过去一天最值得关注的变化，不是某个模型又多拿了几分，而是 AI 正在获得进入真实工作所需的结构：更快的判断接口、可机器检查的软件证明、中立的技能标准、看不见密码的登录方式、开放端侧硬件，以及能验证任务终态的训练奖励。
1. Canva 发布 Craft，专门用来生成海报和品牌图
Canva 发布了首个专门面向设计的图像模型 Craft。官方称它采用两阶段架构，先规划构图，再完成渲染，用来改善布局、文字和创意控制。Craft 已在 Dream Lab 上线，并将通过公共 API 提供给开发者。
这次发布的重点不是“Canva 也有文生图了”，而是生成结果可以继续进入海报、社交内容、品牌素材和协作编辑流程。对设计产品来说，生成只是第一步，后续排版、复用、审批和交付才决定效率。
Canva 披露 Craft 发布时在 DesignArena 总榜位列第 4，但榜单会随投票和参评模型变化。官方也没有公开参数量、训练数据、权重、API 价格或速率限制，因此现阶段更适合把它视为 Canva 托管的设计能力，而不是可自行部署的基础模型。
2. OpenAI 开放 Decisions API，直接返回是、否或分数
OpenAI 正式开放 Decisions API。它接收文本、图片或 JSON，返回三类结构化答案：真假判断、多选或分数。当前只支持 gpt-6-luna，未缓存输入为每百万 Token 0.10 美元。
它适合分类、路由、优先级和风险筛选，不用先让模型写一段话再去解析。OpenAI 称速度大约是 Responses API 的 10 倍，这是官方概括，要用自己的输入和并发去测。它不返回自由文本，也不能替代自定义 JSON Schema；单次最多 400 个问题。
3. Claude 证明 123 个开源库在设定条件下不会崩溃
Anthropic 与 Theorem 展示了一个比“让 AI 写更多测试”更进一步的方向：让模型生成能够由证明检查器验证的形式化证明。团队用 Claude 为 123 个 OSS-Fuzz 开源库的 239 个入口点生成约 1.8 亿行 Rocq 证明，并开放部分证明、机器语义和 Claude skill。
这比“测试样本里没失败”更进一步，结论可以交给机器复查。但“已证明”只在写明的假设里成立：单线程静态 RISC-V 二进制、建模后的 Linux 行为、不超过 64 MB 的输入，以及指定入口点。Rocq 只能检查证明是否符合规格，不能保证规格本身没有遗漏。
Anthropic
4. Anthropic 把 Agent Skills 交给 Linux 基金会
Anthropic 把 Agent Skills 的名称、标识、GitHub 组织和 agentskills.io 域名，捐赠给 Linux Foundation 旗下的 Agentic AI Foundation。官方称已有 70 多个 Agent 平台接入。一个技能就是包含 SKILL.md、脚本和参考材料的文件夹，用来把某项工作的步骤交给 Agent。
Anthropic
Skill 的核心很简单：用一个包含 SKILL.md、脚本和参考材料的文件夹，把某项工作的程序性知识交给 Agent。简单格式让它容易迁移，也让同一份能力有机会被不同模型和工具链复用。
捐赠的意义是降低单一厂商控制标准路线的风险，但不等于互操作已经完成。各平台如何加载技能、授予文件和网络权限、验证脚本来源、隔离执行环境，仍可能不同。团队采用第三方技能时，依然要做版本锁定、权限审查和供应链检查。
5. 1Password 让 Agent 登录账号，但不把密码交给它
1Password for Agents 的机制是：当 Agent 遇到登录页面时，请求某项凭据；用户看到申请并批准后，1Password 直接填入密码或一次性验证码。Agent 只知道访问已经获得，不会看到或持有凭据本身。
这比把密码写进提示词、环境变量或浏览器配置更稳妥，也保留了逐次批准和撤销连接的入口。首批 Muse 与 Grok Bot 集成正在分批推出，更多个人 Agent 和编码 Agent 连接仍在开发中。
需要注意的是，隐藏密码只解决认证秘密的暴露问题。Agent 登录后仍可能读取邮件、下单、修改资料或访问文件。产品设计仍应限制会话权限、关键动作审批、金额范围和数据导出，而不能把“Agent 看不到密码”等同于“账号没有风险”。
6. Google 开放 Coral NPU RTL 与完整编译链
Google Research 开放完整 32 位 Coral NPU RTL、Matrix Execution Unit 和 Coral Compiler v1.0，并与 Synaptics 推进商业芯片和开发板。编译器基于 IREE/MLIR，可把 JAX、PyTorch 和 TensorFlow 模型送往 Coral 硬件目标。
端侧 AI 最大的工程障碍之一，是芯片架构和工具链高度碎片化。开放 RTL 与编译器让芯片团队、模型开发者和设备厂商可以围绕同一基础协作，也更容易检查从模型到硬件的转换过程。
开放不代表无缝。模型是否能高效运行，仍取决于算子支持、量化方式、内存布局、编译器成熟度和具体 SoC 集成。官方给出的功耗或算力指标属于特定配置，不能直接套用到所有可穿戴设备、机器人或传感器。
7. ThinkingBox Training 用真实数据库终态给 Agent 奖励
Microsoft 与 Hugging Face 开源 ThinkingBox Training。它不只看 Agent 是否声称任务完成，而是检查操作后的数据库终态和副作用，再把可执行检查转换为强化学习奖励，用于多轮工具 Agent 的后训练。
官方参考实验对 Qwen3.8-27B 进行 50 步 GRPO 后，ThinkingBox-Bench 平均成功率从 51.70% 提升到 60.78%，20 次都成功的任务数从 38 增至 107。训练任务没有直接使用该基准中的任务，这让结果比单纯背测试集更有意义。
不过复现成本并不低。官方实验使用 3 个节点、共 24 张 H100，还依赖 187 个未公开的训练任务、ThinkingBox 服务、模拟用户和评判模型。它证明了奖励设计的方向，不代表普通团队可以原样获得同样提升。
昨日回顾
- Anthropic 推出 Claude Duet
- NVIDIA OpenShell 把 Agent 安全放到模型之外
- OpenAI 称模型协助发现 PHP 核心漏洞，并放出版本检查工具
- Recursive 发布 Flint，开放权重并主打本地编程
- Claude API 2026-10-21 移除 temperature、top_p 和 top_k
- OpenAI API 将 Prompt Caching 延长到 12 小时
Scarlett
今日总结
AI 的竞争正在从“模型能不能做”转向“系统能不能可靠地让它做”。专用判断接口减少解析成本，形式化证明提高安全结论的强度，中立标准降低生态锁定，凭据代理缩小秘密暴露面，开放硬件与编译链缓解端侧碎片化，终态奖励则把训练目标拉回真实业务结果。
对准备上线 Agent 的团队，最值得立即检查的是五件事：输出能否验证，权限能否最小化，关键动作能否暂停，假设能否写清，评测能否反映真实终态。模型升级会继续发生，但这些边界决定了能力最终能否安全地进入生产环境。
扫码加入 HiFox AI 内测群，及时获取 最新 AI 资讯~
HiFox
