Amp 更新 Dial，连接 ChatGPT 订阅后，low、medium 和 high 的主智能体、oracle、thread reader 与 code review 均改用 OpenAI 模型，并由该订阅计费。low、thread reader 和 code review 使用 GPT-5.6 Terra，medium 使用 GPT-5.6 Sol，high 的智能体与 oracle 均使用 GPT-5.6 Sol，同时降低启用订阅时的 credits 最低要求。ultra 仍通过 Amp credits 使用 Claude Fable，未连接订阅的用户也维持原有模式。
#产品更新#编码#OpenAI
#教程/实践#编码#Agent
Wan 团队的新 SOTA 角色动画模型 Wan Animate 2 已在 ComfyUI 获得原生支持，驱动视频直接输入重新设计的 Diffusion Transformer，省去中间运动提取器，并支持文本驱动的视角控制。随模型上线两个节点：WanAnimate2ToVideo 负责接收参考角色与驱动视频，可选的 WanAnimate2Cache 缓存姿态分支，将生成时间大约减半。同系列还有面向流式角色动画的 Wan Animate 2 Lite，推理延迟降至实时水平，并支持视频续接与上下文窗口生成。
#产品更新#视频#开源生态
Seedance 2.5 现已在 ComfyUI 中通过 Partner Nodes 提供，单次生成一段连续的 30 秒视频，并支持最多 50 个参考素材，包括 30 张图片、10 个视频和 10 个音频文件。该模型支持以时间轴方式编写提示词来控制镜头、景别与转场，可对已有视频做自然语言编辑和延长，并以 10 多种语言原生生成对白且匹配口型。用户更新 ComfyUI 或打开 Comfy Cloud，从 Templates 面板加载模板或下载 R2V、T2V 工作流即可使用。
#产品更新#视频#多模态
星海图 Galaxea 展示了一台仅依靠视觉折叠纸箱的机器人，全程为实时运行。该机器人未使用触觉或 F/T sensors，视频也没有加速。
#产品更新#具身智能#多模态
Anthropic 更新 Claude Fable 5 的生物安全防护，重写分类器规则并重新训练，测试中生物学相关回退减少约 85%，日常健康与教育类问题将更少被切换到 Opus 5。病毒学、毒理学和分子设计等双用途请求仍会回退到 Opus 5，因此尚不能用于专业生物学研究和药物开发。Anthropic 表示将继续通过可信访问通道推进前沿生物学能力的开放。
#安全/对齐#Anthropic#产品更新
Sarvam AI 在首届 Sarvam Epoch 上公布全栈更新，包括 Sarvam 105B 面向对话与工作智能体的新变体、Sarvam Vision 2.0、Saaras V4 语音识别模型和 Bulbul V4 语音合成研究预览。Sarvam 105B 在自建印度对话生产基准上四项指标均领先 GPT 5.4 Mini 和 Gemini 3.5 Flash，混合 token 价格为每百万 0.80 美元，并已通过 Sarvam API 提供。公司同时推出印度本地推理层 Sarvam Inference、自服务智能体平台 Indus（含 Voice Agents、Work Agents、Content Studio）、早期测试的 Sarvam Code、安全智能体 Sarvam Cyber 预览，以及 Mac 版语音应用 Kivi。
#产品更新#语音#多模态
腾讯混元开源算子库 HPC-Ops 的 Attention、Router GEMM 和 MoE 三个算子已并入 SGLang 主分支，面向 NVIDIA Hopper（SM90）GPU，并已用 Qwen3、Hy3 和 LongCat 工作负载验证。在 8× H20 上以 Hy3-FP8 同时启用 Attention 与 MoE，batch size 4–64 时 TPOT 降低 15.1–48.8%，batch size 4–16 时 TTFT 降低 3.3–6.0%；LongCat-Flash-Lite-FP8 启用 Router GEMM 后输入吞吐提升 5.5–6.1%。这些算子已在腾讯大规模生产服务中部署，其中 Dynamic Attention 与 Fused MoE 使 Hy3 模型的 TPOT 最多降低 48.8%。
#开源/仓库#部署/工程#开源生态
Prime Intellect 的 RL 栈从训练单个智能体扩展到多智能体系统，可编程定义智能体之间的任意交互、选择哪些角色参与学习，并在完整交互上分配信用。新抽象 Agent 与 Env 分别负责单智能体 rollout 和多智能体控制流，已实现 Agentic Judging、Self-Play（Proposer-Solver 与 Kuhn-Poker）和 User-Sim 四种环境，并配套 Hierarchical GRPO 与 Role-Conditioned Advantage Estimation。多智能体支持随 verifiers 0.3.0 和 prime-rl 0.8.0 发布。
