Warp 推出其 Agent CLI，GitHub 下线 Spark，FLUX 3 Video 上线：8 月 4 日公告

2026 年 8 月 4 日共有六项重大公告：Warp 将其代码代理拆分为独立 CLI，GitHub 计划用 Copilot 取代 Spark，OpenAI 详细介绍了重建 ChatGPT 语音栈的全过程，Black Forest Labs 推出 FLUX 3 Video，NVIDIA 发布面向自动驾驶车辆的开放模型 Alpamayo 2 Super，Mistral 也公布了 Shieldstral——其开权重安全分类器。围绕这些发布，Cursor、Amp、DeepSeek、Liquid AI、Google、GitHub Copilot、Pika 以及 Open Secure AI Alliance 也纷纷推出更新。

Warp 推出 Agent CLI，一个可在任何终端中运行的自主代码代理

8 月 4 日 — Warp 将其代码代理从 Warp 终端中拆分出来，并将其作为独立 CLI 提供，可安装到任意模拟器中：Ghostty、iTerm 2、VS Code，或 Windows、Mac 和 Linux 的原生终端。其架构基于在代理与 shell 之间对 PTY 连接进行多路复用的一层，类似 tmux，支持持久会话，在其中可以切换目录 (cd) 而不会丢失代理上下文；支持在目标机器上不安装二进制文件的远程控制；并可控制 vim、sqlite、Python REPL 或 htop 等全屏交互式应用。

在功能方面，代理可以自动区分 shell 命令和自然语言提示，自动补全参数和标志，并根据任务复杂度将其路由到不同模型——既包括前沿模型，也包括开权重模型，还可通过 YAML 自定义路由器。它还支持多代理编排以及切换到云端执行。

支持的环境	详情
兼容终端	Ghostty、iTerm 2、VS Code、Windows/Mac/Linux 原生终端
月度订阅	18 美元/月，含 20 美元推理额度
按量购买额度	低至 10 美元起
其他选项	兼容 OpenAI 的 API 密钥，或 SuperGrok 订阅

此次发布让 Warp 在竞争 CLI 代理（Codex CLI、Claude Code、Gemini CLI）面前占据一席之地，其卖点在于深度 shell 集成和云端编排，而不是简单地给模型套一层界面。

🔗 Warp 博客 — 介绍 Warp Agent CLI

GitHub Spark 不再接受新用户，计划逐步退役

8 月 4 日 — GitHub 正在逐步下线 Spark，这是其随专用推理引擎一同推出的自然语言应用创建平台 (llm())。自 8 月 4 日起，新账号和新应用的创建已被关闭。

下线里程碑	日期
新账号和应用结束	2026 年 8 月 4 日
导出代码截止日期	2026 年 8 月 31 日
GitHub Models（`llm()` 引擎）下线	2026 年 7 月 30 日（已生效）

现有用户可在 8 月 31 日前通过 Spark 工作台菜单（… → Create repository）导出其应用代码。已部署的应用在该日期后仍将继续运行，但使用 llm() 功能的应用需要切换到其他推理提供方，因为为其提供支持的 GitHub Models 已于 7 月底被移除。

GitHub 表示，这一决定的原因在于，自 Spark 发布以来，AI 模型与代理式开发工具已显著进步，创作者如今更偏好集成式工作流——例如 VS Code 中的 Copilot、Copilot CLI，或 GitHub Copilot 应用——而不是一个独立的原型平台。这是一次整合信号：GitHub 正在收缩一个独立的“vibe coding”产品，将其 AI 方案集中到 Copilot 之上。

🔗 GitHub Changelog — 即将弃用 GitHub Spark

GPT-Live：OpenAI 用六个月重建了 ChatGPT 的语音架构

8 月 3 日 — OpenAI 详细介绍了其第三代语音系统 GPT-Live，并解释了前一代架构为何——它依赖一个“turn detector”来猜测用户何时说完——会限制对话的自然感：猜得太早会打断用户，猜得太晚则会让回应显得迟钝。GPT-Live 将这个检测器从音频路径中移除：语音模型是 full-duplex，能够边听边说。当需要更深层推理或工具调用时，GPT-Live 会异步调用前沿模型（如 GPT-5.5），而不会中断对话。

在工程层面，OpenAI 用 Go 重写了媒体前端和推理逻辑，替换了一个 Python asyncio 实现，这使帧交付的稳定性显著提升，新系统的 p95 达到了旧系统的 p50。传输层采用 WebRTC，它通过轻微拉伸音频来吸收丢包和时钟漂移。具体结果是：一次语音会话的启动从六次网络往返缩减为一次。这套架构已经为 ChatGPT Voice 的新能力提供支持，包括从桌面应用中控制电脑。

GPT-Live can listen while it speaks. To make that feel natural at ChatGPT scale, we rebuilt the voice stack from client to model. This new architecture keeps audio flowing continuously, so deeper reasoning and tool use don’t interrupt the conversation.

