一、最重要的 4-5 条
【01】Gemini 3.5 正式发布，Google 明确把“能执行的模型”推到主线 Gemini 3.5 不只是一次常规升级，Google 明确把它定义为兼具前沿能力与执行能力的 agentic 模型族，并直接进入 GA。对工程团队更关键的是，它带来了超长上下文、面向 agent 的接口形态，以及更高价格带来的真实成本重算压力，意味着“默认模型”正在从聊天模型转向可编排执行单元。 信息源：
【02】OpenAI 推出 Guaranteed Capacity，企业开始把 AI 算力当成可预留资源来采购 OpenAI 新增 Guaranteed Capacity，核心不是“更强模型”，而是让关键业务长期锁定可用算力与吞吐。对已经把 AI 接进生产链路的团队，这类能力直接关系到 SLA、容量规划、峰值保障和预算可预期性，说明大模型基础设施正在走向更传统的企业级采购模式。 信息源：
【03】Anthropic 推 MCP Tunnels 与自托管沙箱，企业内网接入 agent 的关键障碍继续被拆掉 Anthropic 在 Claude Managed Agents 上补上了 MCP tunnels 和 self-hosted sandboxes，目标非常明确：让 agent 能接入企业内部系统，同时把执行环境和敏感系统留在安全边界内。对企业落地来说，这比单纯模型升级更重要，因为很多 agent 项目卡住的根因并不是“不会推理”，而是“进不了内网、过不了安全审查”。 信息源：
【04】Cursor 接入 Jira，工单到 PR 的自动化又往前走了一步 Cursor 现在可以直接在 Jira 中被指派到工作项，或通过评论 @Cursor 拉起 cloud agent，并基于工单描述、讨论和仓库设置生成可合并 PR。它的意义不只是“多了一个集成”，而是 issue tracker、代码仓库、评审流之间的边界继续被 agent 打通，产品/研发协同会更像“派发任务给自动同事”。 信息源：
【05】Google 把 AI Studio、Workspace 和 Cloud Run 串成一条“原型到上线”路径 AI Studio 新增 Workspace 集成、Android 端测试能力，并允许前两个应用直接发布到 Cloud Run 且免信用卡；同时 Workspace 侧也在把语音与 AI Inbox 等能力继续推进。对开发团队来说，这代表 Google 正在压缩从“想法验证—调用企业数据—部署上线”的路径长度，进一步强化其一体化 builder 平台定位。 信息源：
二、模型 / 产品发布
【06】Gemini Omni 首发，Google 开始押注“anything-to-anything”的统一生成与编辑 Gemini Omni 被定位为 Google 朝“从任何输入生成任何输出”迈出的第一步，现阶段先从视频入手，并强调世界理解、多模态与编辑能力的结合。对产品团队的现实意义在于，多模态产品的竞争点正在从“能不能生成”转向“能不能在统一工作流里改、编、控、复用”。 信息源：
【07】OpenAI 为 AI 图像补上更完整的来源识别链路 OpenAI 宣布其生成图像除了带有 C2PA Content Credentials，也会嵌入 SynthID 水印，并提供公开验证工具判断图片是否出自 OpenAI 产品。对工程与合规团队而言，这让“图像真实性与来源校验”更容易接入审核、风控、媒体资产管理与企业内容发布流程。 信息源：
【08】xAI 打通 OpenClaw，把订阅能力直接接进 agent 工作流 xAI 宣布 Grok 或 X Premium 订阅可在 OpenClaw 中使用，支持与 agent 对话、生成图片/视频以及搜索 X 帖子。它释放出的信号是：面向个人或小团队的 agent 产品，正越来越多地通过“订阅即能力”的方式快速接入多模态与社交搜索，而不是都走单独 API 采购路线。 信息源：
【09】Gemini 3.5 Flash 已迅速进入开发者工具链，且开始暴露更深的推理流接口 Simon Willison 的 llm-gemini 0.32 与 0.32a0 已跟进 Gemini 3.5 Flash，并新增 reasoning token 流式输出支持，说明新模型并非只停留在发布会层面，而是很快进入开发者实际调用链。对做 CLI、批处理、调试与评测的团队来说，能不能看到推理流、能不能低摩擦接入现有工具，往往决定新模型是否会真正进入日常工程栈。 信息源：
【10】Google 正把搜索、邮箱与办公入口全面改造成自然语言工作界面 Google 宣布 AI Mode 持续改变搜索使用方式，Gmail/Docs/Keep 获得更多语音能力，AI Inbox 也进一步升级；TechCrunch 还点名了“和 Gmail 收件箱对话”这类新交互。对产品团队来说，这意味着很多高频知识工作界面会从“菜单+筛选器”转向“会话+持续上下文”，而这会反过来重塑 SaaS 的入口设计与自动化策略。 信息源：
三、Agent / 工程实践
【11】LangSmith Engine 公开“用 agent 改进 agent”的构建思路 LangChain 发布了 LangSmith Engine 的构建文章，主题非常直接：如何用一个 agent 去帮助改进另一个 agent。对正在做 agent 迭代的团队，这类方案的价值在于把失败案例分析、评测、改进建议和回归验证串成闭环，而不是只靠人工看日志和改 prompt。 信息源：
【12】Google 的 information agents 把搜索从“一次性查询”推向“持续监控” Google 正推出可在后台持续监控主题并主动提醒变化的 AI information agents。这个方向对工程和运营团队都很实用，因为竞品监测、政策跟踪、技术情报、异常观察等任务，本质上都更像长期运行的工作流，而不是一次性搜索。 信息源：
【13】AI 邮件安全继续成为高 ROI 的 agent 落地方向 Ocean 宣布获得 2800 万美元融资，主打 agentic email security，可结合邮件上下文识别欺诈与冒充攻击。相比很多炫技型 agent 场景，邮件安全有更清晰的价值闭环、成熟的企业预算入口和可量化指标，因此值得关注其后续产品与架构演进。 信息源：
【14】Agoda 公开多模态内容系统，给“大规模图片+评论联合检索”提供了很好的工程样本 Agoda 把 7 亿张以上酒店图片与多语言住客评论通过统一主题分类体系打通，并结合离线富化与低延迟在线服务实现多模态检索。它的工程价值很高，因为很多消费与企业场景都在面对“非结构化内容很多、召回链路复杂、线上延迟受限”的同类问题。 信息源：
四、研究论文
暂无值得单列内容
五、值得后续关注
【15】Datasette/LLM 生态补上多轮链路计费与上下文采集 bug，提醒大家别低估 observability 的细节成本 datasette-llm-accountant 0.1a4 与 datasette-llm 0.1a8 都在修复 response chain 跟踪与 llm_prompt_context() 上下文收集问题。虽然是小版本更新，但对自建 LLM 审计、成本统计、会话级调试与回放体系的团队来说，这类“链路是否能被正确看见”的细节往往直接影响评测和治理质量。 信息源：
【16】Gemini 3.5 Flash 的多子代理演示很吸睛，但更值得观察的是“subagent 编排”会不会快速产品化 Google DeepMind 展示了 Gemini 3.5 Flash 联合 Antigravity 通过多个子代理设计并构建整座城市的案例。它暂时更像能力展示而非生产证据，但对工程团队来说值得继续盯住：2026 年很多平台都会把 subagent orchestration 当成主卖点，真正拉开差距的将是可控性、恢复能力和交付稳定性。 信息源：