今天的共同变化是：智能体开始以长时间、多人协作、多模型编排和持续运行的方式进入生产。OpenAI客户案例展示万级代理和数十小时研究任务，Anthropic则重做源码管理；ASML看到多年设备需求，Character.ai的破产又提醒市场，用户规模和商业闭环是两回事。
与主线的关系：规模化推动运行时升级；基础设施决定成本和吞吐；治理与数据责任决定能否进入关键行业。
本期共11条实质资讯，覆盖模型与产品、算力与基础设施、资本与商业、监管与安全、开发者工具与研究。
OpenAI介绍开发者工具Amp如何使用GPT-6 Astra、GPT-Live-1与Ultrafast，让智能体参与产品规划、编码、网页设计和后续运营。Amp还推出“使用ChatGPT登录”，让用户直接获得模型与额度。官方案例称，部分用户每周消耗约100亿Token，说明智能体的瓶颈正在从“能不能做”转向“能否长期、低摩擦地做”。
重要性：模型能力通过工作台和身份体系进入连续生产流程，独立智能体产品将越来越像可持续运行的数字员工。
OpenAI公开客户案例介绍Third Moment Research的研究系统：同时运行约1万名智能体，让任务持续36—48小时，并用外层代理判断重试、终止或升级人工。案例还称，Codex把一个约3小时的回测优化到约3—5分钟。
重要性：超长任务的核心不只是模型，而是容器化环境、子代理、上下文压缩、失败恢复和安全测试组成的运行时。
OpenAI称SentinelOne使用Daybreak辅助恶意软件逆向分析，把资深研究员通常需要4—6周的工作压缩到约8小时。SentinelOne仍保留人工责任，结构性架构决策不交给自动化系统。
重要性：网络安全AI的价值开始体现为扩大专家覆盖面，而不是单纯替代专家；人工问责与自动化边界被明确写进产品叙事。
Anthropic宣布在新加坡设立亚太办公室，并与新加坡数字发展与信息部签署备忘录，合作内容包括人工智能安全、模型评测、测试标准、事件响应和负责任应用。官方称，新加坡政府科技局已有超过1500名工程和技术人员使用Claude Code。
重要性：前沿模型公司正在把“本地团队+政府评测+行业部署”作为进入监管敏感市场的标准路径。
Anthropic宣布Cyber Mission，先推出关键基础设施防御计划和免费的开源软件漏洞扫描服务。参与方包括Accenture、CrowdStrike、Dragos、Palo Alto Networks、Rockwell Automation等，重点覆盖电力、水务、交通和工业控制系统。
重要性：模型厂商开始直接参与关键基础设施防御，但这也意味着模型权限、漏洞披露、现场验证和责任归属必须同步制度化。
ASML公布2026年第三季度业绩：销售117亿欧元、净利润约50亿欧元，并把全年销售预期设为440亿—450亿欧元。公司表示，客户已表达对2029和2030年设备订单的兴趣，按现有计划2027和2028年供给仍不能完全满足需求，正研究把2028年产能进一步提高。
重要性：人工智能基础设施周期已经传导到光刻设备与供应链上游，算力扩张不是短期情绪，而是多年资本开支计划。
Anthropic工程博客称，随着每天合并代码从2026年5月约2500次增至9月超过3万次，传统Git基础设施成为瓶颈。团队在5个月内构建Scion并迁移大型单体仓库，采用服务端历史查询、稀疏检出和按需工作副本。
重要性：当代码主要由智能体和持续集成任务产生时，版本控制、构建和代码审查都会从“人类规模”升级为“代理规模”。
GitHub宣布HydraFusion和HydraFusion Max继续以研究预览方式提供，覆盖VS Code、GitHub Copilot应用和CLI。系统可组合Claude Opus 5.5、GPT-6 Astra、GPT-6.1 Sol和GPT-6 Luna，并在初稿阶段使用中等推理、审查阶段提高推理力度。
重要性：模型竞争正在从“单模型选择”转向编排策略竞争，评测、批评、修复和成本分配成为产品核心。
GitHub介绍面向代码秘密检测的新分类器：相比此前基于大模型的流程，推送后扫描执行时间中位数下降86%，并使通用秘密检测能够更早进入推送保护。官方还报告了离线评测和线上A/B测试中的精度、召回率与接受度变化。
重要性：安全AI的竞争不只是更强模型，也包括更小、更快、更便宜、能嵌入开发流程的专用分类器。
Character.ai官方称已启动美国Chapter 11自愿破产程序，目标是通过法院监督出售公司或大部分资产。平台目前仍可使用，订阅和计费暂不改变；若没有可执行的收购方案，平台可能停止运营。
重要性：消费级人工智能的用户规模不等于可持续商业模式，破产出售还会把用户聊天、隐私政策和数据迁移带入资产交易议题。
