AI 行业动态：Agent 开源潮、数学突破与资本大动作
OpenAI 全面开源 Codex Harness（8月19日）：把 Codex 的底层 Agent 能力（CLI、官方 SDK 及 app-server 三件套）以 Apache 2.0 协议开源，开发者可以把 Codex 智能体嵌入自己的产品。最惊艳的数据：仅调整推理与上下文压缩，GPT-5.6 Sol 在 ARC-AGI-3 基准得分从 13.3% 飙升到 38.3%，输出 token 减少六倍——好的 Harness 设计比"换模型"更提效。
谷歌 DeepMind 发布 Gemma 4 系列：一次性开源五种尺寸（E2B 到 31B），支持文本/图像/音频/视频输入，上下文窗口最高 256K，Apache 2.0 许可。引入多 token 预测（MTP）草稿模型配合投机解码，解码速度提升 3 倍，被称为"开源模型卷王"。
智谱发布 GLM 5.3：Coding 能力与 Kimi K3 并列开源第一，超越 DeepSeek V4；ARR（年化收入）从 5-6 亿美元飙至 10 亿美元，市值突破万亿港元——中国开源模型正在"技术+商业"双线开花。
Anthropic 拟 IPO，或超 SpaceX 纪录：计划最快 8 月末向 SEC 递交 IPO 申请，CFO Rao 已牵头向投资者推介；同时签下 Riot Platforms 91 亿美元、为期 20 年的算力租约（191 兆瓦电力，可延长至 161 亿美元）——大模型公司开始"重资产"化。
宇树科技科创板上市（8月19日）：发行价 150.80 元，首日盘中最高 1100 元（涨幅近 629%），市值一度达 4449 亿元；创始人王兴兴表示"机器人量产还需两三年"。次日股价大跌 18.7%，市盈率高达 475 倍，机器人泡沫论与产业论正面交锋。
人物动态：Jeff Dean 离职谷歌后首次公开访谈——坦陈 Gemini 早期 Coding 能力不足、TensorFlow 有设计失误，新公司 Discovery Loop 聚焦"科学发现自动化"，目标是让模型具备"20 个博士"的跨领域科研能力；强化学习之父 Richard Sutton 则警告：AI 行业忽视了"机器停止学习"的问题。
注释：Harness 智能体的"运行底座"，管理模型调用、工具执行、权限控制的框架层；MTP（Multi-Token Prediction） 一次预测多个 token 的机制，配合投机解码加速生成；ARC-AGI 著名的抽象推理基准，考察模型从未见过的模式推理能力；ARR 年化经常性收入。
AI 论文速览：Claude 联手数学家证伪百年猜想
近期最火的研究成果来自 Anthropic 与哈佛数学家 Levent Alpöge 的合作：Claude 帮助证伪了困扰数学界 超过 100 年 的 Carathéodory 猜想，顺带击碎了 Loewner 指数猜想。
它讲的是什么？ Carathéodory 猜想（1907 年提出）断言：每个闭凸曲面上至少存在两个"脐点"（umbilical point，曲率处处相等的特殊点）。Claude 与数学家协作，构造出一个仅含 1 个脐点的 C∞ 光滑凸曲面作为反例，直接推翻了这个百年猜想——这也是继"黎曼猜想"之后，AI 在纯数学领域掀起的又一波高潮。
有什么用？
- 人机协作新范式：不再是"AI 帮算数"，而是 AI 在数学家引导下完成"构造反例"这种创造性工作
- 方法可复用：Claude 在符号构造与推理上的能力，可迁移到微分几何、拓扑学等其他难题
- 重新定义研究流程：数学家提方向、AI 穷举构造、人机共同验证，论文审稿周期大幅缩短
要注意：反例的构造依赖研究者对问题的深刻洞察，AI 目前是"得力助手"而非"独立发现者"，距离全自动数学研究仍有距离。
注释：脐点（umbilical point） 曲面上各方向曲率相等的特殊点；反例（counterexample） 与猜想表述相矛盾的例子，一个反例即可证明猜想错误；C∞ 光滑 无限次可微，数学上非常"顺滑"的曲面。
AI 工具技巧：给 AI 配一个"外置大脑"，实现跨对话记忆
大模型对话窗口有限，聊长了就"失忆"——长文档分析、多天项目、连载写作尤其痛苦。技巧：把 Markdown 文件当 AI 的外置记忆，让 AI 把中间成果写进文件、下次直接续读。
以"用 AI 写一本小册子"为例：
【第一轮：建立工作区】
请在 work/ 目录下创建三个文件：
- plan.md（大纲与结构）
- notes.md（素材与想法，随时追加）
- draft.md（成稿）
每轮对话结束后，把关键结论写回对应文件。
【后续任何一天：续写】
请先读取 work/plan.md 和 work/draft.md，
回顾我们上次写到哪里、接下来该做什么，
然后从上次结尾继续往下写。
要点：
- 固定"工作区文件"：让 AI 始终把中间产物落在磁盘，而不是只存在对话里
- 明确写入时机：告诉 AI"每轮结束把结论写回文件"，养成它"记账"的习惯
- 跨对话续接：新开对话先让它"读文件 + 复述进度"，确认记忆恢复后再干活
- 配合版本管理：工作区建在 git 仓库里，还能顺手做版本回溯
适用场景：写书/长文连载、多天研发项目、需要反复迭代的方案——凡是"一次聊不完"的活，都值得给 AI 配个外置大脑。
注释：上下文窗口（context window） 模型一次能"记住"的文本量；token 文本最小处理单位，超窗就"遗忘"；外置记忆 把信息存在模型之外，按需读取，绕开窗口限制。
GitHub AI Skill：DeepSeek Harness —— "一切皆插件"的 Agent 运行时
8 月 13 日 DeepSeek 开源首款 Agent 框架 DeepSeek Harness（github.com/deepseek-ai/deepseek-harness，MIT 协议），一周内引爆社区，核心理念只有六个字：一切皆插件（Everything is a Plugin）。
它做什么？如果把 DeepSeek 模型比作"大脑"，Harness 就是"身体和工作台"——管理模型请求、工具执行、会话持久化、权限控制。架构上没有"特权核心"，连 Agent 循环本身都是插件，用 Cordis 微内核把各插件组合成可运行的智能体，对标 Claude Code / Codex。
为什么有趣？
- 16 个官方插件开箱即用：图片理解、搜索增强、浏览器操作、多 Agent 协作等
- 社区脑洞插件满天飞：长期记忆、电子宠物、"4399 小游戏"、搞笑整活……GitHub 上 Awesome DeepSeek Harness Plugins 精选目录已收录大量作品，被戏称"Agent 版应用商店"
- 模型能"改装自己"：插件可以按需增删，省 token，Agent 可定制到极致
快速体验：
npx @deepseek-ai/dsh web
注释：Harness 智能体运行底座，见上文行业动态注释；插件（Plugin） 可独立装卸的功能模块，像 App 一样扩展 Agent 能力；Cordis 一个轻量微内核框架，用于组合各类插件。
AI Agent 动态
AWS AgentCore Payments 正式 GA：AI Agent 可在授权与预算限制下自主购买数字服务（支持 X402 协议），腾讯也已在测试"Agent 钱包"——AI 开始学会自己花钱，Agent 经济时代拉开序幕。