BestBlogs 早报 · 07-14｜Claude 价值轴量化与多智能体实践
本期早报深入探讨 AI 系统工程化落地：Anthropic 研究量化了不同模型和语言中的价值观差异；淘宝直播分享了通过拆分多智能体来解决奖励归因难题的实践；微软则从企业视角提出了包含五层的生产 Agent 框架。此外，速览涵盖 OCR 模型、编码成本对比及国产大模型进展。
相关文档
BestBlogs 早报 · 09-23｜Claude Opus 5.5 发布，MiMo-V2 扩展强化学习，美团分享统一推荐基座大模型实践
本期早报精讲三条内容：Anthropic 发布 Claude Opus 5.5，能力接近上代旗舰而成本下降 40%，并强化行动控制与可审计机制；小米发布 MiMo V2.6，通过更大的 Batch、全异步架构和可验证任务环境扩展强化学习，并开源训练框架与轻量 Harness；美团分享 MTFM 统一推荐基座在外卖多业务场景的落地，通过异构 Tokenizer 与混合注意力实现跨业务统一建模，订单量提升 2.06%-6.68%。速览涵盖腾讯工程师转型大模型推理、AI 产品评估实践、Agent Harness Skill Engineering、去哪儿网 AI Coding 重构、千问办公企业上下文、算力芯片趋势及 OpenAI 第三方评估原则。
BestBlogs 早报 · 07-29｜MCP 无状态化与多智能体编排成本
本期早报探讨 MCP 协议的无状态核心变化与 Claude 的生产化接入，分析 Codex 与 ChatGPT Work 共用的执行框架差异，并审视多智能体并行中上下文搬运的隐性成本“编排器的税”。同时涵盖图工程、vLLM 商业化及 Uber 零增长架构等速览内容。
AI 早报：Anthropic 交付架构、LangChain 设计智能体与 Ai2 新颖性裁判研究
本期早报围绕智能体系统建设展开：一是 Anthropic 负责人解释 Claude 交付架构，将会话记录、运行框架与沙箱执行环境分离，使失败恢复不影响工作连续性；二是 LangChain 分享设计智能体的实践，将设计师的审美判断沉淀为技能与知识库，中位费用从 8 美元降至 0.50 美元；三是 Ai2 研究检验 LLM 判断研究想法新颖性的可靠性，发现提示词变化可导致准确率剧烈波动。此外还涵盖 Google A2UI 推理格式、Optiver 模型接入平台、小红书 AllSpark 数据管线及 K2 Lab 垂直 AI 产品等内容。
如何把 Opus 5.5 变成工作室：动效设计、Harness 与循环的完整指南
文章介绍了 Anthropic 发布的 Claude Opus 5.5 模型，其性能达到 Fable 5.1 水平但运行成本低 40%，尤其在长时间自主任务中表现突出。作者指出动效设计、Harness 工程和循环工程三者实为一个完整技术栈，并以五部分结构展开讲解：模型本身的基准数据与定价、如何用它做纯代码驱动的动效/动画创作、让输出可靠化的 Harness 工程、让 Agent 持续自主工作的循环机制，以及如何用单个模型串联整个工作流。文章强调缓存读取降价 60% 使长循环成本可控，并列举了大规模代码迁移、翻译 HAProxy 等实际案例。
Google 拆解 Agent Compute Engine，Claude 分享构建单智能体循环方法，CrowdStrike CEO 谈 AI 安全
本期早报精讲三篇文章：Google 公开 Agent Compute Engine 架构，通过 Harness 与 Sandbox 分离、凭据外置和快照空闲机制，兼顾智能体持续工作的便利、安全与成本；Claude 应用团队分享何时将子智能体合并回主循环，指出配合技能的单一智能体在质量、延迟和成本上常优于多角色设计，并给出渐进迁移与评测方法；CrowdStrike CEO George Kurtz 谈 AI 时代的安全变化，包括攻击速度加快、身份成为入口、数字孪生对抗演练等。速览部分涵盖 WorkForge 训练框架、Air Canada 智能体测试实践、个人 Agent 评测等内容。
本周 Top AI 论文精选
DAIR.AI 汇总了本周五篇重要的 AI 论文：(1) Harness Learning，通过 RL 训练提议模型在测试时修订 agent 的 harness 代码而非模型权重，实现可泛化的适应能力；(2) CorpusMap，微软提出的基于实体的语料库导航层，让 agent 搜索更准且省 34%-57% 的 token；(3) VeriHarness，Google 提出的 agentic 验证方法，揭示多数投票的盲点，在长周期任务上提升选择准确率；(4) HERMES，将仓库组件变成主动参与者的 harness，使 GPT-5.6 在仓库迁移任务上从 6.5% 提升至 31%；(5) Sakana AI 的 MASS，用同一基座模型兼任 agent、评估者与优化者，实现多智能体自我监督进化。