🇨🇳 GPT-Live 可以在说话时聆听。为了让这一体验在 ChatGPT 的规模上仍然显得自然，我们重建了整条语音栈，从客户端一直到模型。这一新架构保持持续音频流，因此深度推理和工具使用不会打断对话。 — @OpenAI 在 X 上

🔗 我们如何在六个月内构建出一个响应迅速的实时语音 AI 系统

FLUX 3 Video（Black Forest Labs）：正式发布，已可通过 API 和 Runway 使用

8 月 4 日 — Black Forest Labs 正式发布 FLUX 3 Video，此前已于 7 月 30 日展示预览。该模型可生成最长 20 秒的视频片段，支持原生 720p 和 1080p，具备原生同步音频（音效、环境音、语音、精确 lip-sync）以及约十五种语言的对白，包括英语、中文、西班牙语、法语、德语和日语。它支持文本生成视频、图像生成视频（可使用起始图、结束图或按顺序提供的多张关键帧）、视频续写，以及可自然融入场景的嵌入式文字。

Draft mode 允许以较低成本快速探索创意方向，随后再进行保留已验证预览中的主体、构图和运动的高质量最终渲染：

制作步骤	价格
快速预览（Draft mode）	每秒 0.06 美元
最高质量最终渲染	每秒 0.17 美元起
最长时长	20 秒，原生 1080p

该模型现已通过 BFL API 以及部分合作伙伴提供——Runway 在发布当天就已集成。Black Forest Labs 还宣布下一步将增强可控性、多模态参考（图像、视频、音频）、推出 FLUX 3 Image，以及一个名为 FLUX 3 Dev 的开权重版本。

🔗 @bfl_ai 在 X 上（FLUX 3 Video 公告）

NVIDIA Alpamayo 2 Super：面向自动驾驶车辆的开放推理模型

8 月 4 日 — NVIDIA 推出 Alpamayo 2 Super，这是一个面向 robotaxi、自动驾驶车辆、卡车和班车的开放视觉-语言-动作（VLA）推理模型。它将 NVIDIA Cosmos 3 Super 推理器与一个扩散式动作专家相结合，并通过强化学习进行后训练，支持 360 度摄像头覆盖。

模型组件	规模
Cosmos 3 Super 推理器	320 亿参数
扩散式动作专家	20 亿参数
Alpamayo 2 Super 总计	340 亿参数

对于每个驾驶场景，模型会生成五项联动输出：规划轨迹、因果链推理轨迹、元动作（让行、变道、停车）、用于训练的推理自标签，以及锚定在摄像图像中的视觉问答。在 LingoQA 基准上，NVIDIA 声称其位列第一，比 GPT-4o 高出 23.2 分。该模型以宽松的 OpenMDW-1.1 许可证发布，权重和推理代码已立即可在 Hugging Face 获取，可直接用于商业部署，无需额外授权。

Today, we’re launching Alpamayo 2 Super, our frontier open reasoning model for autonomous vehicles. Beyond seeing, Alpamayo understands and reasons through the complex world - thinks before it acts. […] We’re releasing it for commercial use under OpenMDW-1.1 so teams can inspect it, fine-tune it and deploy it—open models advance safety and security. The next wave of AI is robotics—and it starts with autonomous vehicles.

🇨🇳 今天，我们发布 Alpamayo 2 Super——这是我们面向自动驾驶车辆的前沿开放推理模型。Alpamayo 不只是“看见”，它还能理解并推理一个复杂世界——它会先思考再行动。[…] 我们将其以 OpenMDW-1.1 许可证开放用于商业用途，以便团队可以检查、微调并部署它——开放模型正在推动安全前进。下一波 AI 是机器人，而这一切始于自动驾驶车辆。 — @JensenHuang 在 X 上

