一、今日最重要的 5 条

二、按目标分类

A. 前沿模型 / 一手发布

• 事件：仅对 Project Glasswing 约 40 家企业开放的内部前沿模型

• 核心内容：SWE-Bench Verified 93.9% / Pro 77.8% / Terminal-Bench(extended) 92.1% / SWE-Bench Multimodal 59.0%；内部测试中自主发现并利用 OS / 浏览器 0-day

• 为什么重要：定义了 2026 年 coding agent 真正的能力上限；下一代 GA Sonnet/Opus 的下限被它锚住了

• 我需不需要点开：必读 MindStudio / NxCode 二手拆解（Anthropic 没出技术报告）

• 链接：Anthropic Glasswing · MindStudio · AgentMarketCap

• 事件：claude.ai / API / Claude Code 全线上线 claude-opus-4-8

• 核心内容：Dynamic Workflows（Claude Code 跨大项目重构）、effort control、fast mode 3× 降价、对 flawed code 不再"无言放过" 4×↓

• 为什么重要：GA 模型中最强 coding，是真正能日常用的

• 我需不需要点开：用 Claude Code 的话必读 release notes

• 链接：Anthropic 发布 · 9to5Mac · Claude Help Center 完整 release notes

• 事件：@anthropic-ai/claude-code npm 源码映射泄漏暗示 Sonnet 4.8；GPT-5.6 在多家媒体被预告 6 月发布（GPT-5.5 Instant 已于 5/5 成为 ChatGPT 默认）

• 核心内容：均未官宣；只是行业预期

• 为什么重要：Sonnet 是大多数 daily coding 实际默认，影响面最大

• 我需不需要点开：不必，等正式发布

• 链接：iWeaver 汇总 · NxCode Sonnet 4.8 整理

• 事件：异构骨架 + open vocabulary 通用动作识别

• 核心内容：跨数据集（关键点定义不同）、跨动作集（任意类别），不再要求统一 schema

• 为什么重要：攀岩这种没有大规模 labeled 数据的领域唯一可行路径

• 我需不需要点开：是，至少 abstract + method 框架

• 链接：arXiv 2604.17013

B. AI 工程 / Agent / Coding workflow

• 内容：单点融资意义有限，但行业信号明确：APM 看不到 agent 决策路径，需要新一代 monitoring layer

• 可落地价值：写 agent 时把 step-level tracing / 工具调用日志 / token-level cost 显式做出来

• 对我当前开发/学习的意义：攀岩 app 的"用户视频 → 关键帧选择 → VLM 解释 → 建议"这条链路，每一步都要单独 log + eval，不能黑箱

• 链接：TechCrunch

• 内容：Mythos Preview 93.9% > Opus 4.8 88.6% > Opus 4.7 (Adaptive) 87.6%；GA 模型层面 Opus 4.8 暂时领先

• 可落地价值：选 coding agent 时 Opus 4.8 是最稳的；要省钱可以走 Sonnet/Haiku + 强 harness

• 对我当前开发/学习的意义：面试里讲"模型与 harness 在 SWE-Bench 上能差 30-50pp"，远比单纯背模型分有说服力

• 链接：SWE-bench Verified Leaderboard · LLM-stats 比较

• 内容：Terminal-Bench 2.1 76.2%，开发者层面是新的"性价比 coding 默认"

• 可落地价值：长 context + 便宜 + 快，特别适合 RAG / 大代码库 review 场景

• 对我当前开发/学习的意义：可以做一组"Gemini 3.5 Flash vs Claude Sonnet 4.6 vs GPT-5.5"在攀岩 app 视频解读上的对比

