OpenAI 发布 GPT-5.6 和 ChatGPT Work，Meta 公开 Muse Spark 1.1，Claude Code 自动化其 /checkup

7 月 9 日是全年 AI 资讯中最密集的一天之一，被 OpenAI 的三连发所主导：全新的前沿模型家族 GPT-5.6（Sol、Terra、Luna）、由 Codex 驱动的新代理 ChatGPT Work，以及对 Codex 体验本身的深度重构。Meta 则以 Muse Spark 1.1 和其 Meta Model API 的公开开放作出回应，而 Anthropic 通过维护命令 /checkup 强化 Claude Code，并推出一款用于可视化其 Claude 使用情况的测试版工具。十八条重要新闻——从企业中的 Copilot 治理到加入代理行列的媒体生成——以及七则短讯，共同构成了这一异常密集的概览。

OpenAI 发布 GPT-5.6，其新的前沿模型家族（Sol、Terra、Luna）

7 月 9 日 — OpenAI 正式发布 GPT-5.6 家族：Sol，新的旗舰模型；Terra，适合日常使用的均衡之选；以及 Luna，经济型变体。架构层面的新意在于一个 ultra 努力调节器，默认协调四个代理并行以加速复杂任务——在某些评测中最多测试到 16 个代理——可通过 Responses API 的多代理测试版访问。

在基准测试上，Sol 创下新的 SOTA：在 Artificial Analysis Coding Agent Index 上得分 80（OpenAI 称比 Claude Fable 5 高 2.8 分，且输出 token 少不到一半），在 BrowseComp 上得分 92.2%，在 OSWorld 2.0 上得分 62.6%——领先 Claude Opus 4.8，且 token 少 85%。产品新功能：Responses API 的 Programmatic Tool Calling 允许 GPT-5.6 编写并执行小程序来编排工具并在内存中筛选结果，从而减少往返。网络安全方面，GPT-5.6 在 ExploitBench 上达到 73.5%（而 GPT-5.5 为 47.9%）；面向 Cyber 的 Trusted Access for Cyber 项目将于 9 月 1 日起强制使用硬件密钥认证。

GPT-5.6 变体	使用场景	输入价格	输出价格
Sol	复杂推理，长时代理式工作	5 $	30 $
Terra	日常代理式编码，均衡选择	2.50 $	15 $
Luna	快速任务，经济型	1 $	6 $

(每百万 token 的价格。)

“GPT‑5.6 Sol sets a new standard for both intelligence and efficiency, achieving state-of-the-art results across coding, knowledge work, cybersecurity, and science while outperforming previous and competing frontier models with fewer tokens and at lower estimated cost.”

🇨🇳 GPT‑5.6 Sol 在智能与效率两方面都树立了新标准，在编码、知识工作、网络安全和科学领域取得了业界领先的结果，同时以更少的 token 和更低的估算成本，超越了此前及竞争的前沿模型。 — OpenAI

GPT-5.6 从今天起在 ChatGPT、Codex 和 API 中部署，并迅速扩展到开发者生态：可在 GitHub Copilot（VS Code、JetBrains、Xcode、CLI、云端代理）中使用，成为 Microsoft 365 Copilot 的首选模型，并在当天被 Warp、Cursor 和 Devin 采用。

🔗 GPT-5.6 系统卡

ChatGPT Work：面向雄心任务的新代理

7 月 9 日 — OpenAI 推出 ChatGPT Work，这是一个能够跨用户的应用与文件执行操作的代理，可以把一个复杂项目拆分成步骤并持续数小时推进，最终把目标转化为完成的成果（电子表格、演示文稿、文档、网站）。它基于 Codex 技术和 GPT-5.6。OpenAI 表示，每周有超过 500 万人使用 Codex，其中超过 100 万用于非软件开发任务——这一数据被用来支持此次扩展。

ChatGPT Work 功能	能实现什么
插件	连接 Slack、Microsoft Teams、Google Drive、SharePoint、CRM，通过 `@nom_app`
Scheduled Tasks	委派重复性任务（监控 Slack、每天早晨刷新仪表板）
集成浏览器 + Computer Use	直接在本地应用上操作，适用于桌面端
Sites（公开测试版）	将工作转化为可通过 URL 分享的网站或交互式应用

