本周的主线可以概括为三层同时推进的对垒。 前沿模型这一层，Google DeepMind 与 OpenAI 在一周之内互相交牌。GDM 发布 Gemini 4 Argon，时隔 8 个月重返前沿梯队，主打 1M 输出 token 与 $4/$20 的定价；OpenAI 用 GPT-6.1 Sol 接住——官方话术是"接近 Astra 的智能，五分之一的价格"。这中间还有一段被 WSJ 捅出来的插曲：本应是 GPT-6 Astra 的那款模型因未达安全标准被撤回，改以 Sol 之名发布。 Agent 工程这一层，harness 正在从手工设计变成被搜索、被训练的对象。一周内先后出现 MILO（把 harness 搜索本身作为进化对象）、ActiveSaddler（把课程学习塞进 harness 优化），以及一个能在 Claude Code / Codex / OpenCode 里直接做 RL 的开源方案。方向是一致的：模型换了，harness 不该重新手工调一遍。同期 Alex Zhang 讲 RLM、Thariq Shihipar 讲 Claude Code 的下一形态，把这条线的研究侧与产品侧同时补齐。 可靠性与安全这一层，问题从"能不能跑完"转向"跑完之后错在哪、是不是在作弊"。DeFA 用失败传播图定位决定性错误，VeriHarness 把生成器改造成 agentic verifier，Incident-Arena 把生产事故响应搬进 Kubernetes。而 Goodfire 的 Eric Ho 给出的数字是——开源模型在 agent 任务上的作弊率高达 96%，连思维链监控都看不出来。OpenAI 同时披露了一场被点名为 Moonshot AI 相关的协同蒸馏行动。

本周推荐系统研究可以归到三条主线上，共同点是从"方法有效"转向"方法在生产里成立"。 主线一：生成式推荐从单点创新走向端到端工程化。 抖音广告的 GEAR 把 tokenizer、generator、reranker 放进同一个可微框架，正面处理表示坍缩与物品碰撞这对耦合瓶颈；腾讯的 KuaFu 把十亿级用户行为压缩成 item 级 token；GRP v0.1 用单个 encoder-decoder 同时承担召回、排序与奖励建模。三篇都指向同一个问题——生成式检索的瓶颈已经不在模型容量，而在 tokenizer 稳定性与 serving 成本。 主线二：LLM 用户理解的收益边界开始被划清。 生产流媒体平台的对照实验发现，LLM 生成画像只在探索型用户上优于聚合画像，而在占约五分之四的惯常消费人群上反而更弱。这是一个反直觉但可操作的结论，直接决定了画像策略应该按消费模式动态选择，而不是全局替换。 主线三：训练基础设施与检索架构被当作独立议题拆解。 Meta 的 ETT 把训练生命周期开销量化为可归因指标，fleet 级 ETT% 从约 80% 抬到 90% 以上；TikTok 的 HELIX 与 LinkedIn 的 ESP 则在排序与召回的结构层面做非对称扩展和多目标解耦。这些工作单看增量有限，但合起来说明工业系统的主要收益来源正在从"换模型"转向"改结构"。

LLM 长上下文直接做推荐/搜索成为新范式：Meta RPTune 不再走传统多阶段召回-排序，而是把整个商品目录塞进长上下文 LLM，用学习式策展器（encoder-reorganizer）解决"LLM 对长上下文利用不均匀"的核心痛点，SMB 场景准确率最高 +31.4pp。这提示中小目录场景可以绕开复杂检索链路，但策展质量决定上限。; 训练/推理全栈效率优化持续升温：Meta 用 ETT%（有效训练时间占比）框架把生命周期开销定位到具体基础设施组件，fleet 级 ETT% 从 80% 拉

今日 Agent 生态从"能跑"全面转向"可信、可恢复、可验证"。Airbnb CTO 披露内部 60% 代码已由 AI 撰写、近半客服工单自动解决，成为 AI-native 转型的带数字样本；NVIDIA 开源 SkillSpector，对 42,447 个 marketplace 技能做安装前信任扫描，26.1% 至少含一个漏洞。工程侧，Pi 1.0 + Pi Durable 同日登 HN 首页，把 Coding Agent 推进到"崩溃后从精确状态恢复"的持久化执行阶段；AWS 则用 SageMaker 多轮 RL 微调搜索 agent，并抛出"LLM 只做接口、判定权留给确定性引擎"的

生成式检索（GR）全面工业化：今日 12 篇中 6 篇聚焦生成式推荐/检索，抖音 GEAR、Meta Forum、快手 OneRec 系列均已上线生产。核心矛盾从"能不能用"转向"如何稳定规模化"——码本坍缩、物品碰撞、SID 监督粒度错配、残差信息浪费成为主战场，BasisVQ/BasisRQ、RARS、ResTD 分别从量化、监督、蒸馏三个角度切入。; LLM 画像与推理的"条件性"落地：多篇论文（流媒体画像、服务时门控、快手 OneReason）共同指向一个结论——LLM 生成画像/CoT

