Anthropic Institute、Perplexity 的 Everything is Computer、OpenAI Responses API：2026年3月11日

2026年3月11日是信息量很大的一天：Anthropic 成立了一个面向公众讨论的跨学科研究所，Perplexity 推出其“Computer”愿景并同时发布四个 API，OpenAI 发布了 Responses API 的新代理原语，Meta 详述了两年内开发的四代定制 AI 芯片。

Anthropic Institute：Jack Clark 担任公共利益负责人

2026年3月11日 — Anthropic 推出 The Anthropic Institute，这是一个推动关于强大人工智能所带来挑战的公众讨论的新项目。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）一职。

该研究所将汇集跨学科团队——研究人员、经济学家、法律专家、公共政策专家——并获得对 Anthropic 顶尖模型的独特访问权限。其使命是分析并传达人工智能在发展过程中对社会、经济和安全方面的影响。

已公布的前三位首批成员：

Recrue	Parcours
Matt Botvinick	Resident Fellow, Yale Law School ; ex-Senior Director of Research, Google DeepMind
Anton Korinek	Professeur d’économie (en congé sabbatique), équipe Economic Research
Zoë Hitzig	Ex-OpenAI, spécialisée dans les impacts sociaux et économiques de l’IA

该研究所依托 Anthropic 现有团队：Frontier Red Team、Societal Impacts、Economic Research。与此同时，Anthropic 宣布扩充其 Public Policy 团队，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步骤：Anthropic 正式构建其公共参与框架，并由其一位联合创始人将其面向公众。

🔗 介绍 The Anthropic Institute

Perplexity：协调发布“Everything is Computer”愿景

2026年3月11日 — Perplexity 同步发布了四项公告，形成围绕其“Computer”愿景的协调发布：把 AI 视为个人和职业用的计算机。

Personal Computer 与 Enterprise

Personal Computer 是一台全天候运行的 Mac mini，连接本地应用和 Perplexity 服务器。它充当用户的数字代理——敏感操作需要明确批准。现已开放排队名单。

Computer for Enterprise 可连接到 Snowflake、Salesforce、HubSpot 及数百个平台。技能（skills）可定制，Slack 集成允许在私信或共享频道中工作。其合规基于 SOC 2 Type II、SAML SSO 和审计日志（audit logs）。Perplexity 引用了来自其内部研究的一个数据点：在 16,000 次请求的研究中，节约了 160 万美元的人力成本，并在 4 周内完成了相当于 3.25 年工作的产出。

Comet Enterprise 是一个原生的 AI 浏览器，具有管理员控制（按域权限、操作日志、MDM）并与 CrowdStrike 合作提供浏览器级保护。

Perplexity Finance 实时接入 40+ 金融工具（SEC filings、FactSet、S&P Global、Coinbase、LSEG、Quartr、Polymarket），并通过 Plaid 提供券商连接以分析真实投资组合。

Premium Sources 将 Statista、CB Insights 和 PitchBook 的付费数据直接引入检索流——付费来源会被自动引用。

🔗 Everything is Computer

Agent API：完整的运行时编排

Agent API 是一个托管运行时，用于构建具有内置检索、工具执行和多模型编排的代理工作流。它在单一接入点替代了模型路由器、检索层、embeddings 提供方、沙箱服务和监控栈（monitoring stack）。

Outil intégré	Capacités
`web_search`	Filtrage par domaine, récence, plage de dates, langue, budget de contenu
`fetch_url`	Récupération directe d’URL
Fonctions personnalisées	Support complet

四个优化的预设（presets）覆盖常见用例：快速事实检索、均衡检索、多源深入分析和机构级检索。Deep Research 2.0 可通过配置文件 advanced-deep-research 使用——它为每个请求发起数十次检索并处理数百份文档。

Agent API 与模型无关，支持多模型回退链（fallback chains）以实现接近 100% 的可用性，并且已在 docs.perplexity.ai 上“今日可用”。

🔗 Agent API

Search API：改进的片段与 SEAL benchmark

Search API 的更新侧重于片段（snippets）的质量和评估基础设施。

新的片段级标注（span-level labeling）管道能识别文档源中哪些片段与查询相关。结果是更小更精确的片段，这降低了 token 成本并改善了下游模型的上下文管理。

SEAL benchmark 用于测试检索系统是否能回答随时间变化的问题。Perplexity 在 SEAL-Hard 上取得进展，而其他供应商有所退步。框架 search_evals 已在 GitHub 上开源更新。

其他改进包括：多查询支持（一次 API 请求最多 5 个查询）、按语言（ISO 639-1 代码）和国家过滤，以及带有三个 API 原生支持的 Python SDK（pip install perplexityai）。

