Buy-side 风格工程情报简报。今天的关键词：周末消化日、OpenAI 数学突破、Cursor Composer 2.5 对齐 Opus 4.7、Subquadratic 12M ctx 入场、ClimbingCap + FineBench 攀岩 app v0.3 路线落定。

一、今日最重要的 5 条

• 发生了什么：5 月 22 日 OpenAI 公布，其一款（推测为 o-series / GPT-5.5 Thinking 家族）模型在离散几何领域 disprove 了一条长期未决的中心猜想，给出反例与可验证的证明骨架。

• 为什么重要：继 5/19 Google DeepMind 用 AlphaEvolve + Terence Tao 改进 Erdős 问题、TSP 与 Ramsey lower bound 之后，第二家在「frontier model 做出真正可发表的数学新结果」上拿到产出。LLM 已从「会做题」迈向「能产新结果」的窗口期。

• 对我有什么关系：求职 narrative 上可以引用——「2026 H1 我们已经看到 frontier model 进入 mathematician-in-the-loop 工作流」，这是面试讲 agent/research workflow 时的硬证据。

• 链接：OpenAI Research / Release · DeepMind AlphaEvolve impact

• 发生了什么：5/19 I/O 上线的 Gemini for Science（literature agents + hypothesis tournaments + AlphaEvolve）在 5/20 公布首批 peer-reviewed benchmark：ERA 在传染病预测上击败 CDC 现役模型；同周 AlphaEvolve 在 Willow 量子处理器上把电路 error 降低 10×、把 Gemini 训练 kernel 加速 23%。

• 为什么重要：「AI for Science」过去多是 demo，本周第一次在 CDC 级现役 baseline + 量子硬件实测 + Gemini 自我加速 三个维度同时拿出数字。

• 对我有什么关系：作品集里加一句「我跟踪 AI4Science 的工程落地」，比泛泛说「关注 AI」更有说服力；side project 思路：sports analytics 也可以参考 hypothesis tournament 模式做训练计划评估。

• 时间：2026-05-19 ~ 05-20

• 链接：Gemini for Science Blog · DeepMind AlphaEvolve Impact

• 发生了什么：5/18 Cursor 发布 Composer 2.5，在 SWE-bench / Terminal-Bench 上对齐 Opus 4.7 与 GPT-5.5，价格更低；同周 Claude Code 把 Pro/Max/Team/Enterprise 5h 限额 ×2 并取消高峰期 throttle（5/6 起）。Coding agent 市场进入「frontier 价格 + 自研 model」三家齐头时代。

• 为什么重要：以前是「Cursor = IDE 套壳 + 别家 model」；现在 Cursor 已能自己出 frontier-tier coding model，三家从 model layer 重新洗牌。

• 对我有什么关系：Side project 工具链选型——Cursor 做 IDE 长跑 + Claude Code 做 CLI/agent + Codex 做 mobile/handoff 已经是稳态组合；继续 all-in Cursor 或 Claude Code 都是合理选择，但别再以为只能用一家。

• 链接：Cursor Composer 2.5（业内复盘） · Releasebot Claude Code

• 发生了什么：Subquadratic 公司 5/5 拿到 $29M 种子轮，SubQ 是首个商用的 subquadratic sparse attention LLM，号称 12M token context、注意力速度最快 52× 提升（厂商数据，待独立验证）。

• 为什么重要：1M 上下文已经被 Claude Sonnet 4.6 / Opus 4.7 / DeepSeek V4 Pro 拉平；下一波竞争点已经转向「亚二次复杂度 + 多 M 级 ctx」。这是架构层的拐点，不是参数堆叠。

• 对我有什么关系：待验证——12M ctx 对「整本攀岩 dataset 一次喂入」「一次比对一周训练所有视频」直接有用，但要等独立 benchmark 与 cost 数据。先收藏不投入。

