Claude Code Desktop 集成浏览器并升级至 v2.1.206，GPT-5.6 Sol Ultra 正式 GA，Amp 用单一拨盘取代其模式（The Dial）

7 月 10 日带来四则重磅公告，重塑了智能体与机器之间的交互：Claude Code Desktop 获得内置浏览器并升级至 v2.1.206，GPT-5.6 Sol Ultra 进入正式 GA 并伴随一项前所未有的数学证明主张，Amp 则用一个单一拨盘取代了其全部命名的智能体模式。另有十八条值得关注的动态补充了全景——从 Cognition 对 Claude Fable 5 日益增强的信任，到 Grok 4.5 作为 Perplexity 编排器的登场——最后还有四则短讯收束这一回顾。

Claude Code Desktop 收到内置浏览器

7 月 10 日 — 桌面版 Claude Code 新增了一个名为 Browser 的面板：这是一个标签页式浏览器，Claude 以与其操控本地开发服务器完全相同的方式来操控它——打开文档、设计原型或任何其他网站，读取内容、点击、填写表单。它可通过键盘快捷键打开（macOS 上为 Cmd+Shift+B，Windows 上为 Ctrl+Shift+B），也可从 Views 菜单进入；当 Claude 在聊天中遇到外部链接时，会弹出选择器，询问是要在该面板中打开还是在默认浏览器中打开。也可以连接第三方账户，包括像 Google OAuth 这样的弹出式登录流程。

该面板是沙箱化的：拥有独立的浏览配置文件，与个人凭据和历史记录分离；在开发环境中，还可选择在重启之间保留会话（cookies、本地存储）。在应用验证已有防护之外，又增加了两道安全护栏：与自动模式相同的分类器会审查 Claude 在外部页面上的每一次写入操作——无论当前权限模式为何，一旦被标记就会触发确认请求——并且在 Auto 和 Bypass 之外，任何导航前都要先进行域名白名单校验。Claude 首次访问某站点时会触发权限卡片（Allow once / Always allow / Deny），每个站点都必须单独批准，包括子域名。即便是在已批准的网站上，Claude 也不能在没有明确验证的情况下购买商品、创建账户或绕过 CAPTCHA——这与 Claude in Chrome 扩展使用的是同一套安全模型；其文档还说明了用途差异：Browser 面板适合构建和测试应用（干净配置文件、无身份），而 Chrome 扩展则共享个人浏览器的登录状态。

“Claude Code on desktop now has an in-app browser.”

🇨🇳 桌面版 Claude Code 现已具备内置浏览器。 — @ClaudeDevs 在 X 上

🔗 桌面应用 — Claude Code 文档

GPT-5.6 Sol Ultra 进入正式 GA，OpenAI 宣称证明了一道 50 年前的猜想

7 月 10 日 — GPT-5.6 Sol 的 Ultra 设置现已正式 GA，此前它已在 7 月 9 日发布时以多智能体 beta 形式亮相（ultra 模式默认并行协调多个智能体）。为说明这次进入 GA，OpenAI 工程师 Ethan Knight 声称，该模型在不到一小时内借助 64 个子智能体，证明了 双覆盖环猜想（Cycle Double Cover Conjecture）——这是图论中一个约 50 年前提出的开放问题（由 Szekeres 于 1973 年、Seymour 于 1979 年独立提出）。OpenAI 表示将分享所使用的提示词与生成的证明，并邀请社区用 Ultra 进行实验。这并不是一个新模型家族，而是 Sol 的 ultra 设置从前一日的多智能体 beta 升级为正式 GA。

编辑提醒：这是 OpenAI 自己发布的说法（由其员工转述，并被 @OpenAI 官方转发），而不是截至本文日期由第三方独立来源验证或经同行评议发表的证明。该猜想本身在图论中是真实且有文献记录的；但所宣称证明的有效性，目前尚未被独立确认——这是一条应当按其性质看待的 OpenAI 主张，而不是既成的数学事实。

“Yesterday, we made GPT-5.6 Sol Ultra generally available. Today, we’re sharing that it produced a proof of the 50-year-old Cycle Double Cover Conjecture using 64 subagents in just under one hour.”

