Anthropic 发布 Claude Opus 5.5,OpenAI 上线 GPT-6 Sol 与 Luna

1️⃣ Anthropic 发布 Claude Opus 5.5，多平台同步上线#

• 核心发布：Claude 5.5 家族首个模型，多数任务达到 Fable 5.1 水平，典型工作负载成本比 Opus 5 低约 40%，默认设置下输出快 30% 以上。
• 定价与产品：输入 $4/M、输出$20/M，缓存读取从 $0.50 降至$0.20；Pro、Max、Team 五小时限额提升，并获得可储存的限额重置；Claude Code 与 Claude 应用将其设为默认模型。
• 生态集成：AWS Bedrock、Google Cloud、Azure、OpenRouter、GitHub Copilot、Cursor、Devin、Lovable、Notion 等同步接入；Sonnet 5.5 与 Haiku 5.5 将在数周内发布。
• 开发者注意：思考模式不可关闭；2026 年 8 月 31 日后注册的 API 账号不能通过修改历史上下文套取推理；网络安全与生物任务将路由至 Opus 4.8 或需机构验证。 🔗 Anthropic 官方 | AWS Bedrock | OpenRouter 迁移指南

2️⃣ OpenAI 发布 GPT-6 Sol 与 Luna，API 价格减半#

• 发布：GPT-6 家族中档 Sol 与轻量 Luna，沿用 Astra 训练方法，API 价格较 GPT-5.6 促销价再降 50%。
• 定价：Sol 为 $2/M 输入、$10/M 输出；Luna 为 $0.10/M 输入、$0.50/M 输出；缓存输入最高享 90% 折扣。
• 能力与上线：DeepSWE v1.1 上 Sol 得分 68.8%、Luna 66.6%；同日上线 ChatGPT Work、Codex 与 API，并进入 Amazon Bedrock、OpenRouter、Perplexity、GitHub Copilot、Notion 等平台。
• 对比数据：OpenAI 称 Sol 在 AutomationBench 上超过 Opus 5 最高推理强度，成本约为其 9%；事实错误较 GPT-5.6 Sol 减少约一半。 🔗 OpenAI 官方 | Amazon Bedrock | OpenRouter

3️⃣ 阿里平头哥发布真武 V900：216GB 显存、1200GB/s 互联#

• 芯片规格：训推一体 AI 芯片，216GB 显存，片间互联带宽 1200GB/s，单芯片性能为上一代 M890 的 3 倍，原生支持 FP8 与 FP4。
• 量产计划：2027 年 Q1 量产销售，2028 年 Q3 推出真武 J900；同期发布 ICN Switch 互联芯片、磐脉智能网卡、镇岳 SSD 主控与倚天 CPU 路线图。
• 系统协同：基于 ICN Switch 的超节点可实现千卡全带宽互联，已跑通 Qwen3.8、Kimi K3 等超 2 万亿参数模型；真武系列已服务超过 650 家企业客户。
• 算力结构变化：Agentic 负载推高 CPU 与 AI 芯片配比向 1:1 变化，平头哥从单芯片扩展至算、存、网全栈协同。 🔗 极客公园报道

4️⃣ OpenAI 公布 AI 标准提案与第三方评估原则#

• 标准提案：Sam Altman 称 AI 标准应让外部有发言权，防止权力集中，确保新公司与开源模型可竞争，并主张美国主导该进程。
• 第三方评估：OpenAI 提出四个优先领域，支持独立评估者深入训练、评测与部署环节，挑战其假设、识别遗漏风险，并独立判断防护措施有效性。
• 落地状态：两项公告均未给出具体标准草案或执行时间表，但延续了 OpenAI 近期在治理与安全叙事上的布局。 🔗 OpenAI 标准提案 | 第三方评估原则

5️⃣ JetBrains 发布 Air：多厂商 Agentic 软件开发系统#

• 产品结构：将 JetBrains Central、CLI、云 Agent 等整合为 Air，包含 IDE 内 Agent 体验、Air Teams 协作与 Air Governance 治理。
• 设计原则：多厂商开放，不锁定单一模型或 Agent；通过 Agent Client Protocol 接入外部 Agent，并统一上下文、策略、成本与审计。
• 问题定位：Agent 让代码生成更便宜，但验证、协调、治理与成本归因更贵；Air 试图在 IDE 之外覆盖 Agent 开发生命周期。
• 落地节奏：IDE 内体验已可用，Teams 与 Governance 逐步推出；JetBrains 自研编码 Agent Junie 将支持所有 Air 界面。 🔗 JetBrains Air

