今日摘要
本轮新增 7 个事件、更新 4 个已有事件。AstaBrief-8B、Clef 与 DeepSeek Harness 都提供可运行的公开材料；Argo-Bench 与 KaliBench 把 agent 评测推向可执行结果。工程侧，SGLang、Codex、Claude Code 与 GitHub Copilot 都在增强长期运行、可编程工作流和执行边界。
模型
AstaBrief-8B（TRIAL）
Ai2 开源基于 Qwen3-8B 的 AstaBrief-8B，可一次生成带引文的科研报告。模型、数据与本地 ScholarQA 流程都已公开，但质量数据主要来自作者评测，人评只有 14 个问题。建议用本地论文集做一天验证，重点看引文精确率、召回率、延迟，以及结论是否超过来源支持范围。
PixelUMM（WATCH）
PixelUMM 公开 15.2B 参数 checkpoint 与代码，用同一个模型直接在像素空间处理图像和视频的理解与生成。所谓“像素空间统一模型”，就是不再把视觉编码器和生成用 VAE 分成两条流水线；难点在于同一个 backbone 既要准确读图，又要稳定生成。当前 checkpoint 为非商业许可，训练示例也不完整，先等待独立复现与商业许可。
Clef（TRIAL）
Cloudflare 开源 Clef 与 Clef-flash，用有边界的类型化输出承担 agent 的路由和分类。它们兼容 Jev API，并同时提供开放权重与 Workers AI 托管。建议用真实路由样本比较延迟、校准、拒答率和成本，不要直接采信厂商榜单。
Agent 与 AI 工程
GitHub Copilot（TRIAL，更新）
GitHub Copilot 公开预览桌面 computer use 与代码化动态工作流。前者可点击、输入、滚动和拖拽，并在接管前请求批准；后者支持串并行 agent、结构化结果、验证与 checkpoint。先在一次性 profile 中测试可逆任务，记录审批覆盖、误操作和恢复能力。
Codex 0.160.0（ADOPT，更新）
Codex 新增可选的 Guardian 历史指令与 handoff 上下文召回，并改善 resume、reconnect、权限保留和 SQLite 卡顿恢复。启用前要专门测试错误历史是否会被重新带入，以及长任务恢复后权限边界是否保持不变。
Claude Code 2.1.287（ADOPT，更新）
Claude Code 增加 Mods 与内置 observer side-agent，并修复危险 rm、symlink 写入、MCP 权限上限和协议切换后的重复调用。新 OTel prompt_text 字段可能带出 prompt 内容，升级前要确认遥测脱敏规则已覆盖。
DeepSeek Harness（TRIAL）
DeepSeek Harness 以 MIT 开源并进入全球公开预览，提供桌面应用与本地 Web UI，所有能力都由插件组合。Agent teams、自动审批复核与定时任务仍是实验功能，仓库也警告会有破坏性兼容变化；只在隔离目录和一次性账户中试用。
开源
本周期没有额外达到门槛的独立开源项目；AstaBrief、PixelUMM、KaliBench 与 Argo-Bench 的公开材料已分别归入模型和研究条目。
研究
KaliBench（TRIAL）
KaliBench 发布 8,504 组自然语言与 Kali 命令对，覆盖 1,642 个子工具，并公开 Docker 评测与训练方案。“不运行也可验证的奖励”指先把命令规范化，再对参数与组合做精确比较；难点在于别名和等价写法很多，同时又不能让模型直接接触真实攻击目标。先核对复用许可，再在隔离环境跑一天基线。
Argo-Bench（TRIAL）
Argo-Bench 发布 210 个企业数据任务与含 75 亿行数据的合成仓库。它按最终申报和业务行动评分，而不是看 SQL 或解释是否像真的；难点在于 agent 必须从多张表还原隐藏业务状态，最后还要做对动作。建议先跑 5–10 个代表任务，比较结果正确率、成本与失败恢复。
开发者工具
Copilot、Codex 与 Claude Code 的更新都指向同一工程问题：agent 正在从单轮助手变成可编程、可恢复、能操作外部界面的运行时。新的能力同时扩大了审批、遥测和历史上下文污染的风险面。
基础设施
SGLang 0.5.21（TRIAL，更新）
SGLang 可在运行时切换 prefill 与 decode 角色，并默认启用 Rust 版统一 radix-tree 缓存核心。它还新增 decision 与 score API，并收紧 chat template 和反序列化边界。厂商性能数字需要在代表负载上复现，完成 breaking changes 清单后再上线。
商业与政策
OpenAI API 弃用（WATCH）
OpenAI 为多组 Codex、通用与语音 API 模型设定 2027 年下线日期。现在不需要紧急迁移，但应立即盘点固定模型 ID，并在 2026 年底前排期质量、延迟、成本和语音体验回归。
趋势信号
本周期没有发现证据充分的新趋势。Copilot 动态工作流、Claude Mods 与 Codex Guardian 加强了既有“编码 agent 走向持久化运行时”信号；Argo-Bench 与 KaliBench 加强了结果导向评测信号，但两项同日研究还不足以单独建立趋势。
技术雷达
- 新 AstaBrief-8B（foundation-model / TRIAL）：公开权重与本地流程让引文质量可在一天内独立验证。
- 新 PixelUMM（research / WATCH）：架构可检查，但非商业许可和不完整训练配方限制采用。
- 新 KaliBench（research / TRIAL）：公开命令级评测可先于真实 shell 授权暴露能力缺口。
- 新 Argo-Bench（research / TRIAL）：按业务行动结果评分，更接近生产数据 agent 的验收方式。
- 新 OpenAI API 弃用（business-policy / WATCH）：下线日期明确，需排期迁移回归。
- 新 Clef（foundation-model / TRIAL）：开放权重让低延迟结构化路由可以独立比较。
- 新 DeepSeek Harness（developer-tools / TRIAL）：插件化本地 agent 已可运行，但审批和兼容性仍早期。
- SGLang 0.5.21（infrastructure / TRIAL）：动态角色切换有价值，但性能和 breaking changes 需先验证。
- GitHub Copilot（developer-tools / TRIAL）：桌面 computer use 与动态工作流扩大能力，也扩大审批面。
- Codex 0.160.0（developer-tools / ADOPT）：历史召回和恢复可靠性增强，启用前应回归错误召回。
- Claude Code 2.1.287（developer-tools / ADOPT）：Mods 与 observer side-agent 落地，同时需检查本地执行和遥测边界。
当前近 30 日事件：ADOPT 9 / TRIAL 104 / WATCH 77 / IGNORE 0；完整当前雷达以站点洞察页为准。
值得一试
优先做两个一天内可完成的实验：用本地论文集检查 AstaBrief-8B 的引文质量；用 Argo-Bench 或 KaliBench 的公开 harness 跑一个小型候选模型对比。生产升级方面，先验证 SGLang 的实际负载收益，再评估 Copilot 桌面操作。