OpenAI 面对 Astra 网络风险放缓模型推进，Warp 推出 Warp Factories，Claude Code 发布 Design skill

2026年8月18日，OpenAI 发布了一份报告，解释其为何在一个名为 Astra 的模型面临关键网络能力风险时放缓了最新模型的训练；与此同时，Warp 为企业推出了 agentic 基础设施，而 Claude Code 则发布了一个界面设计 skill。围绕这三项重要公告，另外还有十八条更新，涵盖 Anthropic、代码工具、开放式 AI 研究以及媒体生成平台。

OpenAI 面对 Astra 的关键网络能力放缓模型部署

8月18日 — OpenAI 解释了公司为何放缓其近期模型的部署。两个事件促使了这一决定：OpenAI-Hugging Face 安全事件发生在某个模型评估期间，以及初步证据表明其下一代模型之一、名为 Astra 的模型，可能会跨越其 Preparedness Framework 所定义的“关键网络能力”门槛。

OpenAI 观察到，面向部署的最新模型在强化学习（RL）训练上出现了 两周暂停，以便对研究环境进行加固并开展红队测试。目前计划中的最大前沿 RL 运行仍处于暂停状态，等待更小规模的训练验证新的防护措施。

防护	细节
监控	按 token 分类器，目标在 30 分钟内告警
对齐	减少有害或未授权的操作
安全	强化网络隔离，不可信代码使用沙箱
附加成本	约 20% 的额外受监控推理计算

这种监控对所有 RL 训练以及从“Sol”级别开始的带工具评估都是强制性的；自 8 月 7 日起，任何 Astra 带工具推理都还适用额外要求。OpenAI 计划就 Hugging Face 事件发布技术报告，并与外部组织一起推进其 Preparedness Framework 的演进。

As models become more capable, the risks associated with developing and testing them internally also grow. We temporarily paused reinforcement learning (RL) training on our latest models intended for deployment for two weeks while we hardened and red-teamed our research environments and expanded monitoring coverage. Our largest planned frontier RL run remains on hold while smaller-scale training and evaluations validate these safeguards and establish more evidence of alignment.

🇨🇳 随着模型变得越来越强大，它们在内部开发和测试过程中相关的风险也在增加。我们已经暂时暂停了面向部署的最新模型的强化学习（RL）训练，为期两周，以便加固并对研究环境进行红队测试，同时扩大监控覆盖范围。我们计划中的最大前沿 RL 运行仍处于暂停状态，等待更小规模的训练和评估验证这些防护措施，并为对齐建立更多证据。 — @OpenAI 在 X 上

🔗 OpenAI — 模型开发节奏调整

Warp 推出 Warp Factories，用于 cloud software factories 的基础设施

8月18日 — Warp 宣布推出 Warp Factories，这是一个面向企业的开放基础设施，专为构建围绕软件生命周期的自动化闭环而设计：云端 agent 负责分诊、制定规范、实现、审查并验证工作，而人类则在关键决策点保持在环中。公告指出了工程负责人反映的两个问题：一是难以长期衡量 coding agents 的投资回报，二是治理问题——每位开发者各自配置 agent 会造成安全盲区。

在技术层面，factories 像代码一样进行配置——其主张的类比是“用于 agent 配置的 Terraform”——并且可以接入任意模型或 harness，包括直接将 Claude Code 或 Codex 作为 harness。agent 可在 Linux 和 Mac 上使用 computer use，以复现 bug 并证明变更已修复，同时在 pull request 上共享录屏。一个仪表板、API 和 SDK 用于衡量成本与速度，并支持可配置的自我改进 agent。

Warp 表示，目前其内部约有 30% 的任务通过内部 factories 自动化完成，并预计这一比例将快速增长。公司从今天起向有限数量的企业开放访问权限，并为部分精选客户提供 10,000 美元 的 factory 使用额度。

Introducing Warp Factories: open, flexible infrastructure for building cloud software factories. - Configure your factory as code - Use any model and any harness - Measure quality with evals and benchmarks on your own data - Built-in self-improvement and memory

🇨🇳 介绍 Warp Factories：一个开放且灵活的基础设施，用于构建 cloud software factories。把你的 factory 配置成代码。使用任意模型和任意 harness。借助你自己的数据上的评估和基准测试来衡量质量。内置自我改进和记忆。 — @warpdotdev 在 X 上