此次发布还伴随着桌面端分发方式的重构：Codex 应用与新的 ChatGPT desktop 应用合并（Chat、Work 和 Codex 统一，甚至在 Free 计划上也可使用），旧应用被更名为 ChatGPT Classic。OpenAI 同时开始弱化其独立浏览器 Atlas，其能力正被 ChatGPT 的集成浏览器吸收。

在企业治理方面，该系统建立在 ChatGPT Enterprise 的安全基础之上，提供 Compliance API 以便在规模层面观察操作，并配备一种自检机制，在内部对抗性测试（red-teaming）中阻止了 100% 的数据外泄尝试。今天起，Pro、Enterprise 和 Edu 计划可在网页和移动端使用；Plus/Business 计划将在接下来的几天内开放；桌面应用今天起已在 Mac 和 Windows 上全球可用。

🔗 ChatGPT 现已成为你最雄心工作中的伙伴

Codex：ChatGPT 中的专属空间、Ultra 与子代理、PR 评审和 Sites

7 月 9 日 — 随着 ChatGPT Work 的发布，Codex 也在新的 ChatGPT desktop 应用中获得了自己的专属空间，与 Work 代理分离（选择器显示为“Work — for getting work done” / “Codex — for developers”）。当天公布的开发者新功能包括：

Codex 新功能	具体细节
GPT-5.6 搭配 Ultra 和子代理	为最困难的任务进行多代理协调
加速的 Computer Use	更快、更省 token，支持批处理，以及用于监督的画中画视图
行内 diff 编辑	直接在比较视图（diff）中修改代码
Pull Request 评审	专属侧边栏，无需离开应用
Sites	通过 Codex 快速部署完整应用（full-stack）

这一演进属于更大范围的 Codex 与 ChatGPT desktop 应用合并：现有 Codex 应用的用户会自动看到它变成新的 ChatGPT 应用，而 Codex 则可作为可配置的默认视图访问。应用内集成浏览器新增对已认证站点、多标签页和文件下载的支持，并配有一个新的 Chrome 扩展。

OpenAI 的 Romain Huet 在 X 上与 ChatGPT Work 的发布一同宣布了这一系列新功能。整体上，这属于当天 Codex 推进的一部分，而背景则是 7 月 13 日至 21 日的 OpenAI Build Week（见短讯）。

🔗 Tweet @romainhuet — ChatGPT 中的 Codex

Meta 发布 Muse Spark 1.1 并开放其 Meta Model API

7 月 9 日 — Meta Superintelligence Labs 宣布 Muse Spark 1.1，这是 Muse Spark 系列的第二次发布（第一次是在 2026 年 4 月）：一款为代理任务设计的多模态推理模型，在工具使用、Computer Use 和编码方面都有显著提升。此次发布还伴随着新 Meta Model API 的公开预览——这是开发者首次从外部接入 Meta 模型，且格式与 OpenAI 兼容——以及现在已可在 Meta AI 应用和 meta.ai 中使用的“Thinking”模式。

Muse Spark 1.1 特性	具体细节
上下文窗口	100 万 token，借助智能压缩进行主动管理
代理式架构	规划并将任务分派给并行子代理
开发者访问	Meta Model API 公开预览
安全性	按 Advanced AI Scaling Framework 评估，在前沿风险上留有安全余量

该模型会生成计划并分派执行，在 zero-shot 情况下泛化到新工具、MCP 服务器和自定义技能（skills），并根据哪种方式更快，在编写脚本与直接交互之间切换。就编码而言，Meta 强调其在大型复杂代码库上的显著提升（错误诊断、迁移、企业级系统的新功能）。

“What’s most impressive about Muse Spark is how much it packs into one model: massive million-token context, full multimodal support (images, video, PDFs), built-in search with citations, strong reasoning, top-tier coding abilities (particularly frontend and design), structured output, and parallel tool calling — all in a clean OpenAI-compatible package. A complete agentic foundation.”

