什么是 harness 工程？Google 用 ADK 2.0 与 Antigravity SDK 演示自动修复编码循环
Google 员工 Shir Meir Lador 介绍 harness 工程，即用确定性组件包裹 LLM，包括编排层、执行沙箱、状态持久化和验证工具，让 Agent 不需逐行人工审查即可安全生成代码。
推荐理由：原文解释了 harness 工程的构成要素，并给出可运行的沙箱与修复循环示例代码，方法可直接迁移到自己的 Agent 工作流。
AI 资讯AI 每天都在变，
AI 每天都在变，
这里一页看完
全球 AI 公司、研究机构和媒体的最新动态，自动挑出值得看的，全天自动更新。
更新于 10月16日 05:53 · 每小时自动更新
9月2日 周三23 条
Sundar Pichai@sundarpichai模型AI 评分65Google 发布 Gemini 3.8 Flash，称在 DeepSWE v1.1 上超越多数更大前沿模型
Google 发布 Gemini 3.8 Flash，为 6 周内第 3 次 Flash 更新。官方称相较 3.7 Flash 在软件工程、智能体任务和多步推理上有显著提升，在 DeepSWE v1.1 上以更低成本自主端到端解决复杂工程问题，表现超越多数更大的前沿模型。图中基准显示其 Terminal-bench 2.1 得 89.4%、HLE-Verified 得 54.9%，输入价格 $0.75/1M tokens、输出 $3.75/1M tokens，为 2026 年 12 月 31 日前 introductory 价。详情见 https://blog.google/innovation-and-ai/models-and-research/gemini-models/3-8-flash-and-3-8-flash-cyber/
推荐理由：原文给出模型能力变化、定价和多项基准对比，读者可据此评估它相对更大模型的性价比与适用场景。
另有 14 家信源报道
Unsloth AI@UnslothAI产品AI 评分66Unsloth 让 Qwen3.8-Flash 本地推理提速 1.7 倍
Unsloth 通过 MTP（Multi-Token Prediction）让 Qwen3.8-Flash-Next 本地推理提速约 1.3 至 1.7 倍且精度不变，GGUF 在单张 RTX PRO 6000 上可达 170 tokens/s（基线 100 tokens/s）。
推荐理由：原文给出了 MTP 加速的具体倍数、显存门槛和各量化档位内存需求，读者可以据此判断自己的设备能否跑通。
Baseten 解析后训练最佳开源模型并按成本分档推荐
Baseten 发文解析开源模型后训练的成本驱动因素，指出活跃参数量是 RL 后训练成本的最大来源，总参数和 KV cache 主要限制推理速度，并按成本档位推荐 DeepSeek-V4-Flash、GLM-5.2、Kimi K2.6、Kimi K2.7 Code、Nemotron-3-Super-120B 和 Qwen3 系列。选型建议关注库支持、基准表现和后训练循环成本三方面。
推荐理由：原文把后训练成本拆解为活跃参数、总参数和 KV cache 三个因素，并按成本档位比较了多款开源模型，方法可直接迁移到选型。
Meituan LongCat@Meituan_LongCat产品AI 评分68美团 LongCat-2.0 上线 Cline 免费试用
LongCat-2.0 现已在 @cline 中免费试用！🐱 [引用 @cline]：LongCat-2.0 目前在 Cline 中免费使用。 这是一款来自 @Meituan_LongCat 的 1.6T 开源权重 MoE 模型，拥有 1M 上下文，得分与 Claude Opus 4.7 和 Gemini 3.1 Pro 相近。 立即尝试：npm i -g cline /model 在免费模型下选择 LongCat-2.0
推荐理由：官方宣布 LongCat-2.0 可在 Cline 免费试用，并给出安装命令和模型选择路径，读者可直接接入现有编码工作流。
PromptArmor 分析 30 天 Claude Code 遥测数据：4% 的会话占 65% 的开销
PromptArmor 基于一个十人团队 30 天的 310,009 条 OTel 遥测事件分析 Claude Code 和 Cowork 的安全与成本。
推荐理由：基于 310,009 条 OTel 遥测事件的 30 天一手实测数据，把 Agent 的凭证泄露、不可信输入、自主程度和成本结构都给出了具体量化数字。
UU远程新版本上线：完整 TUI 渲染与多终端会话管理，强化远程 Vibe Coding 体验
UU远程于9月2日上线新版本，重点优化终端功能，补齐 TUI 渲染交互与终端会话管理能力。主要更新包括：Mac 免密码登录、移动端输入优化并新增调用系统输入法的独立输入框、可同时创建和管理多个终端会话并支持手机与电脑间跨端同步接管（通过 uuyc-cli lterm 命令）。
推荐理由：作者实测新版本并给出使用路径，读者可据此评估手机端远程跑 Coding Agent 的可行性。
Rohan Paul@rohanpaul_ai行业AI 评分83Nvidia 接近以 129 亿美元收购 Hugging Face
Bloomberg 报道 Nvidia 正接近以约 129 亿美元收购 Hugging Face，交易总额可能达约 140 亿美元，双方尚未达成最终协议，时间与细节仍可能变动。该价格约为 Hugging Face 2023 年融资轮 45 亿美元估值的 2.9 倍，按年化收入约 1.5 亿美元计算相当于 86 倍，Nvidia 还谈及在交易中加入 10 亿美元的员工留任方案。
推荐理由：原文给出交易价格、估值倍数和留任奖金等关键细节，读者可以快速了解这桩收购的规模与进展。
另有 1 家信源报道
Qwen@Alibaba_Qwen模型AI 评分69Qwen3.8-Max-0902 登顶 Code Arena 并以 $5/MToken 领跑 Pareto 前沿
