今天 AI 圈在拼工程，不是模型

Claude 现在能后台替你点鼠标了，但权限边界还没说

这条挺有意思的。Anthropic 今天宣布 Claude Cowork 和 Claude Code 新增后台操作电脑的能力。你把活交给它，它会像人一样点击、输入、打开应用，你不用盯着，可以切出去干别的。

之前 Claude 操作电脑时你得看着，它每点一下你都得等。现在这个限制解除了，理论上你可以把它当成一个异步干活的数字员工。但官方公告里没提延迟多少、权限边界怎么划、支持哪些操作系统。

说实话，这个功能听起来很爽，但我会先打个折。后台自动操作意味着一旦出错，你可能过半小时才发现它点错了地方、删错了文件。Anthropic 没说有没有安全护栏——比如涉及系统设置或支付页面时会不会自动暂停、需不需要二次确认。

不过方向是对的。AI 助手从"你得盯着它干活"到"它自己干、你回头检查"，这一步迈出去，才算真正进了工作流。至于实际稳不稳、会不会乱点，等有人跑几天再说。

Cursor 把智能体的"手"伸进了企业内网

同一天，Cursor 发布了 Self-Hosted Machines。简单说，以前 Cursor 的云智能体从思考到动手全在 Cursor 的云端完成，现在你可以把"动手"这部分挪到你公司自己的服务器上。

做法是在你的机器上装一个叫 worker 的小程序，它会主动和 Cursor 云端保持一条加密连接，等着接任务。智能体的推理和规划还在云端，但执行环节直接访问你公司内部的代码库、私有服务，或者用上 GPU、Mac Mini 这类特殊硬件。

这个设计挺聪明的。很多公司不敢用云智能体，就是因为代码不能出内网。Cursor 把执行层搬进去，推理层留在外面，既解决了安全问题，又不用企业自己搭一套推理基础设施。

但有个细节值得注意：worker 是出站连接，Cursor 不会主动连入企业网络。这会让企业防火墙不需要开 inbound 端口，部署门槛很低。不过这也意味着 worker 有持续的外连权限，安全团队可能会问：它到底往外发了什么。

GitHub 用 18 亿参数的小模型当"路由器"，成本砍到三分之一

GitHub 今天发了一篇工程博客，讲他们怎么把 Copilot 的 AI 编码成本降到原来的三分之一左右，同时任务质量没明显下降。核心做法是训练了一个 18 亿参数的小模型当"路由器"。

这个路由器看 1040 组偏好样本，学会判断一个请求该交给便宜的小模型，还是该叫更强的模型来救场。上线后，强模型的调用量直接少了 70%，整体延迟控制在 11 秒以内。

另外他们还做了几项细碎的优化：选择性压缩工具输出、移除 view 工具的行号前缀（线下推理成本降约 5%，线上日均推理成本降约 3%）、压缩 task-tool 提示词（每轮省约 1300 token）、后台任务完成后直接交付结果（AI Credits 用量降约 2.3%）。

这些数字看着不大，但 GitHub 的量级摆在那，加起来就是真金白银。不过有一点要说明：这些数据来自他们自家环境，别直接套用到你的项目上。你的请求分布、模型选择、延迟要求不一样，效果会差很多。

Google 翻完比赛代码，发现高分选手都在用这四招

Google 办了个 AI 智能体挑战赛，翻完高分代码发现大家不约而同用了四招。

第一招叫双向 MCP：智能体不光能调用自己的工具，还能把自己变成一个工具服务器，让别的智能体直接来问它问题，省掉中间传话的人。第二招是事件驱动并行：多个智能体不再排成一串互相等，而是都盯着同一个事件总线，谁该动谁就动，互不耽误，总延迟从累加变成看最慢的那个。第三招叫同标准回退：用小模型顶班但不降标准，小模型搞不定了再叫大模型。第四招是分层路由：先用便宜规则过滤，再上模型。