🔗 NVIDIA 博客 — Alpamayo 2 Super，开放模型现已可用

Shieldstral：Mistral 发布一个 3B 的开权重内容审核模型

8 月 4 日 — Mistral 推出 Shieldstral，这是一个拥有 30 亿参数的内容审核模型，以开权重形式在 Apache 2.0 许可下发布。不同于固定类别的传统分类器，Shieldstral 将审核视为二元问答任务：审核策略在推理时以自然语言提供，因此无需重新训练即可适配。该模型具备多模态能力（文本和图像），并返回经过校准的连续安全分数，而非离散标签。

覆盖功能	详情
提示词分类与回复审核	检测输入与输出中的问题内容
拒答检测	识别助手何时拒绝请求
毒性检测	文本和图像
策略自适应评估	自然语言请求，无需重新训练

Mistral 表示，Shieldstral 在文本安全、拒答检测、策略适应性以及多模态评估方面，能够与最多大 7 倍的开放护栏模型持平甚至更强。该模型可在单块 16GB 的 NVIDIA GPU 上运行，因此适用于标准基础设施，包括本地部署。Shieldstral 也是 Open Secure AI Alliance 的首个成员；该行业联盟的 SAFE 新指南将在本文后文详细说明。权重已可在 Hugging Face 获取 (mistralai/Shieldstral-1.0-3B)。

🔗 Mistral — Shieldstral

代码工具：Cursor、Amp 和 Warp 加速推进

Cursor 开源 Mixture-of-Kittens（MoK），其 MoE 训练 megakernel

8 月 4 日 — Cursor 开源发布 Mixture-of-Kittens（MoK），这是为 NVIDIA NVL72 节点设计的 Mixture-of-Experts 架构训练 megakernel。该 kernel 将所有与 MoE 相关的通信和计算融合为一次确定性操作。MoK 已在 Cursor 的生产训练中运行，覆盖数万块 GPU。

We’re open-sourcing Mixture-of-Kittens (MoK), our MoE training megakernel for NVL72s. It fuses all Mixture-of-Experts communication and computation into a single, fully deterministic kernel, and runs up to 2.37x faster than the strongest public baselines.

🇨🇳 我们开源发布 Mixture-of-Kittens（MoK）——这是我们为 NVL72 打造的 MoE 训练 megakernel。它将 Mixture-of-Experts 相关的全部通信和计算融合为单个完全确定性的 kernel，运行速度比最佳公开基线快高达 2.37 倍。 — @cursor_ai 在 X 上

Cursor 处测得的收益：端到端训练吞吐量比其上一代基于 DeepEP 的栈提升了 1.41 倍。

Amp 允许为其 orbs 附加任意文件

8 月 4 日 — Amp 的“orbs”——其云端代理——现在可以接收任意文件作为附件：视频、日志、PDF、表格、数据集。团队列举了多个具体用法：录制应用屏幕，让 Amp 修复其所见问题；基于日志文件进行调试；将表格转换为交互式网站；或转录音频和视频。该公告没有说明文件大小限制，也没有给出除这些示例之外的确切格式范围。

🔗 Amp News — 附加任意内容

Warp 让云端代理通过电脑控制（computer use）验证自己的工作

8 月 3 日至 4 日 — Warp “cloud software factory” 系列的第四篇：一项新的 verify-behavior 技能让云端代理获得鼠标/键盘控制能力，以重现用户报告的 bug（reproduce 模式）或验证某项功能是否符合其规格（verify 模式），并优先录制视频。一位 Warp 工程师确认该功能已在内部部署，并列出三个用例：重现 bug 并附带修复前后视频；像新用户一样完整走一遍 onboarding 流程；以及在 Slack 或 pull request 中发布视频演示，以快速验证界面。

🔗 Warp 博客 — 电脑控制验证

GitHub Copilot：面向开发者和团队的四项新功能

云端代理的推理级别可自定义

8 月 3 日 — 在将任务委派给 Copilot cloud agent 时，现在可以为支持该功能的模型选择推理级别。更高的级别可能在复杂问题上带来更好的回答，但会消耗更多 token。该功能适用于所有 Copilot 付费方案：Pro、Pro+、Business、Enterprise 和 Max。

🔗 GitHub Changelog — 自定义推理级别

通过评论触发 Copilot 自动化

8 月 3 日 — Copilot cloud agent 自动化现在可以由 issue 或 pull request 评论触发，可在仓库的 Agents → Automations 选项卡中进行配置。文中列出的三个用例是：从 PR 评论生成文档、从 issue 评论中分析被报告的 stack trace，或自动创建跟进任务。该功能适用于 Copilot Pro、Pro+、Max、Business 和 Enterprise（企业账号需管理员侧启用相关策略）。

