周一上线 | ChatGPT Images 2.6 支持制作 GIF；Marvell 超千亿美元拟收购 Lumentum；Vercel Labs 开源 Agent 桌面操作工具

这期的「周一上线」，一边是模型继续强化 Coding、视觉和安全能力，一边是 Agent 开始补齐从桌面操作到云端托管的工具链。

OpenAI 连发两款新模型：GPT-6 Cyber 专攻漏洞研究，Images 2.6 开始支持 GIF 制作；Google 把视频生成延长至 15 秒，腾讯混元 Hy4 也开始支持电脑操作。开源社区则忙着给 Agent 加记忆、安排并行开发，以及规范从需求到交付的工作流程。

另一边，英伟达价值 1140 万美元的 AI 硬件在运输途中离奇失踪，Marvell 抛出 1150 亿美元的光互连收购案；OpenAI 宣布拟收购 Pierre，Claude Code 产品负责人 Cat Wu 也转投 OpenAI。

下面，开始一周回顾。

有点新鲜

「有点新鲜」收录本周 AI / 开发者圈里那些不算大新闻，但挺值得看一眼的新鲜事。

Wi-Fi 路由器：你家好像还有个人

@0xKenny1st 用 Claude Code 花 40 分钟把 Wi-Fi 路由器变成了「雷达」，结果独居的家里竟然扫出了第二个身影😱

不过，先别急着搬家哈，Wi-Fi 感知虽是真技术，但普通路由器可没这么神……

MacBook 旁边来了个新同事

跟这个小家伙说一句「找张我抱着狗的照片」，它不用联网就能帮忙翻出本地图片。以后找不到图，可以先问问这位 MacBook 的新同事。

一百个 Agent 上班？先别急

@EHuanglu 晒出「一个人指挥上百个 AI Agent 开公司」的画面：一群鼠标指针在网页上疯狂干活，看着十分壮观。

不过真相是个浏览器插件：先把网页清空，再让一群虚拟鼠标分头画框、打字、重建页面。看着像百人团队，其实一个 Agent 都没来。

Claude Opus 5.5 把战斗机开进浏览器

有网友用 Claude Opus 5.5 做了个网页版战斗机模拟器，座舱玻璃上的划痕会反光，穿过云层还有雨滴滑落。班先不加了，打开浏览器起飞。

Gemini 把老电视请出来上班了

Google 团队用 Gemini 4 Argon 编写了 3D 开机动画和复古音效的脚本，再通过树莓派把画面送进一台老式 CRT 电视。AI 负责整活，老电视负责怀旧。

手把手教 AI 认手势

有人用 EmbeddingGemma 2 做了个能现场学习的识别器：对着摄像头竖大拇指、握拳、比耶，再做几个表情，它就能边学边认。以后跟电脑交流，真可以靠比划了。

周五发版

「周五发版」是一个程序梗：一旦版本上线，我们就要开始祈祷一切如期运行。这个模块寓意，所有模型、产品版本更新，都能大吉大利。

OpenAI 双更新：查漏洞、做动图都有新模型

OpenAI 发布网络安全模型 GPT-6 Cyber，可用于发现和验证漏洞、开发漏洞利用程序，以及辅助生成修复方案。官方称，研究人员用它复现了 1724 个 Linux 内核漏洞，并为其中 948 个开发出可运行的漏洞利用程序。目前模型通过 API 和 Codex 向部分获批的 Daybreak Red 客户开放。

图像模型 Images 2.6 则新增 GIF 制作能力，可以让角色、产品照片等变成循环动图，图像生成速度较此前提升 50%。API 提供 Flare 和 Sunburst 两个版本，前者侧重速度，后者侧重生成质量和多轮编辑的一致性。此外，还支持 SVG 导出、标注局部区域进行编辑，以及调整生成复杂度。

Gemini Omni 1.2 Flash：视频最长 15 秒，支持多轮编辑

Google 发布视频生成模型 Gemini Omni 1.2 Flash，支持生成最长 15 秒的视频，还可以通过多轮对话修改画面中的人物、背景和光线。新版同时提升了角色、物体及场景在不同镜头间的一致性。

模型已通过 Gemini API 正式开放，720p 视频生成价格降至每秒 0.07 美元，较上一代降低 30%。Gemini App 中的 15 秒视频功能正逐步向 Google AI Ultra 用户开放。

Inkling 2 Small：Coding 和视觉能力升级

Thinking Machines 发布 Inkling 2 Small，一款支持文本和图像输入的 MoE 模型，总参数 594B、激活参数 17B。官方称，新版在 Agent 编程、视觉和推理能力上相比前代均有提升，目前已可通过 Tinker 体验、调用和微调。

模型权重暂未开放，官方计划在外部安全测试完成后，近期将以 Apache 2.0 许可开放完整权重。

SWE-2 Flash：生成速度提升 3 倍，价格降至五分之一

Devin 背后的 Cognition 发布 SWE-2 Flash，基于 Thinking Machines 的 Inkling-Small 训练，面向代码审查、功能开发和文档更新等任务。官方称，与 SWE-2 相比，新模型的生成速度约为其 3 倍，价格仅为五分之一。

SWE-2 Flash 已接入 Devin Desktop 和 CLI，11 月 30 日前可免费使用。模型权重暂未公开，Cognition 正筹备向可信合作伙伴和研究机构提供权重访问。

Ripple-65B Preview：开放权重，主攻 Agent 编程

Ricursive Intelligence 发布 Ripple-65B Preview，一款从零预训练的 65B 参数稠密模型，支持最长约 100 万 Token 上下文。官方测试中，它在 Terminal-Bench 2.1 上取得 80.52 分，超过 Reflection Beam 501B 等多款参数规模更大的美国开放权重模型。模型权重已在 Hugging Face 以 Apache 2.0 许可开放。