如何用 Claude Opus 5.5 构建你的第一个 AI Agent 团队
本文是一篇基于 Claude Agent SDK 的多智能体系统构建教程。作者指出当前多数'多智能体系统'只是昂贵的混乱，问题不在模型而在架构。文章介绍了子代理的四大价值：上下文隔离、并行化、专业化指令和工具限制，并说明 Opus 5.5 在成本、effort 分级和时间感知三方面如何优化 agent 团队。核心原则是：大多数任务不需要团队，单一 agent 更快更省。教程详解了团队架构的三个角色——编排器、专家和批评者，并从搭建 SDK 环境开始，手把手演示先构建独立编排器、再逐步委派任务的实践路径。
一夜三连发，Claude Opus 5.5、GPT-6 Sol和Luna全部都来了
Anthropic与OpenAI同日发布多款新模型：Claude Opus 5.5、GPT-6 Sol和Luna。作者详细评测了各模型的定位与表现：Opus 5.5作为Claude系列性价比模型，Coding能力达到SOTA，成本下降40%，速度提升30%，但Token消耗大；GPT-6 Sol和Luna主打降本，价格比上代便宜50%甚至低于Deepseek，Token效率出色、幻觉率大幅降低，但审美与细节能力有明显降级。作者指出两家公司差异化路线：Anthropic专注Coding通往AGI，OpenAI专注全面Agent能力，并给出不同场景下的模型选择建议。
BestBlogs 早报 · 09-11｜DeepSeek 降缓存成本，Magic 验预训练效率，Shopify 原生化
本期早报聚焦 Agent 能力落地过程中的工程变量与真实收益。精讲三篇：DeepSeek V4.1 Flash 通过大幅缩减 KV Cache 降低长上下文推理与缓存成本；Magic 用保留集、缩放律和防数据泄漏评测验证预训练配方的十倍效率提升，强调跨规模验证的重要性；Shopify 因编码模型降低双端实现成本，从 React Native 转向 Swift/Kotlin 原生开发，并通过 Helix 流程保证 AI 生成代码的可交付性。速览部分涵盖 Cognition SWE-2 的成本-能力 Pareto 优化、Agentic Harness 工作流框架、Anthropic 网络安全事件对齐复盘、规范驱动开发研究、LinkedIn 企业 Agent 的 Skills 实践与 Bolt CEO 关于原型到生产代码的访谈。
GPT-6发布，OpenAI说AGI时代来了
OpenAI于2026年9月4日发布GPT-6 Astra，与Anthropic的Claude Fable 5.1正面竞争。Astra在数学（FrontierMath 97.6%）、ARC-AGI-3（99.9%）、电脑操控（OSWorld 2.0）等评测上大幅领先，编程类任务则与Claude咬得较紧未全面胜出。文章分析了各项benchmark数据、定价（与Fable 5.1相同）、Codex跨上下文记笔记等新功能，指出Astra是首个触发Critical网络安全阈值的模型，因此漏洞利用能力被限制。作者认为AGI时代特征初显，电脑操控能力将碾压此前人机协作的苦力活。
实测Claude Fable5.1：长时间Agent任务和浏览器自动化稳压GPT5.6
作者实测Claude Fable 5.1新模型，发现其在长时间Agent任务、浏览器自动化和电脑自动化方面显著提升，达到甚至超越Codex GPT 5.6的水准。缓存读取成本下降75%。作者用一句话提示语让模型完成goodcase.ai网站的UI批量优化、提示语分类系统和热度衰减算法更新。还基于杜威十进分类法、分面分类、洛克索引法、瓦尔堡好邻居法则和卢曼卡片盒笔记法等五个理论，让Fable 5.1制作了文件整理skill（carl-file-organizer）。通过3D版愤怒的小鸟游戏测试，Fable 5.1完成度高于GPT 5.6 Sol，包含4种鸟和8个关卡，物理反馈细致。但写作能力相比Opus 4.6有所退步。
本周顶级 AI 论文综述：Agent 工程、Qwen 模型与世界建模
文章综述了本周五篇重要的 AI 论文。1. Agentic Harness Engineering 提出了可验证的三层演化模型，显著提升了编程 Agent 的 Pass@1 率；2. AgenticQwen-30B 展示了高效的 MoE 模型在工具使用任务上的能力；3. Agentic World Modeling 提出了按定律分级的世界模型分类法；4. RecursiveMAS 通过潜空间递归计算解决了多 Agent 通信的 Token 膨胀问题；5. OneManCompany 探索了动态人才市场的多智能体协作模式。