Anthropic 启动了 Project Glasswing 项目，并向早期合作伙伴发布了全新模型 Claude Mythos Preview。

• 在核心基准测试中实现了两位数的百分比提升，打破了模型能力增长撞墙的传言。
• 紧随 Claude Opus 4.6 发布两个月后推出，展示了 Anthropic 极高的迭代速度。
• 首批通过 Project Glasswing 向合作伙伴开放，被视为行业历史的转折点。
• 针对编程和工具调用能力进行了深度优化，性能增益远超预期。

Mythos 的发布直接回击了“AI 扩展法则失效”的质疑，证明了在现有架构下，持续的阶梯式性能增长依然可行。

Anthropic 这种“预览版”发布策略结合 Project Glasswing 计划，标志着从单纯的 API 提供商向深度闭环生态系统的转型。

企业用户应意识到，模型能力的迭代周期正在从“按年”缩短至“按月”，这意味着动态评估与切换能力将成为企业的核心竞争力。

随着编程超智能的临近，低层级 Web API（如 WebGPU、Canvas HTML）的成熟将让浏览器成为真正的全能 IDE。

Web 正在成为 AI 的自然媒介，LLM 对 Web 技术的精通将使得 AI 原生应用的开发范式彻底从 App Store 模式转向开放 Web 模式。

在发布 Mythos 模型之前，Anthropic 的年经常性收入（ARR）据报道已突破 300 亿美元大关。

• 这一收入里程碑是在核心模型能力实现跨越式增长的背景下达成的。
• 增长主要由企业级客户的大规模采用和 API 消耗量的激增驱动。
• 标志着 AI 实验室已从研发驱动阶段正式进入大规模商业化扩张阶段。

300 亿美元的 ARR 表明企业级 AI 支出的爆发式增长已成为现实，而非仅仅是市场预期。

这种增长不仅体现了 API 调用的增加，更反映了软件开发范式的重塑，即软件正在变得可塑性更强。

如果所有软件都可以被分叉、修改和重新混合，那么 Web 2.0 时代的“读/写”愿景将在 AI 时代演变为“生成/定制”愿景。

这也预示着未来软件的形态将从静态的 SaaS 工具转变为动态的、可无限定制的代码模块。

投资者和开发者应密切关注这种软件可塑性（Malleability）带来的商业价值转移，即从标准化软件向高度定制化服务转型。

OpenClaws 是一个专为团队协作设计的 Agent 编排框架，能够将个人 Agent 深度集成到企业 Slack 等办公通讯工具中。

它解决了 Agent 在团队环境中“孤岛化”的问题。通过 OpenClaws，每个员工都能拥有专属的 AI 助手，且这些助手可以在同一个 Slack 频道内协作。

• Slack 深度集成：让 AI 助手成为团队的一员，支持直接对话与任务指派。
• 团队级协作：25 人规模的团队通过该工具实现了全员 Agent 化，显著改变了工作流。

目前 Every 公司已在其 25 名全职员工中全面部署。你可以通过配置本地配置文件并连接 Slack App 令牌，快速在团队内部署首个协作式 Agent。

扣子 2.5 版本引入了“满配人格”概念，将 Agent 从简单的对话框升级为具备独立身份和复杂记忆系统的数字实体。

该版本解决了 Agent 缺乏长期逻辑连贯性的痛点。新系统包含三层记忆架构，能够像人类一样处理即时信息、项目偏好和长期知识。

• 三层记忆架构：包含短期上下文、工作记忆（项目/习惯）和长期知识库。
• 独立身份系统：Agent 拥有专属邮箱，可自主收发邮件并与其他 Agent 跨平台分工协作。

你可以创建一个“视频复刻”技能，上传视频后让 Agent 自主调用 Seedance 2.0 进行分析、生成与优化，全程无需人工干预排队。

Personalized Podcast 是一款能够将任何文本或会议纪要转化为专业播客节目的 AI 技能，并支持通过 RSS 订阅听取。

它解决了海量会议记录难以消化的问题。通过模拟两位 AI 主播“偷听”或“点评”你的会议纪要，让枯燥的文字信息变得更具可听性。

• RSS 自动分发：生成的播客可以直接同步到常用的播客 App 中收听。
• 双人对谈模式：自动生成互动性强的对话脚本，提升信息吸收效率。

你可以尝试将最近的一次会议转录文本上传，该技能会自动将其重混（Remix）成一段对话，并生成订阅链接供你在通勤时聆听。

OpenAI 在 Prism 平台上线了 Paper Review 工作流，旨在利用 AI 提升科学论文的严谨性、正确性和可复现性。

• 重点检查数学推导、公式表示、单位统一性以及实验结论是否支撑核心主张。
• 能够识别不同章节之间的逻辑矛盾，而不单纯是语法纠错。
• 由 Codex 引擎驱动，且由于底层能力的提升，核心功能由开发者在数小时内快速构建。
• 旨在打击“AI 垃圾内容 (AI Slop)”，转向利用 AI 增强学术诚信。

Paper Review 的推出标志着 AI 在科研领域的应用从“辅助写作”进化到了“深度逻辑审查”阶段。

通过对数学符号和推导过程的精细校验，这种工具将显著降低预印本论文中的低级错误率，提升科学传播效率。

Codex 的灵活性使得复杂的垂直领域工作流（如科学评审）能够被极速开发，这暗示了领域专家 + AI 底座的敏捷开发模式已成熟。

该工具的本质是利用 AI 的一致性检查能力来对抗人类在处理复杂长文本时易忽略的跨章节逻辑漏洞。

OpenAI 正在通过 Prism 招募顶尖设计师，这预示着其未来的重点将放在科学原生 (AI-native for Science) 的产品交互设计上。

针对 10 余场分析调用记录的研究发现，开发者往往在开放式校验中消耗了大量 Token，却未能有效提升输出质量。

• 开放式校验（如“请检查以上内容的准确性”）容易产生同质化回复，导致边际效用递减。
• 大量 Token 被浪费在无边界的验证指令上，并未产生实质性的逻辑修正。
• 需要寻找更高效的验证方法，旨在确保准确度的前提下最小化推理成本。

这反映了 “开放式校验陷阱”：过宽的验证指令让模型陷入语义润色而非逻辑核查，造成巨大的算力浪费。

高效的校验逻辑应建立在结构化约束之上，即要求模型根据明确的检查点（Checkpoints）进行核实，而非模糊的审核。

开发者必须从“暴力推理”转向“精准核查”，通过限制验证范围来提升每枚 Token 的质量贡献率。

这也是 AI 应用走向成熟的标志：不仅追求结果的正确，更追求推理过程的单位经济效益。

未来的 Agent 框架将更倾向于集成轻量级、针对性强的验证算子，而非调用大模型进行全量重审。