🔗 Warp Factories 公告

Claude Code 以预览研究形式推出 /design skill

8月17日 — Anthropic 为 Claude Code 推出一个新的 skill /design，目前处于 预览研究 阶段。该功能将 Claude Design 的 artboards 工作流带入 CLI 和 Desktop 应用，并建立在现有 artifacts 系统之上。命令 /design 会生成多个可编辑的 artboards，展示用户界面方案：用户选择其中一个，进行调整，然后让 Claude 将其实现到代码中。

这次发布让 Claude Code 更接近界面设计用途，而这类用途此前通常属于专门工具；现在它被直接整合到开发者在终端或 Desktop 中的工作流里。该功能面向 Pro、Max、Team 和 Enterprise 计划开放，并需要更新 Claude Code 才能测试。除这次发布公告外，未提供更多细节（如 research preview 限制、路线图、视觉示例等）。

Claude Code can design now. The new /design skill (research preview) brings Claude Design’s artboard workflow into the CLI and Desktop, built on artifacts. Run /design to get editable artboards for your UI — pick one, tweak it, then have Claude implement it.

🇨🇳 Claude Code 现在可以设计界面了。新的 /design skill（预览研究）将 Claude Design 的 artboards 工作流带入 CLI 和 Desktop，建立在 artifacts 之上。运行 /design 即可为你的界面获取可编辑的 artboards——选择一个，调整它，然后让 Claude 将其实现。 — @ClaudeDevs 在 X 上

🔗 Pro、Max、Team、Enterprise 可用性

Anthropic：Cowork 普及、限额延长、CPU 优化

Anthropic 今天的三项公告围绕 Claude Code 和 Cowork 的访问与性能展开。

Claude Cowork 在移动端和网页端面向所有付费计划开放

8月18日 — Anthropic 的协作环境 Claude Cowork 现已在移动端和网页端对所有付费计划（Pro、Max、Team 和 Enterprise）开放。此前它主要以 desktop、web 和 mobile 共享侧边栏的形式被提及，而这次公告标志着访问权限的普及，而非一项全新功能：付费用户现在可以从这三个入口中的任意一个重新访问自己的 Cowork 会话，关于界面或潜在移动端限制则没有进一步说明。

🔗 Claude Cowork 公告

Claude Code 每周限额提高 50% 延长至 8月31日

8月18日 — Anthropic 将 Claude Code 每周使用限额提高 50% 的临时措施延长至 8月31日。团队希望将这一改动永久化，但警告称，其模型的高需求可能会在未来几周带来容量压力，目前尚未给出最终决定的明确日期。这一公告延续了近期围绕 Claude Code 性能与使用情况的一系列沟通，反映出产品基础设施持续承受需求压力。

🔗 Claude Code 限额公告

Claude Code CLI 的 p99 CPU 占用减少一半

8月18日 — 一项修复现在会让工具的 JavaScript 运行时 Bun 的垃圾回收器（garbage collector）等到进程空闲时再运行。此前它是由固定计时器触发的，可能正好发生在一次对话轮次中间，也就是 Claude Code 最占用处理器的时候。结果是：CLI 现在在第 99 百分位上的 CPU 使用量减少了一半，延续了 8 月初公布的其他性能优化。

🔗 CPU 优化公告

代码代理：语音聊天与原生 SSH

Amp 和 Warp 为它们的代码代理补充了新的交互模式。

Amp 推出与 Puck 的实时语音聊天

8月18日 — Amp 为其代理助手 Puck 增加了实时语音对话，由 gpt-realtime-2.1 提供支持；它会把工作委托给现有的 Puck agent（由 GPT-5.6 Sol 驱动），并在完整文本继续显示于对话线程中的同时，用语音总结回复。Amp 强调了多个使用场景：并行协调工作、获取进度更新，或让 Slack 中相关消息被大声朗读出来，既适用于办公室，也适用于外出途中。

🔗 与 Puck 对话

Amp 推出每月 10 美元的教育价格

8月18日 — 学生和教师现在可以订阅 Amp Megawatt Edu，每月 10 美元，是常规价格的一半。该方案包含 Amp 的前沿 agent、orbs（用于无人监督 agent 的远程机器）、无限代码托管（公开和私有）、每年 750 小时的 orb 使用时长，以及每月 10 美元的额度。订阅者可以绑定现有的 ChatGPT 订阅以使用 GPT-5.6，或绑定 X Premium+/SuperGrok 订阅以使用 Grok 4.6；目前并未实施严格的学生身份验证。

