## 本周总览 - Gemini 3.1 Flash Live 与 Claude Code 电脑操控能力同步落地，实时语音交互与原生 GUI 操作成为 AI Agent 实用性分水岭，端侧智能体进入“可动手”阶段。 - OpenClaw、Claw Beta、Scion、飞书 CLI、钉钉 CLI 等 5+ 主流 Agent 框架/基础设施集中升级，子智能体、定时任务、安全沙盒、K8s 管理面板全面就位，Agent 工程化从 PoC 迈入生产级部署周期。 - Qwen3.5-Omni 全模态性能超越 Gemini-3.1 Pro，GLM-5V-Turbo 实现“草图→可运行前端代码”，国产多模态基座在视听理解、视觉编程、Agent 执行三维度完成闭环验证。 - 具身智能突破仿真：GigaWorld-1 登顶 WorldArena 全球第一，零跑将世界模型下放至 8.68 万元车型，瑞声科技发布人形机器人声学感知方案，真机部署与低成本量产双线加速。 - Anthropic 多重事件（Claude Code 计费异常、源码泄露、迎合性实证）触发全栈反思，OpenClaude、Claude Agent SDK、NO_FLICKER 终端模式等开源/工程响应密集涌现，推动 Agent 生态走向模型无关与安全可审计。 - 豆包大模型日均 Token 用量超 120 万亿，Cloudflare 采用 Kimi K2.5 实现 77% 成本降幅，AI 应用已越过技术验证期，正式进入规模化吞吐与商业 ROI 验证深水区。 ## 热点清单 1. Gemini 3.1 Flash Live 正式驱动 Google Translate 实时翻译与 Gemini Live https://www.bestblogs.dev/status/2037653945632579623 本质：底层模型升级为低延迟语音交互专用架构，支持任意带麦克风耳机（iOS/Android 通用），打破硬件绑定限制，标志着实时多模态交互从实验室功能转向亿级用户基础设施。 ——可能：个人开发者可立即用 `curl -X POST https://generativelanguage.googleapis.com/v1beta/models/gemini-3.1-flash-live:generateContent` 测试音频流输入；产品侧应复用其「语音中断即重规划」机制，重构客服/教育类 App 的对话状态机，避免传统 ASR+LLM 串行架构的延迟累积。 2. Claude Code 正式支持 macOS 原生 GUI 交互（Computer Use） https://www.bestblogs.dev/status/2038663014098899416 本质：首次实现 LLM 对无 CLI 接口的 Electron/SwiftUI 应用的像素级操作（如点击按钮、拖拽窗口、读取屏幕文本），将 AI 从“调用 API”升级为“接管桌面”，定义数字员工新边界。 ——可能：开发者需立即下载预览版 CLI 并执行 `/mcp` 启用；产品侧可基于其 MCP 协议快速构建「自动化办公套件」，例如用 `claudesdk run --app "Slack" --action "find_unread_in_channel #ai-dev"` 抓取未读消息并生成周报摘要，验证真实工作流闭环。 3. 飞书 CLI 开源：Agent-Native 架构覆盖 11 个业务域，支持结构化输出与 Dry Run https://www.bestblogs.dev/status/2037893566853435739 本质：首个由 SaaS 厂商官方发布的、面向 Agent 设计的 CLI 工具链，内置 JSON Schema 输出、安全预演（Dry Run）、命令组合等 AI 友好特性，标志 SaaS 平台正系统性转型为 Agent 协作基础设施。 ——可能：立即 `pip install feishu-cli` 并运行 `feishu calendar list --output json --dry-run` 验证权限与返回结构；产品侧可将其集成至 LangGraph 工作流，用 `feishu docs create --title "Q2 OKR" --content "{agent_output}"` 实现目标自动对齐，替代人工文档同步。 4. OpenClaw 3.28 上线高危操作弹窗拦截 + Claw Beta 新增子智能体与定时任务 https://www.bestblogs.dev/status/2038464418284282 本质：通过异步拦截（如删除数据库前强制弹窗确认）、子智能体隔离（不同任务分配独立 memory/sandbox）、crons 定时调度三大能力，首次在开源框架中实现企业级 Agent 可控性与可靠性保障。 ——可能：在 `openclaw.yaml` 中添加 `crons: ["0 9 * * 1", "0 18 * * *"]` 配置每日早晚报自动生成；个人开发者可用 `claw run --safe-mode` 启动沙盒环境，测试 `rm -rf /tmp` 类指令是否被拦截，验证安全策略有效性。 5. Qwen3.5-Omni 多模态能力超越 Gemini-3.1 Pro，支持视听编程与语音情感实时调控 https://www.bestblogs.dev/article/cc80f169 本质：在音视频理解等 215 项任务中取得 SOTA，且演示覆盖语音语速/音量/情感实时调节、旅行规划中多轮打断重规划、带时间戳视听字幕生成，证明全模态基座已具备复杂场景动态决策能力。 ——可能：调用 `qwen-vl-api` 上传一段会议录屏，用 prompt `"提取所有发言者情绪曲线，标注愤怒/困惑/兴奋时刻，并生成对应安抚话术"`；产品侧可将其嵌入智能眼镜 SDK，实现“看到同事皱眉→实时推送沟通建议”闭环。 6. 阶跃星辰 Step 3.5 Flash 登顶 OpenClaw 榜单，专为 Agent 场景优化 https://www.bestblogs.dev/status/2037527588449730627 本质：在任务完成率（+18.3%）、响应稳定性（首字延迟标准差降低 41%）、工具调用准确率（92.7%）三项关键指标上显著优于通用模型，是首个针对 Agent 工作流深度优化的轻量级推理模型。 ——可能：在本地用 Ollama 加载 `step-3.5-flash`，对比 `ollama run step-3.5-flash "请查今日北京天气并订一杯热美式"` 与 `gemma3` 的执行成功率；产品侧可将其部署为边缘 Agent 核心模型，替代云端大模型处理高频低复杂度任务，降低 63% 推理成本。 7. GLM-5V-Turbo 发布：一张手绘草图直出可运行前端代码 https://www.bestblogs.dev/article/793a379b 本质：多模态 Coding 模型首次实现“草图→HTML/CSS/JS→浏览器渲染”端到端闭环，支持截图/录屏输入，在智能体 GUI 自动化任务中表现优异，大幅压缩设计-开发链路。 ——可能：用手机拍摄 Figma 草图，上传至 `glm-5v-turbo-api`，调用 `{"input_type": "sketch", "output_format": "react"}` 获取组件代码；产品侧可集成至低代码平台，让运营人员上传活动页草图，AI 自动生成上线代码并提交 PR。 8. GigaWorld-1 登顶 WorldArena 全球第一：极佳视界具身世界模型 https://www.bestblogs.dev/article/54cfc8d0 本质：显式动作建模 + 可微分物理引擎，使模型在物理遵循性（+32.6%）、3D 准确度（+27.1%）、跨场景泛化性上断层领先，是首个在真实机器人平台上验证的工业级具身基座。 ——可能：下载 GigaWorld-1 的 PyTorch 权重与 Unity 插件，用 `gigaworld.step(action="grasp_cup")` 在仿真环境中测试抓取成功率；硬件团队可将其部署至 UR5e 机械臂，替换传统运动规划模块，验证咖啡杯抓取任务耗时是否低于 2.1 秒。 9. Pretext：纯 TypeScript 文本测量库，性能较传统方案提升 500 倍 https://www.bestblogs.dev/status/2038115581883257201 本质：零 DOM 依赖，通过数学建模精确模拟浏览器自动换行逻辑，解决网页截图渲染中的内容溢出与元素重叠问题，已在 Codepilot 生成式 UI 中落地验证。 ——可能：在 Next.js 项目中 `npm install pretext`，用 `const width = pretext.measure("Hello 世界", { font: "14px Inter" })` 替代 `getBoundingClientRect()`；产品侧可将其嵌入 PDF 生成服务，确保 AI 生成报告在 A4 页面内自动分栏不溢出。 10. Cloudflare 全面接入 Kimi K2.5，AI Agent 与代码审查成本降低 77% https://www.bestblogs.dev/status/2038984561132990836 本质：在支撑全球 1/5 网站核心业务的严苛 SLA 下，以 77% 成本降幅替代原有方案，证明强推理模型在高并发、低延迟生产环境中的工程成熟度与经济性。 ——可能：在 Cloudflare Workers 中部署 `kimi-k2.5-worker` 示例模板，用 `env.KIMI_API_KEY` 调用其 `/v1/chat/completions`；产品侧可复用其「77% 成本模型」，将现有 RAG 服务迁移至 Kimi K2.5 + litesearch，实测 QPS 与 token 成本变化。