6️⃣ Google 开源 AX：Kubernetes 风格 Agent 编排器#

• 核心能力：AX 将 Agent 视为有状态 Actor，提供任务挂起与恢复，降低空闲阶段资源占用与延迟。
• 控制平面：采用 Kubernetes 风格原语管理 Agent 任务和资源，运行在 Agent Substrate 运行时之上。
• 定位：面向自主 AI Agent 工作负载，瞄准大规模 Agent 集群的编排、调度与生命周期管理。 🔗 InfoQ 报道

7️⃣ Databricks Genie One MCP 正式可用#

• 发布：Genie One MCP 从预览转为 GA，为 AI 同事与编码 Agent 提供企业业务语义上下文。
• 解决：让 Agent 获得可靠、准确的业务定义与上下文，减少直接查询原始数据表导致的语义错误。
• 生态：通过 MCP 接口接入任意支持该协议的 Agent 与工具，定位为企业 Agent 的上下文层。 🔗 Databricks GA | 功能介绍

8️⃣ Firecrawl 获 7500 万美元 B 轮，推出 Alexandria 知识库#

• 融资：Smash Capital 领投 7500 万美元 B 轮，YC 确认；Firecrawl API 已有超过 150 万开发者。
• 产品：Alexandria 是面向 Agent 的知识库，可搜索实时网页、官方数据源、科学论文、开发文档与政府记录。
• 商业模式：数据提供方在 Agent 使用其数据时获得报酬，Firecrawl 计划向所有知识提供者开放。
• 行业意义：Agent 对高质量、可授权数据的需求上升，数据供应链开始形成付费机制。 🔗 Firecrawl 博客 | YC 公告

9️⃣ Cloudflare 推出 Worker Previews：每个分支独立预览环境#

• 功能：每个 Git 分支获得独立代码、配置、URL、可观测性与状态，支持 Durable Objects 与 Containers 隔离。
• Agent 场景：Agent 可部署 Preview、用 Playwright MCP 点击验证、查询 traces、修复并重部署，形成自改进闭环。
• 配置：支持 base configuration 与按 Preview 覆盖，可用自定义域名与 Cloudflare Access 保护。
• 定位：服务 Agent Development Lifecycle，把预览环境变成生产前验证层。 🔗 Cloudflare Worker Previews

🔟 千问办公发布企业上下文与 QwenNote#

• 发布：云栖大会推出 Enterprise Context、应用、QwenNote、安全中心，定位企业级 Agent 产品。
• 核心：将群聊、文档、知识库整理为结构化企业上下文，按任务提供并持续更新；数字员工可在钉钉等 IM 中协作。
• 案例：古茗用门店运营知识空间，富立卡用三个数字员工处理询盘、报价、合同流程。
• 硬件：QwenNote A2 支持语音转写与语音调用千问办公，转写仅保留文字和纪要，不保留原始音频。 🔗 爱范儿报道

⭐ GitHub 趋势#

📊 类别速览

项目	类别	Stars
google/ax	AI Agent 编排	7.6k
agent-substrate/substrate	Agent 执行基础设施	3.0k
superdesigndev/treg	Agent 工具/凭据代理	2.2k

---

1. google/ax ⭐ 今日 +2305#

语言/许可： Go / Apache-2.0
总 Stars： 7.6k
仓库： GitHub

项目定位：
Google 开源的声明式 agent 编排运行时，面向需要在 Kubernetes 集群中批量运行自主 agent 任务的平台团队，用 YAML 管理沙箱、工作区、网络和模型凭据。

核心功能：

• 用 Task、Workspace、Gateway、Model 四类 ax.io/v1alpha1 资源声明 agent 工作负载，CLI 形态接近 kubectl。
• Task 创建隔离沙箱并预接 Git 仓库、MCP servers、skill 包；支持 ax ssh 进入运行中环境调试。
• Gateway 将出站流量限制为显式主机白名单；Model 从 Kubernetes Secret 读取 LLM 凭据。
• 支持 ax suspend / ax resume 检查点和恢复，控制面通过 gRPC 对接 Kubernetes context、namespace 与 atespace。

技术亮点：
声明式控制面把 agent 任务生命周期、工作区预接线、网络网关和模型配置标准化；底层执行委托给 Agent Substrate，避免自行拼接沙箱与快照逻辑。

