这期的「周一上线」，Agent 继续往更长的任务和更具体的工作里走。SWE-2 开始压缩 Agent 的无效探索，Muse 会自己在后台持续工作，DeepSeek V4.1-Flash 则继续从长上下文成本下手。

Agent 的工作边界也在继续外扩：HyperFrames 把视频交给 Agent 来“写”，Marketing Skills 又把 Skill 推进营销流程。另一边，Astra 的需求让 OpenAI 暂停 200 美元 Pro 新订阅，DeepSeek 开始集中补工程岗，Cognition 新一轮融资超 20 亿美元。

开发者朋友们还是照常整活：让果蝇写汇编、把 250 万行代码摊成地图，再用 280 个字符点一把火……

下面，开始一周回顾。

有点新鲜

「有点新鲜」收录本周 AI / 开发者圈里那些不算大新闻，但挺值得看一眼的新鲜事。

Gemini：别管走了多少步，你就说到没到吧

Cursor 更新了 CursorBench 4.0，结果 Gemini 3.8 Flash 跑到了图的最左边。别人完成一个任务大多几十到一百多步，Gemini 3.8 Flash High 平均要走 324 步，最后拿到 39.6% 的成绩。

Google：最近还得靠果蝇撑场面

Google 刚用 AI 拼出雄性果蝇的完整脑图谱，网友已经顺手把它捧成了新顶流：一会儿让它解魔方、写 x86-64 汇编、管 Kubernetes……

甚至把它送上了“Google AI 最受欢迎发布”榜单。Google 负责重建 16.6 万+ 神经元，网友则让果蝇直接上班。

250 万行代码，摊开给你看

代码库太大怎么办？先给它修一张地图。@Rik Arends 把一个 250 万行代码库做成了可交互的可视化浏览器：模块、目录和代码关系被铺成一整张巨型地图，放大看像代码城市，缩小看又有点像芯片版图。

机器人守门，体验一把空气曲棍球

有人做了一套 AR 空气曲棍球：真实的 Vector 机器人负责守门，球和球场都在增强现实里。实体机器人和虚拟世界，就这么在一张桌子上打起来了。

280 个字符，够不够点一把火？

@Xor 用不到 280 个字符写出了一团动态火焰 Shader。

f z, d
@(40)
{
f3 p = z * nor(2*C.rgb - R.xyy)
p.zy+=3
d=2; @(7) d/=.8,
p +=.6*p.y*cos(p.yzx * d - f3(T,,)*6) / d
z += d = .02 + abs(len(p.xz) + p.y*.4 -1) / 9
O += (sin(f4(5,0,2,)-p.y) + 2) / d
}
O = tanh(O*O / 15e5)

周五发版

「周五发版」是一个程序梗：一旦版本上线，我们就要开始祈祷一切如期运行。这个模块寓意，所有模型、产品版本更新，都能大吉大利。

SWE-2：在 Kimi K3 上继续炼出一个 Coding 模型

Cognition 发布新一代 Coding 模型 SWE-2。它基于 Kimi K3 继续后训练，并首次把强化学习扩展到万亿参数级模型。SWE-2 在 FrontierCode 1.1 Main 得到 50.0%，距离 Claude Fable 5.1 不到 1 个百分点，但成本低 64%。

这次优化不只追求更高分，也在减少 Agent 的无效探索。官方测试中，SWE-2 medium 相比 SWE-1.7 平均执行步骤从 127 步降到 53 步，成本降低 81%。SWE-2 已上线 Devin Desktop 和 CLI，并将陆续进入 Devin Web 和 Fusion；未来一个月，Pro、Max 和 Teams 订阅用户可以免费使用 SWE-2。

ChatGPT 图像 2.5：编辑更稳，生成最快提速 50%

OpenAI 发布 ChatGPT 图像 2.5，重点提升参考图保真、局部编辑和多轮修改的一致性。相比图像 2.0，新模型生成延迟最多降低 50%，还更擅长只修改指定区域，而不把周围主体、构图和视觉风格一起改掉。

ChatGPT 里同时加入 Sketch，可以直接画草图作为生成参考。API 侧则推出 GPT-Image-2.5 Flare 和 Sunburst：Flare 主打速度与通用生成，Sunburst 面向更精细的高端创作与多轮编辑。目前所有层级的 ChatGPT、ChatGPT Work 和 Codex 用户都已可用图像 2.5。

Muse：Meta 做了一个会主动找你的 Agent

Muse 不只是等用户一问一答。它有自己的电脑、文件系统、终端和浏览器，可以同时处理多个任务，在后台持续工作，还能根据日程和事件主动继续推进任务；例如查资料、填表、购物、预订，以及生成网页、PDF、Dashboard 等 Artifacts。