🇨🇳 Muse Spark 最令人印象深刻的地方，在于它把如此多的能力整合进了一个模型：一百万 token 的超大上下文、完整的多模态支持（图片、视频、PDF）、带引用的内置搜索、强大的推理、一流的编码能力（尤其是前端和设计）、结构化输出，以及并行工具调用——而且这一切都兼容 OpenAI 的体系。这是一套完整的代理基础。 — Replit 首席执行官 Amjad Masad

🔗 Introducing Muse Spark 1.1 — AI at Meta Blog

Claude Code v2.1.205：/checkup 命令开始大扫除

7 月 8-9 日 — Claude Code 升级到 v2.1.205，这是一次信息量很大的发布，其中最醒目的新功能是一条完整的维护命令：/doctor 变成了真正的配置诊断与修复工具，而 /checkup 则成为它的别名。Claude Code 创始团队的 Boris Cherny 在 X 上详细说明了这条命令一次能完成的工作：清理未使用的技能、MCP 服务器和插件，将本地的 CLAUDE.md 与仓库中版本化的版本去重，把已变得过于臃肿的根 CLAUDE.md 拆分成嵌套文件，禁用缓慢的 hooks，更新 Claude Code，默认启用自动模式，并预先批准那些经常因上下文无法解析而被拒绝的只读命令。

/checkup 检测到的情况	观察到的数据
损坏的 `claude` 命令	已检测到（launcher 被测试覆盖）
从未使用过的项目技能	38 个，分布在 2,345 次会话中
根目录 CLAUDE.md 的体量	每次会话加载约 10,000 个 token
清理后的上下文收益	每次会话约节省 5,500 个 token

“/checkup confirms with you before making any changes.”

🇨🇳 /checkup 命令会在应用任何更改之前先征求你的确认。 — Claude Code 团队 Boris Cherny

其余更新日志包含大约十五项修复：自动模式的一条规则现在要求在对无法从上下文中解析的变量执行 rm -rf 之前先确认；自动更新下载现在直接流式写入磁盘，将工具的内存峰值降低约 400 MB；后台任务通知会明确标注没有人工介入，以防利用转录中伪造的虚假批准；以及代理视图（claude agents）的多项改进，包括自动生成的摘要和到关联 pull request 的直接链接。

🔗 版本 v2.1.205 — Claude Code

Anthropic 推出 Reflect with Claude，一款用于可视化自身使用情况的工具（测试版）

7 月 9 日 — Anthropic 推出一项 Claude 使用反思功能的测试版，可在网页或桌面应用的设置中访问。该工具可帮助用户跟踪自己 1、3、6 或 12 个月内的使用习惯——常见主题、Claude 最活跃的时段、处理的任务类型——并围绕 4D AI Fluency Framework（Delegation、Description、Discernment、Diligence）进行组织，同时给出诸如先创建 Project 而不是在进行中的工作中反复解释上下文之类的实用建议。仪表板还允许用户设置安静时段或安排休息提醒，而这两项选项都可由用户自行忽略。

在隐私方面，该功能既不依赖隐身模式下的对话，也不依赖已连接工具的底层文件（邮箱摘要可以出现，但不会显示源邮件），任何与健康相关的对话都会被排除在洞察之外。Anthropic 表示，他们与来自 MIT Media Lab、Boston Children’s Hospital 的 Digital Wellness Lab 以及 Family Online Safety Institute 的数字福祉专家合作，以规范敏感主题的处理方式，并且这些主题只会上报到聚合级别。

该功能面向已启用 Memory 的 Free、Pro 和 Max 用户开放；Cowork 对话的支持则计划稍后加入。

🔗 一种反思你如何使用 Claude 的新方式

Anthropic——治理与工具链

Anthropic 在 7 月 9 日还有四项补充公告，涵盖运营、治理和技术教育。

为所有用户重置 rate limits

7 月 9 日 — @ClaudeDevs 用一句话宣布，将所有用户的 5 小时和每周使用限额重置，但并未说明原因，也未明确涉及哪些计划。虽然没有博客文章提供更多背景，但这一公告引发了社区立即且强烈的反应——几小时内就获得了数百万次浏览——表明它对 Claude Code 和 claude.ai 的常规用户产生了直接影响。

