本轮更新共同说明，agent 的竞争开始由“会做什么”转向“能在什么数据、权限、课程和组织边界内持续做”。采购或自建时，把搜索命中、来源可追溯、敏感动作确认和人工复核设为同等重要的上线指标。
发生了什么：OpenAI 把 ChatGPT 的搜索范围扩到历史聊天、项目、已上传的图片和文档；公告称该能力将在 Web、iOS 与 Android 向各计划用户逐步开放。此前用户往往只能依赖对话标题、项目目录或手工翻找文件，这次变化把“曾经聊过、放过、传过”的内容放进同一个召回入口。 为什么重要：它并非新增推理模型，而是在解决长周期工作里更常见的“做过但找不回”问题。对研究、销售、产品和代码协作来说，检索命中后可直接回到原对话或文件，理论上会减少重复提问与重复上传；但组织也会因此更依赖项目命名、文件归属与历史记录的治理质量。
发生了什么：Anthropic 面向美国认证 K–12 教师推出免费 Claude 入口，提供高级能力、面向教学的技能，以及连接 Learning Commons 的资源；官方称内容可参照美国 50 州的学术标准，并承诺默认不使用教师内容训练模型。它将产品定位从“通用聊天助手”进一步收束到备课、材料改写、课堂活动设计等日常教学环节。 为什么重要：教育场景的难点从来不只在生成教案，而在内容来源、教师责任和学生数据是否能留痕。若课程标准、引用材料和教师改动能被清楚追溯，AI 才可能进入常规工作流；否则它仍只是教师个人账号里的效率工具，难以通过学校采购、法务和家长沟通。
发生了什么：Google 宣布 Gemini in Chrome 开始向英国桌面端用户分批推出，iOS 版本计划下月跟进。官方列出的使用方式包括跨标签页比较信息、结合 Calendar、Maps、Gmail 和 YouTube 完成查询，以及根据对话记忆给出更贴近上下文的回答；对涉及敏感操作的请求，官方称会要求用户确认。 为什么重要：浏览器是账号、文档、付款和内部系统最密集的入口。把模型放进浏览器后，能力不再只是总结网页，而是可能跨多个已登录服务取数、形成草稿并推进下一步操作。产品价值会更直观，但权限边界也从“模型是否会答错”升级为“模型在什么页面、以什么身份、能走到哪一步”。
发生了什么：Anthropic 宣布向加拿大 AI 研究投入 1,000 万加元，合作方包括 Amii、Mila、Vector、CHEO、CAMH 与多所大学。公告列出安全、医疗、低资源语言、多 agent、机器人等研究方向；部分合作将以 Claude 或 API credits 的形式获得支持，而不只是一次性的品牌赞助。 为什么重要：资金、算力和模型访问额度正在成为研究基础设施的一部分。对资源有限的研究团队，credits 能决定一个实验能否持续运行；对公众而言，关键问题则是研究议题、数据访问、评估方法与成果发布是否仍保持独立。医疗、未成年人和低资源语言等方向尤其不能只以模型公司自述作为安全结论。
发生了什么：BaoCut 发布了可由 Claude Code、Codex 等兼容 agent 调用的开源 Skill。项目把 macOS 应用自带的命令行能力包装出来：agent 可以发起转写、加字幕、翻译、说话人检查、口播清理和导出；而应用本身仍承担预览、校对与二次编辑。仓库显示 7 月 14 日同步了 v0.1.2，明确要求本机安装 BaoCut 应用与 macOS，Skill 不携带或替换底层处理引擎。 为什么重要：视频生产常见的断点是：模型能产出字幕文本，却无法让人高效检查时间轴、改一句话后重看结果。这个设计把“可脚本化的重复工序”交给 agent，把画面预览和最后判断留在 GUI；它比单次上传视频、拿回一份文本更像一个可反复调用的工作流接口。对做内容、访谈整理或多语本地化的人，真正的变化是工具开始提供 agent 可发现、可调用的操作面。
发生了什么：MORPHEUS 论文提出一个面向持续强化学习的企业模拟平台。它不把每道题或每一轮交互视作独立回合：环境持续存在、目标会异步变化，前面的决策会累积影响后续状态。论文把这种设置用于检验传统 episodic、stationary 基准难以覆盖的能力——在不重置的系统里发现变化、更新策略、承担延迟后果，而不是只在固定起点上争取一次性得分。 为什么重要：真实 agent 往往管理的是不会清零的上下文，例如库存、工单、客户状态、权限和历史操作。若评测每一局都重置，模型可能在单步规划或短链工具调用上很好，却没暴露“错误会遗留多久”“目标变了会不会继续沿用旧计划”“多次动作会不会积累风险”等问题。MORPHEUS 的价值不在于立刻给出某模型排名，而是把长期运行、非平稳环境和运营复杂度变成可以被明确测量的条件。
发生了什么：一份来自长期使用 Seedance 制作视频的经验总结提出，提示词应优先交代主体、场景、音乐/音效和镜头四件事；人物与场景尽量通过图像参考复用，而非将所有细节再写成冗长文字。复盘还主张不必把带运动曲线和表格的复杂分镜图一股脑交给模型，不要依赖镜头时间戳控制时长，先以 720p 生成并在定稿阶段再放大，同时把节省出来的时间投入真实的分镜与故事判断。 为什么重要：这条经验把视频生成的瓶颈从“写得更像提示词”移回“约束是否清楚、参考是否稳定、人工是否有明确创作判断”。对内容团队而言，主体和场景参考比堆砌形容词更接近可复用资产；把 BGM、镜头节奏和最终清晰度放在后段处理，也减少了一次生成同时背负所有要求的负担。它与前述 agent+GUI 的走向相同：自动化可以缩短机械环节，不能替代选镜头和讲故事。