• 链接：LLM-stats 模型更新页 · Buildmvpfast coding 排名

• 内容：personal agent 在用户机器上跑，对外暴露统一接口给 WhatsApp/iMessage/Slack 等

• 可落地价值："agent 不是云服务，是本地 daemon"这个架构思路被验证有市场

• 对我当前开发/学习的意义：攀岩 app 可以走"桌面端跑模型，移动端 thin client"模式，既保护隐私又利用 NPU

• 链接：ByteByteGo Top AI Repo 2026

C. 视觉 / 视频 / 运动人体分析

• 内容：跨数据集 + open vocabulary 骨架动作识别

• 与"攀岩动作分析 app"的相关性：极高。攀岩 labeled 数据稀缺，必须靠这种方法少样本启动

• 可迁移到项目的点：拿其 backbone，用 MMPose 输出的 17 点 skeleton 跑攀岩短动作分类

• 优先级：高

• 链接：arXiv · Awesome-Skeleton-based-Action-Recognition

• 内容：plug-and-play 的"按指令选关键帧"+ VidThinker 自动标注 pipeline + VideoITG-40K 数据集

• 与攀岩 app 相关性：极高，"用户问哪一步重心不稳" → 定位到对应 2 秒

• 可迁移到项目的点：直接套到攀岩视频问答 pipeline，作为第一阶段选帧器

• 优先级：高

• 链接：GitHub NVlabs/VideoITG · arXiv 2507.13353 · CVPR 2026 Open Access

• 内容：通过"运动-视角解耦"获得视角不变的 3D pose 估计

• 与攀岩 app 相关性：高。攀岩相机角度往往不固定（手机自拍 / 朋友帮拍 / 路线下方），视角不变是刚需

• 可迁移到项目的点：把它作为 MMPose → 3D pose 这一段的备选

• 优先级：中-高

• 链接：arXiv 2604.03299

• 内容：22 段攀岩视频，标注岩点位置 / 使用顺序 / 使用时长

• 与攀岩 app 相关性：直接相关，少有的开放攀岩数据集

• 可迁移到项目的点：作为 evaluation set + 岩点 / 抓握时序标注思路参考

• 优先级：高

• 链接：arXiv 2505.12854

• 内容：长视频推理的动态多模态记忆 agent

• 与攀岩 app 相关性：中。攀岩单次视频通常 30s-3min 不算长，但"训练日历周回顾"场景可以用

• 可迁移到项目的点：用户长期动作记忆模块的参考

• 优先级：中

• 链接：arXiv 2512.02425

D. 产品化 / 商业化 / 行业动态

• 动态：Series H + S-1 + 顶级研究员加盟，三件事在 3 周内集中发生

• 背后的趋势判断：基础设施级估值正在被市场默认；下一轮估值跳跃靠的不是论文而是商业证明

• 对 side project / 求职 / 项目方向的启发：模型层创业窗口关闭；垂直应用 + agent infra + 合规 + on-device 才是开放赛道

• 链接：BuildFastWithAI 综述

• 动态：Series 融资估值 $1.6B，纯做 agent 监控

• 背后的趋势判断：行业正在补"agent 上线后"的工具链，前面 LangSmith / Braintrust 是同方向

• 对 side project / 求职 / 项目方向的启发：写项目时把 step-level tracing / cost monitoring / failure mode 明确做出来

• 链接：TechCrunch

• 动态：本周两笔 Series A 全部走"垂直行业 + 真实工作流自动化"路线

• 背后的趋势判断：水平 LLM 套壳的钱已经停了，钱在追"接行业 SOP 的垂直 agent"

• 对 side project / 求职 / 项目方向的启发：攀岩 app 本身就是"垂直运动分析 agent"路线，方向是对的；面试可以把它定位为"vertical sports analytics agent"

• 链接：Mean.ceo AI 融资 6 月 · Tech Startups 6/3 roundup

• 动态：6/2 起向 Copilot Free/Student/Pro/Pro+/Max 推送

• 背后的趋势判断：超大 enterprise 正在系统性减少对单一前沿实验室依赖

• 对 side project / 求职 / 项目方向的启发："多 provider 路由 / fallback"是越来越主流的 ask；面试值得提

• 链接：GitHub Changelog · Simon Willison 短评

E. 学习价值 / 求职价值

• 适合我怎么用：面试谈"frontier coding agent 当前能力边界"的素材

• 推荐动作：写 100 字总结，包含"为什么 SWE-Bench Verified 一个跳到 94% 不只是数字游戏"

