Claude模型更新与定价策略 - Opus 4.6和Sonnet 4.6模型正式全面开放100万上下文，并取消长文本溢价，所有长度统一标准计费，Opus每百万Token收费25美元，Sonnet每百万Token收费5美元 [1] - 多模态处理能力提升6倍，单次请求支持的图像或PDF页面上限从100页大幅增加至600页，API长请求可自动处理无需Beta请求头 [1] - 在MRCR v2评测中，Opus 4.6以78.3%的得分位列同级模型第一，Claude Code用户可默认开启百万上下文，大幅减少强制压缩次数 [1] OpenClaw平台迭代与安全升级 - OpenClaw 2026.3.12版本发布，控制台UI重构为模块化视图，模型“快速模式”统一抽象跨平台调用参数，并将Ollama/vLLM/SGLang迁入provider-plugin架构为生态扩展奠定基础 [2] - 新增Kubernetes部署starter方案和sessions_yield多智能体调度机制，推动平台从“能跑”向适合长期部署和生产使用转型 [2] - 修复两项高危安全漏洞：设备配对改用短时bootstrap token防止凭证泄露，工作区插件禁用隐式自动加载防止恶意代码执行 [2] Google Maps AI与3D导航升级 - Google Maps引入沉浸式3D导航，借助Street View数据和Gemini AI进行空间理解，实时高亮车道和红绿灯，并新增“透视建筑”功能以帮助复杂路口决策 [3] - 推出Ask Maps自然语言对话搜索功能，基于超过3亿个地点和超过5亿条用户评价，可处理多条件模糊需求并支持多日旅行规划和个性化推荐 [3] - 对比显示，谷歌的优势在于全球数据规模与AI语义理解，而高德则在本土场景密度和城市级数据协同上更为深入 [3] Perplexity放弃MCP协议转向CLI - Perplexity CTO宣布内部放弃MCP协议，转而使用API和CLI，Duetchat v2也删除了MCP集成，YC总裁直言“MCP sucks”，该协议正走向边缘化 [4] - MCP协议的核心问题在于线性上下文成本高，每个工具的Schema和描述会挤占Agent的上下文窗口，且存在初始化不稳定、反复认证和权限管理粗糙等实用缺陷 [4] - CLI经过数十年迭代，具备可组合、可调试、人机通用的优势，LLM本身擅长使用命令行工具，无需额外抽象层即可高效完成任务 [4] 生数科技发布AI漫剧解决方案 - 生数科技Vidu Q3发布全球首个专门针对AI漫剧的解决方案，从底层算法专为漫剧量身定制，旨在解决“角色变脸、画风跳跃、分镜不连贯”等行业痛点，实现30个分镜不穿帮、非人型角色跨镜头稳定复用 [5] - 推出主体库2.0建立标准化角色资产库、提示词优化Bot可一句话生成分镜、口型分层处理实现音画同步，配合解说漫API可实现剧本直出成片 [6] - 即将上线“参考生”功能，可从参考视频学习动作运镜风格以生成原创内容，并与万兴科技联合发布“万兴剧厂”平台以推进AI漫剧工业化 [6] xAI人事动荡与战略调整 - xAI本周又有两位华人联创Zihang Dai和Guodong Zhang离职，11位联合创始人仅剩2人，2026年初的密集离职潮涉及Greg Yang、Tony Wu、Jimmy Ba等核心研究负责人 [7] - 前员工爆料xAI名为扁平实则官僚化严重，员工主动征集Grok改进建议反被冻结账号，与宣传文化严重脱节 [7] - 马斯克承认Grok编程落后竞争对手，表示“第一次没建对要从头再来”，SpaceX收购xAI后计划于2026年6月启动IPO，目标估值超过1.75万亿美元 [7] 谷歌AlphaEvolve在数学领域突破 - 谷歌AlphaEvolve一次性改进了R(3,13)、R(3,18)、R(4,13)、R(4,14)、R(4,15)五个经典拉姆齐数下界，刷新了纪录，部分纪录已尘封20年 [8] - 其核心思路是在算法空间而非图空间进行搜索，利用LLM进化代码，自动发现四大类搜索策略，其中包含人类文献中不存在的新方法 [8] - Hassabis称其为AI数学领域又一里程碑，AlphaEvolve已形成“算法优化算法”的飞轮效应，但目前仅能处理构造性下界，无法证明上界 [8] LabClaw开源AI科研技能库 - 斯坦福与普林斯顿联合开源LabClaw，这是一个面向生物医学的开源科研技能库，内含211个生产级SKILL.md文件，覆盖文献检索、数据分析、实验记录等全流程，一条指令即可在OpenClaw中调用 [9] - 可部署为Always-On Lab Agent持续读取仪器数据和实验记录，自动触发分析流程并生成报告，配套LabOS系统实现XR眼镜与实验机器人的人机协同实验 [9] - 该项目由斯坦福丛乐教授和普林斯顿王梦迪教授团队联合推出，获英伟达支持，将AI辅助科研门槛降至“一条指令”级别 [9] 人形机器人高动态运动突破 - 银河通用人形机器人联合清华大学提出LATENT方法，使机器人仅从碎片化不完美动作数据中自主学习网球技能，无需预编程即可完成多回合连续对打 [10] - 核心创新包括“运动技能空间”将零散动作整合为可组合技能、“隐空间动作屏障”确保高动态击球同时保持自然流畅动作，在成功率和精准度上全面超越基线算法 [10] - 银河通用已形成硬件-模型-生态完整闭环，产业落地覆盖工业、零售、仓储物流、医疗康养等领域 [10] AI对职业替代风险的评估 - Karpathy抓取美国劳工统计局全部342个职业数据，用LLM逐一评估AI暴露分数（0-10分），制作交互式热力图，整体加权平均风险为4.9分 [11] - Anthropic真实使用数据显示，AI暴露最高的全是白领知识型工作，高暴露群体平均时薪比低暴露群体高47%，核心规律是“工作离屏幕越近离失业越近” [11] - AI暴露高不等于立即失业，例如软件开发者虽评分8-9分但就业仍预计增长17.9%，真正危险的是需求固定且AI替代效果好的岗位如数据录入和医疗转录 [11]

LabClaw产品概述 - 产品是由斯坦福大学和普林斯顿大学团队推出的开源“科研版龙虾”工具，旨在通过AI自动化改变科研工作方式[1] - 其核心是一个包含**211个**生产级技能文件的“技能包”，供AI在研究生物医学时直接调用，用户无需自行设计提示词[9][11][12] - 使用方式极为简便，研究人员只需通过一行命令即可调动整个AI“龙虾军团”自动执行任务[3] 产品功能与核心价值 - LabClaw能自动化处理科研中的多项任务，包括盯实验数据、跑分析模型、翻文献、写实验记录等，人类只需在关键环节进行决策[3][4] - 该工具能显著提升科研效率与产出，被描述为有助于“顶刊的路子走宽了，科研人的头发保住了”[5] - 其设计理念得到了英伟达作为“Founding Partners”的支持[6] LabClaw技能库（Skill）详情 - 技能库按研究方向分类，涵盖多个生物医学及数据科学领域，具体包括：生物学与生命科学（技能数量未明确列出）、实验室操作系统与自动化（**7个**）、视觉与XR（**5个**）、药学与药物发现（**36个**）、医学与临床（**20个**）、通用与数据科学（**48个**）以及文献与检索（**29个**）[12] - 每个技能文件（SKILL.md）都会明确指导AI何时使用、如何调用以及预期产出什么结果[12] - 文章列举了典型工作流及其对应的示例技能，例如：单细胞与空间组学（anndata, scanpy）、药物发现（rdkit, diffdock）、临床精准医疗（clinicaltrials-database）、统计分析（scikit-learn）以及文献综述与写作（pubmed-search, scientific-writing）等[14] 高级应用：AI实验室助手 - LabClaw的技能可以进一步组合，被部署成一个**不会下班的AI实验室助手**（Always-On Lab Agent），长期运行于实验室环境中[18] - 该助手能持续读取显微镜、传感器或摄像头的数据流，结合图像、数据和日志自动监控实验进程，并在发现异常时触发分析、生成报告并提醒研究人员[19][21][24] - 此模式实现了从单纯工具到主动、持续协同的实验室智能体的升级[26] 生态系统：LabClaw与LabOS的协同 - 团队为LabClaw专门配备了名为LabOS的操作系统，两者结合形成一套完整的AI-XR协同科学家系统[27][28][30] - LabOS被定义为全球首个此类系统，由斯坦福大学丛乐教授和普林斯顿大学王梦迪教授团队联合推出[30] - 系统架构中，LabClaw类比为应用市场（提供各种技能APP），而LabOS则是底层操作系统[29] - LabOS集成了“大脑”（多智能体规划与推理）、“眼睛”（专属视觉语言模型LabOS-VLM，用于理解实验操作）和“身体”（XR眼镜与实验机器人），实现人机协同实验[38] - 典型应用场景是：研究人员佩戴XR眼镜启动系统，通过语音指令（如“找黑色素瘤的免疫治疗靶点”）驱动LabOS调用LabClaw中的相应技能，从而在AI指导下完成从数据分析、实验操作到论文生成的全流程协同工作[40][41] 团队背景与系统优势 - 项目负责人丛乐是斯坦福大学医学院副教授，在CRISPR基因编辑领域贡献卓著，曾在Science、Cell、Nature等顶刊发表多篇论文[34][35] - 另一位负责人王梦迪是普林斯顿大学教授、人工智能创新中心主任，是AI与控制系统领域的核心学术带头人[36][37] - 该组合系统具有良好的**扩展性**，新的科研需求可通过在LabClaw中安装新技能来满足，无需重新开发整个系统[43] - 整体而言，该系统将AI辅助科研的门槛降低到了“一条指令”的程度[45]