它还会主动给用户发消息：任务有新进展、发现需要注意的事情，或者需要用户介入时再回来找你。涉及发邮件、购买等难以撤销的操作，则会停下来请求确认。

MiniCPM5-2B：2B 小模型继续往端侧 Agent 走

OpenBMB 发布 MiniCPM5-2B，一个约 25 亿参数的稠密模型，原生支持 131K 上下文，重点面向本地助手、Coding Agent、工具调用和端侧部署。官方称，在其对比范围内，MiniCPM5-2B 达到 2B 级开放模型 SOTA，在代码、数学、长上下文、工具调用和 Agent 任务上表现尤其突出。

这次不只开放模型，还同步放出了训练数据，包括 50 万条 Agent 训练样本和 8 万+ 条强化学习数据。部署方面提供 GGUF、MLX 4bit、GPTQ 等版本，可接 llama.cpp、Ollama、LM Studio、vLLM 和 SGLang。

DeepSeek V4.1-Flash：把 1M 长上下文的 KV Cache 再压到四分之一

DeepSeek 发布并开放 DeepSeek V4.1-Flash。新模型采用 552B backbone 的多模态 MoE 架构，支持图片、文本和 1M Token 上下文，预填充阶段每 Token 激活约 8B 参数，生成阶段约 16B。

通过新的 Causal Encoder-Decoder、CSA2 稀疏注意力和 FP4 KV Cache 等设计，V4.1-Flash 将全局 KV Cache 压到约 890 Bytes / Token，只有 V4-Flash 的约 1/4；对输入特别长的 Agent 工作负载，目标就是降低长上下文推理成本。模型还支持 1～100 连续可调的推理强度。

Agent 能力也明显往前走。官方 Agent 评测中，DeepSeek V4.1-Flash 在 Terminal-Bench 2.1 达到 90.6%，该成绩使用 DSH Minimal；DeepSWE v1.1 达到 74.2%，该成绩使用 mini-SWE。相关 scaffold 对比统一采用 1M Token 上下文限制。

开源雷达

周榜速递

周榜主要根据新增 Star 数进行排名，下面的单项目讲解则偏向新晋项目、实用老项目，标星并非单项目讲解的唯一指标。

TileRT：把大模型推理拆成 Tile，专攻超低延迟

TileRT 是一个面向超低延迟大模型推理的运行时。和更强调批量吞吐的传统推理框架不同，它优先优化单个请求的响应速度，把模型计算拆成细粒度 Tile 任务，再动态交错计算、通信和 I/O，尽量减少 GPU 空等。

目前它支持 DeepSeek-V3.2 和 GLM-5 / 5.1，并加入了 Prefill / Decode 分离：可以让 vLLM 负责 Prefill，TileRT 接管 Decode。官方还曾在 8 张 B200 上把 1T 参数 MiMo-V2.5-Pro-UltraSpeed 推到 1000+ Token/s。

地址：github.com/tile-ai/TileRT

Spec Kit：让 Coding Agent 先把需求写明白，再动手

Spec Kit 是一套规格驱动开发工具，核心思路是让 Coding Agent 不要拿到需求就直接写代码，而是先把“要做什么”变成明确的 Spec，再生成技术方案、拆解任务，最后进入实现。官方流程基本就是 Specify → Plan → Tasks → Implement → Converge。

它不绑定某一个 Coding Agent，可以接 Copilot、Claude Code 等不同工具。

项目地址：github.com/github/spec-kit

God's Eye View：把公开世界数据塞进一颗 3D 地球

God's Eye View 是一个浏览器里的实时 3D 地球，把飞机、船舶、卫星、地震、公共摄像头等公开数据放进同一个可探索界面。你可以从全球视角一路放大到某架飞机、某艘船或某个摄像头，也能切换座舱、夜视、热成像等不同观察模式。

项目还接入了实时 AI Agent，可以直接用自然语言控制地图。默认不需要 API Key 就能启动；如果补上 Cesium、Google Maps 或 OpenAI 等服务，还可以继续解锁更精细的 3D 地图和语音交互。

项目地址：github.com/bilawalsidhu/gods-eye-view

HyperFrames：让 Agent 直接用 HTML 做视频

HyperFrames 是 HeyGen 开源的一套视频生成框架，可以把 HTML、CSS、媒体素材和可控制时间轴的动画，确定性地渲染成 MP4。相比让模型直接操作传统视频编辑器，它更像是把视频变成一个 Agent 可以“写代码生成”的对象。

