本期最值得看的是，同一个新模型在不同工作里得到截然不同的评价。Anthropic 宣布 Sonnet 5.5 可用，Zapier 给出了更高的自动化任务得分与更低的单任务成本，Bindu Reddy 却批评它在 agentic coding 中表现不佳。这不是可以靠热度裁决的胜负：一个是带模型回退机制的业务评测，一个是未附完整测试方法的使用评价。对准备换模型的人，真正值得带回工作台的问题是：自己的任务是否完成得更好，每次成功究竟花了多少钱。
Manus 则把个人 Agent 推向了更具体的入口：Cue、独立电话号码、通话和短信，再延伸到视频与游戏制作。Chollet 对编程方式的反思提供了另一种解释：模型的价值未必来自代码一次写对，而是把测试、审计、可视化和红队检查变得足够便宜，让人可以换一种方式掌握系统。能力扩大也带来了更明确的责任问题。Andrew Ng 谈确定性沙箱，Timnit Gebru 强调既有法律责任，Bengio 关注 AI 研发自动化的长期风险；这些不是同一道题，不能用一句笼统的“对齐”代替分别处理。
Sonnet 5.5 的发布与相反评价同时出现，选型应分清任务、成本及评测中的回退机制。
Anthropic 宣布 Claude Sonnet 5.5 现已可用。这条公告正文没有展开规格、价格或评测结果，不能据此推断具体能力提升。
据 Zapier 的 AutomationBench，Sonnet 5.5 在 Max effort 下得分 44.7%，高于 Opus 5.5 的 40%；单任务约 1.08 美元，对比 1.28 美元，节省来自更少的 token 用量。运营、营销、财务分别达到 59%、52%、50%，HR 和客服仍较弱。需注意该结果包含 safeguards 触发后换用其他 Anthropic 模型重试的 fallbacks，不等于纯单模型成绩。Sonnet 5.5 已接入 Zapier。
Bindu 对 Sonnet 5.5 给出负面评价：认为它在 max 模式下容易反复打转，agentic coding 表现不足，建议继续使用 Sonnet 4.6 或 DeepSeek Flash。原帖未提供完整测试方法或数据，应作为个人使用反馈，而非通用性能排名。
Meta 回顾过去六个月的产品序列，列出 Muse Spark 多次版本更新、Muse Image、Muse Video、Meta Model API、Muse Glimmer、Muse Code 与 Muse。它展示的是跨模型、媒体生成和开发接口的产品布局，并非本帖同时发布全部产品。
个人助手开始进入电话和定时决策流程，但能给建议与建议可靠仍是两件事。
Manus 正式宣布 Manus 2.0。该条发布帖正文仅给出版本名称和链接，具体功能以本期其余有明确说明的官方帖子为准。
Manus 推出 Cue，并将其定位为个人 agents 的入口。原帖强调个人助手定位，没有展开定价或具体权限机制。
Manus 与 Cue agents 可以拥有独立电话号码，用来拨打和接听电话、收发短信，也可接收用户转接的来电。当前仅在部分国家开放，其中一些地区只支持语音，不应理解为全球可用。
Wade 用 Next Gen Zaps 每周二为家庭 fantasy 联赛生成邮件，汇总球员补强、交易机会和伤病观察，并推荐操作。他也记录了推荐球员未出场、交易判断不合理等问题，打算让 Claude 调整 Zap。这是持续自动化的具体案例，也说明生成建议后仍需要人检查。
开发效率的变化不只在代码生成，也在于理解、检查系统和跨后端复用的成本。
Chollet 说自己如今主要通过指挥 LRM 开发，而不是亲自读写代码，原因不是模型代码已经完美。模型能高速补测试、审计组件、生成可视化并做红队检查，使理解和控制系统有了新的工作方式；他认为手写代码的投入产出比因此下降。重点是重组验证流程，而非放弃验证。
Chollet 介绍基于 Keras 3 原生构建的 GNN 库 K3-Node，称其模型可在 JAX、PyTorch 和 TensorFlow 后端运行，并支持 Apple Silicon、TPU 等硬件加速。他引用项目说明称其与 PyG 的公开 API 完全对齐，同时整合 Spektral 和 StellarGraph 的模型与架构；这些兼容性声明尚未在本期独立验证。
产品宣传从单个素材转向完整制作流程，下一步要检验可编辑性和实际交付质量。
Manus 介绍 Studio 的 Alchemy 模式，主打一次提示完成视频制作，涵盖导演、脚本、分镜和随音乐节奏剪辑，并表示线程附有视频、原始提示词及完整会话。本期未打开示例，不对成片质量作额外判断。
Manus 宣布 2.0 支持构建游戏，并在帖子线程中提供游戏、提示词和可玩 demo。这里保留总览帖，不把大量仅含游戏名称与链接的续帖重复计作独立新闻。
Bindu 推介 Abacus AI Super Computer 的组合模型方案，称可按提示词选择 Astra 6 或 Opus 5.5，用于制作 3D 游戏、复杂多人应用及带支付功能的平台。这是产品方的能力宣传，原帖未给出可复算的效果评测。
工程隔离、法律问责与长期研发风险需要分别处理，不能混成一个抽象的 AI 安全问题。
Andrew Ng 将 OpenAI 与 Hugging Face 相关安全事件归因于薄弱的沙箱隔离，并介绍 OpenWorker 正基于 NVIDIA OpenShell 构建每个 agent 命令的沙箱执行支持：只放入任务相关文件，默认隔离 API 密钥、浏览器登录凭据和任意网站访问，以确定性代码而非提示词约束权限，并记录所有动作供监控审计。事件归因属于作者判断，相关支持仍在建设中。
Zack 指出，AI 安全包含多种不同风险，但讨论其中一种时，回复常转向另一种，导致对话无法推进。他提醒讨论者先对齐具体风险对象，而不是把不同威胁混在一起争论。
Timnit 引述观点强调，未经授权的访问、系统入侵与数据窃取已有计算机滥用法律约束。把攻击称作“AI misalignment”或声称软件失控，并不会自动免除背后责任人的责任。该帖讨论的是法律问责，不是具体案件的司法结论。
Chollet 主张 AI 行业应制造由人掌握、改善人类繁荣与福祉的工具，而不应以创造取代人类的“后继物种”为目标。他把服务人类明确设为行业目标的边界。
Bengio 提醒，越来越多 AI 研发被自动化，可能使技术进步急剧加速，带来难以控制的“智能爆炸”风险。他与合作者在一篇论文中评估证据并提出政策建议；原帖表达的是风险可能性，并非宣告这一结果必然发生。