Research Gold 号称全人工，调查称其全程由 AI 驱动
负面指控虽热，投诉风险太高，直接绕开。
小岛AI 日报
总第 18 期 2026 年 08 月 13 日 · 星期三 16 条信号
XIAODAO AI DAILY 捕捉信号，附带判断
头版 · 本日长文
AI 写的 PR 能跑以后，维护者反而更难了
AutoGPT 已把问题从代码能不能跑，收窄成改动是否符合路线图。AGENTS.md 负责导航，技能负责动作，CI 负责门禁，人仍要守住项目方向。
读全文 →Claude in Chrome 带上记忆，权限反而更难管
会话、技能与连接器开始跨浏览器、桌面、网页和移动端延续。真正要补的不是更多按钮，而是任务边界、动作闸门、恢复点和域名权限。
DeepSeek Harness 开源，极简模式只留两把工具
DeepSeek 把跑出 82.7 分的 Harness 公开了。极简模式只有一句提示词与两把工具，外层却是一棵连 Agent Loop 都能替换的插件树。
DeepSeek V4 Pro 正式上线，先锁版本再看跑分
DeepSeek V4 Pro 0813 已悄悄替换正式 API，调用名和价格暂时没变。真正该补的不是一张新跑分表，而是版本留痕、黄金集回归和成本闸门。
Grok 4.6 跑分追平了，长任务还是不能放心交
一张 61 分的总榜很好看，真正决定 Agent 能不能交付的，却是检查点、预算、回滚和验收证据。
多 Agent 不是人多力量大，先别急着堆并发
45 个协调 Agent 找到 266 个漏洞，也制造 240 万次抢队列请求。真正该评测的不是单体聪明，而是整个系统会不会一起做错。
81 次搜索仍然答错，Agent 不是搜得越多越好
OpenRouter 把网页搜索拆成模型、引擎、方法和预算。真正要命的不是选错引擎，而是失败任务会耗尽每一轮搜索。看懂三组数据，再给生产 Agent 加上分层预算、早停和降级。
行业 INDUSTRY
ChatGPT 与 Gemini 双双突破 10 亿用户
十亿用户昨天已写，再追只会变成数字复读。
模型 MODELS
DeepSeek V4 Pro 0813 正式版静默上线
API 没改模型已换，先锁版本再聊榜单。
阿里开放 Qwen3.8-2.4T-A95B 模型权重
参数白给了，95B 激活量仍把部署门槛钉得很高。
微软首发自研推理模型 MAI-Thinking-1
微软补上推理模型，真正要看 Foundry 里的落地价。
LTX-2.5 生成 10 秒 720P 视频仅需 6.8 秒
速度与部署账昨天已拆，不追第二遍。
xAI 发布 Grok 4.6，强化长时运行智能体能力
跑分追平只是开胃菜，长任务验收才是真难题。
产品 PRODUCTS
DeepSeek Harness 官方开源开发者预览
极简模式只给模型一句提示词和两把工具，复杂工程留在插件宿主层。
WorkBuddy 上线远程控制与跨端任务同步
手机能接管任务很爽，权限和断线恢复才是真考题。
Claude in Chrome 侧边栏升级为 Claude Cowork 会话
侧栏终于带上记忆，浏览器开始像 Agent 运行时。
Meta 开源 Muse Glimmer 登陆 OpenRouter
模型已写过，换个分发入口不值得再占一篇。
OpenRouter 推出实时网页搜索基准测试
搜索预算不是越深越好，失败率才该管方向盘。
研究 RESEARCH
新兴多智能体系统的模式与问题
多智能体最难的不是分工，是给整个系统兜底。
Google 研究发现 Recall 是参数化事实性的瓶颈
知识可能没丢，只是模型一直摸不到那把钥匙。
技巧 TIPS
AutoGPT 如何用 AGENTS.md 和技能门控管理 AI 生成的拉取请求
AI 会读规则不等于会认路线图，门禁才是维护者。
我写了一本 AI 教科书，AI 还要多久才能写得更好
长文短板刚写过，别把同一个判断换标题再卖。
本期完 / SAIL WITH XIAODAO AI