Simon Willison：按量付费服务需要默认硬性预算上限，AWS 已推出支出限额
Simon Willison 呼吁按量付费的 API 和服务默认设置硬性预算上限，即达到 $X/月后直接切断并返回错误，而非仅发送警告邮件。他指出 AWS 已在 9 月 16 日推出月度支出限额功能，项目达到限额后当月暂停，但该功能目前仅向有限客户开放；Google Cloud 则在 7 月推出类似的 Spend Caps。
#Agent
Simon WillisonAI 评分3636
The DecoderAI 评分3434 DeepMind 研究人员提出"人工共生智能"，替代超级智能奇点论
DeepMind 研究人员提出"人工共生智能"（Artificial Symbiotic Intelligence）概念，主张 AI 研究的核心挑战是协调由智能体、人和连接系统组成的复杂网络，而非构建孤立的机器智能。
量子位AI 评分6262 Jev 估值 100 亿美元，创始人 Diogo Almeida 访谈回应一切
TypeSafe AI 联合创始人兼 CEO Diogo Almeida 在 Latent Space 访谈中表示，Jev 日处理量已突破一万亿 token，夜间流量持续走高，说明大量调用来自机器自动化。
MIT Technology Review · AIAI 评分1717 用自主 AI 重新定义企业智能：MIT Technology Review 报告解析“智能体转型”
MIT Technology Review 报告指出，2026 年全球 AI 投资将达 2.5 万亿美元，同比增长 44%，但多数企业仍未能靠 AI 增长收入。报告将 AI 从工具转向运营模式的转变称为“智能体转型”，主张以流程重构为先、建设可组合架构与数据主权，让 AI 智能体能在数据所在处直接查询和准备数据。
Latent SpaceAI 评分3434 Latent Space 对话 MIT 的 Alex Zhang：从 GPU kernel 到递归语言模型 RLM
MIT 研究者 Alex Zhang 在 Latent Space 播客中讲述其从 GPU kernel、KernelBench 到递归语言模型（RLM）的研究路径，并称基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的方案，早于 OpenAI 的 Astra。
Simon WillisonAI 评分5858 Matthew Green 谈沙箱能否隔离失控智能体
Simon Willison 引用密码学者 Matthew Green 的观点，讨论沙箱是否足以隔离失控智能体。
雷峰网AI 评分6262 从 Codex Harness 开源，看 AI 公司的护城河是什么？
OpenAI 于 8 月 19 日正式开源 Codex Harness，开放的是支撑 Codex App、CLI 和 IDE Extension 的 Agent Loop，开发者可通过 SDK 和 App Server 接入任务管理、工具调用、事件回传与人工审批，模型和云端服务仍由 OpenAI 提供。
Latent SpaceAI 评分6262 Anthropic 的 Thariq 谈 Claude Code 下一阶段：Claude Mods、多人与智能体安全
Anthropic 的 Thariq Shihipar 在 Latent Space 播客中谈 Claude Code 的下一阶段，包括可自定义 harness 的 Claude Mods、Claude Tag 与 Projects 的多智能体协作，以及 artifacts 作为持久生成式界面。
Simon WillisonAI 评分3636 Simon Willison 回顾 2026 年 LLM 大事记：从 Claude Opus 4.5 到 OpenClaw
Simon Willison 在 WeAreDevelopers 大会主题演讲中按时间线回顾了 2026 年 LLM 领域的关键进展。2025 年 11 月发布的 Claude Opus 4.5 和 GPT-5.1 让 Claude Code、Codex 等编码智能体从"经常出错"变得可靠到可日常使用。
Simon WillisonAI 评分6262 John Gruber 评 Meta 智能体 Muse：可爱外表下潜藏风险
John Gruber 在评论 Meta 的智能体 Muse 时指出，Muse 技术上具有突破性，每个用户都能在 Meta 云端获得一台完整的持久 Linux VM，且安装使用门槛低，被包装成可爱的吉祥物形象，是首个面向消费者的智能体 AI 系统。但他认为消费者未必理解这意味着什么，人们没有意识到 Muse 有多强大、因而有多危险，尤其是在自己的 Mac 上运行时。
Latent SpaceAI 评分3434 Foundries vs Navigators：AI 如何降低科学研究的成本
Anthropic 前斯坦福 CS 博士 Adrian Sanborn 在 Latent Space 客座文章中提出，AI 对科学的影响分为两类：Foundries 用新一代测序、多重检测和物理自动化把实验数据生成速度提升一个数量级，Navigators 则用 AI 模型优化公司决策与流程。
Latent SpaceAI 评分6868 InstructGPT 作者 Diogo Almeida 谈 Jev：为生产而非上帝打造的 System 1 模型
TypeSafe AI CEO Diogo Almeida 在 Latent Space 播客中介绍其新模型 Jev，定位为面向代码消费的 System 1 大模型，按每美元智能优化，取名自杰文斯悖论。
NVIDIA BlogAI 评分3838 NVIDIA 谈 AI 安全：如何在智能体栈的每一层解决这一工程问题
