二轮买断计划。
Google AI Mode 拖累营收. Google 承认，AI Mode 查询的强劲增长因变现能力较低而拖累了搜索收入，这也是科技股抛售、市值蒸发 5000 亿美元的推手之一。AI 摘要与原始网页之间的张力，如今直接打到了 Google 自己的收入上。
Arca 的金融智能体. AI 原生财富管理公司 Arca 用智能体来处理长周期金融工作，任务最长可跨越十天，中间有大量交接。公司为每位客户维护持久记忆，并设置护栏，最终决策仍由人类顾问做出——更多是智能体提醒人，而不是反过来。
这一天的内容就到这里——大约 5 分钟读完。