🔗 GitHub Changelog — 使用评论触发 Copilot 自动化

GitHub 法务团队如何使用 Copilot CLI

8 月 4 日 — GitHub 内部两名没有开发背景的律师用 Copilot CLI 搭建了工具。Ngandu Kasuku（Principal Product Counsel）创建了 terms-ai，这是一个集中整理写作指引和合同模板的仓库，使审阅和起草时间大约减半。Jesse Geraci（Online Safety Counsel）开发了一个用于分析源代码和评估 DMCA 通知的应用，此后又扩展到许可证合规和 NDA 风险评估。

🔗 GitHub Blog — GitHub 法务团队如何使用 Copilot CLI

代码覆盖率自动启用，由 AI 生成

8月4日 — 在某个仓库的 Code Quality 设置中，一个新的 AI 代理会自动生成代码覆盖率工作流：它构建项目、运行测试、生成覆盖率报告并将其发送到 GitHub，且默认采用最小权限。用户会得到一份可直接审阅并合并的 pull request。该功能处于公开预览阶段，可在 github.com、GitHub Enterprise Cloud 和 Team 上使用（尚未支持 Enterprise Server）。

🔗 GitHub Changelog — Code coverage automatic enablement

开放模型与生产可用性

DeepSeek V4 Flash 在 Together AI 上可用于生产环境

8月4日 — DeepSeek V4 Flash 是 DeepSeek 在 7 月底发布的快速模型，如今已在 Together AI 上可用于生产环境，并提供面向编码、工具使用和长时代理的高吞吐部署路径。Together AI 强调其在终端任务和全栈任务上的增强编码能力、三档推理力度（低、高、最大），以及一种名为 DSpark 的推测解码，用于加速生成。

🔗 @togethercompute 在 X 上

Liquid AI 发布 LFM2.5-2.6B，面向 100% 本地代理的紧凑模型

8月4日 — Liquid AI 发布 LFM2.5-2.6B，这是一款 26 亿参数模型，专为完全本地运行的代理设计，可从笔记本电脑一直运行到手机，拥有 128K tokens 的上下文窗口。与大 2 到 4 倍的模型相比，它在指令跟随上排名领先（AIME25 上 51.87%，LiveCodeBench 上 59.41%），在工具使用上也领先几乎所有测试模型。速度方面：在 Apple M5 Max 上为 220 tokens/秒，在 AMD Ryzen 上为 113 tokens/秒，在手机上约为 30 tokens/秒。可在 Hugging Face 获取，兼容 llama.cpp、MLX、vLLM、SGLang 和 ONNX。

🔗 Hugging Face Blog — LFM2.5-2.6B

Google 和 Kaggle 公布其免费 AI 代理课程的成果

8月3日 — Google 和 Kaggle 发布了其为期五天的免费课程 “AI Agents Intensive: Vibe Coding” 的总结，该课程聚焦于在生产环境中设计和部署 AI 代理。公布的数据包括：353,000 名注册参与者、在课程期间 Kaggle Discord 上 392,000 名活跃用户，以及来自 12,000 多名参与者提交的 6,000 多份最终项目。Google 提醒，自 2024 年以来，其与 Kaggle 合作的强化课程已累计覆盖超过 200 万学习者。所有内容仍可在 Kaggle Learn 上自学获取。

🔗 Google Blog — Inside our 353,000-person vibe coding course

媒体生成与代理生态安全

Pika 推出 API Club，聚合 100 多个模型

8月4日 — Pika Labs 推出 API Club，一项每月 10 美元的订阅服务，可通过单一 API 访问 100 多个媒体生成模型（视频、图像、音频、LLM），并且相较于 Fal 或 Runway Dev 等供应商有显著折扣：Seedance 2.0 最高便宜 87%，MiniMax H3 最高便宜 50%，GPT Image 2 最高便宜 25%。Pika 表示，它从供应商处谈到了更好的价格，并保留了自己最低的利润空间，以回应其指责存在最高达 3 倍加价的聚合平台。此次发布让 Pika 从一个以大众视频生成工具闻名的产品，转型为面向开发者和创作者的 API 聚合器。