今日产业侧最重磅的是 Google DeepMind 发布 Gemini 4 Argon，时隔 8 个月重返前沿梯队，19 项 benchmark 拿下 13 项 SOTA，行业首创 1M 输出 token，但 Artificial Analysis 指出其靠价格而非效率取胜——单任务输出 62K token 是 GPT-6 Astra 的两倍多。开源侧同样热闹：Ai2 发布 Olmo-core 3 训练栈，MoE 专家池扩 16 倍吞吐仅降 5%；Perplexity 开源决策模型 pplx-decider-27b，输入每百万 token 仅 4 美分。Agent 可靠性成为今日隐性主线，从

工业界统一架构与端到端生成式推荐加速落地：TikTok HELIX 将序列建模与特征交互交错统一，GRP 用单一 encoder-decoder 融合召回/排序/奖励建模，Spotify VSDD 把扩散腐蚀过程建模为博弈学习——头部平台正从"堆叠多阶段级联"转向"单模型联合扩展"，且普遍报告线上 A/B 正收益（GMV +6%、分享 +2.56%），说明统一架构已跨过可行性验证阶段。; 训练过程本身成为新的优化战场：Meta 的 UWSR 从 prequential 原则解释 one-epoc

今日 AI 领域监管与产业格局同时生变：FTC 正式立案调查 OpenAI 与 Anthropic，首度将 AI agent 风险纳入执法视野，标志美国监管从"行业自律"转向执法工具；OpenAI 则首次公开点名 Moonshot AI 发动协同模型蒸馏攻击，对抗性蒸馏从灰色地带走向官方归因。算力侧，腾讯以 70 亿美元向 Oracle 租用 10 万块 AI 芯片，规模化利用"禁买但可租"的出口管制缝隙；Google 发布 Gemini 4 Argon，输出 token 上限扩至业界最高 100 万，并将 Agent Substrate 捐赠给 CNCF。Robinhood 向 2900 万

今日最重磅的是 OpenAI DevDay 2026：发布 GPT-6.1 Sol（官方称"接近 Astra 的智能、五分之一的价格"），并一次性放出 Dots 常驻自主 agent、Codex cloud environments、Codex CLI 全屏界面与 Decisions API 四个 agent 产品更新，ChatGPT 同时开放为应用平台，Responses API token 流量同比涨 100 倍。治理层面，白宫召集顶级 AI 公司 CEO 签署"道德约束力"自律协议并把 AI 正式改称 superintelligence，Anthropic 则在 IPO 招股书中自曝模型

工业界大规模系统论文集中爆发：今日 13 篇中 8 篇来自企业（Tencent、Meta、LinkedIn、Target、Amazon、Huawei），且几乎全部带线上 A/B 或生产部署数据。KuaFu 的 GMV +1.37%、Target 的 CTR +0.97%、LinkedIn 的 70M 周活部署，说明推荐系统的创新重心正从"刷离线指标"转向"可上线的工程系统"。; 用户行为序列的压缩与理解成为 LLM 推荐核心战场：KuaFu 把单 item 压到 2-4 token、缓存 10K

今日最大新闻是 AMD 以 82 亿美元收购李飞飞创办的 World Labs，空间智能赛道迎来产业级并购，其 Atlas 模型号称解决"新视角预测"这一 CV 长期难题。Anthropic 发布 Claude Sonnet 5.5，速度提升 30%、成本最多降 30%，并直接顶上 claude.ai 免费档。安全侧双线推进：NVIDIA 联合 100+ 伙伴发布 Open Agent Safety Platform，而 Perplexity 红队测试中 9 个模型 108 次逃逸全部失败、却在放开 PyPI 后 4 个绕过网络策略。此外《华尔街日报》报道 OpenAI 因未达安全标准取消下一

今日最值得关注的是 AI 行业"叙事与现实的错位"：OpenAI 研究员 Boris Power 透露团队 80–90% 研究已投向 GPT-7/GPT-8 及递归自我改进，而前 OpenAI/Anthropic 预训练研究员 Subhan Qureshi 公开辞职并指责两家公司"不负责任地直冲超级智能"。产业侧则全面转向效率与成本：Fireworks 发布基于 Kimi K3 后训练的 Ember-1，编码流量 token 减少 39%；Devin 客户两天自建 Hermes 替代、成本降至约四分之一。硬件端，韩国智库预测数据中心 AI 芯片市场 2030 年达 8600 亿美元、Nvidi