今天的主线不是又一个更大的聊天模型，而是 AI 正在被重新做成“可执行的软件基础设施”：文档抽取开始为 Agent 提供逐行、逐词可追溯的结构化证据，生成式 UI 与浏览器内小模型把交互推到本地，扩散式 LLM 则把检索、语音和 Agent 的响应延迟压到新的区间。与此同时，推理内核、GEO 内容工程和面向真实工作的 Harness 仍是决定产品能否落地的关键。说明：本轮 Agent Reach 证据包生成超时，HNRSS 补充未纳入；下文的可上手项目均补充核验了官网、GitHub 或官方文档，早期线索会明确标注证据边界。
LandingAI 的第二代 Agentic Document Extraction，用 DPT-3 Pro/Verity 把 PDF、扫描件、表格和复杂版面解析成适合 Agent 消费的结构化结果，并提供更细粒度的行、词、表格单元格定位与置信度。
先打开 Playground（https://ade.landing.ai），上传一份真实发票、合同或带表格的 PDF，观察它生成的 Markdown、结构块、引用锚点和低置信度区域；再到 docs.landing.ai 创建 API Key，按 Parse v2 的 Quickstart 调用同一个文件，比较 Priority 与 Standard 两种服务层级的返回结构。若要接入 Agent，可让编码 Agent 读取 ADE CLI/Skill 文档，要求它把解析结果保存为 JSON，再依据页码、行号或词框回链到原文，最后用一份人工标注的小样本检查字段和引用是否一致。
它的变化不只是“OCR 更准”，而是把文档解析的输出契约改成 Agent 能稳定消费、追责和回溯的形式。DPT-3 Pro 可做到行级 grounding，Verity 面向数字化文档提供逐词坐标和置信度；按输出字符计费、Standard 异步层级和不同模型选择，也让大规模文档自动化可以在准确率、延迟、成本之间做显式路由，而不是把每页文档当成同一种任务。
Vercel Labs 的实验性浏览器端语法高亮器，把一个约 27.5KB 的小模型放进 WebGPU，用上下文推测代码片段类型，不依赖每种语言一套大型 grammar。
用支持 WebGPU 的桌面 Chrome 或 Edge 打开演示页，粘贴一段 Python、TypeScript、Rust 或你自己的 DSL 代码，切换到较大的源文件观察高亮速度和主线程占用。若要集成，先在项目里查看页面给出的 `highlight` 调用方式，安装对应 npm 包或复制仓库示例，把输入字符串送入高亮函数，再把返回的 start/end/type spans 映射到编辑器或 `<pre>` 渲染层。务必同时保留 Shiki 作为回退，分别测试常见语言、训练集外语言、超长文件和 WebGPU 不可用的浏览器。
传统高亮器的体积和维护成本会随语言 grammar 数量增长，而 gpu-lexer 用模型把“选择哪套语法”变成了上下文分类问题；模型占比很大但总包仍很小，且推理放在 GPU 上不阻塞 CPU。它仍是实验项目，当前与 Shiki 的 token 标签有 12.57% 差异，不能直接当作编译器级语法解析器，但它展示了极小模型成为前端软件原语的路线。
OpenUI 的 OUI-1 是基于 DiffusionGemma 微调的开放权重模型，专门生成 OpenUI Lang 界面描述，让 Agent 可以生成可校验、可流式渲染的表单、卡片、图表和小型应用界面。
先阅读 OpenUI GitHub README，运行官方 React 示例，确认组件库、OpenUI Lang 和流式 renderer 的关系；再从 Hugging Face 下载 OUI-1 权重，在满足显存要求的机器上用项目推荐的推理方式启动，给模型一个明确的组件白名单和界面任务，例如“展示一周支出、带日期筛选和导出按钮”。把生成结果交给 parser，先拦截 schema 错误、未定义名称和未挂载区块，再把合法结果交给 React renderer。最后换一套未出现在示例中的组件库，测量首屏时间、结构有效率和人工修改量。