🔗 Tweet @ClaudeDevs

邀请提出难题：一项新的公共倡议

7月9日 — Anthropic 启动“邀请提出难题（Inviting hard questions）”倡议，邀请公众提交关于 AI 最棘手的问题（就业、安全、人的能动性、获取科学收益的机会），并承诺公开记录为回应这些问题所采取的行动。该公告还配有一部短片，片中展示了由 Anthropic 采访的真实人物，并回顾了已开展的、旨在把握公众意见的工作：Anthropic Public Record（调查了 52,000 名美国人）、一项面向 159 个国家 81,000 名 Claude 用户的调查，以及专注于 AI 社会性挑战的 Anthropic Institute。

🔗 邀请提出难题

Ben Bernanke 加入 Long-Term Benefit Trust

7月9日 — Anthropic 的 Long-Term Benefit Trust（LTBT）——负责监督其负责任发展使命的独立机构——迎来 Ben Bernanke 成为新成员。Bernanke 曾任美国联邦储备委员会主席（2006–2014），并于 2022 年获得诺贝尔经济学奖；他将与 Neil Buddy Shah、Richard Fontaine 和 Mariano-Florentino Cuéllar 共事。Anthropic 联合创始人兼总裁 Daniela Amodei 强调，他的经验将帮助公司更好地预判先进 AI 对就业和全球经济的经济影响。LTBT 的受托人不持有 Anthropic 的股权，也不参与利润分成。

🔗 Ben Bernanke appointed to Anthropic’s Long-Term Benefit Trust

Model and effort in Claude Code：一篇深入技术文章

7月8日 — Claude Code 团队的 Lydia Hallie 发布了一篇文章，区分了两个看起来都在“提升响应”的设置：model，决定由哪组权重处理请求（因此决定能力与每 token 成本）；以及 effort，决定实际投入多少工作——读取多少文件、做多少检查、在返回给用户之前拥有多少自主性。文章提出的实用规则是：当问题本身就很难时，切换到更大的模型；当 Claude 还没有充分尝试时，提高 effort。一个实用备注是：在默认 effort 下，Opus 4.8 在相近 token 数量下比 Opus 4.7 产生更好的结果。

🔗 @ClaudeDevs 文章 — Model and effort in Claude Code

GitHub Copilot 企业版

四项新功能强化了 Copilot 及其生态的治理能力和日常使用体验，其中包括一个与其相似的 Manus 功能，延续了 agent-企业的同类动态。

通过 MDM 部署 Copilot 托管设置

7月8日 — 已进入正式可用：Enterprise 管理员现在可以直接通过 原生 MDM（Intune、Jamf、Group Policy）或通过一个 managed-settings.json 文件（Chef、Puppet、Ansible）部署 Copilot CLI 和 VS Code 的托管设置，此外还可使用现有的 server-managed 通道。发生冲突时的优先级顺序为：原生 MDM，其次 server-managed，最后是文件。支持的设置包括：permissions.disableBypassPermissionsMode、model、enabledPlugins、extraKnownMarketplaces、telemetry.*。

🔗 通过 MDM 部署托管的 Copilot 设置

企业托管的 OpenTelemetry 导出

7月8日 — 组织现在可以强制规定 Copilot 的 OpenTelemetry 数据去向（endpoint、协议、是否捕获 prompts 和 responses），而无需每位开发者自行配置变量。该功能适用于 VS Code 的 Copilot Chat 扩展以及 Copilot CLI 的 agent 进程，并且托管值始终优先于环境变量和用户设置。一个重要的保护措施是：托管的身份验证头绝不会通过环境变量传递，以避免泄露给 agent 启动的子进程。

🔗 企业托管的 OpenTelemetry 导出

Copilot 汇总一个陌生仓库

7月9日 — 在 github.com 上，当首次访问某个仓库首页时，Copilot 现在会主动生成一个 高层概览：项目目标、所用技术、贡献指南。如果仓库没有 README，Copilot 还能生成一个。该功能可通过导航栏中的 Copilot 图标随时访问，或直接在 Copilot Chat 中使用，并且面向所有 Copilot 套餐开放。