#产品更新#Agent#开源生态
#产品更新#推理#部署/工程
Hugging Face Inference Providers 现已支持 Baseten，用户可通过网页、huggingface_hub >= 1.26.1、JavaScript SDK 及多种 Agent Harness 调用其托管模型。请求可使用供应商 API key 直连并由供应商计费，也可经 Hugging Face 路由且不加价；PRO 用户每月获 $2 推理额度，登录的免费用户享有少量免费配额。
#产品更新#部署/工程#Hugging Face
LongCat-2.0 现已可在 OpenCode 免费使用。原文未提供更多功能、限制或可用性细节。
LongCat-2.0 is now free on OpenCode 1M Context · fully open source Meituan's latest model optimized for coding
#产品更新#编码#开源生态
#产品更新#Agent#部署/工程
Prime Intellect 发布开源编码智能体 Prime Agent，围绕递归语言模型（RLM）和 Continual Harness 两个抽象构建，把上下文当作变量、把子智能体调用当作 REPL 中的函数调用，并允许智能体对自身的提示词、技能、记忆和子智能体做增删改查。其 /refine 流水线会读取自身轨迹并施加最小的 CRUD 编辑来改进 harness，基础系统提示词保持不变且支持按 ID 回滚。评测中 Prime Agent 配合 Opus 5 在 ARC-AGI 3 上取得 95.5% RHAE Best@1，三次运行区间为 [95.0, 95.2, 95.5]，Best@3 达 99.97%，183/183 关卡全部完成，且整体 token 用量低于各模型原生 harness。
#产品更新#Agent#编码
LongCat-2.0 根据一段游戏创意描述生成了可玩的小游戏。原文未提供具体玩法、生成过程或可用性细节。
#产品更新#编码
一个提示词将电影化概念转化为沉浸式 Landing Page 网页体验。原文提供了该页面的链接，但未说明所用模型、工具或实现方式。
#产品更新#编码#视频
LMSYS 发布 SpecForge v0.3.0，将目标模型推理与草稿模型训练解耦为生产者与消费者两个资源池，在 8×H20 上以 3 台 SGLang 捕获服务器加 5 个训练 worker 的拓扑，端到端训练吞吐较此前同置实现提升约 10%。新运行时统一支持 EAGLE3、EAGLE3.1、P-EAGLE、DFlash、Domino 和 DSpark 多种推测解码方法，并新增训练与推理一致性校验流程。同时发布 SpecBundle 草稿模型集合，11 个 checkpoint 中有 9 个来自蚂蚁集团 AQ、RadixArk、招商银行、Domino 作者及社区成员，全部仅用开放数据训练。
#开源/仓库#部署/工程#数据/训练
Amp 发布 Attach Anything 功能，用户现在可以上传视频、日志、PDF、表格、数据集等任意文件到 orbs 供 Amp 查看和使用。官方列举了屏幕录制修复应用、日志调试、将演示文稿和表格转为交互式网站、从媒体输入生成视频和 CAD 文件、转录音视频等用例。
#产品更新#多模态#视频
微软研究院推出开源框架 Orchard，核心是 Orchard Env，一个基于 Kubernetes 的轻量环境，可并行创建、管理和移除数千个隔离组件，用于数据收集、强化学习 rollout 和评估。团队同时发布 Orchard-SWE、Orchard-GUI、Orchard-Claw 三个领域训练方案及训练数据与评估方法。Orchard-SWE 在 SWE-bench Verified 上从 61.4% 基线提升至 69.7%，加入价值模型重排序后达到 73%；Orchard-GUI 训练 4B 参数视觉语言模型，在 WebVoyager、Online-Mind2Web、DeepShop 上平均 68.4%。
#开源/仓库#Agent#数据/训练
OpenRouter 发布 Ori Eval，一个面向产品内模型的评测工具，可让编码智能体扫描代码库中调用模型的位置，确认成本、性能、延迟、工具调用准确率等偏好后，从最新模型中选出 5 个候选并生成 review.eval.ts 文件，用 bun test 并行跑评测并给出带理由的推荐。评测文件会检查智能体调用了哪些工具、避开了哪些工具以及答案质量，开放式回答由 LLM-as-a-judge 按设定标准打分。单次评测通常花费 10 到 30 美元，可接入 GitHub Actions，评测失败即构建失败，也可定期重跑并在新模型更优时自动开 PR。
#产品更新#Agent#评测/基准