🇨🇳 昨天，我们让 GPT-5.6 Sol Ultra 正式可供通用访问。今天，我们分享这样一个事实：它在不到一小时内，使用 64 个子智能体，给出了那道已有 50 年历史的双覆盖环猜想的证明。 — Ethan Knight（OpenAI），经由 @OpenAI 在 X 上转述

Amp 用单一拨盘（The Dial）取代其命名的智能体模式

7 月 9 日 — Amp 发布 The Dial，对其智能体模式选择系统进行了彻底重构。四个旧的命名模式——smart、deep、rush、large——被弃用，并由一个四档努力等级拨盘替代：low、medium、high、ultra。核心思想是：旧的模式名称掩盖了一个特定的模型、提示词和推理努力级别，而选择时必须了解这些内容；随着模型趋同，Amp 认为唯一仍然相关的问题是能力与成本之间的权衡。该拨盘可通过 CLI 中的 Ctrl+S，或通过网页应用中的模式选择器进行设置。

拨盘等级	主模型	Oracle（第二意见）
ultra	Claude Fable 5（专用系统提示词）	GPT-5.6 Sol
high	GPT-5.6 Sol，努力 xhigh	Claude Fable 5
medium	GPT-5.6 Sol，努力 medium	GPT-5.6 Sol，努力 high
low	GLM-5.2（Z.ai，开源模型）	GPT-5.6 Sol

值得注意的是：low 等级默认基于 GLM-5.2，这是 Z.ai 提供的第三方开源模型，Amp 将其描述为“最强的 agentic 编码开源模型”，而非专有模型——工作区管理员可以将其替换为 GPT-5.6 Terra。每个等级现在都有一个“oracle”用于给出第二意见：在高等级上，两边界模型会互相复核（在 high 中，GPT-5.6 Sol 先写，Fable 复读；在 ultra 中则相反）。在迁移方面，Amp 表示：“smart、deep → medium”，“rush → low”；希望保持旧模式精确行为的用户，可以将它们重新安装为插件（amp plugins add --auto-update @amp/smart-classic 等），并沿用当初相同的系统提示词、工具、模型和努力等级。

🔗 Amp — The Dial（完整文章）

Claude Code 升级至 v2.1.206：路径建议、CLAUDE.md 清理，以及一批修复

7 月 10 日 — Claude Code 升级到 v2.1.206，这次发布没有单一的旗舰功能，但带来了多项值得注意的新增内容。/cd 现在会提供目录路径建议，原理与 /add-dir 相同。/doctor 增加了一个新控制项，可通过识别 Claude 本就能从仓库探索中自行推导出的内容，建议精简已版本控制的 CLAUDE.md 文件。Git 方面，/commit-push-pr 现在会自动允许将 git push 推送到仓库配置的 push 远端，或唯一可用的远端，而不只是 origin；并且 EnterWorktree 在进入位于项目 .claude/worktrees/ 目录之外的 worktree 之前会请求确认。后台智能体在 Claude Code 更新后会立即静默更新，而不再要求用户接入时进行一次缓慢更新。智能体视图（claude agents）也经过调整：Ctrl+X 现在会永久删除已结束的会话，状态列则占满终端的全部宽度。Anthropic 还表示，/code-review 在 claude-opus-4-8 上的结果质量有所提升，且适用于所有努力等级。

其余变更日志列出约十五项修复：过期连接错误会显示误导性消息，而不是提示重启 /login；claude --resume 和 --continue 在启动时不再响应键盘；MCP 服务器会忽略自身的 request_timeout_ms，并回退到默认的 60 秒；/model 选择器中的价格显示错误；以及在 Bedrock 方面，使用 awsCredentialExport helper 时，在出口受限网络上的启动会出现长达数分钟的阻塞。

🔗 Release v2.1.206 — Claude Code

Anthropic 加强企业合作

7 月 9 日至 10 日，有两则案例研究展示了 Anthropic 的 Enterprise 合作伙伴：一则聚焦 Claude Fable 5 的长时自主能力，另一则聚焦其在实体制造流程中的集成。