🔗 @pika_labs 在 X 上

HeyGen 为房地产推出自动化视频格式

8月3日 — HeyGen 发布 “HeyGen for Real Estate”，这是一系列面向房地产经纪人的视频格式，每种格式都会复用用户的个人 avatar。当天的格式 “Hosted Home Tour” 可生成房产导览：用户粘贴房源链接（Zillow），可选添加脚本，工具会自动生成一段由 avatar 依据房源信息讲解参观流程的视频。该系列中的其他格式还包括 “Market Update” 和 “Listing Spotlight”。

🔗 @HeyGen 在 X 上

Open Secure AI Alliance 在 Black Hat 上提出 SAFE 指南

8月4日 — 借着在拉斯维加斯举行的 Black Hat 2026 大会，Open Secure AI Alliance——一个由 NVIDIA 牵头、如今汇集超过 120 家组织（包括 Cisco、CrowdStrike、Hugging Face、Red Hat、Microsoft、Amazon 等）的联盟——宣布了多项贡献。Linux Foundation 发布了关于 SAFE（Shared AI Findings Exchange）的征求意见，这是一个拟议框架，用于保密收集和分析 AI 安全事件、识别反复出现的控制失效，并发布基于证据的建议——一种受威胁情报共享启发的集体防御方法。

Amazon 加入了该联盟，并贡献了其 Strands Agents 工具箱以及 Cedar 授权语言。Uber 开源了 ADR（Agentic AI Detection and Response），这是一个每天在生产环境中处理超过 200,000 个代理会话的框架。Mistral 则贡献了 Shieldstral，如上文所述，它也成为该联盟的首个模型成员。

🔗 Blog NVIDIA — Open Secure AI Alliance contributions

OpenAI：回应 Apple 与新的教育插件

Apple is getting this wrong：OpenAI 回应 Apple 的诉讼

8月3日 — OpenAI 发布了对 Apple 提起的诉状的详细回应，逐项回顾了三部分指控。关于联络时间线，OpenAI 说 Apple 现在承认其外部律师写错了对象，而所谓与 OpenAI 总法律顾问的讨论从未发生过。关于一名前员工在离职后被指访问机密信息一事（在 Apple 的最后工作日：2026 年 1 月 22 日），OpenAI 公布了 iMessage 往来，显示是 Apple 员工请求他帮忙定位文件。关于一名前高管在 Apple 工作了 24 年、被怀疑试图使用商业秘密一事，OpenAI 表示并未索取或使用 Apple 的任何机密信息。OpenAI 将 Apple 的初步禁令申请称为“基于虚假信息且完全没有必要”。

🔗 OpenAI — Apple is getting this wrong

面向 ChatGPT Work 与 Codex 的三个新教育插件

8月4日 — 为迎接开学季，OpenAI 为 ChatGPT Edu 和 ChatGPT for Teachers 部署推出了三个插件：K-12 Educator（面向中小学的分层资源）、College Educator（课程设计与导出到 LMS，面向高等教育）、以及 College Student（引导式辅导、复习卡片、根据学生所选来源生成测验）。文章回顾了 OpenAI 与 American Federation of Teachers 的合作，这是一个为期五年的计划，目标是培训 40 万名美国 K-12 教师使用 AI。