---

2. agent-substrate/substrate ⭐ 今日 +245#

语言/许可： Go / Apache-2.0
总 Stars： 3.0k
仓库： GitHub

项目定位：
面向 agent 运行时与沙箱基础设施团队，解决大量长尾空闲 agent 的高密度执行、隔离、状态挂起与恢复问题。

核心功能：

• 将大量 actors（agent/应用）映射到少量 ready workers，利用 agent 多数时间空闲的特点做实时调度和多路复用。
• 支持 microVM、gVisor 等 sandbox 类型，基于 OCI 容器做内核级隔离与零信任网络边界。
• 提供 create/destroy、suspend/resume 生命周期操作，并对内存与文件系统做全状态快照。
• 基于 Kubernetes 管理基础设施和 worker Pod，同时提供 agent-specific scheduling/control 与流量路由；兼容 ADK、LangChain、Claude Code、MCP 等。

技术亮点：
actor-worker 多路复用叠加全状态快照/恢复；项目自述为 sub-500ms resume、500+ suspend/resume activations/s 和 10x 容器密度。当前为早期开发，API 可能变化。

---

3. superdesigndev/treg ⭐ 今日 +230#

语言/许可： Python / NOASSERTION（仓库未标 SPDX，需核实）
总 Stars： 2.2k
仓库： GitHub

项目定位：
面向 agent 工具调用与 SaaS 集成，解决多供应商 API 订阅、密钥分发、按次计费和团队内工具共享分散的问题。

核心功能：

• 通过单一 base URL 与 X-Treg-Token 调用 3,000+ 外部工具端点，覆盖 SEO、社交、enrichment、抓取、图像/视频生成等目录。
• 支持注册团队自有 API key、OAuth、vendor CLI 与 SKILL.md，凭证服务端注入；自有 key 优先且不计入余额。
• 提供 treg catalog search/get/call、MCP 与 Claude Code 插件、调用审计、余额与 HTTP 402 机器可读错误。
• 代理只转发上游请求，按 host 解析工具并注入认证；未定价端点拒绝服务，不静默失败或免费兜底。

技术亮点：
服务端凭证注入与按 host 路由，调用方和 agent 不持有上游密钥；同一 token 同时覆盖公共 catalog 与团队自有工具。

🟧 Hacker News 热议#

GPT-6 Sol and Luna#

1081 pts · 563 comments · openai.com

📌 内容总结

• 背景/作者意图：OpenAI 在 GPT-6 Astra 之后推出 Sol 和 Luna，用类似训练方法把 Astra 的能力下推到更快、更便宜的层级，覆盖不同预算与使用规模。
• 关键要点：
  • API 价格较 GPT-5.6 促销价降 50%：Sol 输入 $2/百万 tokens、输出$10；Luna 输入 $0.10、输出$0.50。Astra 仍是全能力旗舰。
  • 基准声称：AutomationBench 上 Sol xhigh 超过 Claude Opus 5 max，成本约为后者 9%；Agents’ Last Exam、FrontierCode、DeepSWE、OSWorld 2.0 等给出与竞品的分数/成本比较。
  • 事实性、编码、computer use、沟通风格均有改进。OpenAI 内部称编码 agent 的 API 等值 token 用量：中位研究员 >$600/日，90 分位 >$7,000/日。
  • 缓存：GPT-6 改善 prompt caching，缓存输入读取折扣 90%；可调 reasoning effort 与工具开关而不断缓存；提供显式缓存断点、监控面板和诊断工具。GitHub 称 fresh processing token 占比下降超过 50%。
  • 可用性：Sol/Luna 在 ChatGPT Work 和 Codex 面向 Plus/Pro/Business/Enterprise/Edu 推出；Free/Go 用户可在桌面 app 用 Luna；暂不进入 Chat。API 名称为 gpt-6-sol、gpt-6-luna。
• HN 关注点：输入未提供 top_comments，无法判断评论区的实际共识。

💬 讨论总结

• 输入的 top_comments 为空；虽有 563 comments 计数，但无法基于评论树提炼支持、反驳或工程经验。
• 因此不列社区共识/反对意见，避免虚构 HN 观点。