这四招都不是什么新概念，但有意思的是它们同时出现在不同赛道的高分提交里。说明这些模式已经从"聪明人的技巧"变成了"工程上的共识"。

Meta 五个月发了四个版本，Muse Spark 1.3 逼近 Claude 和 GPT

Meta 今天在 Muse Code 和自家 API 上线了 Muse Spark 1.3，这是五个月内第四个 Muse Spark 版本。

最强的 max 变体在 Artificial Analysis 的智力指数上拿了 62 分，已经贴近 Claude 和 GPT-5.6 的水平。在编码智能体评测里，Muse Spark 1.3（max 配置）和 Claude Code + Opus 5（xhigh 配置）都标了 68 分，并列第一梯队。

但有几个坑要先说。max 版目前只是给合作伙伴的限时预览，正文没提参数量、推理成本，也没说什么时候公开。那个 68 分的编码智能体评测也只给了分数，没拆具体任务、延迟和成本。所以这个平手先别太当真。

另外，Muse Spark 1.3 在干活卡住时能主动问你、要执行重要操作前会先确认，这个设计比单纯刷榜更有意思。但最强推理模式还在做安全测试，暂时用不了。

Google 静悄悄上线 Gemini 3.8 Flash，连定价都没说

Google DeepMind 今天官宣了 Gemini 3.8 Flash 和 3.8 Flash Cyber。从名字看，3.8 Flash 应该是主打轻量快速的通用模型，3.8 Flash Cyber 大概率是针对网络安全场景做的微调版。

但公告正文只有标题和网站导航栏，跑分、价格、发布时间这些关键信息全都没放出来。我会先打个折，等他们把细节补上再说。

美国司法部站 OpenAI：用版权文本训练大模型通常属合理使用

美国司法部 9 月 1 日向法院提交文件，公开站 OpenAI。核心论点就两条：一是大模型训练学的是数据里的模式，不是直接复制原文，属于"转换性使用"，符合合理使用标准；二是这事关国家安全——如果版权规则让在美国搞大模型变得太难，等于给不受同样限制的外国对手送竞争优势。

司法部还引用了特朗普要求扫清美国 AI 领导地位障碍的行政令。纽约时报那边直接回怼，说司法部的论点"令人不寒而栗"。

这份意见书属建议性质，不约束法院。但它释放了一个明确信号：美国政府不打算让版权诉讼拖慢 AI 训练。数据获取方式与具体输出是否复制受保护段落，仍留给法院逐案判断。

今日小信号

• Nvidia 接近以 129 亿美元收购 Hugging Face，交易总额可能达约 140 亿美元，约为 Hugging Face 2023 年融资轮 45 亿美元估值的 2.9 倍。Nvidia 还谈及加入 10 亿美元的员工留任方案。双方尚未达成最终协议。
• Perplexity 的引用链接里，三分之一根本找不到它声称的数字。Haus Research 用 310 个问题测试，发现 34.7% 的带数字引用要么链接打不开，要么页面里压根没有那个数字。这不是死链问题，是模型在瞎编出处。
• AI 编程助手不会在烂代码里迷路，所以人不再有重构的冲动。作者 Rodrigo Rosenfeld Rosas 发现，过去人写代码一旦逻辑乱到跟丢了，就会触发重构信号。现在 AI 能在乱成一团的代码里继续加分支，这个信号被悄悄掐断了。
• OpenAI 因加拿大枪击案面临 30 起新诉讼，被指控"协助教唆"凶手。但缺少任何具体证据，目前更像一个法律试探，看 AI 公司对用户行为的连带责任边界在哪。
• 同一个模型套 9 种外壳，跑通一次的成本差了 17 倍。Runta 用 Kimi K3 跑了 12 套编程助手配置，Codex 通过率最高 66.7%，每次 3.47 美元；Claude Code 通过率 63.3%，但每次要花 18.34 美元。