• 链接：MindStudio

• 适合我怎么用：精读 + 在攀岩 app 上做 zero-shot 复现

• 推荐动作：用 MMPose 提取 skeleton，跑其 backbone，做 5-10 个攀岩动作分类的 case study

• 链接：arXiv 2604.17013

• 适合我怎么用：面试时的"agent infra 趋势判断"弹药

• 推荐动作：在攀岩 app 里加 OpenTelemetry-style tracing，每个 step（pose extract / frame select / VLM call）单独打点

• 链接：TechCrunch

• 适合我怎么用：复现核心选帧逻辑，攀岩 app 的真实组件

• 推荐动作：在 1-2 段攀岩视频上对比 uniform sampling vs VideoITG 的关键帧质量

• 链接：GitHub · arXiv 2507.13353

三、今日高分 GitHub Repo

• Repo 名称：NVlabs/VideoITG

• GitHub 链接：https://github.com/NVlabs/VideoITG

• 方向标签：video / multimodal / VLM

• 这项目是干什么的：Video-LLM 的"按用户指令选关键帧"模块 + VidThinker 自动标注 pipeline

• 为什么今天值得关注：CVPR 2026 Highlight，6 月 issue 仍活跃，被多份综述列为视频时序定位首选

• 与我的相关性：极高

• 上手成本：中

• 是否建议收藏：是

• 是否建议复现：是

• 一句话判断：攀岩 app 视频问答 pipeline 的核心候选组件

• Repo 名称：firework8/Awesome-Skeleton-based-Action-Recognition

• GitHub 链接：https://github.com/firework8/Awesome-Skeleton-based-Action-Recognition

• 方向标签：pose / action recognition / awesome-list

• 这项目是干什么的：骨架动作识别论文 / 代码 / 数据集汇总

• 为什么今天值得关注：Universal Skeleton Recognition 论文带动整体讨论，索引价值真实

• 与我的相关性：高（攀岩动作建模的入口索引）

• 上手成本：低

• 是否建议收藏：是

• 是否建议复现：否（先当索引）

• 一句话判断：找 baseline 的省时入口

• Repo 名称：open-mmlab/mmpose

• GitHub 链接：https://github.com/open-mmlab/mmpose

• 方向标签：pose / video / training

• 这项目是干什么的：pose estimation 全栈工具箱（2D/3D/手/脸/mesh）

• 为什么今天值得关注：仍是 pose 领域最完整的开源 stack，社区活跃度未降

• 与我的相关性：极高

• 上手成本：中

• 是否建议收藏：是

• 是否建议复现：是（攀岩 app pose 模块的 baseline）

• 一句话判断：起点；不可替代

• Repo 名称：bytedance/vidi

• GitHub 链接：https://github.com/bytedance/vidi

• 方向标签：video / multimodal / editing

• 这项目是干什么的：视频理解 + 编辑统一模型；Vidi2.5 强 temporal retrieval

• 为什么今天值得关注：作为 VideoITG 的对照组，工程文档相对完整

• 与我的相关性：中-高

• 上手成本：中

• 是否建议收藏：是

• 是否建议复现：可选（与 VideoITG 二选一深入）

• 一句话判断：VideoITG 的备选

• Repo 名称：confident-ai/deepeval

• GitHub 链接：https://github.com/confident-ai/deepeval

• 方向标签：eval / dev tools

• 这项目是干什么的：pytest-native 的 LLM eval 框架

• 为什么今天值得关注：Coralogix 这类融资把 agent observability 推上台前，OSS eval 框架是配套基建

• 与我的相关性：高

• 上手成本：低

• 是否建议收藏：是

• 是否建议复现：是（攀岩 app LLM 解读链路加 5-10 个 metric）

• 一句话判断：必备工具

• Repo 名称：microsoft/autogen

• GitHub 链接：https://github.com/microsoft/autogen

• 方向标签：agent / framework / multi-agent

• 这项目是干什么的：多 agent 编排框架，GroupChat 模型对话

• 为什么今天值得关注：v1.0 GA 后"thoroughness over speed"工作流定位站稳；在 enterprise 选型里频繁出现

• 与我的相关性：中

• 上手成本：中

• 是否建议收藏：是

• 是否建议复现：可选（如果你打算做多 agent 攀岩教练演示）

• 一句话判断：多 agent 路线参考

• Repo 名称：mbzuai-oryx/Mobile-VideoGPT

• GitHub 链接：https://github.com/mbzuai-oryx/Mobile-VideoGPT

• 方向标签：video / edge / multimodal

• 这项目是干什么的：边缘端实时视频理解，含 frame scoring + key-frame selection

• 为什么今天值得关注：和 OpenClaw / Gemma 4 12B / RTX Spark 的 on-device 主线一致

• 与我的相关性：极高

• 上手成本：中

• 是否建议收藏：是

• 是否建议复现：是

• 一句话判断：与 VideoITG 互补，一个负责"挑帧"，一个负责"读帧"