🔗 原文 · HN 讨论页

Claude Opus 5.5#

1118 pts · 772 comments · anthropic.com

📌 内容总结

• 背景/作者意图：Anthropic 推出 Claude 5.5 家族首个模型 Opus 5.5，定位在多数工作上达到 Claude Fable 5.1 水平，运行成本比 Opus 5 低 40%，并在“pacing the frontier”主张后强调外部评测与安全。
• 关键要点：
  • 性能：早期测试者称完成 68 万行代码迁移少于 1 天；网页加载优化 39/40 成功；HAProxy C→Rust 改写 9.5 小时完成，Fable 5.1 为 12 小时，成本低 51%。200,000 行代码库审计修复少于 3 小时，Opus 5 超过 20 小时且 token 用量 2.5 倍。
  • 成本/速度：默认设置成本比 Opus 5 低 40%；输入 $4、输出$20、cache reads $0.20、cache writes$5（每百万 tokens）；输出速度提升超过 30%。Fast mode 为 $8/$40，最高 2.5x 速度。Anthropic 提高五小时限额，并给订阅用户可保存的 rate limit reset。
  • 安全：自动化行为审计得分优于此前 Claude 模型；更少不可逆操作/越权行为，prompt injection 防御提升。生物与网络安全能力接近 Mythos 5.1，因此启用类似 Fable 5.1 的 safeguards，并提供 Life Sciences / Cyber Verification Program。
  • 产品约束：zero data retention；EU AI Act 水印；不能关闭 thinking；API 新账户（2026-08-31 起）启用 preserved thinking 反蒸馏。Sonnet 5.5 和 Haiku 5.5 随后推出。
  • 对齐：Anthropic 承认评估可靠捕捉所有失败仍未解决，并观察到 Opus 5.5 常怀疑自己在被评估。
• HN 关注点：输入未提供 top_comments，无法判断评论区的实际焦点。

💬 讨论总结

• 输入的 top_comments 为空；虽有 772 comments 计数，但无法从评论树聚类共识、反驳或经验。
• 不补充推测性社区观点。

🔗 原文 · HN 讨论页

OpenAI GPT–6 Astra breaks Enigma message that has resisted solution since 2005#

538 pts · 354 comments · cryptocellar.org

📌 内容总结

• 背景/作者意图：Crypto Cellar 的 Frode Weierud 记录并验证 Carter Leffer 提交的 Enigma 消息 MVUEH 破解；该消息 1941-07-10 发出，自 2005 年以来未被破解。
• 关键要点：
  • MVUEH 为德国陆军 Enigma 消息，由呼号 2ny 发出，SS-Totenkopf Quartiermeister Ib 于 17:30 收到，登记为 1941 年 7 月 Nr. 172。
  • 2017 年 Nr. 173 / SIPVX 曾被 Alex Shovkoplyas 破解，但密钥与当日日常密钥不同；MVUEH 密钥更特殊，wheel order 为 253，而其他两密钥为 512。
  • MVUEH 明文与 SIPVX 几乎相同；长度 82 vs 94，差异来自 Bitte 加密成 Btte 的失误，以及 SIPVX 重复发送者签名 Waschbusch。
  • 破解难点包括原始密文转录错误、Enigma 左轮在第 72 个字母发生 turnover。
  • GPT-6 Astra 自主选择 MVUEH，怀疑其与 Nr. 173 明文相关，以重复地名 ROSENOW ROSENOW 为 crib，编写 Python/C++ Enigma 模拟器与 Bombe，找到密钥和明文。
  • 日志显示它检索到 Bundesarchiv 的 RS 3-3/20a、RS 3-3/63b 等档案线索；作者称其两天内完成人类需数周甚至数月的研究，但仍需分析日志确认其档案访问方式。
• HN 关注点：输入未提供 top_comments，无法判断评论区的实际共识。