• 链接：SubQ 公告（WhatLLM 综述） · LLM-Stats 更新

• 发生了什么：周末没有惊天动地的新发布，但 5/22 报告里点过的三件套（ClimbingCap CVPR 2025 / FineBench arXiv 2605.19846 / GLIMPSE arXiv 2507.09491）在周末 X / GitHub 上持续被引用、issues 活跃，意味着这是当前 video understanding + fine-grained activity 评测最干净的一套组合拳。

• 为什么重要：你的攀岩 app 从「demo」升级到「有 ground truth + 有 eval set」的窗口已经打开；现在动手代价最低。

• 对我有什么关系：v0.3 roadmap 直接定型——ClimbingCap 做 3D ground truth + YOLO26/VideoPose3D 出 baseline + FineBench/GLIMPSE 子集做 VLM 评测。一句话能讲清楚的项目结构最容易写进简历与面试。

• 链接：ClimbingCap (arXiv 2503.21268) · LiDAR-Human 项目主页 · FineBench (arXiv 2605.19846) · GLIMPSE (arXiv 2507.09491)

二、按目标分类

A. 前沿模型 / 一手发布

• 事件：OpenAI 模型 disprove 离散几何中心猜想，给出反例与证明骨架。

• 核心内容：与 AlphaEvolve 路线类似，frontier model + 数学家 in the loop。

• 为什么重要：是 LLM 在 research-grade math 上的第二个独立产出。

• 我需不需要点开：简读——知道发生在哪个领域、什么级别即可，技术细节等正式 paper。

• 链接：OpenAI Research / Release

• 事件：Flash 已全面成为 AI Mode / Search / Gemini App 默认模型；$1.50/$9 per 1M tokens、1M ctx、76.2% Terminal-Bench 2.1。

• 核心内容：在 coding & agent 上超过 Gemini 3.1 Pro，价格再压一档。

• 为什么重要：「frontier 智能 + 低价 + 4× 速度」首次同时落地，对所有用 OpenAI/Anthropic 的产品形成成本压力。

• 我需不需要点开：需要——把它纳入 cost-aware router 的 cheap-tier 候选（Haiku 之外的第二选）。

• 链接：Gemini for Science（含 Flash 信息） · LLM-Stats

• 事件：5 月初公司 $29M 种子，模型可商用。

• 核心内容：sparse subquadratic attention，最高 52× attention 加速。

• 为什么重要：架构层拐点，标志着「上下文长度竞争」可能从 1M → 10M+ 级。

• 我需不需要点开：简读 + 等独立 benchmark，不要追热度。

• 链接：WhatLLM 综述

• 事件：5 月内 HF 上的 DeepSeek-V4-Pro 持续刷下载量，V4 Flash 成为「开源 RAG backbone 首选」之一。

• 核心内容：1.6T MoE / 49B active / 1M ctx；与 Claude Code / OpenClaw / OpenCode 集成。

• 为什么重要：开源 frontier 真正可用，是绕开 Anthropic 6/15 SDK 信用池上涨的对冲方案。

• 我需不需要点开：周末已记笔记，不重复——继续按 v0.3 计划 Flash 做 RAG baseline。

• 链接：DeepSeek-V4-Pro HF

B. AI 工程 / Agent / Coding workflow

• 内容：自研 coding model，benchmark 对齐 Opus 4.7 / GPT-5.5；定价更低。

• 可落地价值：IDE 内多 agent + parallel agents 的真实可用版本。

• 对我的意义：是 v0.3 期间「不全依赖 Claude Code」的备选；可以做一次 head-to-head 评测当作 portfolio blog。

• 链接：The New Stack: AI coding stack

• 内容：Pro/Max/Team/Enterprise 全档放宽；Pro/Max 全天平价。

• 可落地价值：短期内 Claude Code 仍是最划算的 agent harness；但要记住 6/15 起 Agent SDK 走独立信用池。

• 对我的意义：5–6 月窗口期内可以放手用 Claude Code 跑 v0.3 的 baseline；6/15 之后必须切到 cost-aware router。

• 链接：Releasebot Claude Code

• 内容：Skills 已成开放标准，跨 Claude.ai / Code / SDK / API 通用；子代理（subagents）与 skills 配合形成「可复用 agent package」。