🔗 Amp Megawatt Edu

Warp Agent CLI 增加原生 SSH 支持

8月17日 — Warp Agent CLI 可免费下载安装，并兼容 BYOK 和 Grok 订阅；现在它允许你直接把 agent 邀请进已经活跃的 SSH 会话中——包括 vim、SQL REPL 或其他文本界面——而不再局限于执行单次命令。远程机器上无需额外安装 CLI：只需 ! ssh，就可以直接在会话中与 agent 并肩工作。

🔗 Warp Agent CLI 与 SSH

OpenAI：青少年、全球 DevDay 与 agentic 影响

OpenAI 今天的四项公告涵盖了年轻用户安全、国际化，以及 Codex 的实际影响。

ChatGPT for Teens：更强保护与 CodeAI 教育合作

8月18日 — OpenAI 推出 ChatGPT for Teens，这是面向青少年的专用体验，结合了 Study Mode、可检测作业规避的“防走捷径”提醒、测验与教学可视化，以及可由青少年或家长安排的 Study Hours。系统会自动将被判断为未成年的人切换到该体验，并在 system cards 中发布新的“18岁以下”评估（自伤、饮食障碍、暴力、性内容）。与此同时，与 CodeAI 的签名合作计划将在一年内推进儿童发展咨询委员会、扩展 “Hour of AI” 计划、为高中生举办 “Builders Challenge”，并支持免费的 “AI Foundations” 课程。

🔗 ChatGPT for Teens

DevDay Exchange：OpenAI 将开发者活动全球化

8月18日 — 从 2026年10月 开始，OpenAI 将推出 DevDay Exchange，这是一系列覆盖八个城市的开发者活动：班加罗尔、东京、首尔、柏林、巴黎、伦敦、圣保罗和墨西哥城。其目标是让 builders 交流真实项目，并直接见到开发相关工具（API、Codex、ChatGPT Work）的 OpenAI 团队。目前尚未提供具体活动形式或报名信息。

🔗 DevDay Exchange

Asana 用 Codex 在两周内完成了五年的工程工作

8月18日 — Asana 使用 Codex 移除了 Enzyme，这是一套阻碍其前端技术栈现代化的过时测试系统。一个估计需要 约五年工作量和 600 万美元 的项目，最终在 1.5 周的工程投入 中完成，分布在两个日历周内，总成本约 12,000 美元。从一个五句话的 prompt 出发，最多四个 Codex agent 并行处理代码库的不同副本，由一名工程师每天两次验证每项变更。

🔗 Asana 案例研究

OpenAI 推出倡议，加强国家安全中 AI 使用的民主监督

8月18日 — OpenAI 宣布一项价值 500 万美元 的倡议，旨在帮助民主监督机构通过培训、技术支持和 OpenAI 额度来监督 AI 在国家安全中的使用。三项原则指导这项工作：AI 应增强而非取代机构判断；政府使用必须对授权监督机构保持可追踪；AI 必须让这些机构具备按所需规模采取行动的能力。在未来一年内，OpenAI 计划试点由 AI 辅助的政府决策可追踪工具，而参与机构将保留对证据的控制权。

🔗 民主监督与国家安全

开放研究与模型

四篇研究发布展示了开源权重和数据能够证明什么。

Sentence Transformers v6.0：多向量 ColBERT 模型成为一等公民

8月18日 — Hugging Face 发布 Sentence Transformers 6.0 版本，新增 MultiVectorEncoder，将类似 ColBERT 的 late interaction 模型提升到与已支持的 dense、sparse 和 re-ranker 模型同等地位。文档中的每个 token 都保留自己的向量，最终得分则对查询中每个 token 的最大相似度进行求和（MaxSim 算子）。在 NanoBEIR 基准（13 个数据集）上，多向量版本的平均 NDCG@10 达到 0.6868，而等效 dense 版本为 0.6764，代价是更高的存储占用（4,874 个 passage 压缩后约 92 MB）。该库还加入了 Flash Attention 支持，使 fp16 精度下吞吐量提升 2.44 倍。