🔗 向 Copilot 询问仓库概览

Manus 推出 Branch，让对话分叉而不丢失上下文

7月9日 — Manus 推出 Branch：任何对话都可以被分裂成一个并行会话，继承所有已积累的上下文（文件、指令、历史），而不会影响原始会话。这样，一次研究可以同时变成报告、演示和投资人备忘录，每个分支都专注于自己的交付物，并通过一条“Branched from”线索与原始会话相连。该功能已面向标准聊天会话中的所有用户开放；Web Builder 尚不支持。分支本身也可以再次分支。

🔗 @ManusAI 推文 — 介绍 Branch

代码编辑器

Zed 在同一天发布了多项公告——一项雄心勃勃的愿景和一版常规发布——而 Replit 则确认了过去几天被观察到的预告。

Zed 公开 DeltaDB，一个“给代码用的 Google Docs”

7月9日 — Zed 开放 DeltaDB 的早期访问报名，将其描述为“给代码用的 Google Docs”：加入队友的讨论线程、让同一个 agent 协同工作、并实时查看其修改，而无需“Git 仪式感”——无需管理提交或分支即可协作。这个概念最早在 6 月 11 日由 Zed 创始人 Nathan Sobo 的一篇文章中提出，他主张 agent 让“对话”成为软件真正的事实来源。

🔗 @zeddotdev 推文 — DeltaDB

Zed v1.10：支持 llama.cpp，且默认关闭 save 时格式化

7月8日 — Zed 发布 1.10 版，其主要新功能是支持 llama.cpp 作为本地模型提供方，并与 Hugging Face 合作开发——既可通过 llama.cpp 的内置服务器，也可连接远程服务器。第二项行为变化是：保存时格式化（format-on-save）现已默认关闭，除非是拥有官方格式化器的语言；现有自定义配置会被保留。

🔗 @zeddotdev 推文 — Zed v1.10

Replit 推出 Community Profiles

7月8日 — Replit 推出 Community Profiles，副标题为“Proof of Work for vibe coders”——这是一个此前在两次扫描中被发现但因缺少官方来源而被剔除的预告，如今由本次公告正式确认。该功能提供一个带活动图表（agent 使用、checkpoints）的公开档案，以及仅限 pro 用户的“Replit Power Ranking”；每个人都可以认领自己的档案、选择要重点展示的最佳项目，并自由分享自己的使用统计。

🔗 @Replit 推文 — Community Profiles

媒体生成：模型正在加入 agents

三项公告体现了同一趋势：媒体生成工具正直接整合进 agent 框架，而不是停留在独立界面。

Kling AI 推出 Kling MCP 和 CLI 界面

7月8日 — Kling AI 宣布 Kling MCP 和 CLI 正式可用，使得可以直接从 AI agents（Claude 以及其他框架）中调用 Kling 视频模型，无需切换工具或手动搬运文件。现在只需一句话，就能把创意任务交给 AI 助手。官方定位面向电商卖家、中小企业和内容创作者，强调以更低成本规模化生产。该公告在 X 上获得了 426.9k 次浏览。

🔗 @Kling_ai 推文

ElevenLabs 推出 ElevenAgents Spotlight

7月9日 — ElevenLabs 发布 ElevenAgents Spotlight，这是一个可观测性工具，可实时监控其对话式 agents 管理的每段对话——语音和文本——覆盖所有渠道，以提升解决率和客户满意度评分（CSAT）。其目标是始终知道什么有效、如何改进，而不是等到事后审计。该工具可原生集成到 ElevenAgents 平台中，客户无需额外配置。

🔗 @ElevenLabs 推文

HeyGen 公开 HyperFrames Music-to-Video（30 天中的第 4 天）

7月9日 — HeyGen 每日展示系列的第四期，介绍 HyperFrames 的 skills：新命令 /music-to-video 可将一段音乐转换为随节奏同步的视频（BPM、重拍、乐句），只需一个 prompt，且无需手动提供任何视觉文件。音频分析器会构建一张唯一的时间映射表，所有剪辑切换都以此为准。该代码已在 GitHub 上开源（heygen-com/hyperframes），这是为期 30 天、每日发布一个 skill 的第四步。

🔗 @HeyGen 推文

AlphaEvolve 在 Google Cloud 上进入正式可用

7月9日 — AlphaEvolve，这款由 Gemini 驱动、并与 Google DeepMind 联合开发的进化型 agent，已在 Google Cloud 上进入 正式可用（GA），可通过 Gemini Enterprise Agent Platform 提供给所有企业客户。该 agent 能自主设计并发现高度优化的代码，以解决复杂的算法问题，文中还提到了其在金融领域的使用案例。

