2026年3月11日 是信息密集的一天：Anthropic 创建一个跨学科研究所，以推动围绕 AI 的公共讨论；Perplexity 通过四个 API 同时部署其 “Computer” 愿景；OpenAI 发布 Responses API 的新智能体原语；Meta 详细介绍了两年内开发的四代自研 AI 芯片。
Anthropic Institute：Jack Clark 领导公共利益方向
2026年3月11日 — Anthropic 推出 The Anthropic Institute，这是一项新举措，旨在推进围绕强大 AI 所带来挑战的公共讨论。该倡议由联合创始人 Jack Clark 领导，他在 Anthropic 担任新的 “Head of Public Benefit”（公共利益负责人）职务。
该研究所将汇集一支跨学科团队——研究人员、经济学家、法学家、公共政策专家——并拥有对 Anthropic 前沿模型的独特访问权限。其使命是：随着 AI 的发展，分析并传达其社会、经济和安全影响。
首批三名成员已公布：
| 新成员 | 背景 |
|---|---|
| Matt Botvinick | Yale Law School Resident Fellow；前 Google DeepMind Senior Director of Research |
| Anton Korinek | 经济学教授（休假中），Economic Research 团队 |
| Zoë Hitzig | 前 OpenAI，专注于 AI 的社会和经济影响 |
该研究所依托 Anthropic 现有团队：Frontier Red Team、Societal Impacts、Economic Research。与此同时，Anthropic 宣布扩展其 Public Policy 团队，重点关注模型透明度、能源消费者保护、出口管制以及全球 AI 治理。
该研究所的成立标志着一个重要阶段：Anthropic 正式组织其公共参与，并由其联合创始人之一作为代表。
Perplexity：围绕 “Everything is Computer” 愿景的协调发布
2026年3月11日 — Perplexity 同时发布四项公告，构成围绕其 “Computer” 愿景的一次协调发布：把 AI 作为个人和专业计算机。
Personal Computer 与 Enterprise
Personal Computer 是一台专用 Mac mini，全天候运行，连接本地应用程序和 Perplexity 服务器。它作为用户的数字代理——敏感操作需要明确批准。等待名单已开放。
Computer for Enterprise 可连接 Snowflake、Salesforce、HubSpot 以及数百个平台。技能（skills）可自定义，Slack 集成允许在 DM 或共享频道中工作。它基于 SOC 2 Type II、SAML SSO 和审计日志（audit logs）。Perplexity 提出了一项来自 16,000 条请求内部研究的数据：节省 160 万美元人工成本，并在 4 周内完成 3.25 年的工作量。
Comet Enterprise 是一款原生 AI 浏览器，具备管理员控制（按域名设置权限、操作日志、MDM），并与 CrowdStrike 合作提供浏览器级保护。
Perplexity Finance 获得 40+ 个实时金融工具（SEC filings、FactSet、S&P Global、Coinbase、LSEG、Quartr、Polymarket），并可通过 Plaid 连接券商，用于分析真实投资组合。
Premium Sources 可在搜索流中直接访问 Statista、CB Insights 和 PitchBook——付费来源会自动引用。
Agent API：完整的 runtime 编排
Agent API 是一个托管 runtime，用于构建具备集成搜索、工具执行和多模型编排的智能体工作流。它以单一集成点取代模型路由器、搜索层、embeddings 提供方、sandbox 服务和监控堆栈（monitoring stack）。
| 内置工具 | 能力 |
|---|---|
web_search | 按域名、时效性、日期范围、语言、内容预算进行过滤 |
fetch_url | 直接获取 URL |
| 自定义函数 | 完整支持 |
四个优化配置（presets）覆盖使用场景：快速事实搜索、平衡搜索、深入多来源分析，以及机构级搜索。Deep Research 2.0 可通过 advanced-deep-research 配置使用——它会针对每个请求启动数十次搜索，并处理数百份文档。
Agent API 不绑定特定模型，支持多模型回退链（fallback chains），以实现接近 100% 的可用性，并且今天即可使用，地址为 docs.perplexity.ai。
Search API：改进 snippets 与 SEAL benchmark
Search API 的更新重点是摘录（snippets）质量和评估基础设施。
新的片段级标注（span-level labeling）pipeline 会识别源文档中哪些段落与请求相关。结果是：摘录更小、更精准，从而降低 token 成本，并改善下游模型的上下文管理。