• 可落地价值：写一个 climbing-coach skill（SKILL.md + scripts + resources），直接挂进 Claude Code / Cowork。

• 对我的意义：简历级——一个公开 skill repo 是 2026 工程师的「npm package」简历项。

• 链接：Anthropic Engineering: Agent Skills · github.com/anthropics/skills

• 内容：RAGAS（无 ground-truth metric）、TruLens（feedback + OTel）、DeepEval（pytest-style）、EvalScope（多模态 + RAG）已成 2026 production-grade eval stack。

• 可落地价值：自建 attire of 5–10 个真实任务的私测 eval，比追 SWE-bench Verified 分数更值钱。

• 对我的意义：v0.3 同步建立攀岩 app 的 mini-eval（10–20 段视频 + 期望动作描述），是 portfolio 中的「工程纪律证据」。

• 链接：Atlan: LLM Eval Frameworks · Label Your Data: RAG eval 2026

C. 视觉 / 视频 / 运动人体分析

• 内容：RGB + LiDAR + IMU 三模态、412k 帧、22 教练 / 12 岩壁；CVPR 2025 收录、5 月数据集持续更新。

• 与攀岩 app 的相关性：极高——直接当 ground truth 用。

• 可迁移到项目的点：3D pose backbone 微调；iPad Pro LiDAR 端融合的 PoC；做 v0.3 的 eval set。

• 优先级：高（v0.3 主线）

• 链接：arXiv 2503.21268 · LiDAR-Human Project

• 内容：FineBench 199k 题细粒度 VQA；GLIMPSE 测「VLM 是否真在看视频」。

• 与攀岩 app 的相关性：高——攀岩动作分析就是 fine-grained activity understanding。

• 可迁移：抽取 motion/sports 子集做 VLM eval。

• 优先级：中-高

• 链接：FineBench (arXiv 2605.19846) · GLIMPSE (arXiv 2507.09491)

• 内容：3.9K 高质量编辑视频 + 3,080 人工 QA；测 video editing technique recognition + operation simulation。

• 与攀岩 app 的相关性：低-中——目前 app 不做编辑，但若未来加「高光剪辑」会用上。

• 可迁移：理解 VLM 在「视频时序操作」上的能力上限。

• 优先级：低

• 链接：VEBench (arXiv 2605.03276)

• 内容：YOLO26 端到端 + edge-friendly，pose head 用 RLE；RTMPose-s 在 Snapdragon 865 上 70+ FPS。

• 与攀岩 app 的相关性：高（移动端必备）

• 可迁移：移动端实时 keypoint backbone。

• 优先级：高（v0.3 基础设施）

• 链接：LearnOpenCV YOLO26 Pose · Ultralytics YOLO26 Docs

• 内容：2D keypoint 序列升 3D 的主流选择；与 ClimbingCap 思路兼容。

• 与攀岩 app 的相关性：高

• 可迁移：作为 VideoPose3D 之外的 lifter 选项；做 head-to-head 测一下哪个对斜壁姿态更准。

• 优先级：中-高

• 链接：Datature: Pose Estimation 2026

D. 产品化 / 商业化 / 行业动态

• 动态：SF 创业公司带 $650M 出 stealth，Peter Norvig 等参与，做 self-improving AI。

• 趋势判断：与 Sierra（$950M 企业 agent 平台，5/4）一起，说明 VC 钱在「self-improving 系统 + 企业 agent 平台」两个口袋；通用 wrapper 死局。

• 启发：side project 想拿钱拿岗位 → 要么往「self-improvement loop / agent infra」打底层，要么往「垂直行业 + 数据壁垒」打纵深；攀岩动作分析属于后者，方向正确。

• 链接：TechCrunch: AI building itself · AI Funding May 2026

• 动态：6/15 起 Claude Agent SDK / claude -p / GitHub Actions 全部走独立 $200 信用池，list-price 计费。

