xAI 为 Grok 加入 Automations。用户描述一次任务后，Grok 可按计划（一次 / 每日 / 工作日 / 每周 / 每月 / 每年）或邮件触发（按发件人、收件人、主题过滤）自动运行。每次执行是一次完整对话，结果保存到运行历史，支持邮件或应用内通知。定时自动化对所有用户开放；邮件触发需 SuperGrok 订阅。

OpenAI 训练了自动化红队模型 GPT-Red，用于在部署前发现漏洞并在训练中生成攻击以提升模型鲁棒性。GPT-Red 能攻破此前几乎所有模型，其攻击被用于对抗训练 GPT-5.6 Sol，使该模型在直接提示注入基准测试中的失败率降至四个月前最佳生产模型的 1/6。GPT-Red 通过自对弈强化学习训练，投入了 OpenAI 后训练中前所未有的计算规模。

VentureBeat 对 157 家企业进行调研。50% 的组织在过去一年曾部署通过内部评估、却导致客户故障的 AI 智能体或大语言模型功能。仅 5% 的企业完全信任自动化评估；29% 认为评估与现实结果对齐不佳是最大局限。尽管如此，66% 的企业已允许或正计划在 12 个月内让低风险智能体实现全自动、无人工干预部署。

VentureBeat 调查 107 家企业。54% 已遭遇 AI 智能体安全事件（18% 确认事故，36% 险些酿祸）。仅 32% 为每个智能体分配独立身份凭证；30% 将高风险智能体隔离在沙箱中。安全工具主要依赖模型提供商原生方案，专用智能体安全产品渗透率极低。

Anthropic 发布通用模型 Claude Fable 5，定位"最强通用模型"，专为长时间、多步骤、复杂异步工作设计。它可在 Claude Cowork 中自主执行深度研究、尽职调查等任务。该模型需要手动选择，默认模型仍为 Claude Sonnet 5。

Moonshot AI 发布 PerceptionBench，一个从 40 多个现有基准中模型实际失败案例归纳出的视觉感知基准，包含 10 项原子感知能力和 3000 道验证题。所有测试模型准确率均未超过 60%，且大量正确答案在重复提问时无法复现，显示模型更多是猜测而非真正感知。

面壁智能联合多团队开源 StaffDeck，一个用于构建与管理企业数字员工的平台。该平台旨在将专业知识、标准作业程序（SOP）和决策规则转化为持续工作、改进并保留组织知识的数字员工，而非传统聊天机器人。项目代码已发布在 GitHub。

Patter SDK 发布教程，演示如何构建餐厅预订场景的语音智能体工作流。流程支持动态调用变量、注册可调用工具、应用输出护栏（PII 脱敏、脏话过滤、话题范围限制），可在无需实时电话凭证的情况下运行脚本化通话模拟。教程还涵盖延迟与成本指标追踪、回归式评估检查，以及将智能体逻辑、工具调用、安全检查和通话模拟整合为单一结构化管线。

小红书联合北大、上交提出 HYPIC，首个在混合注意力大模型上实现位置无关缓存的系统。首 token 延迟平均降低 3.25 倍，在 4 个生产级模型上同 SLO 下可持续 QPS 提升 1.66 倍，任务质量与完全重算仅相差 1.71 分。

Google Cloud 与 Parallel Web Systems 合作，将 Parallel 的搜索基础设施作为新的网络接地提供商原生集成到 Gemini Enterprise Agent Platform 中。开发者能将 AI 智能体锚定在可验证的实时网络结果上，提升企业工作流的事实准确性。用户还可编程提取、永久缓存并与其他大语言模型一起处理网络数据。