Meta Superintelligence Labs 8 月 10 日发布 Muse Glimmer，30B 参数，Apache 2.0 许可，权重已上传到 Hugging Face。定位是“始终在线的本地 agent 工作流”：量化后语言模型不到 20 GB，可运行在单张消费级 GPU 的 Mac 或 PC 上。

模型支持多模态输入、工具调用、长程推理和失败恢复。官方评测提到在 DeepSearch QA、MCP-Atlas、τ-Bench、SWE-Bench 等端到端任务上取得较高成功率。SGLang 提供 Day-0 支持，LM Studio 已提供 18.16 GB 版本。Simon Willison 用 llm-coding-agent 在 Datasette 仓库上测试，模型能自主探索代码库并调用工具回答“how does auth work?”。

OpenAI 8 月 10 日扩展 Daybreak 网络防御服务，新增 Blue 和 Red 两个访问层级，并推出专用模型 GPT-5.6-Cyber。Blue 面向防御任务，提供 GPT-5.6 Sol 并移除系统级安全护栏，支持漏洞发现、恶意软件分析、事件响应；Red 面向授权漏洞研究、渗透测试，提供 GPT-5.6-Cyber。

内部评测“Advanced Cybersecurity Completion Rate”显示：GPT-5.6-Cyber 完成 95.0% 的敏感安全查询，标准 GPT-5.6 Sol 仅 1.5%，Daybreak Blue 仅 2.0%，前代 GPT-5.5-Cyber 为 57.3%。该模型已在 Chrome V8 中发现两个未知漏洞（CVE-2026-15903），并在一个流行移动操作系统中发现至少 5 个漏洞。9 月 1 日起，Daybreak 个人账户强制使用硬件安全密钥。

8 月 9 日，Claude Code 负责人 Boris Cherny 在 X 及 Y Combinator 访谈中表示，Anthropic 已将提示注入攻击“在实际使用中基本解决”。防御分三层：模型对齐训练抵抗外部恶意指令；基于可解释性（Crysola）的探测识别注入尝试中特定神经元；Auto Mode 分类器审查每个动作是否匹配用户意图。

第三方 Trajectory Labs 对 Claude Fable 5、Opus 5、Sonnet 5 各进行 720 次间接提示注入攻击，成功率为 0；同期 GPT-5.6 Sol 在 Codex Auto-review 下仍有 5.83% 成功率，Full Access 下为 19.03%。Cherny 同时透露，针对 Opus 5，Claude Code 删除了 80% 的系统提示。

a16z 8 月 10 日发布对 computer-use agent 的实测研究，基于 OSWorld-Verified 基准。Claude Fable 5 任务完成率 85%，超过人类测试者的约 72%；一年前最佳模型仅 42%。

研究列出适合自动化的任务：CRM 更新、QA 检查、政府/保险门户登录、零售订单处理、ServiceNow IT 工单等；不适合的任务包括从合同提取付款条件、保险理赔提交等难以即时验证成功的操作。成本方面，纯 screenshot 模式的前沿 agent 约 $6–8/小时，与美国后台办公工人 $30–45/小时相比有 70–80% 毛利优势，与印度 BPO ~$10/小时大致持平。生产案例：某消费品数据平台每月运行 1500–2000 万次门户交互，agent 作为自愈备份，将 scraper 维护团队减半。

阿里 Qwen 团队 8 月 9–10 日发布 Qwen-MM-Plugins，Apache 2.0 开源，定位为面向多模态 agent 的 harness 扩展库。它把图像、视频、文档、3D 处理能力打包成 skill + 可选 MCP server，支持接入 Claude Code、Codex、Qoder、OpenClaw、Qwen Code、Gemini CLI 等主流 agent 环境。

核心包提供 OCR、视觉 grounding、分割、语音识别、视觉对话、网页搜索；另有长视频记忆、视频编辑、Blender 控制、FreeCAD 工作流、教育视频生成等模块。Blender 模块支持建模、材质、灯光、渲染；FreeCAD 模块支持参数化建模、STEP/STL 导入导出、有限元分析。部分高级功能需 DashScope API key；视频/音频依赖 ffmpeg，文档可视化可能调用 LibreOffice、LaTeX、Chromium。

