字节跳动开源了 DeerFlow 2.0，一个 GitHub 已接近 8 万星标的“AI 超级员工”项目。它不是聊天机器人，而是能拆解任务、调用工具、分派子智能体并交付文件的多智能体工作系统，任何人都可以部署到本地电脑上。
前 Manus 团队核心成员开源了 CodexLoom，把 Codex 的一次性对话线程改造成长期在岗的“数字员工”，并支持把它们组织成团队协作。它尝试回答一个被多数 Agent 产品绕过的问题：当 Agent 数量多到人管不过来，组织关系该怎样重新设计。
Linear 团队已经在用 AI 代理（Agent）跑通“Issue → Agent → PR → Release”的完整开发闭环，约 30% 的 bug 能全自动走完流程并发布。它提示软件开发的日常运作方式正在发生变化：维护者的核心工作，可能从写代码转向设计循环和制定标准。
Wafer.ai 把 2.8T 参数的开源模型 Kimi K3 部署到了 AMD MI355X 上，在每美元推理吞吐上明显跑赢 NVIDIA B300 和 B200。它说明超大模型推理不再只能依赖英伟达 Blackwell，高显存容量的 AMD 芯片也能成为性价比选项。
一项覆盖 7200 人的调查发现，AI 辅助创作已成常态，但人们对“署名”和“标注”的标准充满矛盾——多数人愿意把 AI 生成成果当自己的作品，却认为别人的 AI 作品应该被标注。这意味着 AI 正在重塑内容创作的所有权规则，而现有版权与伦理框架尚未跟上。
约翰霍普金斯大学经济学家 Steve Hanke 认为，AI 运行成本极其高昂，企业不会大规模裁员换 AI，因为根本不划算。在科技巨头今年预计投入约 7000 亿美元建设数据中心、2027 年可能突破 1 万亿美元的背景下，这个观点为“AI 将摧毁就业”的主流叙事提供了一个反向视角。
大模型前沿正在解决数学难题，而许多企业还在为token花费的ROI纠结。这种“两极分化”说明AI能力扩散的速度，远比模型技术突破本身要慢。
AI能力正在从“通用场景普惠提升”转向“专业领域垂直突破”，OpenAI新一代模型据称已解决多个重大科学难题，但普通用户短期内很难直接感知这种变化。
创作者 Peter Yang 在 X 上公开反馈，OpenAI 插件平台存在 bug，导致他开发的“/no-ai-slop”AI 内容检测技能无法正常以插件形式使用；OpenAI 相关人员已回应会排查。此事之所以值得关注，不在于单个 bug 本身，而在于它再次暴露 AI 插件生态在体验和成熟度上的短板。
X 平台上一则“希望 AI 一劳永逸治愈癌症”的帖文引发近 6 万次浏览和大量业内人士共鸣，其中免疫学家明确回应“会实现的”。它反映的不只是一个愿望，而是 AI 在生物医药领域的积累正让“AI 攻克癌症”从口号变成可讨论的路线图。