Clauday.

英伟达 NeMo 团队今天放出了 Molt，直接冲上 Hugging Face 论文榜第一，647 个赞。它是一个 PyTorch 原生的、面向 agentic 强化学习的训练框架，整套设计哲学就是冲着这类技术栈越做越臃肿去的。它的 RL 内核大约九千行代码，能训练到 7000 亿参数的模型。这个数字才是重点：小到一个研究员能把整个算法装进脑子里，也小到一个…

7 月 24 日，Anthropic 放出了一份针对 Claude 5 这一代模型（Opus 5、Fable 5）的新指南，最扎眼的一个数字很直接：他们把 Claude Code 的系统提示词砍掉了 80% 以上，效果没有任何下降。那些过去用来约束模型的、字斟句酌的规则和示例，现在被证明全是累赘。 老一套是这样的：给模型明确的规则，把所有上下文一次性塞满，…

Harness Handbook 在 HuggingFace papers 上拿了 163 个赞，腾讯混元出的。它盯的是一个没人写论文的问题，因为听起来太像杂活了：你想改 agent 的某个行为，到底该去代码库的哪个位置？ 先接住论文开头那个前提。agent 的能力不只来自模型，还来自它外面那层壳——管 prompt、管状态、管工具、管执行的那个东西。这一…

PalmClaw 在 HuggingFace papers 上拿了 1120 个赞，一篇 agent 框架论文能有这个数是很离谱的。想法一句话说得清：别让手机 agent 去点按钮了。 你见过的所有手机 agent 都是这么干活的：截屏，判断按钮在哪，点下去。人就是这么用手机的，所以看起来天经地义。但这玩意儿又慢又脆，因为你在用一个为眼睛和拇指设计的界面去…

「harness 比 prompt 靠谱」这个论点，终于有了干净的数字。7月9日挂出的 From Prompts to Contracts（作者 Joongho Ahn、Moonsoo Kim）干了件事：把一个原型级企业 LLM agent 推到生产环境，方法是把行为从 prompt 里搬出来，写进代码——schema、校验器，以及他们叫「合同」的东西：来源…

OpenAI 发 ChatGPT Work 的同一天，Meta 超级智能实验室甩出了 Muse Spark 1.1，同时把 Meta Model API 开成公开预览。这不是一个外挂工具的聊天模型，是奔着 agent 从底层造的：多模态推理，一个自己主动管理的百万 token 上下文，还能在一个复杂项目上调度并行的子 agent——收集上下文、做规划、分派任…

xAI今天把Grok 4.5开放给所有人，马斯克管它叫Opus级模型。看数字，这话不算吹。在SWE-Bench Pro上，它解一道题大概烧1.6万个输出token，同样的活Opus 4.8要烧6.7万，实际付费差了4倍。它在DeepSWE 1.0和Terminal-Bench 2.1上赢Opus 4.8，在DeepSWE 1.1和SWE-Bench Pro上…

Meta把astryx开源了，这套设计系统它自己内部建了、用了八年。底下是React加StyleX，一百五十多个无障碍组件，主题、暗色模式、模板都有。表面看这就是又一个组件库。真正要紧的那句话藏在介绍里，它是这么设计的，让一个人和一个AI助手用同一套参照、以同样的方式来搭。 同一套API、同一份文档、同一个CLI，人用和agent用是一样的。不是截图，不是…

vLLM 的 Semantic Router 团队发了 Micro-Agent，思路有点鸡贼但很妙：你不用在自己的应用里搭一套复杂的多模型编排，而是把整个协作藏进服务层的一次 API 调用里。一个请求进去，一小队模型在里面商量着把问题解了，一个答案出来。 它内置了五种循环玩法。Confidence 是便宜模型没把握时才升级到强模型；Ratings 是并行跑…

任何放手让编码agent去做一个真实功能的人都知道那个翻车现场：它信心十足地、飞快地、把错的东西建了出来。OpenSpec，今天上趋势榜、5.7万star，是个干净利落的解法。它加了一层轻量的spec，让你和agent在写下第一行代码之前，先就"要建什么"达成一致。每个改动都有自己的文件夹，装着提案、规格、设计和任务清单，agent对着这套东西干活，而不是对…