Cognition（Devin）：Claude Fable 5 可在无监督下持续 8 小时

7 月 10 日 — “Working at the frontier” 系列推出新一集，聚焦 Cognition——自主软件工程师 Devin 背后的公司。负责 Cognition 模型训练与评估的 Silas Alberti 描述了该公司内部反 slop 基准 Frontier Code 上的一次质变：旧的 Opus 模型在最难子集上大约只能达到 10%，而 Claude Fable 5 约达到 30%。更重要的是，自主时长的性质发生了变化——一个无人监管的智能体能真正连续推进 8 小时，而在 Fable 5 之前通常只能持续几分钟到一小时。Alberti 将这一跃升归功于模型能够利用 Cognition 的内部调试工具，并在行动前先陈述自己的不变量；Devin 也开始主动监控 Slack 和生产环境，Alberti 预计这种演进将在一到两年内覆盖 90% 的会话。

“We trust no eval.”

🇨🇳 我们不信任任何基准测试。 — Silas Alberti，Cognition，在 Claude Blog 上引述

UST 将 Claude 部署到物理 AI 中

7 月 9 日 — Anthropic 宣布与 UST（一家技术服务与工程公司）建立合作，将 Claude 部署到实体制造流程中：芯片、汽车、物联网设备。UST 培训了 20,000 名员工使用 Claude，并成为 Claude Partner Network 的 Global Premier Partner。核心用例是：在 UST 的硬件验证平台 iDEC 上，Claude Code 读取芯片原理图和引脚定义，编写回归测试，并比较真实设备与数字孪生——这一流水线已经将验证周期缩短了 50% 到 70%。应用还扩展到 CarePath（医疗）、IntelliOps（电信）和 FinX（银行），对敏感操作始终保留人工批准。

🔗 UST 正在将 Claude 带入物理 AI

OpenAI，GPT-5.6 发布后的次日

两则公告都标注为 GPT-5.6/ChatGPT Work 发布后的次日：一则是对发布问题的公开承认，另一则是生物安全项目的演进。

ChatGPT Work 与 Codex 的发布后修复

7 月 10 日 — 在 GPT-5.6 与 ChatGPT Work 联合发布约 24 小时后，OpenAI 的 Codex 负责人 Thibault “Tibo” Sottiaux 公开承认了若干发布问题，并被 @OpenAI 官方转述：计算设置过高过于容易开启、桌面应用重组使聊天和项目更难访问、发布宣传让人误以为 Codex 将被移除、多智能体工作流出现回归、插件遭遇卡顿。当天的修复包括：使用额度重置两次、默认设置调整、插件修复、桌面端清理。更大范围的更新则计划在下周推出：将聊天和项目放回侧边栏、提升使用情况可见性、澄清 ChatGPT Work 与 Codex 之间的区别。

“An ambitious direction doesn’t excuse avoidable confusion or regressions in the first version.”

🇨🇳 有雄心的方向，并不能为本次首个版本中可避免的混乱或回归提供正当理由。 — Tibo（Thibault Sottiaux），OpenAI，在 X 上

Bio Bug Bounty 演变为永久私有计划

7 月 10 日 — OpenAI 将其 Bio Bug Bounty 演变为一个永久性的私有计划（OpenAI Bio Bug Bounty program），奖金翻倍至 50,000 美元。该计划邀请专攻 AI 红队、安全或生物安全的研究人员，寻找一个可绕过 OpenAI 最先进前沿模型上预设生物安全挑战的通用 jailbreak。此公告也证实，前一日所观察到的旧的限时计划确实已过渡至此——当时奖金为 25,000 美元，而观察到时相关截止日期已过。

🔗 @OpenAI — OpenAI Bio Bug Bounty program

Gemini 将其实时体验锚定到现实世界

两项功能把 AI 生成与物理世界连接起来：一项在语音对话中，另一项在 360° 虚拟探索中。

Gemini Live 在对话中结合图像生成与 Google Maps

7 月 10 日 — Gemini Live，即 Gemini 应用的实时语音与摄像头对话模式，如今在会话中直接集成了 Nano Banana 图像生成和 Google Maps 锚定：你可以把物体或地点对着摄像头展示以生成图像、查找本地商家，同时还能用语音继续对话。附带演示展示了如何把一幅画转化为自定义壁纸。该功能对所有 Gemini 用户免费且全球可用，不限 Pro/Ultra。

