DeepSeek发布V4 Pro正式版，API价格不变，Agent能力大幅提升，基准测试远超预览版，接近Fable 5。实测中能自主完成数据报表、网页设计、游戏开发等任务。官方预告DeepSeek Harness框架即将推出，未来将进一步提升AI Agent能力。

作者用85万行代码库实测本地DeepSeek V4与云端GPT-5.6的审计能力。首轮GPT发现32个漏洞，DeepSeek仅8个且5个错误，原因是工具链配置缺陷：代理指令过期、缺乏证据验证、回合预算不足。修复后DeepSeek准确率从37%升至近90%，找到GPT遗漏的问题。结论：本地模型适合边界明确任务，前沿模型擅长跨层综合，工具链比模型权重更关键。

OpenCode工具套件性能差，导致AI模型“降智”，缺乏目标模式，任务循环卡顿。每月5美元订阅虽便宜，但用户因沉没成本谬误盲目维护。建议更换工具套件（如Droid、Claude Code）或自研，并区分评价噪音，认清工具设计限制模型能力。

阿里发布企业级Agent产品“千问办公”，整合多款工具，支持本地操作、云端任务和企业协作，并推出旗舰模型Qwen3.8-Max。实测中，它能分析磁盘空间、制作电商看板、游戏、财报PPT及虚构产品发布会物料，具备“专家套件”功能。产品公测送积分，旨在与腾讯、字节竞争AI办公市场。

科技圈同日迎来两大模型动态：OpenAI宣布GPT-5.6系列大幅降价，DeepSeek发布V4-Flash模型，通过后训练强化推理与代码能力，价格不变。竞争焦点从能力上限转向“智价比”。实测中，V4-Flash以2.85元完成5个复杂任务，包括数据分析、游戏开发等，表现优异，预示Agent时代来临。

该文测试了Claude Code的“马尾辫”技能，宣称可减少54%代码，实测仅减少15%代码、10.3%成本，且无质量差异。节省主要出现在过度构建的任务中，安装方式影响效果。这是系列中首个有统计显著成本节省的工具，但效果远低于宣传。

Dex Horthy在第三篇文章中承认此前“无好基准”的判断有误，介绍新基准SlopCodeBench（SCB），通过检查点模拟需求逐步演进。他实测Opus 5、Sonnet 5、Opus 4.8，最强Opus 5严格通过率仅24%，其余仅6%。代码质量指标显示劣化严重，结论是当前模型仍无法无人值守运行，但SCB提供了可追踪的衡量工具。

Anthropic发布Opus 5模型，性能追平或超越Fable 5，价格仅为其一半。在编程、物理模拟等测试中表现优异，网友用它生成游戏、3D模型等。同时，Anthropic精简了Claude Code系统提示词超80%，性能未降，体现模型判断力提升。

本文在AWS中国区实测llama.cpp部署Qwen3.6模型，对比Graviton4、Intel CPU和A10G GPU的MTP加速效果。GPU上MTP提升83%性能，CPU上反而降低18-40%。最佳实践：GPU用27B Dense+MTP，CPU用35B MoE关闭MTP，后者成本仅为GPU的26%，性能达82%。

Fable 5、Opus 4.8和GPT 5.6 Sol组成AI编程团队，分别负责规划、执行和审查。通过多智能体协作，效率翻倍且代码质量提升。关键规则包括：自己不能验收自己的工作、审查设上限、明确停止条件。Sol还兼职QA测试，用浏览器验证bug。开源工具Jinn支持配置团队，多AI协作正成为编程新趋势，但需平衡审查与效率。

视频问诊SDK选型需从五维度评估：延迟弱网表现需实测模拟不同网络；集成成本含全流程人力；功能完整度区分有无与好用；文档质量通过任务测试；长期可维护性看更新与迁移。强调实测数据，避免仅看demo，确保选型可靠。

Kimi暂停新订阅后，用户可通过API调用K3模型，但需充值升级账户才能稳定使用。测试发现，API直连、Claude Code等不同接入方式影响模型表现，Claude Code虽功能强但可能出错，原生客户端效果更佳。API兼容非简单替换，套壳产品价值在于组织模型能力，而非仅转发请求。

选视频问诊系统需先量化需求：明确并发量、问诊场景及现有系统对接。再按音视频质量、合规、集成难度、计费方式、服务响应五维度评估供应商。最后做实测评，用真实设备和网络测试完整流程，对照需求判断短板是否可接受。核心是需求清晰，避免盲目比较。

本文介绍豆包推出的Doubao-Seed-Evolving模型，专为Coding和Agent场景设计，支持每周更新、1M上下文和长程任务能力。作者用其开发Windows小工具《桌面下班后》，让桌面图标自动活动（如散步、聊天、打架、踢球），通过透明窗口技术不干扰真实桌面。开发中多次反馈问题，模型持续改进，最终实现稳定运行，强调模型适合边做边改的项目。

国产大模型密集发布，Kimi K3与Qwen3.8-Max预览版相继亮相。实测Qwen3.8-Max在网页生成和3D游戏开发上速度飞快，但效果不稳定，复杂任务表现粗糙。国产开源模型数量已超美国，性能逼近闭源模型，差距缩小，未来竞争焦点或转向价格。

人脸识别智能锁实测表现不错。作者测试了四款产品，认为Eufy FamiLock E40最快最全面，Lockly Visage Zeno适合苹果生态。虽然UWB无感解锁更佳，但人脸识别仍是当前实现免提解锁的好选择，不过价格较高，且需注意隐私和电池续航问题。

一项研究表明，传统机器学习算法能够有效区分AI生成的文本与人类作品。研究者通过分析大量小说数据，训练出准确率超过85%的检测模型，发现某平台上超过三成的热门内容疑似AI生成且未标注。尽管检测器在识别懒人内容方面有效，但未来可能面临规避手段的挑战。