SEAL benchmark 测试检索系统能否回答答案会随时间变化的问题。Perplexity 在 SEAL-Hard 上取得进步，而其他供应商则出现下降。search_evals framework 已在 GitHub 上以 open source 形式更新。
其他改进：支持多请求（单个 API 请求中最多 5 个）、按语言（ISO 639-1 代码）和国家过滤，以及带有对三个 API 原生支持的 Python SDK（pip install perplexityai）。
Sandbox API：面向智能体的隔离代码执行
Perplexity 将其内部代码执行环境作为独立服务开放。每个会话都在隔离的 Kubernetes pod 中运行，并挂载持久文件系统。支持语言：Python、JavaScript、SQL。可以在运行时（at runtime）安装 packages。
会话是有持久状态的（stateful）：在某一步创建的文件可供后续步骤使用，长工作流可以暂停，然后在数小时后恢复。安全性基于零信任（zero-trust）模型：无直接网络访问，出站流量通过 proxy，代码永远无法访问原始 API 密钥。
Sandbox API 将能够使用相同的 API 密钥和相同的 credits 集成到 Agent API 中。状态：私有 beta 即将推出。
OpenAI：Responses API 获得面向智能体的计算环境
2026年3月11日 — OpenAI 发布一篇工程文章，详细介绍 Responses API 用于构建可靠自主智能体的新原语：Unix shell tool、托管容器、原生上下文压缩以及可复用的 agent skills。
shell tool
shell tool 允许模型通过命令行与计算机交互，并访问经典 Unix 工具（grep、curl、awk）。不同于此前仅执行 Python 的代码解释器，shell tool 支持 Go、Java、Node.js 以及其他环境。GPT-5.2 及后续模型已接受训练，可提出 shell 命令。
Responses API 可以通过独立容器会话并行执行多个 shell 命令，并对每条命令应用输出上限，以避免撑满上下文窗口。
托管容器
容器构成模型的工作空间：
| 组件 | 描述 |
|---|---|
| 文件系统 | 通过 container 和 file APIs 上传、组织和管理资源 |
| 数据库 | 结构化存储（SQLite）——模型查询表，而不是加载全部内容 |
| 网络访问 | 带 allowlist 的集中式 egress proxy，按域注入 secrets |
原生上下文压缩
对于长时间运行的任务，Responses API 集成了原生压缩机制：模型经过训练，可以生成对话状态的紧凑且加密的表示。可在服务器端使用（阈值可配置），也可通过 /compact endpoint 使用。Codex 使用该机制来维持长时间编码会话且不发生退化。
Agent skills
skills（智能体技能）将重复性工作流模式（workflow patterns）封装为可复用的 bundles：一个包含 SKILL.md 文件及相关资源的文件夹。Responses API 会在向模型发送 prompt 之前，自动将 skill 加载到上下文中。skills 通过 API 管理并进行版本控制。
与此同时，一篇开发者博客文章庆祝 Responses API 一周年，并包含五个客户案例研究。两篇发布共同呈现了平台向智能体方向演进的连贯图景。
🔗 Responses API + 计算环境 🔗 Responses API 一周年
OpenAI：抵御 prompt injection 的防御策略
2026年3月11日 — OpenAI 发布一篇关于 AI 智能体抵御 prompt injection 攻击的安全文章。
早期攻击是在外部内容（Wikipedia 页面、电子邮件）中插入直接指令。随着模型改进，这些攻击演变为社会工程（social engineering）：令人信服的职业语境、模拟紧急情况、声称已获授权。文章中描述的一个 2025 年示例显示，针对旧版 ChatGPT 的一次攻击在 50% 的情况下成功。
OpenAI 从三方系统（雇主 / 智能体 / 恶意第三方）的视角处理该问题，类似于一名人类客服代表面对操纵尝试。目标并不是完美识别每一次攻击，而是限制一次成功操纵所造成的影响。
| 对策 | 描述 |
|---|---|
| source-sink 分析 | 检测不可信内容 + 危险操作的组合 |
| Safe Url | 检测对话中的信息是否会被传输给第三方——请求确认或阻止 |
| 应用 sandbox | Canvas 和 ChatGPT Apps 检测意外通信并请求同意 |
Safe Url 同样适用于 Atlas 中的浏览，以及 Deep Research 中的搜索和浏览。
🔗 设计能够抵御 prompt injection 的 AI 智能体
Meta MTIA：两年内推出四代 AI 芯片
2026年3月11日 — Meta 发布一篇技术文章，详细介绍其自研 AI 芯片家族 MTIA（Meta Training and Inference Accelerator）。两年内，Meta 连续开发了四代芯片，以更低成本服务数十亿用户。
“AI models are evolving faster than traditional chip development cycles.”
