Meta 发布 Muse Spark 1.3，是五个月内第四个 Muse Spark 版本。Alexandr Wang 官宣 xhigh 版在 Artificial Analysis Intelligence Index 得 61 分；分析师 Kim 称 max 变体（合作伙伴限时预览）得 62 分。9 月 3 日早间更新的编码智能体指数更有信息量：Muse Spark 1.3 (max) 跑在 Muse Code 下拿下 68 分，仅次于 Claude Code + Opus 5 (xhigh) 的 68 分。Muse Code 就是 9 月 1 日刚结束 beta 的那个编码 agent。

Google DeepMind 9 月 2 日发布 Gemini 3.8 Flash 与 3.8 Flash Cyber，这是六周内第三次 Flash 系列发布（3.7 Flash 在三周前）。3.8 Flash 定位"迄今最佳推理与编码模型"，HLE-Verified 得 54.9%，官方称在 DeepSWE v1.1 长程软件工程基准上超过多数更大的前沿模型。3.8 Flash Cyber 主打漏洞发现与修补：内部基准（覆盖 20 种编程语言的代码库漏洞发现）成功率超 70%，CWE-Bench pass@1 47.2%（对比领先前沿模型的 47.8%）；Chrome 安全团队实测它产出的正确漏洞补丁数是最大最佳商业模型的 2.6 倍，Wiz 内部渗透测试基准上召回率提升 7.5–9.7%、成本降 2.3–5.2 倍，Google 云漏洞研究团队用它不到 2 小时发现一个关键基础漏洞。介绍价 $0.75/M 输入、$3.75/M 输出（至 2026-12-31），之后涨到 $1.50/$7.50。Cyber 版网络缓解措施更宽松，仅通过 Fairwind Program 向可信防御者开放（政府机构、关键基础设施运营者、软件维护者优先），合作方包括 Palo Alto Networks、Wiz、Snowflake、Armadin。

通义千问 9 月 2 日发布 Qwen3.8-Max-0902，在 Code Arena: WebDev 以 1,691 分首次亮相即排名总榜第一，官方称以混合价 $5/MToken 成为 Pareto 前沿上得分最高的模型，已在 QwenCloud 开放试用。

Claude 官方宣布 Cowork 和 Claude Code 新增后台使用电脑的能力：把任务交给 Claude 后，它会像人一样点击、输入、打开应用，用户可以同时去做别的事。

Cursor 9 月 2 日发布 Self-Hosted Machines：云智能体的工具执行迁移到企业自有网络内的机器，智能体循环、推理和规划仍留在 Cursor 云端；连接方式是 worker 向外的出站 HTTPS，Cursor 不会主动连入企业网络。

Google 员工 Shir Meir Lador 9 月 2 日发文拆解 harness engineering：用确定性组件包裹 LLM——编排层、执行沙箱、状态持久化、验证工具，让 agent 不需要逐行人工审查也能安全产出代码。文章给出可跑的最小实现：Antigravity SDK 把 agent 限制在 workspaces=["./sandbox"] 边界内；ADK 2.0 的图工作流把单测节点接成路由——测试通过走 END，失败就把 traceback 喂回 agent 循环重试；内置 kill switch，迭代计数超过 5 次熔断。文中引用 OpenAI"3 名工程师、0 行手写代码交付内部 beta"的实验作为 harness 工程的样本，完整实现开源在 Balaji Subramaniam 的 adk-harness-engineering 仓库。

GitHub 工程师 Erik Kristensen 分享 Copilot 降本的四个改动：选择性压缩工具输出；移除 view 工具输出的行号前缀——线下推理成本降约 5%，线上用户日均推理成本降约 3%；压缩 task-tool 提示词，每轮省约 1,300 token，每活跃小时归一化成本降 2.9%；后台任务完成后直接交付结果而非等待轮询，AI Credits 用量降约 2.3%。

Anthropic 发布电商 Agent 构建指南，素材来自与零售、旅游、电信等团队的落地合作。核心架构选择：单个 Claude 在标准 agent 循环里配合技能（skills）与工具，而不是按领域拆分子智能体。参考实现 anthropics/commerce-agents 已开源，包含购物侧与商家侧两个 agent。

Google AI 团队发布教程，讲如何为 LLM-as-a-Judge 评测编写可靠的布尔式评分标准。四个要点：问题保持原子化、互不重叠；只让评判模型评估客观事实，可用 RFC 2119 术语（MUST/SHOULD）表述；只评 prompt 中明确要求的内容；用专家标注的 golden set 校准评判模型，直到与人类评分一致。文中指出，模糊的评分提示会导致评估不一致和 token 浪费。

Bloomberg 报道，Nvidia 正接近以约 129 亿美元收购 Hugging Face，交易总额可能达约 140 亿美元；双方尚未达成最终协议，时间与细节仍可能变动，需核查。该价格约为 Hugging Face 2023 年融资轮 45 亿美元估值的 2.9 倍，按年化收入约 1.5 亿美元计算相当于 86 倍，交易还谈及 10 亿美元的员工留任方案。