风格：高密度、少废话，buy-side 研究简报 + 工程情报日报。所有信息以一手源为优先，二手信息标记 待验证。

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：Anthropic 发布 Opus 4.7

• 核心内容：SWE-bench Verified 80.8% → 87.6%；SWE-bench Pro 53.4% → 64.3%；视觉 acuity 54.5% → 98.5%；支持 2576px 图像；新增 xhigh effort 档位；首个内置 cybersecurity misuse 自动检测的 Claude 模型

• 为什么重要：coding 上明显甩开同代竞品；视觉跃升对你的“拍视频→分析”场景是直接利好

• 我需不需要点开：需要，至少把 benchmark 摘要存档

• 链接：https://www.vellum.ai/blog/claude-opus-4-7-benchmarks-explained

• 事件：Google DeepMind 开源 Gemma 4 全家桶

• 核心内容：四个尺寸覆盖 on-device 到云端，多模态含 audio，主打 coding、agent、reasoning

• 为什么重要：mobile / edge 部署的开源主力候选；攀岩 app 移动端推理可以直接评估

• 我需不需要点开：需要，高优先级

• 链接：https://huggingface.co/blog/gemma4

• 事件：HF 上线 Nemotron 3 Nano Omni

• 核心内容：text + image + video + audio 统一长上下文模型，video / audio benchmark 领先，号称最具性价比开源 video LLM

• 为什么重要：与你视频动作分析项目高度对齐

• 我需不需要点开：需要，高优先级

• 链接：https://huggingface.co/blog/nvidia/nemotron-3-nano-omni-multimodal-intelligence

• 事件：Qwen3.5 MoE 多模态版本可商用

• 核心内容：多专家路由 + 多模态，长尾任务表现稳

• 为什么重要：中文社区里默认的 自部署 baseline，你做对比实验时绕不开

• 我需不需要点开：作为 baseline 时再点

• 链接：https://siliconangle.com/2026/02/16/alibaba-releases-multimodal-qwen3-5-mixture-experts-model/

B. AI 工程 / Agent / Coding workflow

• 内容：单 IDE 同时跑多个 coding agent，跨本地 / worktree / SSH / cloud

• 可落地价值：把 “一个任务 → 一个 agent 一个 worktree” 变成默认范式

• 对当前学习的意义：你写攀岩 app 时可以让一个 agent 改前端、一个改 inference 服务、一个写 eval，速度上一个台阶

• 链接：https://www.faros.ai/blog/best-ai-coding-agents-2026

• 内容：2 月起 scaffold / 环境 / token 预算大改；新增 Windows PowerShell 评测；OpenAI 已停报 SWE-bench Verified（污染）

• 可落地价值：评估你自己的 coding agent 时，要直接用 SWE-bench Pro / Live，而不是被刷烂的 Verified

• 对当前学习的意义：面试里讲 “我为什么不用 SWE-bench Verified 评 agent” 是 显得懂行 的好话题

• 链接：https://www.swebench.com/

• 内容：把 keyword_search / semantic_search / chunk_read 直接当 tool 暴露给 LLM

• 可落地价值：比传统“一次性 top-k”更适合 multi-hop QA，且实现成本低

• 对当前学习的意义：你的攀岩动作知识库（动作名 / 视频片段 / 教练讲解）天然就是分层结构

• 链接：https://github.com/Ayanami0730/arag

• 内容：社区普遍反映 agent 烧 token 不出活的问题，需要 observability + verifier

• 可落地价值：FROAV 等开源 RAG 观测 + LLM-as-Judge 框架值得抄思路

• 对当前学习的意义：在简历或项目里讲 “我做了 agent 的 trace + cost dashboard” 比讲 “我接了 GPT-4” 高一个段位

• 链接：https://github.com/VoltAgent/awesome-ai-agent-papers

C. 视觉 / 视频 / 运动人体分析

• 内容：master LLM 协调 grounding agent（定位关键片段）+ vision agent（提取观测），用 RL 训练协作；在 LongTVQA 上显著超过非 agent baseline

• 与攀岩动作分析 app 的相关性：完全对得上——“先定位攀爬关键帧 → 再做动作识别 → 再生成建议”天然就是 grounding + vision 的两段式

