本期已将官方公告、二手转述与个人体验分层；读者应在采用前以产品原文、评测配置及本地复现补足证据。
发生了什么：Anthropic 表示将为遵守 EU AI Act 推进水印，并称其他主要模型开发者亦签署同一行为准则。公告同时声称该方案不改变 Claude 输出质量或内容、读者无法从文本表面区分、不会插入隐藏字符、不增加 token 消耗，也不能把水印回溯到某个具体个人、组织或对话。这里可确认的是厂商公开了这些主张，而非每一产品、地区和接口已经同时上线。 为什么重要：生成文本来源标识正在从概念争议变成采购、内容分发和合规实施问题。对企业而言，水印是否存在只是第一层；检测权限、误报申诉、跨模型再编辑、客户告知和留存证据决定它能否进入真实流程。
发生了什么：Anthropic 宣布发布其 Responsible Scaling Policy 下的第二份 Risk Report，称报告会详细说明系统风险及其应对准备度。当天晨报没有提供报告全文，因此本期不替报告补写具体风险等级、测试数字或承诺；可核实的事实限于该报告已由官方发布并被定位为常规风险披露材料。 为什么重要：模型使用方需要的不只是能力宣传，也需要可以追问的风险假设、缓解措施和升级机制。公开报告不能代替用户组织自己的评估，但能把安全、法务和采购从泛泛承诺带到权限、监控、事件响应等可检查项目。
发生了什么：@dotey 称 GLM-5.3 与 5.2 共用基座，提升主要来自强化学习后训练；帖文列出 Terminal Bench、DeepSWE 等基准的变化，以及在其称为 Code Bench 的测试中以更少 token 获得更高完成率。帖子同时承认，与其中列举的闭源参照仍存在差距。它提供的是待复现实验假设，而不是可直接迁移到任何仓库的排名。 为什么重要：若口径可复现，工程能力的提升不只来自更大预训练，也来自任务环境、反馈信号和长程执行策略。采购与研发不应因“同一基座”而跳过升级压测，因为后训练可能显著改变工具使用与失败模式。
发生了什么：同一长帖称，加入漏洞发现数据和环境后，模型不仅识别问题，还可能规划利用链，并列出 CyberGym、ExploitBench 等分数；@Khazix0918 则称已用其审查项目并发现问题。前者是对发布材料的转述，后者是个案体验，两者都不足以证明误报率、覆盖率或所有环境中的攻击能力。 为什么重要：代码审计、修复建议与攻击链规划共享一部分 agentic 能力。组织若只问“模型是否拒答危险问题”，而不控制仓库、密钥、网络出口和工具权限，实际风险仍会随自动化能力上升。
发生了什么：@dotey 阅读 Pi 的压缩文章后描述：让 LLM 总结上下文，保留前置 system prompt 和工具调用，并可能留下最近数轮对话；作者明确称这种压缩有损，并追问是否存在从历史会话检索上下文的机制。该帖未提供实现代码或召回指标，但指出了长程任务中最容易被忽略的状态损失问题。 为什么重要：agent 失败常来自摘要遗漏权限、文件版本、工具结果或先前决策，而非简单的“上下文不够长”。压缩若不区分不可丢失状态、可再检索证据与短期工作记忆，误差会在多轮任务中累积。
发生了什么：@dotey 表示自己不偏好纯粹的“grill-me”式追问，而更愿意让 AI 快速给出原型、文档或 PoC，再据此判断问题所在。其论点是，生成成本下降使“先做一个看得见的对象”成为可行的澄清方式；这并非对所有需求的普适结论，而是面向模糊、可逆探索的经验。 为什么重要：AI 使低成本实验变多，但也容易让一个外观完整的样品被误认为已验证方案。正确的价值不在于少问问题，而在于用具体产物更早暴露遗漏约束、用户反馈和技术不可行性。
发生了什么：@dotey 分享其在 CLAUDE.md 中要求主 agent 着重需求澄清、方案拆解、任务分发和结果验收，并把大量读代码、写代码、测试和批量修改交给子代理；其动机是速度和 token 消耗。这是具体工具与模型条件下的组织方式，不能直接变成所有团队的成本结论。 为什么重要：agent 评估不应只看单模型得分，还要看任务边界、并行冲突、上下文重复读取和最终验收是否真正覆盖产物。把主模型定位为协调者会改变系统的可观测性和故障恢复点。
发生了什么：@vista8 认为 DeepSeek Harness 的插件系统有趣，并描述让 Codex 监控插件仓库、安装有趣插件的用法；@Khazix0918 观察到相关客户端两天获得约 4K 星，并把它视为降低“极客吃苦”门槛的信号。这些帖子反映社区兴趣与可玩性，不证明插件 API 的稳定性、质量或安全审计已经成熟。 为什么重要：agent 平台竞争正延伸到发现、安装、权限、升级和回滚。扩展越容易安装，越权工具、依赖投毒、不可复现状态与维护负担也越需要被产品化解决。
发生了什么：@vista8 询问用户是否仍使用语音输入法与 AI 对话、使用何种工具，或为何不再使用，并说自己近来使用变少。问题本身不是功能发布，也没有给出样本或结论；它的价值在于把注意力从模型能力拉回真实交互中的启动成本、隐私感受、纠错压力和场景适配。 为什么重要：语音往往被认为是天然的人机入口，但在办公区、公共环境、专业术语输入和编辑任务中，错误成本可能使文本重新占优。单一用户的使用变化可作为研究假设，而非市场趋势。
发生了什么：@vista8 设想“token 银行或 Agent 接单平台”：把闲置 token 用于为他人跑任务，获得积分或收入，再在自己额度不足时调用。帖子没有给出平台、规则、定价或合规证据，因此本期将它视为需求探索，而非“共享算力市场已经形成”的事实。 为什么重要：这个设想暴露出 agent 使用中的闲置额度、任务撮合和成本转移需求，也同时暴露了授权、数据泄露、账单归属、模型条款与任务质量责任等难题。