• 趋势判断：订阅与 programmatic agent 商业模型彻底分层；通用「订阅价跑 agent」时代结束。

• 启发：side project 现在就要做 cost-aware routing；这是 2026 agent eng 简历必备子项目。

• 链接：The New Stack · Anthropic Release Notes

• 动态：LinkedIn 2026 数据 AI Engineer YoY +143%，>75% 岗位要求 1–2 深度方向（agent / RAG / 推理优化 / video understanding 等）。

• 趋势判断：纯「会调 API」的岗位被压缩；「垂直 + agent + eval + cost control」组合很稀缺。

• 启发：把作品集主轴定在「sports/motion analysis + agent + cost-aware engineering」，是当前 AI eng 求职最稀缺的方向交集之一。

• 链接：2nd Talent: AI Eng Skills 2026

• 动态：「家居 ops agent」「Microsoft 365 内置 Claude」这类应用层 agent 在 5 月集中落地。

• 趋势判断：「行业 vertical agent」开始在 consumer + SMB 端真正吃利润。

• 启发：攀岩 app 不要憋大平台版，先做「垂直一刀，能产生 NPS 的小 cohort」版本，再考虑分发。

• 链接：Fortune: Hint $10M seed · Anthropic news

E. 学习价值 / 求职价值

• 内容：3D 攀岩动作 + 大规模数据集 + 多模态融合方法。

• 适合我怎么用：精读 + 直接接入项目 + 面试主线素材。

• 推荐动作：本周末跑通 RGB-only baseline；写一篇 blog「为什么 3D pose 才能解释攀岩动作经济性」。

• 链接：arXiv 2503.21268 · LiDAR-Human Project

• 内容：5/18 之后三家在 model layer 终于齐平，可以做「同一任务 × 三家」的工程对比。

• 适合我怎么用：复现 + 写一篇 blog——你写一个 climbing video 分析任务，让三家跑一遍，记录 success rate + token cost。