AlphaEvolve 项目	已确认细节
状态	在 Google Cloud 上正式可用
访问平台	Gemini Enterprise Agent Platform
联合开发	Google DeepMind
历史	2026 年 5 月公布的内部影响（Google Spanner 优化）

AlphaEvolve 并不是一个全新的项目：Google 曾在 2026 年 5 月发表文章，详细介绍其内部影响，尤其是对 Google Spanner 的 Log-Structured Merge-tree 压缩优化。这一公告标志着它从仅限内部使用，迈向面向 Google Cloud 第三方客户的商业可用阶段。

🔗 @googlecloud 推文 — AlphaEvolve GA

Mistral Studio 为 prompts 和 skills 增加管理系统

7月9日 — Mistral Studio 为企业中的 AI prompts 和 skills 集成了一个 system of record：不可变版本、每个资产都有指定负责人、可在几分钟内回滚（rollback）、Production/Staging 标签和审计日志。现在，skills 也可作为 MCP servers 直接从 Studio 暴露，确保生产环境运行的是同一个受治理、已版本化的资产，而不是一个已经分叉的副本。闭环则通过 Observability 完成：lineage 和 telemetry 将每个生产结果与生成它的资产的精确版本关联起来。

Mistral 明确指出的问题是：大多数公司无法说清楚自己的 AI 里实际运行的是哪个版本的 prompt。如今，一个不具备开发背景的 domain expert 可以在不需要每次试验都走 CI/CD 管线的情况下迭代和测试 prompt；推进到生产时，则触发企业惯常的测试与审批流程。此功能现已面向 Mistral Studio 客户开放。

🔗 在 Studio 中管理 Prompts 和 Skills

Codex CLI 0.144.0

7月9日 — Codex CLI 的新稳定版，接替 0.143.0。新内容包括：writes 审批模式，可自动允许只读操作，同时对写入操作请求确认；MCP 工具现在可以在无需启用实验性选项的情况下请求交互式认证；以及通过 pnpm 检测全局安装。值得注意的是，与当天 GPT-5.6 发布相呼应：选择 Ultra 推理模式时，如多 agent 高并发可能迅速推高消耗，系统现在会发出警告。

修复方面包括：从引用已移除模型的 compaction 后恢复 ChatGPT 线程、修复 macOS Intel 二进制崩溃、删除 Windows sandbox 会话中的文件，以及停止由粘贴的终端控制序列引起的显示损坏。Amazon Bedrock 的模型名称现在也能更清楚地区分 GPT-5.6 的家族和变体。

🔗 Codex CLI 0.144.0 — GitHub Releases

Perplexity 测试基于 GLM 5.2 的自研编排器

7月9日 — Perplexity 发布了一个用于 Perplexity Computer 的新专有编排模型的 research preview，这是其桌面自动化 agent：基于 GLM 5.2（Zhipu AI）的改造版，并针对 Computer 这一 agent harness 进行了后训练。该模型内置一个“advisor”工具，在需要时可原生升级到更强模型，并由 Perplexity 在美国的 Nvidia B200 GPU 上托管。与 7 月 2 日宣布 Claude Fable 5 回归作为编排器不同，这里采用的是一个额外的自研方案。

评估模型（WANDR）	相对成本
Opus 4.8（thinking，high effort）	6.1x
GLM 5.2 + advisor	2.1x —— 即 Opus 成本的 0.344x

Perplexity 表示，将在“未来几周”进行迭代并公布完整 benchmarks，总计三项评估（Terminal-Bench 2.1、DSQA、WANDR），在所有 benchmarks 综合计算下，平均成本约为 Opus 的一半。