生成式 UI 的瓶颈不是让模型吐出 HTML，而是让输出稳定地符合组件协议并能在流式过程中逐步渲染。OpenUI Lang 相比等价 JSON 最多可减少约 67% token；OUI-1 在 Generative UI Benchmark 上报告 71.7%，远高于 DiffusionGemma 基座的 13.0%，并以 4B active 的路线瞄准消费级 GPU。它把模型、协议、解析器和组件白名单组合成了更可控的产品边界。
Cohere 为 North Mini Code 开源的 LLM serving engine，把 decode 阶段融合成常驻 GPU 的 megakernel，减少逐算子启动和同步等待。
先在 GitHub 阅读 README 和硬件要求，再准备一张 NVIDIA GPU（官方结果以单张 H100、BF16 为基准）以及 North Mini Code 权重。按照仓库的构建步骤编译 CUDA/C++ 部分，先用仓库自带的小规模配置跑通单请求，再打开 continuous batching 和 paged attention。用同一模型、同一精度、同一输入长度分别跑 batch size 1 和 8，与 vLLM 做端到端对比，不只看 tok/s，还记录首 token 延迟、吞吐、显存、数值一致性和异常恢复。没有 H100 时，不要直接把官方加速倍数外推到消费级 GPU。
LLM decode 往往是 memory-bound，小 batch 下 GPU 会把时间耗在 kernel launch、读写和同步上，而不是矩阵乘本身。Cohere 的公开说明称 North Mini Code 在单张 H100、BF16 下相对 vLLM，BS=1 可达 1.58 倍，BS=8 的端到端提升为 1.25–1.41 倍。更重要的是它把 continuous batching、paged attention 和服务控制面一起纳入设计，说明推理优化已经从单个算子竞赛转向 kernel、调度与服务工程的联合优化。
Inception 的扩散式语言模型，通过并行生成和迭代细化降低响应延迟，面向检索、实时语音、编码 Agent 等高调用频率场景。
先在 Mercury Chat 中用同一组问题与普通自回归模型对比首 token 和完整答案到达时间，重点测试短问答、查询改写、工具参数 JSON 和代码补全。开发者可通过 Inception API、Baseten 或 OpenRouter 接入，先把它放在 Agent 的路由、检索规划、上下文压缩或工具搜索环节，而不是直接替换最需要深度推理的主模型。记录 P50/P95 延迟、输出完整率、JSON 合法率、工具调用成功率和每次请求成本；若做语音，再用真实电话或流式音频测量用户听到的停顿，而不是只看服务商的峰值 tok/s。
Mercury 2.5 把扩散语言模型从研究概念推进到可接入生产工作流的产品形态。官方披露其上下文为 260K，速度最高 1,107 tokens/s，支持可调 reasoning、并行工具调用和 schema-aligned JSON；在搜索 Agent 中，规划、改写、重排和总结等几十次辅助调用的延迟可以累积放大。它的价值不在“所有任务都更聪明”，而在于为大量轻量、串并行、对停顿敏感的调用提供另一条速度—成本曲线。
OpenAI 的新图像生成与编辑能力，重点改进参考图保真度、局部编辑、多轮一致性和生成速度，并加入 Sketch 手绘输入与模板。
在 ChatGPT 网页、桌面或移动端打开图像功能，先上传一张产品图或人物参考图，要求只替换背景或单个对象，检查主体、构图和品牌元素是否保持；再用 Sketch 直接圈出需要修改的区域，连续提出三到四轮小改动，观察历史修改是否稳定。做实际工作流时，可用模板快速生成海报、产品图或信息图，再把提示词和评论交给另一轮编辑。开发者则应分别测试 GPT-Image-2.5 Flare 与 Sunburst 的质量、耗时和 API 价格，建立带文字、logo、人物身份和局部编辑的回归集。
图像模型的生产价值越来越取决于“改对一个地方而不破坏其他地方”，而不只是单次生成的惊艳程度。官方称 Images 2.5 在参考图识别、精确编辑和多轮一致性上提升，延迟最高降低 50%；ChatGPT 端加入手绘草图、模板和图像评论，API 端则分成偏速度与偏精度的模型。对设计团队而言，真正可量化的指标应是返工轮次、主体漂移、文字错误和交付时间。