• 推荐动作：这就是 portfolio 的「真工程师」证据。

• 链接：The New Stack: AI coding stack · AI Coding H1 2026 retrospective

• 内容：开放规范、anthropics/skills reference impl。

• 适合我怎么用：复现 + 收藏——写 climbing-coach skill 入 portfolio。

• 推荐动作：先 fork anthropics/skills，照 docx/pptx/pdf 的目录结构写自己第一个 skill。

• 链接：Anthropic Engineering: Agent Skills · github.com/anthropics/skills

• 内容：AI4Science 当前最干净的工程化进展示例。

• 适合我怎么用：收藏 + 简读——面试中讲「我跟踪 AI4Science 工程化进度」时引用。

• 推荐动作：精读 Gemini for Science blog，搜一下 ERA 的具体 metric。

• 链接：Gemini for Science Blog

• 内容：production-grade eval stack。

• 适合我怎么用：复现 + 简历项——给攀岩 app 写一个 10–20 段视频的私测 eval，用 DeepEval 跑。

• 推荐动作：建 climbing-eval/ 子目录，5 个真实任务模板（boulder problem 分类、动作 critique、训练计划建议 等）。

• 链接：Atlan: LLM Eval Frameworks

三、今日高分 GitHub Repo

• GitHub 链接：github.com/mattpocock/skills

• 方向标签：agent / dev tools / Claude Code skills

• 是干什么的：Matt Pocock 整理的工程类 Claude Code skills（TS / git / testing / build）。

• 为什么今天值得关注：周末持续登 trending 第 1；社区版 skills 库样板。

• 与我的相关性：高——直接抄目录结构做 climbing-coach skill。

• 上手成本：低

• 建议收藏：是

• 建议复现：不复现，仿其结构做自己的 skills repo

• 一句话判断：「先看清结构，再决定 fork。」

• GitHub 链接：github.com/anthropics/skills

• 方向标签：agent / Claude Code skills 官方标准

• 是干什么的：Anthropic 官方 reference impl（docx / pptx / pdf / xlsx / skill-creator 等）。

• 为什么今天值得关注：Agent Skills 已转开放标准，这是 reference。

• 与我的相关性：高

• 上手成本：低

• 建议收藏：是

• 建议复现：写自己的 skill

• 一句话判断：「agent 时代的 npm。」

• GitHub 链接：github.com/bytedance/UI-TARS

• 方向标签：agent / computer-use / browser automation / MCP

• 是干什么的：字节开源的多模态 agent stack（computer-use + browser + MCP）。

• 为什么今天值得关注：33.5K stars，企业级 agent infra 候选；与 OpenAI Codex Appshots 形态对照。

• 与我的相关性：中——做攀岩 app 的 multi-surface handoff 时是参考样本。

• 上手成本：中-高

• 建议收藏：是

• 建议复现：周末跑一次 browser-automation demo

• 一句话判断：「不只是 demo，是真有人在生产用。」

• GitHub 链接：huggingface.co/deepseek-ai/DeepSeek-V4-Pro

• 方向标签：foundation model / open-weights / coding agent

• 是干什么的：1.6T MoE / 49B active / 1M ctx 开源 frontier。

• 为什么今天值得关注：HF 下载量持续高位，「开源 frontier + agent 友好」的事实选择。

• 与我的相关性：高

• 上手成本：中（云上跑）

• 建议收藏：是

• 建议复现：先在 Flash 版上跑 RAG demo

• 一句话判断：「2026 开源 frontier 第一梯队，必须熟。」

• GitHub 链接：github.com/ultralytics/ultralytics

• 方向标签：vision / detection / pose / edge

• 是干什么的：YOLO26 pose / detection / 移动端实时部署。

• 为什么今天值得关注：边缘部署事实标准；pose head 改良对攀岩遮挡 / 斜壁场景有用。

• 与我的相关性：高（v0.3 必跑）

• 上手成本：低

• 建议收藏：是

• 建议复现：是

• 一句话判断：「别折腾，先跑 YOLO26 pose。」

• GitHub 链接：github.com/facebookresearch/VideoPose3D

• 方向标签：video / 3D pose / baseline

• 是干什么的：2D keypoint → 3D pose 的经典基线。

• 为什么今天值得关注：ClimbingCap pipeline 的 3D baseline 首选。

• 与我的相关性：高

• 上手成本：中

• 建议收藏：是

• 建议复现：是

• 一句话判断：「老但靠谱，3D 入门必跑。」

• GitHub 链接：github.com/mkocabas/VIBE

• 方向标签：video / SMPL / pose & shape

• 是干什么的：视频逐帧估 SMPL 人体姿态 + 体型。

• 为什么今天值得关注：动作教练 / 重心解释依赖 SMPL。

• 与我的相关性：中-高

• 上手成本：中

• 建议收藏：是

• 建议复现：与 VideoPose3D 二选一先做

• 一句话判断：「想做『动作教练』就必须懂 SMPL。」

• GitHub 链接：github.com/NVIDIA/Cosmos

• 方向标签：multimodal / world model / edge

• 是干什么的：NVIDIA 多模态基础设施 + 世界模型，对接 Nemotron 3 Nano Omni。

• 为什么今天值得关注：周末 enterprise video understanding / robotics 持续讨论。

• 与我的相关性：中-高

• 上手成本：高

• 建议收藏：是

• 建议复现：周末跑一次 video 理解 demo

• 一句话判断：「一个周末换一次产业级直觉。」

• GitHub 链接：github.com/n8n-io/n8n

• 方向标签：workflow / agent / low-code

• 是干什么的：fair-code 工作流自动化 + 400+ 集成 + 原生 AI 节点。

• 为什么今天值得关注：6/15 Anthropic SDK 涨价之后，「不上 SDK 也能跑 agent ops」的现成方案。

• 与我的相关性：中

• 上手成本：低

• 建议收藏：是

• 建议复现：直接部署做个人 ops

• 一句话判断：「Zapier 不够灵活时的答案。」

• 现状：trending 榜上 OpenHuman / easy-vibe / Rust DeepSeek CLI 等热度高但文档差、维护堪忧的项目仍频繁出现。