🇨🇳 AI 模型的演进速度快于传统芯片开发周期。
| 代际 | 主要创新 |
|---|---|
| MTIA 300 | 第一款针对排序和推荐模型（Ranking & Recommendation）优化的芯片，可复用的模块化基础 |
| MTIA 400 | 向 GenAI workloads 演进，在单一 scale-up 域中部署 72 芯片 rack |
| MTIA 450 | HBM 带宽翻倍，MX4 FLOPS +75%，attention 和 FFN 硬件加速 |
| MTIA 500 | HBM 带宽较 MTIA 450 增加 50%，聚焦 GenAI inference |
从 MTIA 300 到 MTIA 500 的进展：HBM 带宽提升 4.5 倍，FLOPS 提升 25 倍。Meta 的策略基于高速度开发（每年一款新芯片）、聚焦 inference 而非预训练，以及原生 PyTorch 集成。
“Mainstream GPUs are typically built for the most demanding workload — large-scale GenAI pre-training — while Meta’s primary need is inference.”
🇨🇳 主流 GPU 通常是为最严苛的 workload——大规模 GenAI 预训练——而构建的，而 Meta 的主要需求是 inference。
基础处理器架构（Processing Element）结合了两个向量 RISC-V 核心、一个点积引擎（Dot Product Engine）、一个特殊函数单元（Special Function Unit）、一个归约引擎和一个 DMA。软件栈基于 PyTorch、vLLM、Triton 和专用 MTIA 编译器，并通过 plugin 架构集成 vLLM。
Gemini CLI v0.33.0：增强版 Plan Mode 与 A2A 认证
2026 年 3 月 11 日 — Gemini CLI 发布 v0.33.0，距离引入 Plan Mode 的 v0.32.0 已过去两周。
| 类别 | 新功能 |
|---|---|
| Agent 架构 | 面向远程 A2A agent 的 HTTP 认证、经过认证的 A2A agent 卡片发现 |
| Plan Mode | 集成研究子 agent、支持用户反馈注释、新的子命令 copy |
| CLI 界面 | 带 ASCII 图标的紧凑 header、上下文窗口反向显示、聊天历史默认保留 30 天 |
为 A2A（Agent-to-Agent）协议添加 HTTP 认证是主要技术新功能：Gemini CLI 现在可以发现远程 agent 并向其进行认证，为安全的多 agent 编排奠定基础。
Chrome 中的 Gemini：扩展至印度、新西兰和加拿大
2026 年 3 月 11 日 — Google 将 Chrome 的 AI 功能扩展到三个新市场：印度、新西兰和加拿大。
Gemini in Chrome——基于 Gemini 3.1、位于侧边栏中的 AI 助手——现已在这些地区的 Mac、Windows 和 Chromebook Plus 上可用。此次上线的功能包括：从 Chrome 访问 Gmail、Maps、Calendar 和 YouTube，对多个已打开标签页进行交叉分析，以及通过 Nano Banana 2 直接在浏览器中进行图像转换。本次更新新增 50 多种语言，包括印地语、法语和西班牙语。
AlphaEvolve：为 5 个 Ramsey 数给出新界
2026 年 3 月 11 日 — Pushmeet Kohli（Google DeepMind）宣布，AlphaEvolve 在极值组合学中为 5 个经典 Ramsey 数确立了新的下界——这些问题难度极高，Erdős 本人也曾评论过其复杂性，而此前的最佳结果至少已是十年前的成果。
AlphaEvolve 像一个元算法，能够自动发现所需的搜索过程，而过去通常需要手动设计专门算法。这一结果展示了 AlphaEvolve 在 Google kernel 优化之外的能力，而它此前已因这些优化而闻名。
Gemini Embedding 2：Google 首个多模态 embedding
