今日摘要
本次新增 5 条事件，更新 5 条既有事件。最值得行动的是 ThinkingBox：它不再相信 agent 的文字汇报，而是检查数据库终态和副作用。Google 的 DiarizationLM 与 Strata 都有公开材料，可做一天内验证。OpenAI Agents Vault 因公开 API 文档从 WATCH 调整为 TRIAL。Ataraxos 与 Figma hosted MCP 证据已补齐，但当前仍应 WATCH。
模型
DiarizationLM（TRIAL）
Google 开源 4B 说话人标签修正模型，并提供本地 GGUF。作者报告四个语料库上的 WDER 与 cpWER 都有改善，但多人会议样本较小。说话人漂移指长独白后模型把同一个人错接到另一个标签上；难点是文字可能完全正确，错的是“谁说的”。
Claude Sonnet 5.5（TRIAL，复核）
Artificial Analysis 的结果显示，maximum effort 在其任务上约输出 19.3 万 token、成本约 7.60 美元，比 Sonnet 5 高约 50%。厂商的“单任务最多省 30%”不能当作普遍折扣，应按 effort 和自有轨迹重算。
Agent 与 AI 工程
ThinkingBox（TRIAL）
ThinkingBox 将 507 个有状态业务工作流接入 OpenEnv，每个模型重复 20 次。数据库终态核验就是直接检查任务完成后的记录和副作用；难点在于 agent 即使正常退出、最后一个工具也没报错，仍可能写错字段或多做一步。
OpenAI Agents Vault（TRIAL，评级调整）
公开文档确认，沙箱只看到占位符，网络代理仅向允许的 host 注入 secret。原先“等待 API 文档”的门槛已满足，建议一天内验证不可见性、白名单、轮换、撤销与日志脱敏。
Figma hosted MCP（WATCH）
Figma 明确只有 MCP Catalog 内客户端才能连 hosted server。开放协议并不自动带来托管服务访问权；未列入目录的客户端要走受支持的 desktop 路径或加入 waitlist。
开源
Strata（TRIAL）
Strata 把 Qwen3.8-Flash-Next experts 分布到 GPU、内存、CPU 与 SSD，在 12 GB 游戏显卡起步的主机上提供兼容 OpenAI/Anthropic 的本地 API。采用增长很快，但速度与低比特量化质量仍是作者数据。
研究
Ataraxos（WATCH）
Ataraxos 用动态阻尼自博弈与决策时搜索处理 Stratego 的大规模隐藏信息。论文和 MIT 代码已公开，但没有 checkpoint；复现 headline 结果不是一天内任务，因此等 checkpoint 或独立复现后再评估。
开发者工具
Claude Code 2.1.289（ADOPT，更新）
版本修复嵌套命令、环境变量前缀、裸变量赋值和 IDE 符号链接读取绕过策略的问题，并加入 teammate agent 生命周期 API。升级前应回归这些精确边界。
基础设施
LiteLLM 1.104（TRIAL，更新）
稳定版为 Docker image 签名，拒绝弱 master key，检测泄露密码，并修复停用用户、MCP worker 路由和 spend batch 重放。策略继承的难点是父级护栏不能因子条件未命中而消失；应在预生产环境专门测这一类边界。
Ollama 0.35.1（TRIAL，更新）
版本保留 Modelfile CAPABILITY 声明，让客户端识别 decision-only 模型，不再误提供 chat、tools 或 thinking。
商业与政策
本周期没有改变模型获取、API 成本、芯片供应或开放生态格局的新增政策事件。
趋势信号
ThinkingBox、Claude Code 与 LiteLLM 从“核验后果”和“收紧权限”两侧继续支持趋势 #7；Figma 白名单与 LiteLLM 治理支持趋势 #2。没有证据充分的新趋势，所有状态与置信度保持不变。
技术雷达
- 新 ThinkingBox（research / TRIAL）：公开 harness 可重复检查数据库终态和多余副作用。
- 新 DiarizationLM（foundation-model / TRIAL）：本地 GGUF 可验证说话人修正，会议证据仍小。
- 新 Strata（infrastructure / TRIAL）：采用增长强，低比特质量与稳定性仍需实测。
- 新 Ataraxos（research / WATCH）：论文与代码已核验，但缺 checkpoint 与独立复现。
- 新 Figma hosted MCP（ai-agent / WATCH）：hosted 服务使用客户端白名单，协议兼容不等于可访问。
- OpenAI Python SDK（developer-tools / TRIAL）：Vault API 文档满足原等待门槛，由 WATCH 调整。
- Claude Code 2.1.289（developer-tools / ADOPT）：修复多条 managed policy 绕过路径。
- LiteLLM 1.104（ai-agent / TRIAL）：加强身份、MCP worker 路由与记账可靠性。
- Ollama 0.35.1（infrastructure / TRIAL）：客户端现在可识别 decision-only 模型能力。
- Claude Sonnet 5.5（foundation-model / TRIAL）：独立评测显示 maximum effort 可能更贵，维持试验。
当前近 30 日事件：ADOPT 9 / TRIAL 117 / WATCH 77 / IGNORE 0；完整当前雷达以站点洞察页为准。
值得一试
优先做两个一天内实验：用 ThinkingBox 的 10 个工作流各跑 5 次，检查终态和副作用；用 DiarizationLM GGUF 跑真实通话与会议，比较 WDER、cpWER、延迟和身份漂移。具备 12–24 GB GPU 的团队可同时验证 Strata。