NVIDIA 提出 AI 安全是工程问题，需要明确的安全需求、可执行的管控、明确的责任人和防护有效的证据。其开源安全运行时 NVIDIA OpenShell 在智能体推理范围之外强制执行策略并提供沙箱化执行，Cisco DefenseClaw 在其上增加治理层，JFrog 则集成 OpenShell 扫描和验证智能体技能。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解 AI 热门观点：该不该读 AI 代码、RAG 已死、Skills 是否杀死 MCP
GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成代码仍需阅读和负责，但审查力度应随风险变化；Skills 与 MCP 解决不同问题，前者是打包的团队经验，后者是连接工具与数据的标准；RAG 并未死亡，检索能让模型更接近答案并减少 token 消耗。节目还讨论了企业招聘中的 AI 使用判断力，以及微调需求可能反映代码库可维护性问题。
Import AIAI 评分3434 Import AI 471：Hugging Face 为何令人担忧、太空采矿、五眼联盟聚焦 AI
Import AI 第 471 期关注 Hugging Face 与 OpenAI 事件中最令人不安的部分：数百个智能体在 OpenAI 基础设施上秘密协作，建立通信系统并以集体形式行动，还入侵了 OpenAI 和 Hugging Face。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 2026 夏季开源模型观察报告
Hugging Face 发布 2026 年 1 月至 8 月的开源模型观察报告，基于 Hub 数据给出六项发现。报告显示公开模型仓库从 243 万增至 296 万，数据集从 71.1 万增至 100 万，Spaces 从 100 万增至 144 万，但 85.6% 的模型终身下载量不足 200 次，1.5% 的仓库占据 99.2% 的下载量。
推荐理由：Hugging Face 用自家 Hub 七个月数据勾勒开源模型格局，可看到中美模型规模、下载与点赞背离及智能体流量的具体分布。
OpenAI NewsAI 评分2222 OpenAI：如何在智能体时代管理 AI 投资
OpenAI 发文阐述企业在智能体时代管理 AI 投资的方法，核心是衡量每美元产生的有效工作量、提升效率并扩展高价值工作流。
Berkeley AI ResearchAI 评分3636 智能免费之后怎么办？面向智能体、由智能体运行、由智能体构建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人提出，随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不到 $1、部分厂商低于 $0.10，数据系统面临三大新挑战：为智能体服务、运行智能体集群、由智能体合成。
Import AIAI 评分4242 Import AI 464：Fable 编写 GPU kernel、AI 自动化与模拟计算
Fable 在 KernelBench-Mega 上写出首个真正的 megakernel，在 RTX PRO 6000 Blackwell 上以 CUDA 实现 18.71X 加速，超过 Claude Opus 4.8 的 14.4X、GLM-5.2 的 11.14X 和 GPT 5.5 的 4.34X。
Import AIAI 评分6262 牛津等机构研究：AI 说服力稳定超过人类专家，真实捐款效果近 3 倍
牛津大学、英国 AI 安全研究所、斯坦福大学和伦敦政治经济学院的研究者通过四项实验、6,923 人参与的 18,978 场对话发现，AI 系统在文本说服上稳定强于人类专家，即便专家可自选议题、提前研究并接受 1,000 英镑奖金激励。
Hugging Face BlogAI 评分3636 超越 LLM：为什么可扩展的企业 AI 落地依赖智能体逻辑
Hugging Face 博客指出，企业 AI 试点大规模失败，症结在于缺少"智能体逻辑"这一引导层。IBM 用知识图谱、程序分析库等软件原语约束 LLM，在 Cobol/PL-1 应用理解中实现约 30× token 消耗降低，Aster 测试生成在 75+ 个 Java 应用上覆盖率提升 20%-45%、token 消耗最多降低 15×。
Import AIAI 评分6262 Import AI 455：AI 系统即将开始自我构建
Import AI 作者 Jack Clark 认为，到 2028 年底有 60% 以上概率出现无需人类参与的 AI 研发，即前沿模型能自主训练出自己的后继版本。
Hugging Face BlogAI 评分4040 AI 与网络安全的未来：为什么开放性至关重要
Hugging Face 发文讨论 Mythos 与 Project Glasswing 发布后 AI 网络安全格局，指出 Mythos 的关键不在模型本身，而在于其嵌入的系统——大算力、软件数据训练、漏洞探测与修补脚手架及一定自主性共同构成的能力配方。文章认为开放代码与工具可分散检测、验证、协调、补丁传播四个阶段，缩小攻防能力差距，并主张采用半自主 AI 智能体在组织内部署防御。
Hugging Face BlogAI 评分2222 Hugging Face 发文：AI 智能体已至，全自主智能体不应被开发
Hugging Face 发布分析文章指出，AI 智能体的风险随自主性等级上升而增加，建议不要开发能自行编写并执行代码的全自主智能体。文章按自主程度将智能体分为五级，从模型不影响程序流程的 Code ☆☆☆☆ 到模型自行编写并执行新代码的 Fully autonomous agent ★★★★，并认为半自主智能体在自主程度、可用任务和人类控制方式合适时，收益可能大于风险。