2026 年 3 月 10 日 — Google 宣布推出 Gemini Embedding 2，并称其为“our most capable and first fully multimodal embedding model”。这是 Google 首个原生多模态 embedding 模型，开发者可通过 Gemini API 和 AI Studio 使用。
GitHub Copilot：从终端进行代码审查，以及 JetBrains 进展
2026 年 3 月 11 日 — GitHub Copilot 有两项值得关注的更新。
从 GitHub CLI v2.88.0 进行 Code Review
现在可以直接从终端请求 Copilot 进行代码审查。命令 gh pr edit --add-reviewer @copilot（非交互模式）和 gh pr create（交互模式）将 Copilot 与团队成员一起纳入流程。审阅者选择新增动态搜索，从而提升大型组织中的性能，并修复可访问性问题。适用于所有包含 Copilot code review 的方案——需要更新至 GitHub CLI v2.88.0。
JetBrains IDEs 的 agentic 改进
JetBrains plugin 更新带来正式可用（GA）功能：自定义 agent（custom agents）、子 agent 和规划 agent（plan agent），以及面向所有方案的模型自动选择。公开预览（public preview）功能包括：通过 .github/hooks/ 中的 hooks.json 文件配置的 agent hooks（userPromptSubmitted、preToolUse、postToolUse、errorOccurred），以及对 AGENTS.md 和 CLAUDE.md 文件的支持。
其他改进也补充了此次更新：可按 MCP 配置的 auto-approve、面向扩展推理模型的思考面板、上下文窗口使用量指示器，以及菜单中 Edit 模式的弃用。
在网页版 Copilot 中浏览仓库
公开预览：现在可以直接从 Copilot 网页界面浏览 GitHub 仓库的目录树。所选文件会自动作为临时引用添加到聊天中，并可设为永久引用。
Anthropic 悉尼与 Claude for Office
悉尼，亚太地区第 4 个办公室
2026 年 3 月 10 日 — Anthropic 宣布即将在悉尼开设办公室，这是其在亚太地区的第四个办公室（继东京、首尔和新加坡之后）。按人均 Claude.ai 使用量计算，澳大利亚位居全球第 4；根据同一指标（Anthropic Economic Index），新西兰位居第 8。该办公室初期将专注于企业客户、初创公司和研究领域。
Claude for Excel 和 PowerPoint：共享上下文与 Office Skills
2026 年 3 月 11 日 — Claude for Excel 和 Claude for PowerPoint add-ins 获得两项重要更新：两个应用之间的上下文共享（一名分析师可以在一次对话中从 Excel 工作簿提取数据，并将其用于 PowerPoint 演示文稿），以及 Skills（可一键复用的 workflows）登陆这两个 add-ins。
预加载的 Skills 覆盖最常见的使用场景：公式审计、构建 LBO/DCF 模型、竞争格局 deck、用新数据更新演示文稿，以及投资银行 deck 审阅。为满足合规部署需求，这些 add-ins 现在可通过 Amazon Bedrock、Google Cloud Vertex AI 和 Microsoft Foundry 使用。可用性：Mac 和 Windows，适用于付费方案（Pro、Max、Team、Enterprise）。
🔗 Claude for Excel 和 PowerPoint
NVIDIA Nemotron 3 Super、ComfyUI 与 GTC 2026
2026 年 3 月 11 日 — NVIDIA 在 GTC 2026 期间动作频繁。
Nemotron 3 Super 在 agentic AI 方面相较上一代提供 5 倍吞吐量。这是一个开源的 1200 亿参数 MoE（Mixture of Experts）模型，针对高频推理负载进行了优化。
NVIDIA 和 ComfyUI 在 GDC 2026（Game Developers Conference）期间宣布了一项集成，简化游戏开发者和创作者在本地进行 AI 视频生成的流程，并支持 FLUX 和 LTX-Video 模型。
