The Decoder 发布 Frontier Radar #5，分析了在 GPT-6 Astra 发布后，Ilya Sutskever、Yann LeCun 等顶尖人才离开大厂创立新实验室的现象。文章将 27 家新实验室分为六类，分别押注持续学习、非语言模态、私有数据、计算效率、自动化科研及垂直应用，并指出这些实验室正通过巨额融资填补大厂未覆盖的研究空白。
推荐理由：文章梳理了27家新实验室的技术押注与融资现状，为理解大模型之后的研究分化提供了具体参照。
OpenAI CEO Sam Altman 在 Cheeky Pint 播客中回应了外界对 OpenAI 密集发布数学成果的批评，表示理解数学家的困扰但不会停止。他透露 OpenAI 在数学问题上已投入数亿美元，其中仅 Navier-Stokes 方程解法就花费约 1000 万美元，并暗示公司手中还握有更多未公开的数学发现。
推荐理由：原文披露了 OpenAI 在数学研究上的巨额投入及内部探索机制，读者可据此理解 AI 实验室对基础科学发现节奏的影响。
Anthropic 的 S-1 文件显示其未来 20 年面临约 8500 亿美元的计算与基础设施承诺，分析师模型显示 2027 至 2030 年每年需约 900 亿美元支出。文章指出，为维持这一成本结构，Anthropic 必须依赖递归自我改进带来的指数级增长，其风险因素也承认利用 AI 开发 AI 可能导致模型能力超越安全对齐措施的发展速度。
推荐理由：文章拆解了 Anthropic S-1 中约 8500 亿美元的计算承诺，指出其商业模式高度依赖递归自我改进带来的指数级增长。
Anthropic 招聘经理宣布取消传统编码面试，认为 AI 已能替代此类测试，并建议初级工程师关注业务影响。Google DeepMind 发布 Genie 4 实时世界模型，支持音频、物理交互及 Gemini 规划。此外，Axiom 完成 CFSG 的 Lean 形式化，OpenAI 与 Anthropic 均宣称在指数时间假设等数学问题上取得突破。
推荐理由：汇总了 Anthropic 取消编码面试、Genie 4 发布及多项数学突破，为观察行业技术演进提供了密集信息。
OpenAI 宣布在数学、计算机科学和物理领域取得突破性进展，但研究人员对其限制访问的发布策略感到不满。OpenAI 称正与专家合作决定如何分享成果，其中数学结果已发布，计算机科学结果将由外部团队解释，物理结果则暂缓发布。多位专家指出，尽管成果令人印象深刻，但 OpenAI 应公开所有材料以供社区审查，而非仅由少数指定专家先行查看。
推荐理由：文章梳理了 OpenAI 在数学、物理和计算机科学领域的最新突破，并呈现了学术界对其发布策略的批评与分歧。
Anthropic 工程与产品负责人在访谈中解释了 Opus 5.5 发布及 Claude Managed Agents 的架构设计。核心思路是将智能体的会话日志与执行环境分离，让代码在独立沙箱中运行，从而降低延迟并防止凭证泄露。
推荐理由：原文拆解了 Anthropic 将智能体大脑与执行沙箱分离的架构，读者可据此理解其安全与性能权衡。
Anthropic 提交了 335 页的 IPO 招股书，估值超过 1.5 万亿美元，并在文件中警告其技术可能带来存在性风险。联合创始人 Jack Clark 在 IMF 会议上宣称奇点已经到来，而 Chris Olah 则向梵蒂冈报告了模型可能具有类似人类情感的内部状态。
推荐理由：文章剖析了 Anthropic 在 IPO 招股书中将技术风险与叙事营销结合的策略，揭示了其作为安全组织与商业巨头的身份张力。
AWS 发布 Trust in Depth 框架，旨在通过 Scope、Know、Bound、Observe 四层独立机制，在保持控制的前提下提升 AI Agent 的自主性。
推荐理由：AWS 提出 Trust in Depth 框架，将自动化推理引入 Agent 策略验证，为高自主性场景提供可证明的安全边界。
GitHub Copilot 推出 Canvas 功能，允许在应用内运行全栈应用并与 Agent 双向通信。该功能支持本地代码执行和第三方 API 调用，可用于构建 SQLite 管理工具或自动化开发工作流，从而减少不必要的 Token 消耗并提升交互效率。
推荐理由：原文展示了 Canvas 如何替代聊天框处理本地代码执行与自动化流程，为构建非对话式 AI 交互提供了具体实践参考。