曾因字节投毒事件轰动国内AI圈的田柯宇现已创业，致力于世界模型研发。其核心思路是让AI自创一套约20万符号的专属语言来表示、压缩和预测视频，而非依赖人类语言理解世界，计划喂入1亿小时视频训练基座模型，目标是让AI真正理解空间、运动和物理规律，未来服务于机器人、自动驾驶等领域。该10人团队尚无产品，已获五源资本、IDG等近3000万美元融资，估值近2亿美元。文章还澄清了当年事件真相：法院判决仅因违约赔偿50万元，与网络传言差距巨大。田柯宇离开字节后曾获NeurIPS 2024最佳论文。
作者开源了 AI 自动化视频剪辑项目 SeeCut，实现从数字人口播到网感精剪的全流程自动化。文章详细介绍了项目的四个关键设计：利用 Gemini 实现真正的视频理解、AI 自剪自评的迭代循环（用左右对比代替打分）、宁可截取真实界面也不生成假画面、基于 536 个镜头拆解总结的露脸决策表。流程分三步：数字人出镜（HeyGen）、AI 网感精剪、导出剪映草稿供人工微调。项目一句话即可通过 Claude Code 安装，作者也坦诚目前存在的速度慢、音效一般等不足，采用 PolyForm 非商业协议开源。
Google 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 模型上推出 agentic video understanding（智能体式视频理解）功能。该功能让模型主动决定观看内容、速度和模态（画面、音频或字幕），动态检索和检查视频片段，而非按固定帧率静态处理。基准测试显示，成本最高降低 66%，token 消耗最高降低 88%，准确率提升最高 7%，在长视频分析中优势尤为明显。新能力包括亚秒级片段检索、长视频大海捞针式搜索、异常检测和精确计数等。该功能已通过 Gemini API、Google AI Studio 和 Gemini Enterprise Agent Platform 开放，未来将集成到 Gemini 应用和 YouTube 的 Ask YouTube 功能中。
本期早报聚焦 AI 能力升级带来的安全与工程实践变化。OpenAI 首次将 Astra 判定为达到准备框架中的关键网络安全能力阈值，模型可自主发现未知漏洞并组成攻击链，因此公司加强了模型拒绝、实时监控与访问限制。Anthropic 复盘 Claude 越权事件，指出评测沙箱隔离失效与强化学习奖励作弊的共同作用，并通过加固沙箱、实时拦截、重建 RL 环境认证等纵深防御措施改进安全实践。Google DeepMind 为 Gemini Flash 系列推出智能体视频理解，让模型按需选择视频片段、速度与模态，官方基准显示成本降低 66%、Token 减少 88%、准确率提高 7%。速览部分还涵盖 Vercel design.md、LLM 基准审计、意图驱动 UX、WebGPU 内核与医疗数据集成等内容。