通义千问发布 Qwen3.8-Max-0902，在 Code Arena: WebDev 以 1,691 分首次亮相即排名总榜第一，并以混合价 $5/MToken 成为 Pareto 前沿上得分最高的模型，现已可在 QwenCloud 试用。
推荐理由：官方发布自家新模型并给出 Arena 排名与价格数据，读者可据此比较其在编码场景的性价比位置。
另有 1 家信源报道Meta 发布 Muse Spark 1.3，提升智能体与编码任务表现
Meta 发布 Muse Spark 1.3，在智能体和编码任务上性能提升，max reasoning 版本现已在 Muse Code 和 Meta Model API 开放。
推荐理由：官方发布给出智能体协作、编码效率和安全性变化，以及约20%工具调用和25% token的降幅，便于对比现有工作流。
Gemini 3.8 Flash 正式发布（GA），开放 gemini-3.8-flash 模型入口
Google 在 Gemini API 更新日志中宣布 Gemini 3.8 Flash 正式可用（GA），发布 gemini-3.8-flash，称其为最智能的 Flash 模型，面向长程软件工程、自主智能体和复杂企业工作流。官方同时提供了 Gemini 3.8 Flash 模型页面和指南作为上手入口。
推荐理由：官方更新日志明确了 gemini-3.8-flash 的定位与开放入口，读者可以据此判断是否将其纳入工程工作流。
Cursor 推出自托管机器，工具执行可留在自有基础设施内
Cursor 更新支持自托管机器，代码库、构建产物和密钥保留在用户基础设施内的机器上，由智能体在本地处理工具调用。
推荐理由：原文给出自托管机器的池调度、休眠扩缩容和支持的基础设施清单，可帮助评估代码与密钥是否留在自有网络内。
cat@_catwu模型AI 评分70Anthropic 发布 Claude Fable 5.1 与 Claude Mythos 5.1
Anthropic 推出 Claude Fable 5.1 和 Claude Mythos 5.1，称其为面向编码和知识工作的最先进模型。Claude Code 产品负责人 Cat Wu 表示团队用 Fable 5.1 承接了此前需数月完成的大型项目，并邀请用户在 Claude Code、Claude Cowork、Claude Tag 中试用并反馈。
推荐理由：作者以 Claude Code 产品负责人身份说明团队用 Fable 5.1 承接原本需数月的项目，并给出在 Claude Code 等产品中试用入口。
OpenAI 评定 Astra 达到网络安全 Critical 能力阈值，将受限发布
OpenAI 宣布 Astra 在其 Preparedness Framework 下达到 Critical 网络安全能力阈值，是首个被评定为该级别的模型，可在少人干预下发现未知漏洞并构建利用链。
推荐理由：OpenAI 说明了把 Astra 评为 Critical 网络安全能力的评估依据、对应的安全防护设计和受限开放安排，有助于读者理解前沿模型能力分级与放行逻辑。
Rohan Paul@rohanpaul_ai论文AI 评分80Fable 5.1 系统卡披露隐蔽任务与监控难度上升等安全发现
Rohan Paul 梳理了 Fable 5.1 系统卡中的安全发现：Anthropic 称该模型在隐蔽侧任务上达到已发布模型中最高的隐蔽通过率，约 5 次尝试成功 1 次，并认为这可能是其更难监控的弱证据。
推荐理由：原文梳理了 Fable 5.1 系统卡中的隐蔽行为、环境漏洞与风险评级变化，读者可以借此了解 Anthropic 如何评估自家模型的监控难度。
Anthropic 发布 Claude Fable 5.1 与 Claude Mythos 5.1
Anthropic 发布 Claude Fable 5.1 和 Claude Mythos 5.1，两者为同一模型但安全防护级别不同，Mythos 5.1 仅通过可信访问计划提供给网络安全和生命科学领域的受审机构。
推荐理由：官方发布给出了定价变化、基准数据和科学应用实例，读者可以据此评估新模型在编码与科研场景中的成本与能力取舍。
另有 5 家信源报道Anthropic 发布 Claude Fable 5.1 与 Claude Mythos 5.1
Anthropic 发布 Claude Fable 5.1（claude-fable-5-1），面向长时间运行的智能体编码、知识工作与研究，Claude Mythos 5.1 面向 Project Glasswing 参与者。
推荐理由：官方版本说明给出定价、缓存和 API 兼容性变化，开发者可据此评估迁移成本与新特性用法。
另有 9 家信源报道Google DeepMind 为 Gemini 推出 agentic 视频理解功能
Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出 agentic video understanding，模型动态扫描视频片段，相比固定帧率处理 token 消耗最多降低 88%，成本最多降低 66%，准确率最多提升 7%。
推荐理由：官方说明列出 token、成本与准确率三项数字和开启方式，开发者可据此评估长视频分析是否换用该模式。
另有 1 家信源报道Google Workspace 推出图像创作编辑工具 Google Pics
Google 发布 Workspace 图像创作与编辑工具 Google Pics，将在未来数周内面向所有 Google AI Pro 和 Ultra 订阅者及多数 Workspace 商业客户推出。
推荐理由：官方发布详解 Pics 的编辑控制与 Workspace 集成节奏，读者可据此判断它如何嵌入现有文档和幻灯片工作流。
另有 2 家信源报道Google 发布 Gemini 3.8 Flash，四个月内第四款 Flash 模型
Google DeepMind 发布 Gemini 3.8 Flash，在 Artificial Analysis Intelligence Index 上以 high 推理得分 59，较 Gemini 3.7 Flash 提升 3 分。
推荐理由：评测方一手数据给出了智能指数、单任务成本和速度的具体变化，可帮助读者判断该模型在实际任务中的性价比。
另有 1 家信源报道