Cognition 发文复盘十个月的多智能体实践，认为并行写作者群体仍难落地，真正有效的是写操作保持单线程、其他智能体只贡献判断的模式。文中给出两个已验证案例：Devin 与 Devin Review 在互不共享上下文的情况下迭代，平均每个 PR 发现 2 个 bug，其中约 58% 为严重问题；跨前沿模型互调的 smart friend 在生产环境中于最难场景带来实际提升。作者同时指出，让能力较弱的主模型判断何时升级求助仍是未解问题，并认为这属于训练层面的问题。
匹配字段摘要
Sakana AI 提出提示技术 String Seed of Thought（SSoT）：让 LLM 在输出中先生成随机字符串，再据此推导答案，无需外部随机数生成器。该方法在开源与闭源 LLM 上显著降低输出偏差，在 DeepSeek-R1 等推理模型上准确率接近真实随机采样，并可从二选一推广到 n 选一和任意概率分布。在 NoveltyBench 多样性基准的六个类别上，SSoT 均优于其他方法且保持输出质量，该工作将在 ICLR2026 展示。
匹配字段摘要
Linear 复盘 3 月 24 日安全事件，一项性能优化中的变量遮蔽错误导致团队级权限过滤失效，约一小时内私有团队数据可能被同一工作区的其他成员访问。暴露可能涉及通知邮件、约 7,000 次客户端完整启动、移动端、API 和第三方集成，但未波及工作区外部，也未暴露凭据、API keys 或身份验证 tokens。Linear 已回滚代码、清理客户端缓存并扩充权限边界测试，事后审计未发现恶意滥用证据。
匹配字段摘要
Cursor 发布 Composer 2 后，有用户表示这是自己处理大多数任务的首选模型，认为它聪明、快速、高效。该用户还提到其他模型常陷入过度思考的循环，而 Composer 2 没有这个问题，用起来很有趣。
匹配字段摘要
goose 官方博客宣布，借助 Agent Client Protocol（ACP），用户现在可以在 goose 中使用 Codex、Claude 和 Gemini 的订阅。Codex 可直接登录 ChatGPT 账号，无需安装其他组件；Gemini 通过 OAuth 用 Google 账号登录；Claude 需一次性安装一个小型适配器包。goose 会把已配置的 MCP 扩展通过 ACP 传递给 Claude，而 Codex 属于完整的 LLM API，可直接在 goose 中使用扩展。原有的 claude-code、codex、gemini-cli 等 CLI 直通 provider 即将移除。
匹配字段摘要
Cursor 团队成员 Balta 表示团队一直在为每个模型调优 harness，具体做法包括避免模型陷入循环、把较大的工具返回结果写入文件让智能体用 grep 检索以免撑爆上下文，以及在循环中加入提醒引导智能体行为。他同时表示很高兴看到用户喜欢改进后的智能体 harness，后续还有更多更新。被引用的推文称 Matt Maher 测试了前沿模型在 Cursor 与其他 harness 中的表现，Cursor 平均提升模型性能 11%，其中 Gemini 从 52% 升至 57%、GPT-5.4 从 82% 升至 88%、Opus 从 77% 升至 93%。
匹配字段摘要
OpenHands 更新其软件工程评测基准 OpenHands Index，新增 Claude 4.6 Opus、GPT 5.2 Codex、Kimi K2.5、GLM-4.7 和 MiniMax M2.5 的评测结果，并公开全部评测轨迹。借助 CMU 团队的开源工具 Hodoscope，他们发现 Commit0 基准存在漏洞：仓库以完整 git 历史克隆，智能体可用 git log、git show 直接复制原始实现。改用浅克隆（--depth 1）修复后，MiniMax-M2.5 的 Commit0 分数从 50% 降至 18.8%，运行时间增加近 4 倍，多数其他模型下降约 12-13%。OpenHands 同时与 Laminar 合作，为每次评测提供可交互的轨迹可视化。
匹配字段摘要
Sarvam AI 发布 Arya 智能体编排栈，面向生产级智能体，围绕八个可组合原语（LLM、Agent、MCP、Node、Ledger、Task Graph、Code Interpreter、Artefact）构建。该栈提供不可变状态账本、按节点调节确定性与智能体自由度的机制，以及用 HCL 声明式描述任务图的构建方式，并支持将任务图封装为 MCP 供其他智能体调用。Sarvam AI 表示其调试服务 Acta 会持久化每次状态转换，便于追踪与回放。