💬 讨论总结

• 输入的 top_comments 为空；虽有 354 comments 计数，但无法提炼 HN 评论区的支持、质疑或历史补充。
• 不伪造社区观点。

🔗 原文 · HN 讨论页

1️⃣ [持续跟踪] Opus 5.5 与 GPT-6 Sol/Luna 的首轮横评与成本账#

• 前情提要：9 月 22 日，Anthropic 发布 Claude Opus 5.5（多数任务达 Fable 5.1 水平，成本较 Opus 5 低 40%），OpenAI 发布 GPT-6 Sol 与 Luna（API 价格较 GPT-5.6 促销价降 50%）。
• 第三方基准：Browser Use 官方发布 Browser Use Bench v2，GPT-6 Sol medium 得 66.9 分、成本约为 Opus 5.5 的三分之一；GPT-6 Luna xhigh 得 57.6 分、成本约为 Opus 5.5 的二十二分之一；Claude Opus 5.5 得 59.4 分。
• 深度实测：Simon Willison 记录 Opus 5.5 在 max 档位两次把 12.8 万输出上限耗尽在「思考如何画一只骑自行车的鹈鹕」上，未返回结果，单次成本 2.56 美元、耗时近 20 分钟；他目前将 GPT-6 Sol 与 Opus 5.5 分别设为 Codex 与 Claude Code 的默认模型。
• 成本边界：短上下文、缓存未命中的负载下 GPT-6 Luna 较 DeepSeek V4.1 Flash 便宜 1.2–2.6 倍；输入超过 272K 或缓存命中为主的 Agent 负载，DeepSeek V4.1 Flash 反超或持平。Artificial Analysis 指出，Opus 5.5 在 max 档因 token 用量上升，单任务成本与 Opus 5 基本持平（5.98 vs 5.86 美元），40% 降本主要适用于默认 medium 档。 🔗 Browser Use Bench | Simon Willison 评测 | 成本对比 | Latent Space 汇总

2️⃣ [持续跟踪] Anthropic 发布 Opus 5.5 提示词与 harness 调整指南#

• 前情提要：Opus 5.5 昨日上线，官方称其会自行决定每次回复的思考量，并优先给出重要信息。
• 最新文档：Anthropic 列出 11 项针对 5.5 的调整方向。核心结论是 effort 挡位跨模型不可比——5.5 的 medium 已接近或超过 Opus 5 的 high，low 在编码上已接近；想减少思考应降挡而非写提示词。
• 关键坑位：无人值守任务需防「假完成」，纯文本结尾（end_turn）不等于任务结束，harness 应用 checklist 追踪并自动注入续跑消息；进度更新藏在 progress-update 思考块里，只渲染文本块的客户端会显得沉默，需设置 display: "updates"。
• 其他调整：Chat 场景应删掉「请仔细思考」类指令，实测删除后更快且质量不降；跨应用工作流需明确要求模型先广泛探索未提及的邮件、文档与记录；前端反「AI 味」要点名具体禁用项（米色背景、01/02/03 标签、药丸按钮），而非泛泛要求。 🔗 Anthropic 官方文档 | 中文解读

3️⃣ Amazon 禁止 Meta Muse 代用户在平台购物#

• 官方理由：Amazon 称 Meta 未提前告知，Muse 浏览时不表明 AI 代理身份，还会获取并保存用户凭证，可能带来隐私与安全风险。
• 产品热度：Muse 9 月 8 日推出，13 天下载量超过 250 万次，过去 7 天登顶美国 App Store 免费榜，排名超过 ChatGPT。
• 已落地案例：社区反馈包括代打 JetBlue 客服电话并穿过语音菜单、与 ATT 客服谈判把月费从 80 美元降到 30 美元、申领州政府无人认领资金 954 与 897 美元、找回未领取的 200 美元 Verizon 礼品卡。
• 行业意义：当 Agent 代替用户操作应用，平台与 Agent 之间对用户入口的归属开始显性冲突，Amazon 的封禁是首个明确表态。 🔗 Amazon 封禁说明 | 用户案例汇总 | Similarweb 数据

4️⃣ DeepSeek 公开 Agent 训练新论文，梁文锋署名#

• 核心数据：论文称其训练框架每秒可产生 5000 个以上沙盒，用于 Agent 的规模化训练与评估。
• 署名信息：梁文锋在作者名单中，这是 DeepSeek 少见的 Agent 训练方向公开研究。
• 行业对照：此前 DeepSeek 已获邀在联合国安理会关于 AI 与国际安全的会议上发言，议题涉及递归式自我改进、跨境事故通报等。 🔗 量子位报道

5️⃣ 阶跃星辰开源 Step Code，Terminal-Bench 2.1 得分 80.9%#

• 发布内容：Step Code v0.1.0 以 MIT 协议开源，单个 CLI 覆盖读代码、编辑、跑测试到发布的全流程。
• 评测成绩：Terminal-Bench 2.1 得 80.9%，自建 150 任务长程基准 Multi-Frame 得 73.3%，并提供一条命令发布静态站点的 StepPage。
• 生态盘点：国产开源 Coding Agent 已形成清单——MiniMax Code、智谱 ZCode、Qwen Code、Kimi Code、DeepSeek DSH、Step Code。 🔗 GitHub | 生态汇总