🔗 Sentence Transformers v6.0

Ai2：Olmo 3 揭示了 LLM 医疗回答中的形态学捷径

8月18日——来自 UT Austin、Northeastern University 和 MD Anderson Cancer Center 的研究人员使用了 Ai2 的完全开放模型 Olmo 3（7B Instruct），以验证模型回答药物问题时，究竟是依赖真实知识，还是在利用名称结构（例如后缀“-pril”表示 ACE 抑制剂）。在测试的药物中，51% 到 59% 的情况下，模型对真实药名的回答与对虚构药名的回答几乎无法区分。由于能够访问 Olmo 的权重、数据和中间检查点，研究人员得以将这一捷径追溯到训练数据——而这种可追溯性在专有模型上是不可能实现的。

🔗 Olmo 3 与形态学捷径

IBM Research：按模型调节代理记忆

8月18日——IBM Research 的 ALTK-Evolve 系列新论文表明，代理记忆——即从代理过去工作中提炼出的指令——必须根据底层模型的能力进行配比。该研究在八个模型上进行测试：gpt-oss-120b 通过仅增加 5% 的 token，借助有针对性的选择性检索，将任务完成率提升了 +16.1 个百分点；DeepSeek-V3.2 通过完整注入指令提升了 +9.5 个百分点；GLM-5 则没有显示出可测得的收益，属于饱和案例。一个反直觉的结论是：对于较弱的模型，成本最低的策略往往能带来最佳精度。

🔗 ALTK-Evolve——代理记忆

AlphaEvolve 为矩阵乘法创造了新的纪录

8月18日——Google DeepMind 宣布，关于欧米伽（ω）的新纪录已经诞生，ω 是矩阵乘法理论最快速度的指数，当前记录为 ω < 2.371177。这一结果来自 Google DeepMind、学术合作者以及 AlphaEvolve 的联合努力；AlphaEvolve 是由 Gemini 驱动的编码代理，早已因在 2025 年改进了多种算法而闻名。矩阵乘法支撑着现代计算的很大一部分内容，包括 AI 模型的训练和推理——因此，对这一指数的理论性改进，其意义远不止于学术研究。

🔗 欧米伽新纪录

推理经济学：A/B 测试与成本级联

Together AI 的两篇论文衡量了模型上线与比较的真实成本。

Together AI 将模型 A/B 测试直接带到 endpoint 层

8月18日——Together AI 将 A/B 测试直接集成到 endpoint 层，而不是放在应用代码中：一次实验会将一个控制模型与最多 20 个变体 进行关联，每个变体都有固定的流量占比（95/5、80/20、50/50），并且与 replica 数量无关。更新会在 30 到 60 秒内传播，并通过 etag 机制防止并发覆盖。识别出获胜者后，会通过 blue-green 部署将其晋升，然后删除该实验：100% 的流量回到控制模型，客户端无需清理残留逻辑。

🔗 Together AI 的 A/B 测试

DeepSeek V4 Pro 在 DeepSWE 上对阵 GPT-5.6 Sol 和 Claude Fable 5：成本与级联

8月17/18日——Together AI 发布了两项独立基准测试，每项各包含 904 次 rollout（113 个任务，4 次尝试），在 DeepSWE 这一软件工程基准上比较 DeepSeek V4 Pro 0813 与 GPT-5.6 Sol 和 Claude Fable 5。

比较	Pass@1 Pro	Pass@1 对手	Pro 的 rollout 成本	对手成本	Pro-first 级联
Pro vs GPT-5.6 Sol	62,8 %	72,7 %	0,24 $	8,37 $ (35x)	83,0 %，3,35 $/任务
Pro vs Claude Fable 5	62,8 %	69,7 %	0,24 $	21,63 $ (90x)	82,7 %，8,28 $/任务

在 pass@4 上，Pro 在两种情况下都重新取得领先（对 Sol 为 88,5% 对 85,8%，对 Fable 为 88,5% 对 84,1%）。“Pro-first” 级联——先运行 Pro，仅在失败时才升级——以一小部分成本超过了单独使用任一模型。

🔗 DeepSWE 基准——GPT-5.6 Sol

通过电子邮件和生成式音频交付产品

Perplexity Computer 可通过电子邮件访问

8月18日——Perplexity 的行动代理 Computer 现已向所有用户开放电子邮件访问：只需在任何讨论线程中发送、转发或抄送 computer@perplexity.com 即可触发任务。每个电子邮件任务都像普通的 Computer 会话一样运行，可在网页和移动端查看，并带有与从应用启动的任务相同的审计日志。