项目同时提供一整套 Agent Skills，可以从产品宣传片、PR 讲解、字幕、Talking Head 包装，到动态图形、音乐视频和幻灯片等不同工作流。Codex、Claude Code、Cursor 等支持 Skill 的 Agent 都可以接入。

项目地址：github.com/heygen-com/hyperframes

Superpowers：给 Coding Agent 装一套软件开发方法论

Superpowers 核心目标很简单：别让 Agent 一上来就写代码，先按一套工程流程把事情做完整 。Agent 开工前先澄清需求、形成设计，再拆成足够明确的实施计划，之后通过 TDD 和子 Agent 分工持续执行、检查和推进任务。

它由一组可以组合的 Skills 和初始规则构成，目前已经支持 Claude Code、Codex、Cursor、Gemini CLI、Devin CLI、GitHub Copilot CLI 等多种 Agent 环境。

项目地址：github.com/obra/superpowers

Marketing Skills：把 Agent Skill 从写代码扩到做营销

Marketing Skills 是一套专门面向营销工作的 Agent Skills，把 Coding Agent 原本擅长的文件、脚本和自动化能力继续延伸到 CRO、文案、SEO、广告、数据分析、增长、销售支持等任务。

它让不同 Skill 共享上下文并互相引用，例如 product-marketing 会作为基础信息层，其他 SEO、CRO、文案、定价、增长等 Skill 再基于同一套产品和用户信息继续工作。

项目地址：github.com/coreyhaines31/marketingskills

这周有事

「这周有事」收录本周值得记一下的行业动态、事故、融资、人员流动和基础设施变化。

Cognition 再融 20 亿美元，估值涨到 480 亿美元

Cognition 宣布完成超过 20 亿美元 E 轮融资，估值达到 480 亿美元。本轮由 a16z 和 Accel 领投，Founders Fund、General Catalyst、Avenir 等继续参与。

在今年 5 月上一轮融资时，Cognition 的年化收入约为 4.92 亿美元；短短几个月后已经接近 9 亿美元。与此同时，公司估值也从 5 月的 260 亿美元接近翻倍。

Astra 太火，OpenAI 暂停 Pro 新订阅

Astra 上线后需求超出预期，OpenAI 暂停新的 200 美元/月 Pro（Pro 20X）订阅和升级。Tibo 表示，Pro 用户对系统资源压力最大，因此先暂停新订阅，以保证现有用户继续获得 Astra 的稳定访问。

现有 Pro 用户不受影响，其他套餐和 API 仍然开放；OpenAI 同时表示正在尽快增加算力，目前没有公布恢复 Pro 新订阅的具体时间。

Dario 喊 AI 慢一点，Altman 和马斯克都点头了

Anthropic CEO Dario Amodei 发布文章《We Must Pace the Frontier》，认为前沿 AI 的能力增长已经开始快过安全措施跟进的速度，因此行业应该放慢能力提升的节奏，给对齐、安全和外部评估留出更多时间。

Anthropic 同时承诺先落实第一步：让独立第三方评估机构获得长期、接近员工权限的系统访问，用来检查安全措施、报告事故，并评估模型训练过程中的对齐情况。Sam Altman 随后表示 OpenAI 也会采用类似做法，马斯克则直接回应：“Dario is right.”

AI 虚拟偶像 Yuri，把 AIGC 搬上百米巨幕

9 月 11 日，Yuri 尤栗在 2026 外滩大会完成线下 AI 音乐会。现场使用接近百米的巨幕，实际分辨率约为 12K；据团队介绍，除真人演员和艺术家外，屏幕上的大部分内容都由 AI 生成，Yuri 自己的歌曲、部分合唱和串场内容也大量采用 AI 生成。

图源：@汗青 HQ

团队此前更熟悉移动端和短视频内容，但把 AIGC 放到这种超大屏、长时间现场演出里后，原有制作方法基本需要重新调整。这次更像是在验证：AI 影像除了在线上刷屏，也开始真正进入线下舞台。

DeepSeek 扩招 150 人，一个 AI 研究岗都没有

DeepSeek 新开放约 150 个招聘名额，重点面向 2～10 年经验的工程师。有意思的是，这批岗位没有 AI 研究岗，主要集中在两类：服务端开发工程师和 Agent 弹性计算研发工程师。

具体方向覆盖大模型研究平台、Agent 框架、研发效率基建、DeepSeek API、线上服务、数据工程，以及面向 Agent 的弹性计算平台 DSec。崔添翼给出的解释也很直接：随着数据、机器、训练任务、评测任务、Agent 环境、用户和请求量一起增长，系统复杂度正在迅速上升，需要更多工程力量把这些能力真正撑起来。