🔗 Search API update

Sandbox API：为代理提供隔离代码执行

Perplexity 将其内部代码执行运行环境作为独立服务开放。每个会话在隔离的 Kubernetes pod 中运行，并挂载持久化文件系统。支持的语言：Python、JavaScript、SQL。运行时可安装包（at runtime）。

会话具有持久状态（stateful）：在某一阶段创建的文件可在后续阶段访问，长流程可以暂停并在数小时后恢复。安全性基于零信任模型（zero-trust）：无直接网络访问，外发流量通过代理，代码永远不能访问原始 API 密钥。

Sandbox API 将可与 Agent API 集成，使用相同的 API 密钥和相同的额度。状态：私测即将推出。

🔗 Sandbox API

OpenAI：Responses API 为代理提供计算环境

2026年3月11日 — OpenAI 发布了一篇工程文章，详述了 Responses API 的新原语，用于构建可靠的自主代理：Unix shell tool、托管容器、本地上下文压缩（compaction）以及可复用的 agent skills。

Shell tool

shell tool 允许模型通过命令行与一台计算机交互，访问常见的 Unix 工具（grep、curl、awk）。与此前仅能执行 Python 的代码解释器不同，shell tool 支持 Go、Java、Node.js 等环境。GPT-5.2 及更高版本的模型被训练为建议 shell 命令。

Responses API 可以通过独立的容器会话并行执行多条 shell 命令，并为每条命令施加输出上限以避免耗尽上下文窗口。

托管容器

容器构成了模型的工作空间：

Composant	Description
Système de fichiers	Upload, organisation et gestion des ressources via APIs container et file
Bases de données	Stockage structuré (SQLite) — le modèle interroge les tables plutôt que de charger tout le contenu
Accès réseau	Proxy egress centralisé avec liste d’autorisations, injection de secrets par domaine

本地上下文压缩（Compaction native du contexte）

对于长期任务，Responses API 集成了本地压缩机制：模型被训练以生成对话状态的紧凑且加密的表示。该功能可在服务器端（阈值可配置）或通过一个端点 /compact 使用。Codex 使用此机制以在长时间的编码会话中维持状态而不出现退化。

Agent skills

skills（代理技能）将重复性的工作流模式（workflow patterns）打包为可复用的捆绑：一个包含文件 SKILL.md 及相关资源的文件夹。Responses API 会在向模型发送 prompt 前自动将 skill 加载到上下文中。skills 可通过 API 管理并进行版本控制。

与此同时，一篇开发者博客庆祝 Responses API 推出一周年并包含五个客户案例研究。这两篇发布共同描绘了平台向代理化演进的全貌。

🔗 Responses API + 环境计算 🔗 Responses API 一周年

OpenAI：应对 prompt injection 的防御策略

2026年3月11日 — OpenAI 发布了一篇关于 AI 代理抵御 prompt 注入（prompt injection）攻击的安全文章。

早期攻击是将直接指令嵌入外部内容（维基百科页面、电子邮件）。随着模型能力提升，这类攻击演化为社会工程（social engineering）：伪造可信的职业上下文、模拟紧急情况、假冒授权。文章中举的一个 2025 年示例显示，在旧版 ChatGPT 上此类攻击成功率达 50%。

OpenAI 以三方系统（雇主 / 代理 / 恶意第三方）来审视该问题，类似于一个面对操纵企图的人类客服代理。目标不是完美识别每一次攻击，而是“限制一次操纵成功的影响”。

Contre-mesure	Description
Analyse source-sink	Détection des combinaisons contenu non fiable + action dangereuse
Safe Url	Détecte si des informations de la conversation seraient transmises à un tiers — demande confirmation ou bloque
Sandbox applicatif	Canvas et ChatGPT Apps détectent les communications inattendues et demandent le consentement

Safe Url 同样适用于 Atlas 的导航以及 Deep Research 中的检索与浏览。

🔗 Designing AI agents to resist prompt injection

Meta MTIA：两年内推出四代 AI 芯片

2026年3月11日 — Meta 发布了一篇技术文章，详述其定制 AI 芯片家族 MTIA（Meta Training and Inference Accelerator）。两年内，Meta 开发了四代连续的芯片，以更低成本为数十亿用户提供服务。

“AI models are evolving faster than traditional chip development cycles.”

