本周不像能力跃迁，更像产品铺开与公共讨论同时加速。智能体被写进语音、法律、代码审查和企业工作流；论文继续拆表征、调度和物理控制的成本。HN 热帖则集中在训练数据、劳动与厂商红线，分数很高，可核对细节很少。

智能体进了产品，基准把成功率压回地面

OpenAI 把「快速电脑操作」写成产品定位：OpenAI 发布 GPT-6.1 Terra：要把快速电脑操作带给所有人，材料只有标题与一句摘要。案例更具体：CodeRabbit用GPT-6.1 Sol做安全智能体：协助审阅风险与修复；缺陷检测不再止于代码审查：Greptile 用 GPT-6 Astra 测试用户工作流并减少返工，后者还用 Daybreak 加强安全、用 Codex 减少返工，但未给效果数字。Retell 月通话约一亿：GPT-6 Astra 居语音基准首位，Codex 助力人均 160 万美元 ARR。Check Point 用 Daybreak 加速漏洞研究；Legora 要做法律智能体操作系统。

产品叙事很满，可执行基准不给面子。最强智能体任务成功率仅42.3%：旧技能在工具生态演化中跟不上 用 1588 个多轮任务、42 个领域和六代工具生态，最强对象成功率仅 42.3%。最强系统核心全达标仅76.3%：代码视频基准暴露一小时规划失败 含 239 项中英任务、限一小时交带声 MP4，失败多因渲染规划，GPT-6 Astra 第一。DynaFlow 把可执行工作流纳入主智能体动作空间，Forced 模式下六项基准总体准确率 88.08%；TAO 做工具感知联合调度，延迟最高降 26.8%；MPO 以轮次为锚点，相对强强化学习基线报告一致提升。HN 称 GPT-5.6 Sol 通关 Factorio 和平模式，没有方法细节。智能体可以进产品手册，不等于过了可复现的关。

企业接入在扩，治理文件同步变厚

企业应用与智能体进ChatGPT：OpenAI扩大与Oracle合作；企业工作流双向打通：OpenAI与ServiceNow扩大合作，模型进入 ServiceNow，工作流进入 ChatGPT 和 Codex。Ropes & Gray 做交易尽调，律师先审分组摘要再给客户建议。组织图里的 AI「在下、在旁、在中间」，材料无定论也无数据。

约束语言同时出现：能力增强仍需价值约束：OpenAI 更新 Model Spec，五项核心价值指向判断与人的主体性；OpenAI 将尊重共享 robots.txt 训练信号：网站可向参与提供商统一表达内容偏好；摘录法庭简报主张合理使用；ChatGPT 加强青少年保护并承诺社区安全报告；分层监控用于发现前沿模型错位与未授权智能体。条目多停在摘要，没有条款清单和效果数字。能确认的是：接入面在扩，官方把判断、主体性、内容偏好和青少年写进同一周的产品周边。

HN 热度很高，能落笔的硬事实很少

Anthropic提交S-1：热帖千余分，可引用信息仍极有限 1471 分、1445 评，只确认提交。HN热议：Anthropic被指用非法获取的斯坦福教授著作训练Claude 460 分、263 评。Claude Code 定期把后台智能体对话发给模型：社区热议数据回传 561 分、225 评。另有帖称 Anthropic 封禁触及更大规模模型训练的用户，未见官方细则。开源侧，Cohere 提醒热门开源权重模型的令人担忧行为但未点名；Mistral 开放 Large 4 权重，约 1212 分、340 评，无规格与许可。

劳动与公共知识也停在信号层：布朗学生绘制AI背后的全球隐秘劳动力地图：HN热帖引发关注；伯克利数学教授认为批改作业已无意义；维基百科清理 AI 生成内容，未给规模与方法。Cerebras 万亿参数部署、三星 TFLite 处理 960x540 图像、OpenAI 融资不及 300 亿美元目标一半，都是热度大于指标。当气压计可以，当技术或财务结论不行。

论文在改切法：好视角、少步数、少在线生成

量化误差不是语义损失的可靠指标，分解式向量量化让离散视觉表示追上连续特征。好视角比堆规模更划算：JEPA把柏拉图表征假说证成定理：好视角下表征至多差一个旋转；109M 文本 JEPA 对齐视觉编码器，优于评测过的最大 72B 语言模型。SpecSlot 只让最低频做全局注意力；IDM 两步评估在 LongText-Bench 最高；「先懂后画」3B 模型用 6600 H100 小时，GenEval 86、DPG-Bench 87。5B 解析器用一套 OmniSchema 统一输出可定位的时空结构化记录。

物理控制不想在环里生成视频：不必在线生成视频：PDRVLA用物理token条件化机器人动作，四项仿真最高 99.3% 成功率；ThinkWorld 让无标注人类视频也能监督 VLA；潜空间三维高斯记忆摘要称可达 9 FPS。模板法修好配比就能赢生成模型：T180上Top-1达72.2% 超过 CrystalFlow 等生成模型。A-RSI 十一项基准平均分从 57.77 升至 61.05；GEPA merge 是否有用取决于配置。先改问题切法，再谈堆参数。

值得注意的信号

  • AI承诺少干活，开发者却更忙了：HN热帖的集体共鸣：616 分与 616 评，体感强过基准数字。
  • 马丁·福勒「LLM Voice」在 HN 仅有热度数字，日报不推断正文。
  • LFM3、Nemotron 转录与万圣节标题、Granite Switch 4.1.1，信息薄，只适合待核验。
  • OpenAI 分享挂谷猜想、指数时间假设与 QCD 上的模型结果，强调可核验与可接力，材料未给具体结论。
  • Trinity 按共享能力做多模态智能体递归自改进；AMBIT 用可执行计划统一 FOA 生成与编辑。

我的判断

本周证据不够支撑「跃迁」，更像一次铺开和对账。产品把智能体写进通话、尽调、代码审查和企业工作流；论文在抠调度、表征和物理 token；社区在训练数据与厂商红线上加温。只看 HN 分数会高估确定性，只看厂商案例会低估 42.3% 的任务成功率和视频交片失败。热帖当信号，带任务数的论文当约束，把「材料未披露」当真。能力可以进工作流，证据标准不该跟着口号放松。