匹配字段摘要
Cognition 为 Devin 推出自动修复功能，可自动处理 Devin Review 及其他审查机器人留下的 PR 评论，并继续自动修复 lint 和 CI/CD 问题。该功能适用于任何在 PR 上留言的机器人，包括 linter、CI 流水线、安全扫描器和依赖管理工具，机械性修复无需人工介入。用户可在 Settings > Customization > Autofix settings 中配置响应哪些机器人，也可在 app.devin.ai/settings/review 开启自动审查。
Cognition 为 Devin 推出自动修复功能，可自动处理 Devin Review 及其他审查机器人留下的 PR 评论，并继续自动修复 lint 和 CI/CD 问题。该功能适用于任何在 PR 上留言的机器人，包括 linter、CI 流水线、安全扫描器和依赖管理工具，机械性修复无需人工介入。用户可在 Settings Customization Autofix settings 中配置响应哪些机器人，也可在 app.devin.ai/settings/review 开启自动审查。
匹配字段摘要
自动驾驶将比其他任何事物更快实现现实世界影响。真正酷的部分是，世界模型不只是关于视频；它是关于对各类连续、高维、含噪信号的建模。这才是"多模态"的真正含义。祝贺 @maxjiang93、xander、bo 以及整个 Waymo 团队 👏
匹配字段摘要
Anthropic 发布 Claude Opus 4.6，称其在编码能力上较前代提升，能更长时间维持智能体任务，并首次为 Opus 系列模型提供 1M token 上下文窗口（beta）。该模型在 Terminal-Bench 2.0 取得最高分，在 Humanity's Last Exam 上领先其他前沿模型，在 GDPval-AA 上比 GPT-5.2 高约 144 Elo 分、比 Opus 4.5 高 190 分。API 侧新增自适应思考、四档 effort 控制、上下文压缩（beta）和 128k 输出 token，定价维持 $5/$25 每百万 token，超过 200k token 的提示按 $10/$37.50 计费。
匹配字段摘要
SGLang-Diffusion 自 2025 年 11 月初发布以来，经两个月优化后（docker 镜像 lmsysorg/sglang:dev-pr-17247）比初版快 2.5 倍，在 NVIDIA GPU 上比其他方案最高快 5 倍。新增对 Flux.2、Qwen-Image-Edit-2511、Z-Image-Turbo、GLM-Image 等模型的 Day-0 支持，并集成 Cache-DiT、支持 LoRA 与 ComfyUI 自定义节点。
匹配字段摘要
Cursor 宣布完成 2.3 亿美元 D 轮融资，投资方包括 Accel、Andreessen Horowitz、Coatue、Thrive、Nvidia 和 Google。Cursor 同时表示年化收入已超过 10 亿美元，并称其产出的代码量超过世界上任何其他智能体。这笔资金将用于加大研究投入，打造 Cursor 的下一个亮点功能。
匹配字段摘要
OpenHands Cloud 现已向所有用户开放自带 LLM（BYOK）功能，用户可在界面左下角头像处选择 OpenHands 或其他 LLM 提供商。新的 BYOK 档位免费、限 1 名用户，并对每日及并行对话数量设有限制；如需增加团队成员或扩大用量，可查看其他 OpenHands Cloud 定价方案。未自备 LLM key 的用户仍可使用 OpenHands LLM Provider，以零加价按成本访问 Claude Sonnet 4.5、GPT-5、Qwen3-Coder 等模型。
匹配字段摘要
METR 对 Anthropic 2025 夏季试点破坏风险报告进行外部评审，认同 Anthropic 的结论：Claude Opus 4 和 4.1 带来的灾难性破坏风险很低，且该评估适用于报告界定范围内的其他模型。METR 认为公开版本的删减基于公开理由总体合理，且删减在公开报告中标注准确。
匹配字段摘要
Browser Use 发布 0.8.0，推出 ChatBrowserUse 网关，称在保持相同性能的前提下把延迟降低 6 倍，智能体可达每分钟 20 步。官方称 BU 1.0 准确率约 65%，与 Claude Sonnet 4、Claude Sonnet 4.5、Gemini 2.5 Computer Use、OpenAI Computer-Using Model 等计算机使用模型相当，但速度快 4 倍，单条轨迹纯 LLM 推理时间约 68 秒，其他模型约 225 至 330 秒。使用时只需配置 BROWSER_USE_API_KEY 一个环境变量即可接入。