🇨🇳 AI 模型的发展速度超过了传统芯片开发周期。

Génération	Innovation principale
MTIA 300	Première puce optimisée pour les modèles de classement et recommandation (Ranking & Recommendation), base modulaire réutilisable
MTIA 400	Évolution vers les workloads GenAI, rack de 72 puces dans un domaine scale-up unique
MTIA 450	Doublement de la bande passante HBM, +75 % de FLOPS MX4, accélération matérielle attention et FFN
MTIA 500	+50 % de bande passante HBM vs MTIA 450, focus inference GenAI

从 MTIA 300 到 MTIA 500 的进展包括 HBM 带宽放大 4.5 倍，FLOPS 增长 25 倍。Meta 的策略依赖于高速迭代（每年一代芯片）、以推理为主而非预训练为主的设计，以及与 PyTorch 的原生集成。

“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 通常为最苛刻的工作负载设计——大规模 GenAI 的预训练——而 Meta 的主要需求是推理。

处理单元（Processing Element）架构结合了两个 RISC-V 向量核心、一个点积引擎（Dot Product Engine）、一个特殊功能单元（Special Function Unit）、一个归约引擎和一个 DMA。软件栈基于 PyTorch、vLLM、Triton 以及专用的 MTIA 编译器，并通过插件式架构集成 vLLM。

🔗 Meta MTIA：scale AI chips for billions

Gemini CLI v0.33.0：增强的 Plan Mode 与 A2A 认证

2026年3月11日 — Gemini CLI 发布了 v0.33.0，距引入 Plan Mode 的 v0.32.0 两周后。

Catégorie	Nouveautés
Architecture agent	Authentification HTTP pour agents A2A distants, découverte de cartes d’agents A2A authentifiés
Plan Mode	Sous-agents de recherche intégrés, support des annotations pour retours utilisateurs, nouvelle sous-commande `copy`
Interface CLI	Header compact avec icône ASCII, affichage inversé de la fenêtre de contexte, rétention 30 jours par défaut pour l’historique de chat

为 A2A（Agent-to-Agent）协议添加 HTTP 认证是主要的技术新增：Gemini CLI 现在可以发现并向远程代理进行认证，为安全的多代理编排奠定基础。

🔗 Changelog Gemini CLI

Gemini 在 Chrome：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 的侧栏 AI 助手——现在在这些地区的 Mac、Windows 和 Chromebook Plus 上可用。部署的功能包括：从 Chrome 访问 Gmail、Maps、Calendar 和 YouTube、跨多个打开标签页的交叉分析，以及通过 Nano Banana 2 在浏览器内直接变换图像。更新新增 50+ 语言支持，包括印地语、法语和西班牙语。

🔗 Chrome 在印度、新西兰和加拿大扩展

--- ## AlphaEvolve：为 5 个 Ramsey 数建立新的下界

2026年3月11日 — Pushmeet Kohli（Google DeepMind）宣布，AlphaEvolve 为组合极值论中的5 个经典 Ramsey 数建立了新的下界——这些问题极其困难，连 Erdős 都曾评论过其复杂性，且先前的最好结果至少已有十年之久。

AlphaEvolve 作为一个元算法，能够自动发现所需的搜索程序，而历史上这些程序需要手工设计特定算法。该成果展示了 AlphaEvolve 在超越其已知用于 Google 内核优化能力方面的潜力。

🔗 Pushmeet Kohli 的推文

Gemini Embedding 2：Google 首个原生多模态 embedding

2026年3月10日 — Google 宣布 Gemini Embedding 2，被描述为“our most capable and first fully multimodal embedding model”。这是 Google 首个原生多模态的 embedding 模型，开发者可通过 Gemini API 和 AI Studio 访问。

🔗 @googleaidevs 的推文

GitHub Copilot：从终端进行代码审查与 JetBrains 的改进

2026年3月11日 — GitHub Copilot 有两项显著更新。

从 GitHub CLI v2.88.0 发起 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 与团队协同纳入同一流程。审阅者选择支持动态搜索，这提升了大组织中的性能并修复了可访问性问题。适用于包含 Copilot code review 的所有方案——需要更新到 GitHub CLI v2.88.0。

🔗 从 GitHub CLI 发起代码审查

面向 JetBrains IDE 的 agent 能力改进

JetBrains 插件的更新在一般可用（GA）中带来了：自定义 agents（custom agents）、子代理（sub-agents）和计划代理（plan agent），以及对所有方案的模型自动选择。在公开预览（public preview）中：通过 hooks.json 文件在 .github/hooks/ 中提供的 agent hooks（userPromptSubmitted, preToolUse, postToolUse, errorOccurred），以及对 AGENTS.md 和 CLAUDE.md 文件的支持。

更新还包含其他改进：可由 MCP 配置的自动批准（auto-approve）、针对长推理模型的思维面板（panneau de pensée）、上下文窗口使用指示器，以及菜单中 Edit 模式的弃用。