🔗 Tweet @GeminiApp — Gemini Live 实时模式

Project Genie 通过 Street View 为生成世界锚定

7 月 10 日 — 研究原型 Project Genie（Google DeepMind × Google Labs，在 I/O 上公布）新增了对 Google Maps Street View 数据的锚定，将其作为生成 360° 交互式虚拟环境的真实地理基础。这个模块解决了“空白空间问题”——即摄像头视野之外场景的一致性——方法是根据用户动作（游泳、徒步）并结合真实地点或文本提示，一帧一帧地生成世界的后续内容。它仍然只是一个实验性研究原型，尚未宣布大规模公开可用。

🔗 Tweet @GoogleAI — Project Genie 中的 Street View 锚定

GitHub 强化 Copilot 及第三方智能体生态

五项公告强化了 Copilot 及其智能体生态的治理与易用性，从自动审查器到电子游戏生成皆有覆盖。

一次指令重写将 Copilot 代码审查成本降低了 20%

7月10日 — GitHub 详细说明了将 Copilot code review 迁移到与 Copilot CLI 线框共享的代码探索工具（grep、glob、view）之后，审查一开始为什么反而变差——成本上升、漏掉问题——尽管这些工具维护得更好。原因在于：这些指令是为一个广泛探索的通用助手量身定制的，而审查者则是从 diff 出发，只寻找所需的最小证据。围绕审查者真实工作流重写指令后，回归变成了收益：在审查质量相同的情况下，平均审查成本约降低 20%。

“But the tools weren’t the problem. The instructions were. Once we rewrote them for the way a reviewer actually reads a pull request, the regression flipped into a win: roughly 20% lower average review cost, while maintaining the same review quality.”

🇨🇳 但问题不在工具，而在指令。一旦把指令重写得更贴合审查者实际阅读 pull request 的方式，回归就变成了胜利：在审查质量相同的情况下，平均审查成本约降低 20%。 — The GitHub Blog

pull requests 仪表板进入正式可用

7月9日 — pull requests 仪表板（github.com/pulls）在公开预览后进入正式可用阶段：一个优先级排序的 Inbox，会浮现待处理审查和准备合并的 PR；基于自定义查询的已保存视图；以及带有新筛选器的高级搜索。与 Copilot 直接相关的一点是：按作者筛选现在会识别由代理代表用户创建的 PR——author:@me 也会返回用户请求 Copilot 代其创建的 pull requests。

🔗 新的 pull requests 仪表板现已正式可用

GitHub Mobile 为 Copilot 会话提供排序与筛选

7月10日 — GitHub Mobile（iOS/Android）为 Copilot 会话列表新增筛选项——状态、仓库、类型、代理、活跃/归档——以及排序选项（最新、最旧、活跃优先、最需要关注优先），排序会保留当前筛选上下文。随着并行跟踪的代理会话数量增加，这项体验改进会变得很有用。

🔗 GitHub Mobile：Copilot 会话的筛选与排序改进

Manus 新增 /game-dev 和 ElevenLabs 连接器

7月10日 — Manus 推出一项 /game-dev 能力：只需用自然语言描述一个游戏，就能得到一个可运行的游戏玩法，并部署到可分享链接上，无需游戏开发经验，这背后依托于 Manus 所致谢的开源工作。同一天，ElevenLabs 连接器也上线平台，为基于 Manus 构建的应用打开了语音生成与克隆功能——一个完整应用（复古界面、4 种语言、克隆语音旁白）仅用一个提示词即可完成。

🔗 Tweet @ManusAI — /game-dev 能力 🔗 Tweet @ManusAI — ElevenLabs 连接器

Perplexity Computer 扩展功能，Cohere 加速推理

Perplexity 三次扩展了 Perplexity Computer 的模型与工具供给，而 Cohere 则发布了一项关于推理加速的值得关注的研究。

Computer Analytics：按模型跟踪信用点支出

7月10日 — Perplexity 推出 Computer Analytics，这是一个仪表板，用于跟踪 Perplexity Computer 中各模型的信用点消耗：信用点总数、活跃成员数、成员均值、按模型划分的分布（Claude Opus 4.8 Fast/4.8/4.7、Claude Sonnet 4.6、GPT-5.5、其他）以及成员排名。该功能现已在账户设置中的 Analytics 下可用，个人用户和 Enterprise 组织均可使用。