腾讯混元 Hy4 正式版发布：能看图，也能操作电脑

腾讯发布混元 Hy4 正式版。相比 Preview 版，新模型首次引入视觉理解能力，可以分析复杂图表、理解图片内容，还能结合命令行和图形界面操作电脑，完成 Blender、CAD 等专业软件任务。

开源雷达

周榜速递

周榜主要根据新增 Star 数进行排名，下面的单项目讲解则偏向新晋项目、实用老项目，标星并非单项目讲解的唯一指标。

agent-desktop：Agent 怎么找到桌面上的按钮？

想让 Agent 操作桌面软件，首先得让它知道窗口里有哪些按钮、输入框和菜单。Vercel Labs 开源的 agent-desktop 就是为此设计的工具，让 Agent 无需依赖截图识别，也能读取应用界面、点击按钮和输入文字。

它通过操作系统的无障碍接口获取界面元素，并为可操作的元素提供引用。Agent 可以根据引用执行操作，再重新读取界面检查结果。项目支持 macOS、Windows 和 Linux，本身不内置模型，实际操作能力取决于系统权限和应用提供的界面信息。

claude-mem：换个会话，Agent 还能记住什么？

昨天用 Coding Agent 排查过一个问题，今天换个会话继续开发，之前的修改和判断又得重新交代。claude-mem 是一个开源的跨会话记忆工具，帮助 Agent 记住此前做过什么、解决过哪些问题。

它会在 Agent 工作时自动记录并整理工具操作和相关信息。新会话先读取简短的历史索引，需要细节时再检索，避免把全部历史记录塞进上下文。项目支持 Claude Code、Codex、Cursor 等多种工具，但部分客户端仅支持记忆检索，不支持自动记录。

Worktrunk：多个 Agent 同时改代码，怎么分开？

一个 Coding Agent 改登录功能，另一个修测试，如果都在同一个工作目录里，文件修改很容易相互干扰。Worktrunk 是一个开源的 Git worktree 管理工具，让多个 Agent 可以在同一仓库的不同工作目录中并行开发。

它通过简单的 CLI 命令创建、切换和清理工作树，也能启动 Agent、查看各分支的修改状态，并通过钩子自动执行本地任务。开发者可以让不同 Agent 各自完成工作，再检查和合并代码；目录虽然分开了，最终合并时的冲突仍然需要处理。

Spec Kit：先把需求说清楚，再让 Agent 写代码

Coding Agent 接到需求就开始写，写到一半才发现理解偏了？GitHub 开源的 Spec Kit 提供了一套规范驱动开发流程：先明确需求和项目准则，再生成技术方案、拆解任务，最后交给 Agent 实现并验证结果。

除了开发新功能，Spec Kit 还提供独立的 Bug 排查修复、想法评估流程。开发者可以通过扩展、预设和工作流定制团队的开发规范，并接入 GitHub Copilot、Claude Code 等 Coding Agent。

这周有事

「这周有事」收录本周值得记一下的行业动态、事故、融资、人员流动和基础设施变化。

Marvell 拟收购 Lumentum，押注 AI 光互连

芯片公司 Marvell 与光通信厂商 Lumentum 达成合并协议。交易采用全股票方式，对 Lumentum 的隐含企业价值约为 1150 亿美元。双方计划将 Marvell 的互连芯片与 Lumentum 的激光器、光收发器等技术结合，服务 AI 数据中心的高速连接需求。

交易预计于 2028 年上半年完成，仍需获得双方股东和监管机构批准。

OpenAI 拟收购 Pierre，扩展 Codex 代码管理能力

OpenAI 宣布将收购开发工具公司 Pierre Computer。Pierre 的开源库 Trees 和 Diffs 已用于 Codex 的文件浏览和代码变更查看，OpenAI 还计划将其 Code Storage 服务的代码存储与历史管理能力整合进 Codex。

交易尚待监管批准。OpenAI 表示，Pierre 的开源项目将继续保持开源，Code Storage 客户在收购完成后仍可继续使用该服务。

Anthropic 开源 FlashProve：验证 AI 有没有「偷换模型」

Anthropic 开源研究原型 FlashProve，通过零知识密码学证明，让用户无需获取模型权重，也能验证 AI 的回答是否来自服务商承诺的模型，防止实际调用时被偷偷替换。

官方在 Llama 4 Maverick 上测试，单张 H100 的证明生成吞吐量约为 110 Token/s，但 GPU 耗时仍是常规推理的约 70～95 倍，目前仅支持最长 1024 Token 的上下文验证。项目代码、技术协议和 Lean 形式化证明均已开放。

Claude Code 产品负责人 Cat Wu 转投 OpenAI

曾负责 Anthropic Claude Code 产品工作的 Cat Wu 宣布加入 OpenAI，领导 Core Products 的产品管理工作，并与 Tibo Sottiaux 团队合作，推动新一代 Agent 产品开发。

Cat Wu 曾参与 Claude Code 从内部工具到成熟产品的发展。她于 11 月 3 日宣布离开 Anthropic，11 月 5 日公布了新去向。

Kimi Hosted Agents 正式发布：把 Harness 做成云服务

月之暗面发布 Kimi Hosted Agents，将 Agent 运行框架（Harness）作为云服务提供。开发者无需自行搭建沙箱、会话管理和任务恢复等基础设施，就能部署支持长程任务和多 Agent 协作的托管智能体，用于企业业务监控、运维或产品内的助手服务。

平台提供独立沙箱、权限控制，以及 140+ Skills 和 30+ 插件，也支持接入自有工具和数据。开发者可通过 Kimi 开放平台配置和调用，费用由沙箱运行时长、模型推理及插件调用三部分组成。