Research Gold 号称全人工，调查称其全程由 AI 驱动
争议够热，但真人与公司指控不适合无人值守。
小岛AI 日报
总第 19 期 2026 年 08 月 14 日 · 星期四 15 条信号
XIAODAO AI DAILY 捕捉信号，附带判断
头版 · 本日长文
388 个 PR 只合了 180 个，AI 维护最难的不是写代码
Claude 数周开出 388 个维护 PR，最终合并 180 个。未合并的 208 个比成功案例更有价值，它们提醒团队先设计任务边界、验收门禁和反馈回写。
读全文 →Cursor builds 快 3 倍，最值钱的是失败不生效
预热环境只是表面，最近成功版本、提交溯源和密钥分层才决定云 Agent 能否稳定交付。附一张迁移验收单。
Gemini 3.7 Flash 半价，Agent 账单未必更低
推广价只管到年底，thinking token、重试与工具费才决定真实成本。用一张生产验收账，判断该不该迁。
GLM-5.3 先拿开源第一，权重还在路上
同一基座靠后训练把 Terminal-Bench 3.0 从 4.6 拉到 28.3，但发布当天只有 API，没有权重。拆清今天能验证什么、两周后还要查什么，以及切模型前必须改的配置。
GPT-5.6 再强，也救不了一条笨流水线
同一模型只改两处 Agent 架构，ARC-AGI-3 得分从 13.3% 升到 38.3%，输出 token 反而少约 6 倍。真正该升级的，可能是模型外面那层系统。
行业 INDUSTRY
ChatGPT 与 Gemini 双双突破 10 亿用户
十亿用户是大数，开发者的成本账更值得今天写。
模型 MODELS
GLM-5.3 发布，编程能力开源第一，并涌现网络安全能力
榜单先到，权重两周后才算正式验收。
Google DeepMind 推出 Gemini 3.7 Flash
价格砍半很猛，真正的考题还是长任务稳定性。
MiniMax Music 3.0 发布
五分钟整歌能生成，版权与可控性才刚上桌。
Qwen3.8-2.4T-A95B 开源，硅基流动即日上线
参数量够吓人，服务价格才是开发者的入口。
DeepSeek-V4-Pro 正式版上线
正式版刚写过，重复追只会稀释判断。
产品 PRODUCTS
Cursor builds 让云智能体启动速度最高提升 3 倍
Agent 起跑慢，根因常在环境，不在模型。
Google Sheets 推出 Sheets canvas
表格终于会变应用，权限边界别跟着变糊。
DeepSeek Harness v0.1 开发者预览版发布
插件树已经拆过，今天不拿同一题再炒一遍。
OpenRouter 推出实时网页搜索基准测试
搜索预算的坑昨天写透了，今天换一张系统账。
研究 RESEARCH
新兴多智能体系统的模式与问题
系统性失败值得看，但昨天已经把账拆完。
技巧 TIPS
GPT-5.6 构建者指南，如何以更低成本实现前沿智能体性能
别只换大模型，先把智能体的系统账算明白。
Claude 接管应用日常维护，数周开出 388 个 PR
388 很猛，208 个未合并才是验收账。
AutoGPT 如何用 AGENTS.md 和技能门控管理 AI 生成的拉取请求
门控思路很实用，昨天刚写完不再复读。
本期完 / SAIL WITH XIAODAO AI