🔗 OpenAI — Learn and teach with ChatGPT Work and Codex

简讯

Devin Fusion 智力提升 4%，成本降低 27% — Cognition 改进了 Devin Fusion 的 harness 和模型，在内部基准 FrontierCode 1.1 上取得提升，并已立即在 Devin Cloud 中可用。 🔗 来源
Sakana AI 加入 AIRoA — 该公司成为日本 AI 机器人协会成员，将围绕世界模型和具身 AI 与其 RSI Lab 展开合作。 🔗 来源
llama-macos，Hugging Face 团队重点推荐的工具 — macOS Widget (brew install --cask llama-app)，可根据机器推荐模型，并启动带网页界面的 llama.cpp 服务器。 🔗 来源
Copilot 可访问内容获得更细粒度的控制 — GitHub 宣布对 Copilot 的访问控制进一步加强，但目前尚未附带详细 changelog。 🔗 来源
Copilot CLI 本地沙箱的增强文档 — GitHub 重点介绍了其关于在终端中启用和配置本地沙箱的文档。 🔗 来源
Air 编辑器通过 ACP 将 GitHub Copilot 作为自定义代理添加 — 第三方工具 Air 现在支持通过 Agent Client Protocol 配置自定义代理，并提供了设置 Copilot 的指南。 🔗 来源
企业团队级别的受管设置专项配置 — 企业管理员可以使用专用配置文件，针对特定团队进行定向设置。 🔗 来源
默认代码扫描的自定义配置，可大规模应用 — 一个新的仓库属性允许将自定义 CodeQL 配置应用于默认设置。 🔗 来源
Copilot Billing Preview 应用下线 — Copilot 的支出管理现在直接在 GitHub 账单设置中进行。 🔗 来源
Dependabot 分支名自定义 — dependabot.yml 中新增选项，可定义 Dependabot 创建的分支名称前缀、长度和分隔符。 🔗 来源
CodeQL 2.26.2 加入对 Swift 6.3.3 和 Kotlin 2.4.10 的支持 — GitHub 静态分析引擎更新。 🔗 来源
Triage 角色现在可以绕过 issue 创建限制 — 拥有该角色的用户即使仓库将此操作限制给协作者，也可以创建 issue。 🔗 来源
Wan（阿里巴巴）— Camera-to-Image — Wan 实时套件的新能力：摄像头可将真实环境即时转换为动漫风格的动画场景。 🔗 来源
NVIDIA 加入 NSF State and Regional AI Hubs 计划 — 参与美国国家科学基金会的区域 AI 基础设施枢纽计划，面向研究与教育。 🔗 来源
NVIDIA 详解 SCADA，一种面向 AI 的加速存储访问方案 — 该技术让 GPU 能以接近内存的速度直接访问存储。 🔗 来源
Stability AI 与 MusicHackspace 在蒙特利尔举办 Stable Audio 3.0 黑客松 — 与 MUTEK 音乐节合作，8 月 22 日和 23 日举行 48 小时黑客松。 🔗 来源
Qwen-Image-3.0-Pro 跃升至全球第 5 名 — Alibaba 宣布其图像生成模型在一项未指明的排行榜上大幅上升。 🔗 来源
Z.ai（GLM）与 Tencent Cloud 在新加坡举办首场社区 meetup — 介绍 GLM-5.2 的代理能力及其与 CodeBuddy 和 WorkBuddy 的集成。 🔗 来源
Circles 使用 OpenAI API 和 Codex 定制电信体验 — 企业案例研究：ARPU 提升 22%，流失率下降 9%，客服自助解决率达到 65%。 🔗 来源

这意味着什么

代码工具正不断走出 IDE 的单一边界。Warp 将其 CLI 代理拆分出来，能够操控任何终端；GitHub Copilot cloud agent 获得了可自定义的推理层级和基于评论的触发器；Amp 接受任何类型的文件作为附件；而 Warp 则让其云代理具备通过计算机控制自行验证工作的能力（computer use）。GitHub 法务团队用 Copilot CLI 在没有开发经验的情况下搭建自己的工具，这一案例表明更大的转变正在发生：这些代理如今面向的不仅是开发者，也包括非开发者。

随着代理能力增强，市场呈现的是平台整合而非碎片化扩张。GitHub 在上线一年半后关闭了 Spark——其自然语言应用原型平台——转而单押 Copilot 在不同形态上的统一布局（VS Code、CLI、app、cloud agent）。这释放出一个信号：独立的 “vibe coding” 市场正在收拢到少数整合式产品，而不是继续分裂出更多独立工具。

AI 代理的安全正在以结构化生态的方式组织起来。Mistral 发布 Shieldstral，这是一个可在单张 GPU 上运行的开源权重审核分类器，并成为 Open Secure AI Alliance 的首个模型成员——该联盟由 120 多家组织组成，并通过 Linux Foundation 提出 SAFE 框架，用于保密共享 AI 安全事件，其思路直接借鉴了传统网络安全中的威胁情报共享。Amazon 和 Uber 也在贡献各自的开源工具。这表明代理安全正在成为一项集体化、文档化的工作，而不是零散专有措施的叠加。

最后，媒体生成和实时计算的获取成本仍在下降。FLUX 3 Video 引入每秒 0.06 美元的 Draft 模式，方便在昂贵的最终渲染前先探索创意；Pika 将其大众产品转变为每月 10 美元的 API 聚合器，以绕开其他平台较高的利润加价；NVIDIA 则发布了开源权重的 Alpamayo 2 Super，让自动驾驶产业拥有一个共享的推理基础，而不必从零开始。类似的变化也出现在语音领域：OpenAI 重构 GPT-Live，将一次语音会话的启动时间缩短了六倍，说明实时基础设施本身也正成为一个积极优化的方向，与模型本身同等重要。