GitHub Security Lab 推出基于 Taskflow Agent 的 AI 驱动 Fuzzing Taskflow
GitHub Security Lab 推出 Fuzzing Taskflow，这是面向 C/C++ 项目的自主模糊测试流水线，基于 GitHub Security Lab Taskflow Agent 构建。
推荐理由：原文同时给出运行方式、架构分层和安全提示，可用于评估 LLM agent 在模糊测试中的落地边界。
Agent 智能体
全部主题让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
最新精选
第 21–31 条 · 共 31 条GitHub Blog · AI & ML精选AI 评分7272
METR Notes精选AI 评分6666 METR 发布 Claude Opus 5.5 预部署评估摘要
METR 发布了 Claude Opus 5.5 预部署评估摘要，重点考察其对 Anthropic AI R&D 的潜在加速影响。评估基于 10 business days 的 API 访问、五项任务测试、Anthropic 问卷与访谈，以及另一项 METR 内部 AI R&D 加速评估的结论。
推荐理由：报告把模型能力测试与研发加速问题分开处理，可帮助读者理解预部署评估如何约束能力叙事和风险判断。
Claude Blog精选AI 评分8282 Claude 将 Cowork 与聊天合并，并推出 Docs 和 Slides
Claude Cowork 和聊天从今天起合并为一个 Claude，Claude 会根据任务需要在对话中调用 Cowork 和 Design 能力。该功能将在未来几周先面向 Pro 和 Max 计划推出，之后扩展到更多计划；Claude Docs 和 Claude Slides 同日上线，Claude Design 也可在对话中使用。
推荐理由：原文把 Cowork、Design 与聊天合并的可用范围讲清楚，可帮助判断 Claude 工作流入口的变化。
Claude Blog精选AI 评分7777 Claude for Small Business 推出新工作流、集成和培训计划
Claude for Small Business 现包含 43 个工作流和 27 个新集成，覆盖 Shopify、Salesforce、TikTok、Atlassian、Zoom、Xero、Gusto、Square、Stripe 和 Zapier 等工具。
推荐理由：原文列出 43 个工作流、27 个新集成和培训安排，便于理解小企业引入 Claude 的具体路径。
Anthropic Research精选AI 评分9090 Anthropic 称 Claude 生成 Fermat’s Last Theorem 的首个完整计算机校验证明
Anthropic 称 Claude 在 11 天内基本自主地用 Lean 写出了 Fermat’s Last Theorem 的首个端到端计算机校验证明。该证明包含 13 million 行 Lean，过程中证明 30,300 个定理，最终证明使用 29,500 个中间定理，并由 Lean 校验。
推荐理由：材料呈现 Claude 与 Prove2Me 形式化大型数学定理的流程，可参考其多智能体分工方式。
METR Notes精选AI 评分7676 METR 更新安全事件，API key 被盗与公开端点暴露未发现敏感信息被访问
METR 披露今年早些时候两起外部安全事件，经与安全顾问调查，认为两起事件均未有敏感信息被访问。3 月，一名研究员公开部署的个人 EC2 实例因认证失效暴露，攻击者诱导 Agent 泄露公共模型 API key，并消耗约 $600,000 的免费授信 API credits。
推荐理由：披露了评测机构遭遇 API key 泄露和端点暴露的处置过程，可为敏感模型访问管理提供参照。
Claude Blog精选AI 评分8585 Claude in Chrome 面向所有付费 Claude 计划开放并支持自主浏览器操作
Claude in Chrome 现已面向所有付费 Claude 计划正式可用，并可在浏览器中自主执行部分操作，不再需要每一步都获批。它能查看当前页面，使用现有登录状态阅读和输入文本、点击链接、页面跳转和填写表单，安全分类器会在操作执行前检查其是否安全并符合用户请求。
推荐理由：原文同时给出浏览器自动操作范围、提示注入防护和企业管理入口，便于判断落地边界。
zai-org · Hugging Face 新模型精选AI 评分8080 zai-org 发布 GLM-5.3-Flash，GLM-5 系列首个原生多模态模型
zai-org 发布 GLM-5.3-Flash，称其为 GLM-5 系列首个原生多模态模型，拥有 320B 总参数和 18B 激活参数。官方称它在基准和真实工作负载中超过 GLM-5.2，价格为其十分之一，并在编码和智能体基准上接近 Claude Opus 4.8。
推荐理由：原文同时给出参数规模、架构变化和本地部署框架，便于比较其成本与落地路径。
meituan-longcat · Hugging Face 新模型精选AI 评分7070 美团 LongCat 发布 LongCat-Flash-Lite-Sparse 稀疏 MoE 模型
美团 LongCat 在 Hugging Face 发布 LongCat-Flash-Lite-Sparse，这是基于 LongCat-Flash-Lite 的非思考 MoE 模型，拥有 69B 总参数、每 token 约 3B 激活参数，并原生支持最高 1M tokens 上下文。
推荐理由：原文同时给出架构改动、长上下文设定和多项基准，便于比较稀疏版与密集前代的取舍。
mistralai · Hugging Face 新模型精选AI 评分7777 Mistral 发布 Mistral-Medium-3.5-128B-EAGLE 推测解码模型
Mistral 发布 Mistral-Medium-3.5-128B-EAGLE，用于为 Mistral Medium 3.5 执行推测解码。
推荐理由：原文同时给出模型规格、替代关系和 vLLM/SGLang 部署方式，便于评估统一模型的接入成本。
moonshotai · Hugging Face 新模型精选AI 评分8383 Moonshot AI 开源 Kimi-K2.6 原生多模态智能体模型
Moonshot AI 在 Hugging Face 发布 Kimi-K2.6，这是开源的原生多模态智能体模型。该模型采用 MoE 架构，Total Parameters 1T、Activated Parameters 32B、Context Length 256K，支持长周期编码、coding-driven design、Agent Swarm、图像和视频输入。
推荐理由：原文同时给出模型结构、评测表和部署入口，便于对比其在编码与智能体任务中的定位。