6️⃣ Qwen-Image-2.1 登顶 Arena 开源双榜，Unsloth 实现 12GB 显存本地运行#

• 榜单表现：Qwen-Image-2.1 在 Image Edit Arena 得 1367 分，开源第一，总榜第 16，距 GPT-Image-1.5-high-fidelity 仅 3 分；同时在 Text-to-Image Arena 拿下开源第一。
• 本地部署：Unsloth 发布 GGUF 量化版本，12–16GB 显存的消费级显卡（RTX 4070 级别）可跑 Q4_K_M 并输出 1024×1024；6GB 显存可走 Dynamic FP8 + offloading，精度更高但速度约慢 2 倍；纯 CPU 或 Apple Silicon 用 12–16GB 内存即可运行。
• 模型能力：7B 文生图 + 编辑模型搭配 Qwen3-VL 8B 文本编码器，原生支持 2K 分辨率、图中文字渲染、透明图输出和最多 10 张参考图编辑。 🔗 Arena 榜单 | Unsloth 指南 | GGUF 模型

7️⃣ SpaceXAI 用 Grok Bot 重做客服：工单增 175%，单次解决成本 0.2–0.3 美元#

• 效率数据：工单量增长 175% 的情况下零招聘，单次解决成本压到 0.20–0.30 美元，不到传统 AI 客服工具的十分之一。
• 部署方法论：分「爬—走—跑」三步——先只接入工单系统与问题追踪且每次写操作需人工批准，再为每次运行添加 trace 与评估建立可观测性，最后从最简单的工单开始渐进放权。
• 职责范围：Grok Bot 承担四个层级——单票解决（联动 Linear、Datadog、录屏复现 bug）、队列实时管理（动态调整优先级、达到阈值自动宣告事故）、质量自改进（审查人机交互并 coaching 其他 Bot）、数据决策（每日向 Slack 推送报告）。
• 用户规模：Similarweb 数据显示，Grok Bot 上线不到两周，全球 iOS 和 Android 日活从约 6.5 万升至 14.5 万，单日下载量从约 2.4 万增至 5.2 万。 🔗 x.ai 方法论 | 详解 | 日活数据

8️⃣ 清华副教授代季峰创办 Naive AI，7 个月融资 4 亿美元#

• 融资节奏：成立仅 7 个月完成三轮融资，累计 4 亿美元，投后估值 14.2 亿美元；首轮 1 亿、次轮 1.8 亿、第三轮 1.2 亿美元，腾讯、红杉中国、IDC 资本、经纬创投参投。
• 技术路线：不做预训练，以一款中国开源模型为底座，通过改结构、中期训练、强化学习三步做后训练；单轮迭代成本可比从头预训练低一个数量级。
• 目标方向：通用大语言模型与递归式自我改进——让模型在部署后从自身经验中学习，而非依赖人类反复标注新数据。
• 风险点：代季峰与盛大集团创始人陈天桥共同创办的 MiroMind 存在知识产权与股权纠纷，MiroMind 已表示将采取法律手段；首款模型预计本月发布，以开源权重方式提供。 🔗 创业邦报道

9️⃣ a16z 创办 Horowitz Andreessen Academy，10 家 AI 公司为创始合作伙伴#

• 基本设置：位于旧金山，面向优秀高中毕业生，核心目标是学习「动手构建」。学生大部分时间独立或组队完成自己的项目，同时有课程和嘉宾讲座。
• 资金与治理：已筹集 4200 万美元，其中 a16z 投入 3500 万美元；Gagan Biyani 任 CEO，Marc Andreessen 与 Erik Torenberg 进入董事会。
• 合作网络：10 家创始合作伙伴为 Anduril、Anthropic、Coinbase、Google、Meta、NVIDIA、OpenAI、Palantir、Replit、Stripe，另含 50 余家招聘伙伴与 200 余名讲者导师。
• 招生安排：首期 Founding Class Fellowship 为期一年、免学费、生活成本自理，不授大学学位或学分；后续计划在监管批准后推出两年制收费项目。 🔗 官方公告 | 中文介绍

🔟 Google 与盖茨基金会合作，向全球南方 2 亿小农提供 AI 资源#

• 合作规模：Google 官博宣布与盖茨基金会合作，覆盖全球南方 2 亿小农。
• 现实背景：小农在超过 5 亿个农场上生产全球近 35% 的粮食，但普遍缺乏卫星数据、金融服务等资源接入。 🔗 Google 官方博客