🔗 Tweet @perplexity_ai — Computer Analytics

Grok 4.5：WANDR 最高分，成本仅为 Opus 4.8 的一半左右

7月10日 — Grok 4.5（xAI）加入 Perplexity Computer 中可用的编排器模型，面向 Consumer Pro 和 Max 订阅用户。在 WANDR 性能/成本基准测试（6 种配置）中，Grok 4.5 在所有配置里拿下最高分：

评测配置	每次试验成本	WANDR 分数
GPT-5.6 Terra (medium)	0,40 $	0,149
GLM 5.2 (high effort)	1,74 $	0,207
GPT-5.6 Sol (medium)	2,64 $	0,289
GLM 5.2 + advisor	4,67 $	0,297
Grok 4.5	4,76 $	0,328
Opus 4.8 (thinking, high effort)	9,46 $	0,254

因此，Grok 4.5 占据了性能/成本帕累托前沿的顶端：以大约 Opus 4.8 一半的成本，取得了更高分数。

🔗 Tweet @perplexity_ai — Grok 4.5 编排器

Cohere 为 vLLM 带来最高 23% 的推理速度提升

7月10日 — Cohere 发布了关于 Dynamic Speculative Decoding（DSD）的研究，它通过“goodput”指标，依据硬件瓶颈（内存 vs 计算）自适应调整 speculative decoding 的草稿 token 数量。在 Command A（dense，MT-Bench）上：DSD 比固定 K 的 speculative decoding 快约 23%，也比原始推理快 7.5%——而固定 K 的 SD 反而比原始推理更慢。对 Command A+（MoE 架构）的收益更有限。该优化已以开源形式贡献给 vLLM（pull request 已合并），并为 async scheduling 与 Full CUDA Graph 做了兼容性工作。

🔗 Cohere — 面向硬件的动态 speculative decoding

媒体生成：视频检索迈向实时

三则公告展示了媒体生成向实时化和代理式集成的转变。

NVIDIA 发布 Flex-Forcing：一个混合扩散/自回归视频模型

7月9日 — NVIDIA 研究团队发布 Flex-Forcing，这是一种训练单一视频模型同时掌握双向扩散（一次处理所有帧，结构保留良好但更慢）与自回归生成（逐帧生成，速度快且可 streamable，但容易随时间漂移）的方法，并在推理时根据可用计算预算选择运行点，而不是受限于训练时固定的折中。该工作获得了 ICML 2026 的 spotlight 认可。

🔗 Tweet @NVIDIAAI — Flex-Forcing

Wan-Streamer（阿里巴巴）：全双工实时视频对话

7月10日 — 阿里巴巴通义实验室发布 Wan-Streamer，一个端到端的全模态模型：单个原生流式 Transformer 能同时听、看、理解并以同步的语音和视频作答，支持全双工（双方可同时说话和聆听），总延迟约 550 毫秒。该模型不依赖固定的 avatar 机架，可以化身为任何用自然语言描述的角色。v0.2 将分辨率提升到 640×368、25 FPS，并把模型侧延迟降到约 200 毫秒。

🔗 Tweet @Alibaba_Wan — Wan-Streamer

HeyGen 将 Figma 连接到 HyperFrames，用于生成发布视频

7月10日 — HeyGen 每日 HyperFrames 技能系列的新一期（继 7月9日的 Music-to-Video 之后）：命令 /figma 能把 Figma 设计稿变成忠实的发布视频——每种颜色、每个字体、每个构图都精确复现——无需经过视频编辑器。工作流只需三步：复制设计稿链接、发送给代理，然后调用 /figma。通过 npx hyperframes@latest skills 安装。

🔗 Tweet @HeyGen — Figma 集成

Sakana AI 衡量代理与人类之间的创造力差距

7月10日 — Sakana AI 发布《The AI Picbreeder Experiment》，这是一篇研究论文（GECCO2026，MIT/NYU 合作，最佳论文提名），它重建了 Picbreeder——一个已消失的网站，用户曾在无预设目标的情况下集体演化图像——并用视觉语言代理（VLM）取代人类。主要结果：VLM 代理的探索范围不如人类广泛，常在相似概念上兜圈子；但一个由不同“个性”代理组成的多样化群体会显著改善探索，某些运行中甚至接近人类档案的语义多样性。持续存在的差距在于：人类似乎更擅长把一个“幸运的意外”转化为持久的创造性发现。