开源的 GEO 内容工程和多站点分发平台，包含 AI 质量检查、托管站点、浏览器辅助发布和签名更新等能力。
先阅读仓库 README，确认 AGPL-3.0、运行环境和部署边界，再用 Docker 或项目提供的启动方式在本地起一个隔离实例。准备三篇已有文章，分别做标题、摘要、引用、结构化数据和站点分发实验，观察 AI 质量检查结果与发布前后的内容差异；再创建一个测试站点，走一遍后台配置、内容审核、预览和浏览器辅助发布流程。将正式域名、管理员账号、文章内容与遥测配置分开管理，先在 staging 验证多站点同步与签名更新，不要未经审查就把生产站点接入自动发布。
GEO 正从“写几条提示词让文章被 AI 提到”变成内容、结构化信息、引用证据、站点分发和质量门禁的工程问题。GEOFlow 把这些环节放进一个可自托管的平台，适合想掌握数据和发布链路的团队；但 AGPL-3.0 对网络服务和分发有合规义务，项目的高星数也不等于每种业务场景都成熟，实际采用前应做许可证、插件、部署安全和生成内容质量审查。
OpenAI 展示了用 Astra 从一句建筑需求逐步生成 Blender 场景、平面布局、渲染和 Unreal Engine 5 可交互漫游的工作流。
这类案例的重点不应只看最终画面，而应看 Agent 是否能在多个工具之间保持状态、理解中间产物并反复修正。OpenAI 开发者博客把流程拆成房屋设计、细节调整、Blender 摄像机巡游和 UE5 walkthrough，说明模型的交付对象已从一段文本或代码扩展为可编辑的项目文件。对开发团队来说，真正的门槛是工具权限、长任务上下文、失败恢复和验收标准；一个看起来成功的演示仍需要检查场景是否可复现、脚本是否可维护、素材授权是否清楚。
如果这种工作流稳定，建筑、游戏原型、产品展示和工业设计会更早出现“先由 Agent 搭出可交互草案、再由人做专业决策”的协作模式。它也会提高对计算机使用、文件操作和跨软件编排的要求，模型榜单之外，企业需要重新评估沙箱、资产管理、版本控制和人类审批节点。成本和可靠性仍决定它能否从展示案例进入日常生产。
xAI 官方宣布 Grok Bot 可连接 X 账号，自动创建开发者账号并提供起步 API 积分，Bot 可搜索帖子、读取时间线、检查提及和生成趋势报告。
这把“社交平台数据访问”从单独申请 API，变成了 Agent 产品内的连接器体验：用户授权账号，Bot 再把搜索、时间线、提及和书签等能力包装成任务工具。它对研究和内容监控很方便，但连接器的价值取决于权限范围、数据留存、速率限制和结果是否能引用原帖。做自动化时应把只读检索与写入、收藏、发布等动作分开，给每类操作单独授权，并保存查询时间、原文 URL 和过滤规则，避免把模型总结当成平台事实。
平台方正在通过 Agent 入口重新分配 API 访问权和数据价值：一方面降低普通用户试用门槛，另一方面把开发者生态导向自家 Bot Marketplace。对第三方工具而言，竞争点会从“能否抓到数据”转向数据授权可迁移性、审计性和跨平台编排；对企业用户，必须确认连接器是否允许商业监控、是否有组织级权限控制，以及 API 积分和额度变化会不会影响长期成本。
Anthropic 开发团队分享通过 prompt caching、提示词/上下文整理和 Effort 配置，尽量在不直接换掉强模型的情况下减少 Claude API 成本。
对于 Agent，账单通常不是一次大回答造成的，而是系统提示、工具结果、历史状态和反复路由在每一轮调用中叠加。缓存适合稳定的系统说明、工具 schema 和知识前缀；上下文工程则要主动裁剪网页、压缩工具输出、外置长期状态；Effort 应按任务路由，让分类、摘要和简单工具调用不要承担同样的思考预算。实际优化必须同时看 cache hit、输入输出 token、任务成功率和返工率，不能只看单次 API 单价。
模型供应商的竞争正在从“每百万 token 多少钱”转向“同样的业务结果需要多少有效 token”。能把上下文拆成稳定前缀、变化变量和可检索状态的团队，会在长会话、代码 Agent 和多工具流程中获得更可预测的成本；反之，盲目打开超长上下文可能因缓存失效反复重传而放大额度消耗。成本治理也因此成为 Agent 架构的一部分，而不是财务部门事后报表。