🔗 @perplexity_ai 线程 — GLM 5.2 编排器

简讯

GRAM 研究——用于双重用途知识的“开关”（Anthropic，联合 AE Studio）——可将针对每类敏感知识（病毒学、网络安全）的专用神经模块添加到 Transformer 的每一层，然后逐个移除；该方法在无需按配置训练单独模型的情况下，性能可与数据过滤相当，但仍属于尚未应用于 Claude 生产模型的初步研究。🔗 Anthropic 研究
Replit 提供免费自定义域名，截止到 7 月 17 日——在此日期之前，任何发布到该平台的应用都可以免费获得一个域名。🔗 Replit 推文
GitHub Code Quality：组织级别的定向控制——管理员现在可以在精确的部分仓库上启用、禁用并锁定 GitHub Code Quality；Enterprise Cloud 和 Team 现处于公开预览。🔗 GitHub 更新日志
Manus 将其 Google Drive 连接器扩展到整个 Google Workspace——Docs、Sheets、Slides 和 Forms 通过单一入口接入 Drive，并提供三种可配置访问级别（无、只读、读写）。🔗 ManusAI 推文
NVIDIA Robotics 发布 R²D²，一份关于 World-Action Models 的摘要——三篇论文（DreamZero、Cosmos Policy、DreamDojo）将预训练的生成式视频模型微调为机器人控制策略；DreamZero 在 2026 年 7 月的 RoboArena 排名中位居榜首。🔗 NVIDIARobotics 推文
Luma 切换到 VEED Fabric 1.0 API，用于其会说话的视频——技术合作关系中，VEED Fabric 1.0 成为 Luma 生态系统内生成会说话视频的底层引擎。🔗 veedstudio 推文
OpenAI Build Week，7 月 13 日至 21 日——面向社区的活动，包含直播环节以及全球各地 builder 的线下聚会，呼吁使用 Codex 进行构建。🔗 OpenAIDevs 推文

这意味着什么

前沿模型竞赛正同时在两个战线上加剧。 GPT-5.6 和 Muse Spark 1.1 在同一天发布，拥有共同目标：在追求顶尖智能的同时提高经济效率，而不是只盯着最高分。OpenAI 宣称在多个重要基准上达成新的 SOTA，同时大幅降低 token 消耗；Meta 则首次向外部开发者开放其 Meta Model API，这表明它如今希望在基础设施层面，而不只是开放模型层面，与 OpenAI 和 Anthropic 竞争。Perplexity 展示了第三条路径：它并未训练完整的专有模型，而是以约为 Opus 三分之一的成本对 GLM 5.2（Zhipu AI）进行适配，并配备原生升级到更强模型的机制以应对需要——这是对混合架构而非单纯规模扩张的一次押注。

智能体正从一次性助手转变为能长期协作的伙伴。 ChatGPT Work 的设计目标是持续数小时处理复杂项目，Codex 借助 GPT-5.6 的 Ultra 模式获得了协调的子智能体，而 Muse Spark 1.1 则将多智能体架构推广到整项任务的委派上。这种不断增强的自主性改变了核心问题：不再是“模型能不能完成任务？”，而是“需要让它持续多久、接受多少监督？”——这正是 Lydia Hallie 关于 Claude Code 中努力程度调节的文章试图回答的问题，而现在 Reflect with Claude 工具也开始为每个用户客观测量这一点。

企业级工具正在围绕可追溯性与控制性进行重构。 GitHub 通过原生 MDM 推广 Copilot 设置的部署，并强制要求经过批准的 OpenTelemetry 导出；Mistral Studio 将其提示词与技能写入具备审计轨迹的版本化管理系统；Anthropic 则随着 Ben Bernanke 加入 Long-Term Benefit Trust 而强化其机构治理。共同主线是：随着智能体自主性提升，企业和监管机构要求能够精确知道哪个版本在运行、由谁批准、以及它被允许做什么——Claude 使用额度被意外重置且未给出公开解释，这种对比让这一要求显得更加清晰。

媒体生成正加速并入智能体生态。 Kling MCP 允许无需切换工具即可从 Claude 智能体中直接调用视频模型，HeyGen 开源了一个可将音轨自动转为剪辑后视频的技能，ElevenLabs 现在则是实时观察其语音智能体，而非事后回看。Manus 在通用生产力方面延续这一逻辑推出 Branch，允许将一次对话分叉为多个交付物而不丢失已积累的上下文——这表明价值不再仅来自一个孤立模型，而在于它能否原生嵌入一条彼此协作的智能体链条中。