• 建议：热度高，但价值待验证；先看 issues / release notes / 是否真有人在用，再决定投入时间。过 1–2 周再回看是否还在更新。

• 链接：OpenHuman 报道（TechTimes） · Professor Glitch: Top 5 AI Repos Week 18

四、今日最值得我看的 3 篇 / 3 个链接

1. ClimbingCap 论文 + 项目主页 —— 周末已经反复点过，但本周如果只动一件事，就是「跑通 ClimbingCap RGB-only baseline」。这是攀岩 app 从 demo 升级到真项目的钥匙。arXiv 2503.21268 · 项目主页

2. The New Stack: AI coding tool stack 三家合流 —— 8 分钟搞懂 Cursor / Claude Code / Codex 在 2026 H1 的真实定位与互补，对工具链选型与面试 narrative 都直接有用。link

3. Anthropic Agent SDK 6/15 信用池变化（再读一次） —— 6/15 之前必须把 cost-aware routing 想清楚。这是 2026 agent eng 必修。The New Stack

五、今日行动清单（最重要）

• OpenAI 数学新结果（等正式 paper 再读）：OpenAI Research

• Subquadratic SubQ 12M ctx（等独立 benchmark）：WhatLLM 综述

• VEBench 视频编辑 benchmark（短期不直接相关）：arXiv 2605.03276

• ClimbingCap 论文（本周第一精读资料）：link

• The New Stack: AI coding tool stack（工具链战略图）：link

• Gemini for Science Blog（AI4Science 工程化范式）：link

• 用 ClimbingCap 主页给的 RGB-only baseline 跑一遍自己手头任意一段攀岩视频，记录 success / failure mode。

• 给自家 agent 加一个最简 cost-aware router：if simple → Haiku/Gemini Flash; medium → Sonnet 4.6; if hard → Opus 4.7，记录单次 task 实际 cost。

• 按 anthropics/skills 模板新建 climbing-coach skill 仓库（先只写 SKILL.md + 1 个脚本）。

• 攀岩 app v0.3 路线：YOLO26 pose → VideoPose3D 升 3D → ClimbingCap fine-tune → FineBench/GLIMPSE 子集 eval → 输出 1.0 动作 critique pipeline。

• 攀岩 app v0.4 路线：Codex Goal Mode 风格 agent UX（用户给目标 + 上传视频 → agent 多日训练规划 + 自动复盘）。

• portfolio 子项目：cost-aware Claude SDK router（结合 6/15 信用池）。

• portfolio 子项目：三家 coding agent（Cursor 2.5 / Claude Code / Codex）在「攀岩视频分析」单一任务上的 head-to-head 评测 blog。

• 「我读了 Anthropic 6/15 Agent SDK 信用池变化后，给自己的 agent 项目加了 cost-aware routing；6/15 之前 Sonnet 全包，之后用 Haiku/Gemini Flash 做简单任务、Sonnet 做主流程、Opus 仅当 advisor，把月度成本压到原来的 X%。」

• 「2D pose 在攀岩上有结构性局限（重心 / 躯干扭转无法解释），我接入 CVPR 2025 的 ClimbingCap 数据集 + VideoPose3D 做 3D baseline，再用 FineBench/GLIMPSE 子集验证 VLM 是否真在『看动作』，作品集里跑通 video → 3D pose → action critique → 改进建议 整条 pipeline。」

六、备注

• 5/25 是周一，过去 48 小时（周末）没有惊天动地的新一手发布；本日报选信号优先于刷新闻，重点把 5/22 OpenAI 数学结果、5/19–5/20 Gemini for Science、5/18 Cursor Composer 2.5、6/15 SDK 信用池四件事的工程含义讲清楚。

• 攀岩 app 方向：ClimbingCap 数据集 + FineBench/GLIMPSE eval + 3D pose 升级路径 仍然是本月最值得排进 roadmap 的三件套；本周可以动手了。

• 警惕：trending 榜上 demo 级项目（OpenHuman、easy-vibe、Rust DeepSeek CLI 等）依旧高频出现，热度高但价值待验证。

• Subquadratic / SubQ 这类「架构层拐点」候选，先收藏不投入；等独立 benchmark 与 cost 数据。