NVIDIA 博客 GTC 2026 Live Updates 汇总了圣何塞会议的实时公告——Mistral AI 也在这一框架下展示其 frontier 模型。
🔗 Nemotron 3 Super 🔗 ComfyUI GDC 🔗 GTC 2026 直播
简讯
Runway Labs — Runway 推出一个内部孵化器，由 Alejandro Matamala Ortiz（联合创始人、创新总监）领导。Runway Labs 将为生成式视频和世界模拟模型（General World Models）在多个行业中原型化全新应用：电影、医疗、教育、电子游戏、广告、房地产。招聘已开放。
Claude Code /btw — 新命令 /btw 可在任务执行期间进行侧链对话（side chain conversations），而不中断当前工作。
NotebookLM Flashcards — Quiz 和 flashcards 更新：从上次停止的位置继续、跟踪答对或答错的 flashcards、可删除或打乱 flashcards。
Meta Canopy Height Maps v2 — Meta 与 World Resources Institute 发布 CHMv2，这是全球森林冠层高度地图的新版本。DINOv3 模型（Meta 的自监督视觉模型）提升了精度和全球覆盖范围。应用场景包括：气候迁移、森林恢复、城市规划。模型以开源形式提供。
Z.ai GLM-5 — GLM-5 现已向 Lite 用户（免费层级）开放，此前自 2026 年 2 月发布以来仅供 Pro 用户使用。
这意味着什么
2026 年 3 月 11 日体现了两条正在汇合的深层趋势。
第一是 agentic 的平台化：OpenAI、Perplexity 和 GitHub 在同一天发布了互补的基础组件（shell tools、sandboxes、agent hooks、code review）。生态系统正在围绕可复用模块成型——skills、容器、子 agent——让开发者无需重新发明基础设施，就能构建可靠的 agent。
第二是定制硅片竞赛：Meta 在两年内发布四代 MTIA 的细节，显示出其摆脱大众 GPU 依赖、并为大规模推理校准的清晰战略。同样的逻辑也推动 NVIDIA 在 GTC 当天发布 Nemotron 3 Super，而这场会议上公告密集发布。
Anthropic Institute 的成立则属于一种更低调但更持久的动向：随着能力持续进步，大型 AI 企业正在组织其公共影响团队——不再只是门面式沟通，而是一项独立完整的研究工作。
来源
- Anthropic Institute
- 悉尼，亚太地区第 4 个办公室
- Claude for Excel 和 PowerPoint
- @bcherny 的 Tweet（/btw）
- 一切皆计算机 — Perplexity
- Agent API — Perplexity
- Search API — Perplexity
- Sandbox API — Perplexity
- Responses API + 计算机环境 — OpenAI
- Responses API 一周年 — OpenAI
- Prompt injection 防御 — OpenAI
- Meta MTIA 芯片
- Meta Canopy Height Maps v2
- Gemini CLI v0.33.0
- Gemini in Chrome — 扩展
- AlphaEvolve — Ramsey 数
- Gemini Embedding 2
- 从 CLI 进行 Copilot Code Review
- Copilot JetBrains — agentic 改进
- Copilot — 在网页上浏览仓库
- Nemotron 3 Super — NVIDIA
- GDC 上的 ComfyUI + NVIDIA
- GTC 2026 Live Updates — NVIDIA
- Runway Labs 介绍
- NotebookLM Flashcards 更新
- Z.ai GLM-5 Lite 推出
本文档使用 gpt-5.5 模型从法语版本翻译为中文。有关翻译过程的更多信息，请参阅 https://gitlab.com/jls42/ai-powered-markdown-translator