这一期的主旋律很清楚：AI 正在离开单纯的聊天框，进入工作流、终端、安全扫描、健康数据和组织协作。OpenAI 把 Voice 放进桌面端，又把 Health 接进 ChatGPT；Andrew Ng 推出本地优先的 OpenWorker；Abacus、Vercel、Claude Code 相关 builders 都在讲同一件事，模型能力不再只是回答问题，而是开始接管一段可交付的工作。
另一条线更刺耳：安全与安全叙事被分开审视。Codex Security、Gemini Flash Cyber、Claude Security plugin 都在把模型往防御工具里放，但 Timnit Gebru 和 Zack Korman 的质疑提醒我们，AI safety 的公司如果在 security 上失分，漂亮的能力叙事会迅速变成公关防线。
所以今天值得展开的不是某个单点产品，而是边界变化：模型正在进入更私密的数据、更关键的开发链路、更真实的劳动组织。越接近真实工作，越需要把能力、审计、责任和激励放在同一张桌子上看。
从桌面语音、多 Agent 协调到本地 AI coworker，产品叙事正在从聊天转向交付。
ChatGPT Voice 进入桌面端，用户可以用语音控制电脑，并调度 ChatGPT Work 或 Codex 中的多个 agent；底层由 GPT-Live 支撑，可边听、边说、边协调工作。
Brockman 用一句话补刀：voice 会让人意识到打字有多不自然。这是在给桌面语音交互做产品心智定位。
Andrew Ng 发布 OpenWorker：一个开源、本地运行、模型无关的 agent，不只是聊天，而是交付文档、Slack 消息、日程更新等成品，并在关键动作前确认。
Peter Steinberger 提到他们也加入了直接调用 claude cli 的代码路径，说明在实际工程里，绕过抽象层、直连 CLI 已成为一种务实适配。
builders 的关注点集中在长期记忆、提示词驱动全栈交付和 AI 编程的真实效率提升。
Bindu Reddy 测试 Abacus 的 AI brain，称其能创建长期记忆，让 Fable-5 在工作中显著变聪明；她把带自修正长期记忆的长运行 agent 直接称为 super intelligence。
Abacus AI Agent 被包装成用 prompt 批量构建产品的整套系统：网站、移动 App、监控后台、测试 agent、调试 agent、营销 agent、广告优化、图像视频、支付、数据库、存储和认证都放进一个包里。
Rauch 称 Fable 几乎自主地在 Turbopack/Next.js 中找到 15% 到 30% 的内存效率提升，并把每周都出现的工程惊讶感称为 AI 进展的真实指标。
Thariq 的体验反馈很直接：用 Claude Design 和 Claude Code 做前端非常顺手，/design 这种入口正在成为 AI coding 工作流的一部分。
主流实验室和工具厂商都在把模型能力包装成代码安全与 cyberdefense 工具。
Brockman 推 Codex security plugin，主打把 OpenAI 模型用于 cyberdefense，说明代码安全正在成为 AI coding 产品的标准插件位。
Google DeepMind 发布 Gemini 3.5 Flash Cyber，一个轻量安全模型，定位是帮助安全团队在漏洞被利用前发现并修补问题。
DeepMind 补充称，3.5 Flash Cyber 通过速度和效率让防御人员检查更多代码路径，并在 Chrome、Android 等自家代码库测试中抓到标准模型漏掉的复杂漏洞。
Claude Security plugin for Claude Code 进入 beta，可在提交前扫描改动漏洞，也可在终端里对整个代码库做全量扫描。
围绕 OpenAI 的安全、蒸馏和营销话术，关注列表里出现了密集的反向质询。
Timnit Gebru 批评政治人物复述 OpenAI 的“rogue machine”和能力炒作话术，认为公共讨论被公司上市前营销语言带偏。
她进一步指出，真正的故事不是“前所未有的能力”，而是一家自称 AI safety 的公司展示了糟糕的安全实践和部署能力。
Timnit 用讽刺口吻点出蒸馏争议的逻辑矛盾：抓取整个互联网训练可以被包装成合法，但付 API 费蒸馏“偷来内容训练出的模型”却被指控不合法。
Zack Korman 用一句话概括美国 AI labs 对中国蒸馏其模型的不满，呼应了“训练数据与模型蒸馏双标”的争论。
Korman 区分 AI safety 与 AI security：这次事件是 security 问题，需要 security 解法；若要真正复盘，必须公开 audit log。
ChatGPT 开始连接 Apple Health 和医疗记录，AI 助手进入更私密的数据域。
OpenAI 宣布 Health in ChatGPT 向美国用户推出，可安全连接 Apple Health 和支持的医疗记录，用上下文理解健康信息、跟踪变化并支持更有信息量的对话。
OpenAI 说明该体验来自早期测试者和医生反馈；用户授权后，ChatGPT 可跨对话使用健康上下文来比较检查结果、总结就诊后变化或关联睡眠与活动，并声明相关数据不用于训练 foundation models 或广告投放。
Brockman 转述 Health in ChatGPT 的发布，并强调每周有 3 亿人用 ChatGPT 查询健康问题，连接医疗记录会让回答更有个人上下文。
模型能力讨论从新版本预期、低价长任务模型，到多模态和 Transformer 内嵌知识继续扩散。
Gemini Spark 开始向美国 Google AI Pro 订阅者推出，并计划扩展到更多国家，属于 Gemini 产品线的订阅权益扩容。
Emad 回顾 Stable Diffusion 早期训练到今天 FLUX 3 统一多模态并再次冲到 SOTA，重点是生成式视觉模型团队和路线的连续性。
Bindu Reddy 评论 Kimi K3 与美国 frontier models 的比较，认为 Kimi 更像便宜的 Sonnet/Opus 4.6 级长任务模型，而不是 frontier intelligence。
Stanford AI Lab 分享一项把知识直接构建进 Transformer blocks、且不依赖 gradient descent 的研究，属于模型结构与知识注入方向的底层探索。
围绕工作未来、岗位需求和创业组织形态，builder 与研究账号都在强调 AI 更像放大器而非简单替代。
Microsoft Research Podcast 讨论 AI 如何影响人们做工作的方式，研究者分享他们对 AI 时代未来工作的看法。
Aaron Levie 引用 Anthropic 经济研究观点：目前 AI 更偏 skill-biased 和 labor-augmenting，需要人在环中指挥和评估复杂工作；软件工程等领域可能因产出扩大而维持甚至增加需求。
Kruger 用招聘外包经验提醒：马上能上岗的“bench”不等于好匹配，真正有效的是慢一点但按岗位去找最适合的人。这个判断也适用于 AI 时代的人才配置，不是可用就等于有价值。
Zara Zhang 说今天创业令人兴奋的一点，是不仅能创造新业务，也能发明一种新组织形态。