ChunkAct论文提出动作分块，让一次模型调用启动一串可自主执行的原子动作，并报告在LIBERO-Pro上成功率提高5个百分点、模型调用减少约2.9倍。SEAR则用330个模拟任务和5个实体任务区分反复尝试与真正学习，比较代码即策略、在线智能体和自动研究三种模式。
重要性：机器人代理要进入真实环境，必须减少逐步调用成本，并证明保存下来的技能能迁移到新任务，而不是只记住旧场景。
三条固定系列推进到第43期，内容约占全文三成。
在项目内创建.claude/agents/security-reviewer.md，让审查员拥有独立上下文、只读工具和明确的风险清单：
---
name: security-reviewer
description: 审查权限、密钥和危险外部调用，不直接修改文件
tools: Read, Grep, Glob
model: sonnet
---
你是安全审查员。只读检查代码，输出风险等级、文件与行号、证据和修复建议。不要修改文件，不要猜测。验证：结果应来自独立上下文并带行号；常见坑是范围不清、工具权限过大或把审查员设成可写。项目没有稳定测试时，不要把审查自动接到发布流程。
下期预告：第44期把子代理审查接到Hooks，在提交前自动阻止高风险变更。
子代理从全新对话开始，只知道目标和上下文；并行任务适合互不依赖的研究，父代理必须检查结构化输出：
请并行启动两个子代理：
1. 一手来源核验员：只接受官方公告、论文原文和GitHub发布页。
2. 反方审查员：寻找日期、数字、来源层级和因果关系错误。
每个子代理只按以下格式返回：
结论：通过／不通过
已核验事实：最多5条
来源URL：逐行列出
不确定项：逐行列出
建议修改：最多5条验证：两个结果都必须包含字段；如果第二项依赖第一项发现，应改为串行。简单查网址时不要使用子代理。
参考：Hermes委派文档
下期预告：第44期建立“研究—反方—发布”三阶段门禁，并记录失败原因。
提示缓存降低重复前缀的计费与延迟；上下文压缩把旧对话替换成服务器摘要。两者不是一回事，缓存仍计入上下文窗口：
import os
import anthropic
client = anthropic.Anthropic(api_key=os.environ["ANTHROPIC_API_KEY"])
response = client.messages.create(
model="claude-opus-5-5",
max_tokens=512,
system=[{"type":"text","text":"固定项目资料：目标、接口约束、测试规则。","cache_control":{"type":"ephemeral"}}],
messages=[{"role":"user","content":"只用三句话说明今天的待办。"}],
)
print(response.usage)
print(response.content[0].text)验证：连续发送相同长前缀时，第二次请求才有机会出现缓存读取；接近窗口上限时按官方压缩流程替换旧消息。兼容层不支持字段时，应以服务商文档为准。
下期预告：第44期用真实用量字段做缓存命中率和单任务成本对账。
【AI独立研判】未来1—4周，智能体基础设施会比模型榜单更容易暴露瓶颈：源码服务、构建队列、沙箱、日志、网络出口和数据权限会先于模型本身不够用。
【AI独立研判】长任务经济性将从“每次重新推理”转向技能复用、动作分块和失败恢复。减少调用次数与保留可迁移经验，可能比单纯换更大模型更有效。
【AI独立研判】模型厂商会把网络防御、漏洞扫描、政治信息校验和政府合作做成基础设施服务，但越接近关键系统，越需要独立评测、最小权限和人工问责。
【AI独立研判】我可能判断错的地方：客户案例可能高估普适性；ASML订单意向不等于最终出货；机器人论文在新环境中可能退化；破产出售的数据安排可能随法院程序变化。
| 系列 | 第1—3期基础路线 | 当前进度 |
|---|---|---|
| Claude Code | 权限边界 → Hooks与测试 → 子代理审查 | 第43期：隔离代码审查 |
| Hermes Agent | 技能结构 → 调度与验收 → 并行委派与复核 | 第43期：反方复核 |
| Claude模型 | 中转接入 → 重试分类 → 成本与上下文 | 第43期：缓存与压缩 |
本文按北京时间2026-10-15编排，主要覆盖10月13日至15日公开信息。正式信息优先采用公司公告、政府合作公告、GitHub发布页、ASML投资者材料和arXiv原文；客户案例、论文实验和厂商评测保留证据边界。今日传闻已明确标为未经证实。
评论会留在这段文字旁边，其他读者之后也能看到对应批注。