EP158 · MHS 设备协议、结果导向开发、GLM Flash · 08-28 早报

Anthropic 与 HHMI Janelia 联合推进的 MHS，用标准驱动统一实验室与制造设备，把原本数周乃至数月的集成压缩到数小时或数分钟。它让智能体通过 MCP、命令行或 API 编排仪器，并实时调参和处理故障；但目前仍处研究预览期，物理与空间推理需要专家监督。

Anthropic 的 Mike Krieger 认为，模型变强后，团队应从拆解任务转向描述结果，让智能体自主权衡并验证，人类再与模型讨论取舍、评估落点。他以周末完成数十万行 Python 到 TypeScript 迁移为例，也提醒监控与 Feature Flag 仍是底座，代码审查应聚焦变更意图。

智谱把 GLM-5.3-Flash 定位为低成本原生多模态模型：总参数 320B、激活 18B，AA 指数 57 分，并以稀疏与线性注意力混合架构降低长上下文开销。更值得关注的是，它可在代码、浏览器和图形界面间观察并验证输出，也已在国产芯片大规模流量中运行；这些性能与价格比较仍主要来自官方测试。

一项包含超过 1000 名学生的随机实验表明，访问 ChatGPT 可以提高学生工作的质量和连贯性，而批判性思维训练则可以促进原创性和更广泛的理念，两种干预措施均产生了互补的益处。

文章探讨了CFTC就算力衍生品征求意见，CME与Silicon Data规划GPU期货，以及算力标准化、金融化对AI基础设施的影响。

在智能体框架能够提供价值之前，数据必须被转化为一个可信的、具有上下文的、可追踪的、受管制的、可操作的资源，供机器可靠地消费和执行。

Google DeepMind 推出革命性的双盲评估方法，与新加坡 AI 安全研究所等机构合作，在不泄露数据的情况下，利用机密基准对 Gemini Flash Lite 模型进行安全测试。

Asana 在 OpenAI 的 Codex 的帮助下，从 Enzyme 迁移到 React Testing Library，耗时两周，花费 12,000 美元，这比没有 AI 协助时估计的五年和 600 万美元的成本大大减少。

Best Buy 工程负责人 Ahnaf Prio 从商品发现到结账梳理智能体商业，说明 MCP、A2A、ACP、UCP 与 AP2 如何以可互操作的商家能力和受限支付授权，替代脆弱的浏览器自动化。

本文深入剖析了强化学习在自进化与Agent场景下的锐化问题，并系统梳理了2026年出现的多种新算法，旨在平衡能力提升与探索多样性。