• 可迁移到项目的点：master / grounding / vision 三角架构；用便宜模型做粗筛、贵模型做细看

• 优先级：高

• 链接：https://arxiv.org/abs/2512.20618

• 内容：~180k 帧，pose 惯导 + LiDAR + RGB + 静态点云 + 重建网格

• 与攀岩动作分析 app 的相关性：目前最直接对口的公开数据集

• 可迁移到项目的点：用作预训练 / 微调 / few-shot 的种子数据；评测自己的 pose pipeline

• 优先级：高

• 链接：https://www.mdpi.com/1424-8220/23/19/8216 （扩展阅读）

• 内容：评估 SOTA 2D pose 模型在攀岩“用了哪个岩点”任务上的表现

• 与攀岩动作分析 app 的相关性：你 app 的核心子任务之一就是 hold usage

• 可迁移到项目的点：直接当 evaluation set，比自建 demo 集合可信得多

• 优先级：高

• 链接：https://arxiv.org/html/2505.12854v1

• 内容：446 段健身视频，22–117 秒，专测 VLM 的 temporal counting 能力；结论：现成 VLM 数 push-up 都不准

• 与攀岩动作分析 app 的相关性：你迟早要数 “尝试次数 / 完成动作数”，这告诉你不能裸用 VLM

• 可迁移到项目的点：先做帧级 keypoint pipeline + 规则计数，再让 VLM 做语义解读

• 优先级：中

• 链接：https://arxiv.org/html/2604.23407v1

• 内容：视频级真实遮挡 benchmark

• 与攀岩动作分析 app 的相关性：攀岩天然遮挡严重（背对镜头、身体扭转）

• 可迁移到项目的点：当作 robustness 评测；同时启发你训练数据里多放遮挡样本

• 优先级：中

• 链接：https://arxiv.org/html/2508.06757v1

D. 产品化 / 商业化 / 行业动态

• 动态：企业 agent 治理被打包成订阅

• 趋势判断：Agent governance / observability / cost control 是未来 12 个月 SaaS 最快增长的细分；不是 agent 本身值钱，而是 管理 agent 值钱

• 启发：side project 可以做小而美的 “agent 看板 / agent SLA / agent 审计日志”，比再造一个 agent 框架性价比高

• 链接：https://www.superhuman.ai/p/openai-google-and-anthropic-release-new-models

• 动态：从药物发现 → 临床 → 制造 → 供应链 → 商业全部接 OpenAI，年内全量部署

• 趋势判断：垂直行业 + 端到端流程 才是当前 AI 落地真正赚钱的形态，不是再做一个通用 chatbot

• 启发：求职时挑那些 “在某个垂直行业里有数据壁垒 + 工程化能力” 的公司，比挑“做大模型”公司更稳

• 链接：https://www.crescendo.ai/news/latest-ai-news-and-updates

• 动态：Langflow（146k）、Dify（136k）、Flowise（51k）三家拖拽式平台同时排进 GitHub agent 框架 top5

• 趋势判断：agent 设计正在从 “写 Python” 走向 “拖节点”；非 ML 工程师将进入 agent 创作

• 启发：你做攀岩 app 时，与其自己拼 LangChain，不如直接在 Dify / Langflow 跑 PoC，再把验证过的链路下沉到代码

• 链接：https://blog.bytebytego.com/p/top-ai-github-repositories-in-2026

• 动态：从 2025 年初起的 AI 新公司 2026 年累计融资 $18.8B

• 趋势判断：钱开始从 “基础模型” 流向 “agent + 垂直”；后者门槛更低，个人项目可以参与的窗口更大

• 启发：你的攀岩 app 是 “垂直 + agent + 视频” 三重叙事，对 portfolio 是相当有杀伤力的标签

• 链接：https://blog.mean.ceo/ai-startup-funding-news-may-2026/

E. 学习价值 / 求职价值

• 内容：从写代码到指挥 agent 写代码的范式迁移，强调 evaluator / harness / 工程纪律

• 适合我怎么用：面试表达——这是 2026 年“你怎么看 AI 改变软件工程”问题的标准答案锚点

• 推荐动作：精读 + 提炼 3 句话版本背下来

• 链接：https://www.franksworld.com/2026/05/01/andrej-karpathy-on-the-evolution-from-vibe-coding-to-agentic-engineering/

• 内容：当 Verified 被污染后，Pro / Live 是新的 ground truth

• 适合我怎么用：精读 + 复现一个 mini 版——拿 5 个 issue 跑通 evaluator，足够在面试里说 “我搭过 coding agent eval”

• 推荐动作：复现

• 链接：https://labs.scale.com/leaderboard/swe_bench_pro_public

• 内容：攀岩动作 / hold usage 的两个公开数据集

• 适合我怎么用：纳入项目 roadmap——任何想往简历上写的“攀岩动作分析”章节都应基于这两份数据做评测

• 推荐动作：roadmap + 收藏

• 链接：https://arxiv.org/html/2505.12854v1

• 内容：master + grounding + vision 的协作 video agent

• 适合我怎么用：复现 + 面试表达——在攀岩 app 里抄它的 pipeline，是“能讲故事的工程改造”

• 推荐动作：复现（小规模）

• 链接：https://arxiv.org/abs/2512.20618

三、今日高分 GitHub Repo

• 链接：https://github.com/VoltAgent/awesome-ai-agent-papers

• 方向标签：agent / 论文索引

• 干什么：2026 年 agent 工程论文的策展集合（memory / eval / workflow / safety）

• 为什么今天值得关注：本月仍在持续更新；省你逛 arXiv 的时间

• 与我的相关性：高，agent 工程主力索引

• 上手成本：低（看就完了）

• 是否建议收藏：是

• 是否建议复现：否

• 一句话：agent 论文的 “每周新闻联播”