🔗 通过电子邮件使用 Computer

Stability AI 为 Stable Audio 3.0 推出 DAW 插件和新的网页界面

8月18日——Stability AI 宣布为 Stable Audio 3.0 推出两个处于 beta 阶段的工具，二者都基于“commercially-safe”模型，且用户拥有其输出结果。DAW 插件（macOS AU/VST3，支持 Apple Silicon 和 Intel）可将音频直接生成为与节拍同步的乐器轨道，支持长达六分钟的短片段。增强版 网页界面 现已在 stableaudio.com 上提供，新增方向性提示以调整生成结果、音频到音频转换、多轨混音以及按轨道施加效果。这些工具让 Stable Audio 更接近专业音乐制作流程，而在这个领域，Suno 和 Pika 已经提供了竞争性产品。

🔗 Stable Audio 3.0——新工具

简讯

Hugging Face Hub 突破 300 万个模型——开放模型这一权威社区平台迎来新的里程碑。🔗 推文
Sakana Namazu 已可在 OpenRouter 和 Vercel AI Gateway 上使用——为 Sakana Chat 提供支持的模型，专注日语和业务上下文，现已可通过这两个分发平台访问。🔗 推文
Ai2 在 8 月 20 日网络研讨会前预览 MolmoMotion——Molmo 的扩展，可根据自然语言指令预测 3D 轨迹，计划公开权重和数据。🔗 推文
Together AI：开放模型的采用正在加速——Together AI 引用的一项 Brex 研究显示，25 家增长最快的软件供应商中有 14 家在提供 AI；Together 上的 token 使用量在一年内从每月 300 亿飙升至 40 万亿。🔗 推文
Josh Woodward 详解 Gemini 应用路线图——正在测试的 Workspace 工具、借助 Gemini 3.7 Flash 改进 tool calling、新的 Projects 界面，以及现已支持的 49 个连接器。🔗 推文
HeyGen 推出 Brand Kits——预先配置字体、logo、十六进制颜色代码和发音词汇表，确保生成的每段 avatar 视频都能保持品牌一致性，无需返工。🔗 推文
NVIDIA 使用 Codex 代理构建 TensorRT Model Connect——一个将 Hugging Face 模型转换为 TensorRT 的预览工具，完全在人工监督下由 Codex 代理开发，属于开源项目。🔗 推文
Cohere——Aidan Gomez 谈数字主权——CEO 警告全球技术市场正集中到少数参与者手中，并呼吁避免任何单点故障。🔗 推文

这意味着什么

如今，AI 治理正在转化为具体措施，而不只是原则。OpenAI 针对 Astra 的网络安全能力实施为期两周的暂停、用于国家安全中民主监督工具建设的 500 万美元计划，以及 ChatGPT for Teens 更严格的保护机制，共同构成了同一趋势：实验室正在公开记录他们为自己设定的阈值，并给出可验证的数字（20% 的计算额外开销、30 分钟内告警），而不是仅仅发表意向声明。

代理基础设施本身也正在成为独立产品。Warp Factories 为企业编码代理提供了治理和 ROI 衡量层，Claude Code 通过 /design 将能力扩展到界面设计，Amp 在为其 Puck 代理增加语音层的同时，Warp 也让其代理能够接入活跃的 SSH 会话。在这四个案例中，重点都不只是代码生成：更重要的是让代理直接触达整条工作流，并内置治理与人工控制。

开放权重和开放数据继续产生专有模型无法提供的科学价值。Ai2 关于 LLM 在药理学中形态学捷径的发现，只有因为 Olmo 3 公开了训练数据才得以实现；IBM Research 关于代理记忆的论文，则通过可复现实验按模型（gpt-oss-120b、DeepSeek-V3.2、GLM-5）量化了不同收益；而 Hugging Face Hub 上模型数量突破 300 万，也展示了这一开放生态的规模。

推理成本持续比原始性能更能左右产品选择。面对 GPT-5.6 Sol 和 Claude Fable 5，DeepSeek V4 Pro 在 pass@1 上略逊一筹，但在性价比上大幅领先，而一个简单的 “Pro-first” 级联就能以极低成本弥合大部分精度差距。Together AI 进一步将这一逻辑推向基础设施本身，通过 endpoint 层的 A/B 测试——生产环境中的模型比较正在成为平台功能，而不再只是应用代码的问题。