本期的主旋律不是单点发布，而是 AI 进入系统化落地之后暴露出的第二层问题：安全不再是模型能力的附属品，组织不再按传统岗位分工，基础设施也不再只围绕更大的模型展开。OpenClaw 争论、agent security、Codex usage reset、Claude Code 团队角色拆分，都在指向同一件事：AI 工具变强以后，真正稀缺的是使用边界、系统设计和团队分工。
另一条线是能力版图继续快速移动。Meta 把 Brain2Qwerty 推到实时句子级解码，Tesla 把 HW4 的能力蒸馏回 HW3，Microsoft Research 讨论 agent memory，Emad 关注开源 harness、LongCat 与中国 ASIC 训练路径。它们看似分散，合起来是一个信号：前沿能力正在从“模型发布会”扩散到数据、硬件、记忆、评测和产品场景。
今天是低信号日，但不是无信号日。真正值得展开的是：builders 圈子开始把“会用 AI”拆成可招聘、可协作、可验收的角色，把“产品影响力”拆成 shipped artifact 和公开解释能力。这比单纯追逐下一个模型名更接近长期复利。
OpenClaw 争论把问题从“某个 agent 是否安全”拉回到使用方式、权限边界和系统设计。
Peter 为 OpenClaw 辩护，认为团队过去四个月做了功课，Microsoft 也已经向客户交付，反对把讨论停留在简单嘲讽上。
Zack 回应称，大量人说“OpenClaw 现在安全了”本身证明了误区：AI agent security 不是 agent 的静态属性，而取决于它如何被使用。
Zack 进一步提醒，新模型不会自动解决 agent security。SOTA 模型也许更不容易吃简单 prompt injection，但一旦被诱导，破坏能力也更强。
Levie 从开放模型与网络安全角度反对简单 gatekeeping：如果先进模型终将开放可得，封锁既未必更安全，也可能在战略上削弱自己。
闭源 frontier、开源 harness、中国 ASIC 与 MoE 模型同时进入讨论，模型竞争正在从单榜单转向全栈路线。
Bindu 认为美国 AI 正在回到强势位置，并列出 Fable、GPT 5.6、Gemini 3.5、Grok 4.5 等节点，强调 Opus 4.8 和 GPT 5.5 在真实 coding 场景仍明显领先开源模型。
Bindu 预测新的 frontier model 即将发布，并认为舆论会重新回到闭源 AI 的能力叙事上。
Emad 发布 Zenith harness 更新，主张不仅便宜和快速任务可以多模型编排，最难、耗时数小时到数天的挑战也可以用 harness 把现有模型推到更高水平。
Emad 补充 Zenith harness 可适配不同配置，并在更低成本下取得 SOTA 表现，同时把 FrontierSWE 称作比 SWE Bench Pro 和 Terminal Bench 更复杂的实用 benchmark。
Emad 指出 OpenRouter 上最流行的模型可能是美团 LongCat 的 1.6T MoE，声称其接近 Gemini 或 Opus 4.6 水平，并强调训练使用 5 万颗中国 ASIC 而非 GPU。
招聘、产品、工程与设计的边界正在重写，核心不是“懂 AI”，而是明确要解决的问题和产出角色。
Alex 认为“找一个懂 AI 的人”不是岗位描述。AI 人才至少要区分两类：能用工具快速把业务跑起来的 operator，以及能建设可扩展系统的 engineer，评估方式完全不同。
Boris 观察 Claude Code 团队，把未来产品角色拆成 Prototyper、Builder、Sweeper、Grower、Maintainer 五类，认为团队配置会比传统职能边界更重要。
Peter 转述 Anthropic PM 使用 agents 的方式：PM 通过访问代码库和 PR 状态，更直接地理解产品状态，而不是不断询问工程进展。
Zara 强调 building 不只是在产品上花时间，也要投入更多时间解释、演示、销售和教学，通过与现实接触不断打磨产品。
脑机接口、agent memory 与个性化生成都在从论文或 demo 走向可复用系统组件。
Meta 发布 Brain2Qwerty v2，称其是从原始脑信号实时解码句子的 end-to-end pipeline，从字符级推进到词语和语义级沟通。
Meta 披露 Brain2Qwerty v2 的训练规模：9 名志愿者、约 2.2 万句、每人 10 小时 MEG 记录。平均词准确率 61%，最佳参与者达到 78%。
Meta 表示将发布 Brain2Qwerty v1 和 v2 的完整训练代码，合作方也会释放 v1 数据集，以加速神经科学研究。
Microsoft Research 介绍 Memora：面向长任务 agent 的可扩展记忆系统，把“存什么”和“怎么检索”分离，缓解不断 reload 或 retrieve context 的低效问题。
Gemini 在美国向更多免费用户开放个性化图像生成。用户可选择连接 Google apps，让 Gemini 用个人偏好补全生成语境，同时保留断开连接的控制权。
从车端蒸馏到海上数据中心，AI 基础设施的瓶颈已经覆盖硬件代际、能源、冷却和部署位置。
Tesla 发布 v14 Lite 说明：将 HW4 V14 的智能蒸馏到 HW3，引入 RL 与 offline models 带来的改进，并提升导航、并线、行人、红绿灯、cut-in 等场景响应。
Rowan 介绍 Panthalassa 的海上数据中心设想：利用海水冷却和海浪供能，缓解数据中心电力与用水瓶颈，甚至通过船体形态借海浪自航。
Thariq 讨论 coding agents 可能改变旧代码库迁移和改造的工程经济学，提示 legacy codebase 的处理成本可能因 agent 工具而重新计算。
Thibault 表示 Codex 团队周日在 warroom 排查 usage drains，并随后为用户重置 Codex usage limits。这是 AI coding 工具进入大规模运行后的运维信号。