• 链接：https://github.com/caramaschiHG/awesome-ai-agents-2026

• 方向标签：agent / 框架索引

• 干什么：300+ 框架与工具，每月更新

• 为什么今天值得关注：5 月榜单刚刷过，能快速看到本月哪些 agent 项目在窜

• 与我的相关性：中高

• 上手成本：低

• 是否建议收藏：是

• 是否建议复现：否

• 一句话：找 agent 框架的总入口

• 链接：https://github.com/Ayanami0730/arag

• 方向标签：agent / RAG

• 干什么：把 keyword / semantic / chunk_read 当 tool 暴露给 LLM 的 agentic RAG

• 为什么今天值得关注：multi-hop QA 表现强；架构清晰可抄

• 与我的相关性：高（攀岩知识库天然多跳）

• 上手成本：中

• 是否建议收藏：是

• 是否建议复现：是（小规模验证即可）

• 一句话：RAG 的“工具化”范式样板

• 链接：https://github.com/swe-bench/SWE-bench

• 方向标签：eval / coding agent

• 干什么：业界标准 coding agent 评测套件

• 为什么今天值得关注：scaffold 与环境本年大改，且 Verified 被发现污染，Pro/Live 成新主力

• 与我的相关性：高（求职硬通货）

• 上手成本：中（环境略重）

• 是否建议收藏：是

• 是否建议复现：是（哪怕只跑 3-5 道题）

• 一句话：你简历里出现“coding agent eval”就该跑过它

• 链接：https://github.com/SkyworkAI/SkyReels-V3

• 方向标签：multimodal / video generation

• 干什么：统一 in-context 框架的多模态视频生成（多主体 / 音频引导 / video-to-video）

• 为什么今天值得关注：开源、工程完整

• 与我的相关性：中（你做的是 理解，不是生成；但合成数据增广可用）

• 上手成本：高（GPU 重）

• 是否建议收藏：是

• 是否建议复现：否

• 一句话：视频生成的开源天花板候选，警惕硬件门槛

• 链接：https://github.com/asinghcsu/AgenticRAG-Survey

• 方向标签：RAG / 综述

• 干什么：Agentic RAG 系统综述

• 为什么今天值得关注：你在写攀岩 app 的知识层之前应当先扫一遍

• 与我的相关性：中高

• 上手成本：低

• 是否建议收藏：是

• 是否建议复现：否

• 一句话：在动手前先把图谱画完

• 链接：https://github.com/davidkern13/multiagent-rag-system

• 方向标签：agent / RAG / 应用

• 干什么：多 agent + RAG 的可运行参考实现

• 为什么今天值得关注：本月仍在 trending

• 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

• 一句话：拿来当“能跑的脚手架”而不是“值得抄的设计”——警告：文档完成度一般，按 demo 看待

四、今日最值得点开的 3 个链接

1. NVIDIA Nemotron 3 Nano Omni 发布博文 — 你视频项目的潜在主力开源模型，必看
https://huggingface.co/blog/nvidia/nemotron-3-nano-omni-multimodal-intelligence

2. LongVideoAgent 论文 — 直接对应 “上传视频 → 识别动作 → 给建议” 的 pipeline 架构
https://arxiv.org/abs/2512.20618

3. Claude Opus 4.7 benchmark 详解 — 当前 coding 榜首，必须能讲出三个数字
https://www.vellum.ai/blog/claude-opus-4-7-benchmarks-explained

五、今日行动清单

• caramaschiHG/awesome-ai-agents-2026（按月翻）

• AgenticRAG-Survey（动手写 RAG 前再读）

• VOccl3D 数据集（做 robustness 时回来）

• LongVideoAgent 论文（架构直接对口攀岩 app）

• Karpathy AI Ascent 2026 摘要（面试话术）

• Claude Opus 4.7 benchmark 文章（取 3 个关键数字）

• A-RAG：本地跑通 keyword_search + semantic_search + chunk_read 的最小 demo（半天可完成）

• SWE-bench Pro：用 Opus 4.7 跑 3 道题，记录 trace（一晚搞定）

• 攀岩动作分析 app v0.2：master/grounding/vision 三段式 → grounding 用 Nemotron 3 Nano Omni 抽关键片段，vision 用 pose 模型做 keypoint，最终 LLM 输出建议

• 评测集：CIMI4D 子集 + The Way Up hold usage（先各取 50 段做 dev set）

• 不数动作次数靠 VLM；frame-level keypoint + 规则计数为主

1. “为什么我不再用 SWE-bench Verified 评 coding agent” — 引出污染问题、Pro/Live 区别、自己的评测改造

2. “agent governance 才是 2026 年最大新机会” — 引出 Microsoft Agent 365、silent-failure 痛点、自己 side project 思路

备注

• Sonnet 4.8、GPT-5.5 在 GitHub Copilot 推开节奏等具体细节，待官方一手页面确认。

• 部分二手聚合（superhuman.ai、blog.mean.ceo）仅作为线索，请以官方博客为准。

• 今日没有强相关的“纯攀岩 app”新发布；视频/姿态条目以 能迁移到攀岩 app 为筛选标准。