这一期最强的主旋律，是 Agent 正从云端能力演示走向本地常驻、真实工作流与明确成本约束。Meta 用可在消费级硬件运行的 Muse Glimmer 把这一变化做成了具体产品，Peter Steinberger 则用 ChatGPT Work、OpenClaw 和 Ollama 拼出一条普通用户也能理解的本地链路。与此同时，模型能力开始出现清晰分层：昂贵的深度推理不再天然等于更好的任务完成率，小模型、低推理档位和本地模型都在争夺日常工作负载。
更值得展开的信号来自安全与治理。讨论已不止于模型能不能识别 prompt injection，而是 Agent 上线后有没有持续监控、权限边界、异常发现和人类负责的控制面。另一端，Claude 对黎曼猜想相关问题的推进、量子计算的内建验证，以及自动捕蚊无人机，都在提醒我们：AI 的价值最终要落到可验证的新知识和真实世界结果，而不是停在会说、会写、会演示。
开放权重、消费级硬件与端侧优化正在把常驻 Agent 从实验室推向个人设备。
Meta 发布开放权重的 30B 模型 Muse Glimmer，面向本地常驻 Agent 工作流优化，可在 Mac 或配备高性能 GPU 的 PC 上运行，并采用 Apache 2.0 许可。
Muse Glimmer 的演示从单条自然语言指令出发，自主发现本地 Home Assistant、调用设备 API、编写响应式网页，并部署本地服务完成验证。
为保证端侧交互速度，Meta 通过量化把模型压到 20GB 以下，并用轻量 DFlash drafter 加速生成，使消费级设备上的实时 Agent 交互成为可能。
Peter 用 ChatGPT Work 网页版安装 OpenClaw 和 Ollama，再下载本地模型运行自己的 Agent，展示了从云端助手到本地执行环境的完整串联。
Bindu 认为 Muse-Spark 1.2 已让 Meta 回到美国开源模型榜单前列，并判断 Meta 若全面回归开放路线，将很快向 Kimi K3 和 GLM 5.5 发起竞争。
Andrew Ng 公开感谢 Meta 团队对开放权重 AI 的贡献，释放出研究与开发者社区对 Meta 重返开放路线的正面反馈。
真正的 Agent 化不是多一个聊天框，而是让反馈、代码审查和业务流程围绕机器执行重新布线。
Chollet 把 coding 视为 AI 的元技能：模型可借助符号化世界模型自动生成训练材料，递归改进由此获得启动条件。
Karpathy 判断，未来人们会觉得过去不能像与人交谈一样直接和电脑对话是一件很奇怪的事，交互入口正在从 GUI 转向自然语言。
Rauch 提醒开发者，当前模型仍会犯初级错误和走错架构路径。若产品已有用户或收入，必须通过直接阅读或 Agent 辅助审查代码，不能把生成等同于全自动交付。
Linear Agent 在缺少工具、无法完成任务时，会自动提交功能请求。失败不再只是一次对话终点，而会被结构化为产品改进输入。
Levie 认为 Agent 在企业中的扩散速度会高度不均。coding 天然适合长时间、纯数字化执行，销售、法律和医疗则必须先重构反馈链路与业务流程，才能释放后台 Agent 的规模价值。
Swyx 提醒定期删除不用的 skills。盲目堆积不仅消耗上下文，还可能产生难以预料的相互作用，维护 Agent 能力同样需要做减法并检查 traces。
模型抗攻击只是起点，持续监控、权限控制、异常响应和人类责任才构成完整安全体系。
Korman 怀疑 AI 实验室并未用 AI 持续监控 Codex 或 Claude Code 中 Agent 的 reasoning summary，并警告下一次未被及时发现的事故可能就源于这块观测缺口。
在 DEF CON 结束后，Korman 强调安全的核心是由人决定 AI 实际会做什么，用制度和工程把模型能力边界塑造成可接受的执行边界。
Korman 反对把 Agent 风险压缩成 prompt injection 并宣称问题已经解决，认为这种叙事会掩盖监控、沙箱、权限与运营控制等更宽的风险面。
OpenAI 发布 GPT-5.6-Cyber，并扩展 Daybreak，目标是把前沿模型能力交到防守方手中，进一步强化 AI 在网络安全实战中的定位。
Cherny 称 Anthropic 通过针对性训练，已在 Claude 的实际使用中大幅降低 prompt injection 风险，并以独立 benchmark 和 red teaming 结果作为依据。
Masad 推出 Agent 公共知识网络 HelpPeer，提供 tell 与 lookup 两个 API，让不同安全 Agent 能共享、验证并继续推进已发现的攻击线索，减少重复调查。
模型选择正在从追逐最高档能力，转向按任务成功率、推理档位和单位成本精细调度。
Bindu 判断模型市场将分化为两端：承担复杂工作的超大高智模型，以及覆盖绝大多数普通任务、接近免费的超低成本智能。
Zapier 用 657 个真实工作流测试发现，不换模型、只降低 reasoning 档位，就可能削减 40% 以上成本。更高推理强度并不稳定带来更好结果，便宜模型有时反而更能按要求完成任务。
Emad 用一句调侃回看 prompt engineer 曾被视为独立职业的阶段，折射出模型能力和产品封装正在快速吞并短期岗位标签。
从数学到量子计算再到公共卫生，前沿成果的关键正在转向能否建立可复核的证据链。
Anthropic 让未发布的 Claude 研究版尝试黎曼猜想。模型没有解决主问题，但把满足猜想的黎曼 zeta 函数零点比例下界从 41.6% 推进到 67.2%。
IBM 汇总三项量子优势研究，核心问题是当经典计算已无法复核结果时，如何通过新的验证框架建立对量子计算结论的信任。
IBM 与芝加哥大学设计了一类量子电路，把经典计算难题与内建错误检测、结果验证结合，为超出经典能力边界后的可信计算提供结构化证据。
一家 YC 支持的团队开发 40 克自主无人机，用超声波和机翼多普勒特征识别、追踪并拦截蚊虫。公开演示目前只在封闭房间击落飞蛾，野外对蚊虫的有效性仍待验证。