OpenChamber 是一个开源的 agentic 开发环境，基于 OpenCode SDK，支持 macOS/Windows/Linux 桌面、浏览器 PWA、手机（beta）和 VS Code 扩展。核心功能包括：Session Goals（设定目标后 agent 持续工作，即使应用关闭）；Multi-run and Fusion（同一任务并行跑最多 5 个模型，保留最佳结果或融合最强部分）；Changes Walkthrough（把大 diff 分组为有序步骤并解释）；Preview（指向运行中应用的元素，自动把背后上下文发给 agent）；从 GitHub issue 到 PR，失败检查自动返回；Scheduled work（按 cron 调度 prompt）。

数据留在本地，远程访问可设 UI 密码，通过 Private Relay 配对，不开放端口。项目强调“我们关注的是 harness，而非模型或提示词”。

webAI 8 月 10 日发布 TwiL-LM 系列形式逻辑模型，包括 1.7B 和 3B 两个版本，权重放在 Hugging Face，支持 Transformers 和 llama.cpp。3B 版本 TwiL-LM3 在 webAI 自研的形式推理基准中 4/5 项超过 OpenAI gpt-oss-120B：rule induction 96.4 vs 65.2，semantic parsing 87.6 vs 43.3，exact-format answering 52.0 vs 7.0；gpt-oss-120B 仅在 entailment labeling 领先（77.5 vs 68.7）。吞吐量 32.9 answers/s，是 gpt-oss-120B 12.6 的约 2.6 倍。

1.7B 版本基于 SmolLM2-1.7B 加约 72.35M 参数的 LoRA 适配器，Q4 量化后仅 1.06 GB，可在手机和 Raspberry Pi 运行。模型卡明确警告：TwiL 不是验证器，正式表达式仍可能语法有效但逻辑错误，关键决策需配合符号求解器或人工审查。

OpenRouter 8 月 10 日推出新版 Auto router，用匿名化的真实付费支出数据做模型路由。流程：轻量分类器把 prompt 分到约 30 个细粒度任务类型（代码调试、多步 agent 规划、知识问答、数学、研究报告等）；然后查询过去 7 天 OpenRouter 社区在该任务上的实际 spend share，按用户设定的 cost_tier（low/medium/high/xhigh/max）选择对应成本带的模型。

为避免频繁切换导致 cache 重建浪费，还实现了“粘性”策略：多轮对话保持在同一模型，直到该模型不再是该任务的领先选择。官方给出的 MMLU Pro、τ³-bench Banking、WideSearch、DSQA、SWE-Atlas QnA 等任务的旧/新默认与最大成本对比显示，新 router 在部分任务上显著降低成本。

GitHub 8 月 10 日发布 Copilot SDK for Java 公开预览版（版本号 1.0.6-preview.1/1.0.7-preview.1），Maven 坐标 com.github:copilot-sdk-java。要求 Java 17+，推荐 JDK 25 以自动启用虚拟线程。SDK 通过 JSON-RPC 与 GitHub Copilot CLI 通信，支持创建 Copilot session、注册工具、发送 prompt、接收结构化响应和流式事件。

提供 @CopilotTool 和 @CopilotToolParam 注解定义工具，BYOK 支持使用自有 OpenAI/Anthropic/Azure 等 API key。微软在 Build26 的演示用 Jakarta EE 11 + Open Liberty 26.0.0.5 + PrimeFaces 搭建了一个房产线索管理 agent pipeline，展示并发虚拟线程 agent。

Antigma Labs 的 Ante 是一个用 Rust 写的编码代理，alpha 阶段，预构建二进制约 15MB，零运行时依赖，支持 macOS/Linux（Windows 建议 WSL）。内置 llama.cpp，可通过 --offline-model 指定 GGUF 文件完全离线运行。

支持交互式 TUI、headless 一次性任务、server 模式（JSONL）、gateway 模式（Slack/Discord 机器人）、子代理编排、自定义 skills、MCP、跨会话持久内存。官方在 Terminal-Bench 2.1 上跑 89 个任务各 5 次，使用 DeepSeek V4 Flash 0731 得到 82.7%（368/445），与 DeepSeek 官方报告一致，推理成本约 $68。相比 Claude Code 跑 20 个并行 Docker 任务，Ante 峰值内存约 1/7、平均 CPU 约 1/9、磁盘 I/O 约 1/5。