Browser Use 发布 0.8.0，推出 ChatBrowserUse 网关，称在保持相同性能的前提下把延迟降低 6 倍，智能体可达每分钟 20 步。官方称 BU 1.0 准确率约 65%，与 Claude Sonnet 4、Claude Sonnet 4.5、Gemini 2.5 Computer Use、OpenAI Computer-Using Model 等计算机使用模型相当，但速度快 4 倍，单条轨迹纯 LLM 推理时间约 68 秒，其他模型约 225 至 330 秒。使用时只需配置 BROWSER USE API KEY 一个环境变量即可接入。
匹配字段摘要
安全研究者 Johann Rehberger 发布 AgentHopper 概念验证，用一个通用提示注入载荷在多个编码智能体间自我传播。载荷先感染开发者智能体，再扫描 Git 仓库注入指令并推送回 GitHub，其他开发者拉取被感染代码后触发注入，形成循环传播。攻击路径涉及 GitHub Copilot、Amp Code、Amazon Q Developer 和 AWS Kiro，相关漏洞均已由厂商修复。作者建议为 SSH 和签名密钥设置口令、启用分支保护并遵循最小权限原则。
匹配字段摘要
安全研究者 Johann Rehberger 披露 Windsurf Cascade 存在隐藏提示词注入漏洞，开发者看不到的不可见 Unicode Tag 字符会被模型当作指令执行。演示中一个看似空白的文件实际含隐藏指令，使用 Claude Sonnet 3.7 时 Cascade 会据此调用 web 工具。作者指出 Windsurf 的 SWE-1 模型目前能“看到”这些字符但尚不能将其解释为指令，而 Windsurf 支持的其他模型可以可靠地执行这类不可见指令。该问题已于 2025 年 5 月 30 日披露给 Windsurf，后续沟通一度中断，作者建议在 UI 中显示这些字符或在推理前后直接移除不可见 Unicode Tag 字符。
匹配字段摘要
安全研究者 Johann Rehberger 披露 GitHub Copilot 与 VS Code 中的提示词注入漏洞 CVE-2025-53773，攻击者可通过源码文件、网页、GitHub issue 或 MCP 返回内容中的注入指令，向 ~/.vscode/settings.json 写入 "chat.tools.autoApprove": true，使 Copilot 进入 YOLO 模式并关闭全部用户确认，进而执行终端命令实现远程代码执行。该漏洞影响 Windows、macOS 和 Linux，作者演示了下载恶意软件、接入远程命令控制服务器，以及通过感染文件在 Git 项目间传播的 AI 病毒思路。作者于 2025 年 6 月 29 日报告，微软在 8 月补丁星期二发布修复；文中还提到 .vscode/tasks.json 和伪造 MCP 服务器等其他可导致代码执行的攻击面。
安全研究者 Johann Rehberger 披露 GitHub Copilot 与 VS Code 中的提示词注入漏洞 CVE-2025-53773，攻击者可通过源码文件、网页、GitHub issue 或 MCP 返回内容中的注入指令，向 /.vscode/settings.json 写入 "chat.tools.autoApprove": true，使 Copilot 进入 YOLO 模式并关闭全部用户确认，进而执行终端命令实现远程代码执行。该漏洞影响 Windows、macOS 和 Linux，作者演示了下载恶意软件、接入远程命令控制服务器，以及通过感染文件在 Git 项目间传播的 AI 病毒思路。作者于 2025 年 6 月 29 日报告，微软在 8 月补丁星期二发布修复；文中还提到 .vscode/tasks.json 和伪造 MCP 服务器等其他可导致代码执行的攻击面。
匹配字段摘要
Vapi 通过动态路由系统将每次请求发往当时最快的 Azure OpenAI 部署，把 GPT-4o mini 的 P95 延迟削减了超过 1000ms。该系统先用单 token 请求轮询 40 多个部署，再结合线上真实延迟实时更新路由表，并保留少量流量探索其他部署；针对请求无响应挂起的情况，还按各部署历史标准差设置动态阈值，超时即回退到次快部署。
匹配字段摘要