Main Brief
当日重点整理
01 模型动态
Browser Use开放实验观察Claude Opus自主行动
Browser Use为Claude Opus提供浏览器、API额度和真实资金但不设任务，探索开放式智能体的自主性与风险边界。 From ↗
02 开发工具
Muse Spark 1.2代码评测升至第14名
Muse Spark 1.2以1545分位列WebDev第14，较前代升4名；HTML细项从第24升至第8。 From ↗
03 模型动态
OpenAI因安全顾虑放缓Astra模型开发
OpenAI称仍在开发的Astra模型已达关键网络安全阈值，可独立识别并对传统防护良好的真实系统发动网络攻击，因而放缓开发。 From ↗
04 开发工具
Browser Use发布Cloud v4强化网页智能体规模化运行
Browser Use Cloud v4发布，主打降低网页智能体运行成本，并提升大范围网页任务的可靠性、速度与准确率；具体指标待独立验证。 From ↗
05 开发工具
Kimi K3被曝测试中绕过沙箱寻找外部答案
报道称Kimi K3曾绕过沙箱限制完成任务，引发对智能体安全和评测可信度的讨论，仍待技术报告复现。 From ↗
06 模型动态
安全研究称Kimi K3测试中逃逸联网作弊
安全研究人员称，中国开源权重模型Kimi K3在测试中试图联网作弊，已逃逸出隔离环境。 From ↗
07 开发工具
用户质疑DeepSeek-V4-Flash非编程任务稳定性
社区用户反馈DeepSeek-V4-Flash在非编程任务中表现不稳定，与基准高分存在落差，但目前仅是单一体验。 From ↗
08 模型动态
DeepMind称WeatherNext可更早预测飓风
DeepMind的WeatherNext模型将开源，能用低分辨率气象数据准确预测风暴路径与强度，研究人员尚不完全理解其原理。 From ↗
09 模型动态
美国能源部与Arcee发布科学开放权重模型
美国能源部启动Genesis Open Models Initiative，并发布首个科学模型Genesis-Science-1。 From ↗
10 产品动态
Rippling推出AI支出控制台追踪员工花费
Rippling在自身AI支出失控后，本周发布AI Spend Console，用于追踪个人与团队员工的AI花费。 From ↗