• Repo 名称：n8n-io/n8n

• GitHub 链接：https://github.com/n8n-io/n8n

• 方向标签：workflow automation / agent / dev tools

• 这项目是干什么的：可视化 + 代码的 workflow 自动化平台，400+ 集成 + 原生 AI 节点

• 为什么今天值得关注：visual builder 占据 top agent repo 半壁江山，n8n 是其中工程最扎实的

• 与我的相关性：中（攀岩 app 不需要，但你做求职 demo 的 side workflow 很合适）

• 上手成本：低

• 是否建议收藏：是

• 是否建议复现：否（按需用）

• 一句话判断：自动化 side project 的省时器

四、今日最值得我看的 3 个链接

1. Claude Mythos benchmark 拆解（MindStudio）+ Project Glasswing 页：MindStudio · Anthropic Glasswing
为什么今天最值得点开：理解 frontier coding agent 当前真实上限 + 为什么不 GA，是面试硬通货。

2. Universal Skeleton-Based Action Recognition（arXiv 2604.17013）：arXiv
为什么今天最值得点开：攀岩 app 在数据稀缺现实下的最现实建模路径。

3. Coralogix $200M 报道（TechCrunch）：TechCrunch
为什么今天最值得点开：agent observability 成赛道意味着你做项目时把 tracing 做出来是"必修"而不是"加分"。

五、今日行动清单

• bytedance/vidi（VideoITG 跑完再决定要不要二刷）

• microsoft/autogen（如果做多 agent 演示再回头）

• n8n（side workflow 用时再开）

• WorldMM 长视频推理论文（用户周回顾场景再用）

• Claude Mythos benchmark 拆解（MindStudio + NxCode 二选一）+ Project Glasswing 页

• Universal Skeleton-Based Action Recognition（arXiv 2604.17013）

• MoViD: View-Invariant 3D Pose Estimation（arXiv 2604.03299）

• VideoITG 论文（arXiv 2507.13353）

• 用 MMPose 在攀岩短视频上跑 17 点 skeleton，套 Universal Skeleton 模型做 zero-shot 5-10 个攀岩动作分类

• 在 1-2 段攀岩视频上对比 VideoITG vs uniform sampling 的关键帧质量

• 在攀岩 app LLM 解读链路加 5 个 DeepEval metric + step-level tracing（致敬 Coralogix 思路）

• 用 Gemini 3.5 Flash 跑一遍同样的攀岩视频解读，做"Sonnet 4.6 / Gemini 3.5 Flash / GPT-5.5" 三方对照

• 攀岩 app pipeline 收敛版：MMPose（2D pose）→ MoViD（视角不变 3D 化）→ VideoITG（指令选帧）→ Gemma 4 12B / Mobile-VideoGPT（解读）→ Universal Skeleton（动作分类）→ LLM 建议 → DeepEval + step-level tracing

• 把"step-level observability"作为攀岩 app 显式模块，对应 Coralogix 趋势

• 项目 README 里把它定位为"vertical sports analytics agent"，对齐 Lassie / Apoha 这类垂直融资逻辑

• "我看 SWE-Bench Verified 不是看分数榜首，是看同模型在不同 harness 下能差 30-50pp——这告诉你 agent 工程化的杠杆在 harness、observability、eval 上，而不是模型替换"

• "我的攀岩 app 走异构 skeleton + open-vocabulary 路线（参考 arXiv 2604.17013），是因为攀岩没有大规模 labeled 数据，必须从通用动作识别 backbone 起步——这反映了垂直 AI 应用在数据稀缺现实下的真实工程取舍"