🔗 JetBrains 的改进

在网页端的 Copilot 中浏览仓库

在公开预览中：可以直接从 Copilot 的网页界面浏览 GitHub 仓库树。所选文件会自动作为临时参考添加到聊天中，并可以将其设为永久参考。

🔗 在 Copilot 中浏览仓库

Anthropic：Sydney 与 Claude for Office

Sydney，第四个亚太办事处

2026年3月10日 — Anthropic 宣布即将在悉尼开设办事处，这是其在亚太地区的第四个办事处（继东京、首尔和新加坡之后）。按人均使用 Claude.ai 的情况，澳大利亚位列全球第四；新西兰同一指标位列第八（Anthropic Economic Index）。该办事处最初将聚焦企业客户、初创公司和研究。

🔗 悉尼：第四个亚太办事处

Claude for Excel 与 PowerPoint：共享上下文与 Office Skills

2026年3月11日 — Claude for Excel 和 Claude for PowerPoint 插件获得两项重要更新：两应用之间的上下文共享（分析师可以在一个会话中从 Excel 活页簿提取数据并在 PowerPoint 演示文稿中使用），以及在两个插件中引入 Skills（一次点击即可重用的工作流）。

预置的 Skills 覆盖常见用例：公式审计、构建 LBO/DCF 模型、竞争格局幻灯片、用新数据更新演示文稿，以及投行演示文稿的审阅。插件现在可通过 Amazon Bedrock、Google Cloud Vertex AI 和 Microsoft Foundry 获得以满足合规部署。可用性：付费方案（Pro、Max、Team、Enterprise）下的 Mac 和 Windows。

🔗 Claude for Excel 与 PowerPoint

NVIDIA Nemotron 3 Super、ComfyUI 与 GTC 2026

2026年3月11日 — NVIDIA 在 GTC 2026 周边活动中动作频繁。

Nemotron 3 Super 在面向 agent 的 AI 工作负载上比上一代提供约 5 倍的吞吐量。它是一个 1200 亿参数的 MoE（Mixture of Experts）开源模型，针对高频推理负载进行了优化。

在 GDC 2026（游戏开发者大会）上，NVIDIA 与 ComfyUI 宣布了一项集成，简化了本地 AI 视频生成，面向游戏开发者与创作者，并支持 FLUX 与 LTX-Video 模型。

NVIDIA 的博客 GTC 2026 Live Updates 汇总了在圣何塞会议上的实时公告——Mistral AI 也在该场合展示了其 frontier 模型。

🔗 Nemotron 3 Super 🔗 ComfyUI 在 GDC 的内容 🔗 GTC 2026 实时更新

简讯

Runway Labs — Runway 推出由 Alejandro Matamala Ortiz（联合创始人、创新主管）领导的内部孵化器 Runway Labs。Runway Labs 将为生成视频和通用世界模型（General World Models）在电影、医疗、教育、游戏、广告、房地产等领域原型化激进的新应用。正在招聘。

🔗 推出 Runway Labs

Claude Code /btw — 新命令 /btw 允许在任务运行时进行侧链对话（side chain conversations），而不会中断当前工作。

🔗 @bcherny 的推文

NotebookLM Flashcards — 测验与抽认卡的更新：从中断处继续、记录成功或失败的抽认卡、可以删除或打乱抽认卡。

🔗 NotebookLM 的推文

Meta Canopy Height Maps v2 — Meta 与 World Resources Institute 发布 CHMv2，这是新版全球森林树冠高度地图。Meta 的自监督视觉模型 DINOv3 提升了精度与全球覆盖范围。应用场景包括气候迁徙、森林恢复、城市规划。模型已开源。

🔗 树冠高度地图 v2

Z.ai GLM-5 — GLM-5 现在向 Lite 用户（免费层）开放，此前自 2026 年 2 月推出后仅向 Pro 用户提供。

🔗 @ZixuanLi_ 的推文

这意味着什么

2026年3月11日反映了两条正在融合的长期趋势。

第一，是代理能力的“平台化”：OpenAI、Perplexity 和 GitHub 在同一天发布了互补的原语（shell tools、sandboxes、agent hooks、code review）。生态系统正在围绕可重用模块——skills、容器、子代理——构建，使开发者能够在不重复构建基础设施的情况下搭建可靠的 agents。

第二，是“定制硅片”的竞赛：Meta 在两年内公布其四代 MTIA 芯片细节，表明其在大规模推理上追求脱离消费级 GPU 的清晰战略。同样的逻辑促使 NVIDIA 在 GTC 当日发布 Nemotron 3 Super，会议上公告频出。

Anthropic Institute 的成立则属于一种更隐性的、但持久的动向：随着能力提升，大型 AI 公司正在构建面向公共影响的团队——不再仅仅是形象化的传播，而是一项独立的研究与行动努力。

来源

本文件已使用 gpt-5-mini 模型将 fr 版本翻译为 zh 语言。有关翻译过程的更多信息，请参阅 https://gitlab.com/jls42/ai-powered-markdown-translator