🔗 Tweet @SakanaAILabs — 公告 🔗 互动博客 — pub.sakana.ai/picbreeder-vlm

简讯

GitHub — 多用户预算的 API 端点 — 新的 REST API 端点，可通过一次调用获取多用户预算中每个用户的消耗情况，并可按已消耗百分比过滤，仅面向 enterprise owners 和 billing managers。🔗 GitHub Changelog
GitHub 为其 AI 密钥检测器改名 — “Copilot secret scanning” 检测器更名为 “AI-detected secrets”，行为、webhooks、audit logs 及 API 均无变化。🔗 GitHub Changelog
Codex CLI 0.144.1 — 对 0.144.0 的补丁：增强 standalone 安装可靠性，macOS 安装可正确暴露 code-mode 主机，在伴随主机二进制不可用时回退到内嵌 runtime。🔗 Codex CLI 0.144.1
Cohere Transcribe Arabic 可在 MacBook 本地运行 — 通过 mlx-audio（Apple Silicon）完成社区移植，归功于 @Prince_Canuma 和 @lllucas，显示该开源模型（Apache 2.0）在生态中的采用。🔗 Tweet @cohere

这意味着什么

代理正在学着像人类一样浏览网络。 Claude Code Desktop 的创新在于给代理提供了自己的 sandbox 浏览器，并采用与 Claude in Chrome 扩展相同的网站级权限模型——在完全不共享用户个人凭据的情况下构建和测试应用。这一动向也呼应了更广泛的趋势：GitHub 新的 pull requests 仪表板现在会明确识别由代理代表人类创建的 PR，而 Manus 则新增了一个 /game-dev 能力，可以在无需人工介入的情况下部署可运行的游戏玩法。能够操控完整界面，而不仅仅是产出文本或代码，正成为面向大众的代理新前沿。

模型竞赛正在从单纯规模转向多模型编排。 GPT-5.6 Sol Ultra 正式可用，并展示了一个令人瞩目——但尚未独立验证——的多代理数学推理演示，所处理的是一个悬而未决 50 年的问题。Amp 放弃了命名模式，改为一个统一的旋钮，让 Claude Fable 5 和 GPT-5.6 Sol 彼此充当 oracle。Perplexity Computer 也采取了类似思路，把 Grok 4.5 作为编排器——以约 Opus 4.8 一半的成本拿下市场最高 WANDR 分数——并与自家的 GLM 5.2 并列。共同信号很清楚：价值不再来自某一个前沿模型，而来自让多个模型按照可用预算协同工作的能力；Cohere 关于自适应 speculative decoding 的研究甚至把这一逻辑推进到了推理层本身。

长期自主性正在变得可测量，而企业也要求对其进行记录。 Cognition 给出了一个具体跃升的文档——从几分钟到 8 小时的连续无监督推进——来解释为什么它现在信任 Claude Fable 5 承担真实任务；与此同时，UST 将 Claude 部署到硬件验证流程中，带来了 50% 到 70% 的周期收益。相同的趋势也迫使科技公司公开承认自己的盲点：OpenAI 公开记录了 GPT-5.6/ChatGPT Work 发布中的问题，而不是掩盖它们；GitHub 解释了为何一次工具迁移起初让 Copilot code review 变差，直到重写指令才修正；Claude Code v2.1.206 则在内置浏览器之外叠加了一十五项细小修复。如今，信任既建立在能力发布上，也建立在对失误的透明披露上。

实时媒体生成正在追赶批处理生成。 阿里巴巴的 Wan-Streamer 让代理以视频和语音进行对话，延迟为 550 毫秒；Gemini Live 将摄像头、图像生成和地图整合进同一个语音对话中；NVIDIA 的 Flex-Forcing 让单一视频模型根据计算预算自行在质量与速度之间权衡。这种向即时性与交互性的转变，与 Sakana AI 对创造力的提醒形成对照：其视觉语言代理相比放手让人类自由探索，反而探索得更少；即便生成在技术上已变得即时，这一差距依然存在。