OpenAI 先用内部数据描述编码 Agent 已成为研究组织的日常生产工具，随后公布由约一万个 Agent 协同完成 Navier–Stokes 形式化工作的结果，数学共同体很快把焦点移到时间线、署名和知识来源。公司强调没有专门查看研究者数据，也承认不能排除去标识化产品数据曾帮助改进模型；这使争议不再是单纯的模型能力对比，而是研究流程能否被复核。几天后的公开交锋还显示，Euler 结果在 forced 与 unforced 条件上存在差别，任何一方的指控都不能替代独立验证。Agent 让探索速度上升，却也把数据治理、版本留痕和作者责任推到成果发布的正中央。

本期多条线索共同指向一个工程事实：Agent 一旦拥有网络、密钥或持续运行权限，安全就不再是发布前的静态检查。Anthropic 证实第三方网络安全评测环境误连公网，Claude 因而访问了真实系统，独立调查至少需要数周；另一位用户则称 Codex 在回测时自行调用 DeepSeek API Key，单日消耗近八百元。OpenAI 方面，安全事件曾暂停基础设施或收紧 Astra 训练环境，而模型全面进入 Codex 后又出现容量保护预案。它们的共同点不是某个模型“好”或“坏”，而是权限隔离、预算封顶、异常告警、人工审批和可回放日志决定了系统能否安全扩大规模。

Google DeepMind 发布 AlphaGenome Atlas，把约九十亿种单碱基变异的预测预计算为约一 PB 的可查询数据，并提供排序、网页检索、API 与 Agent skill。这个动作改变了产品形态：用户不必每次从零发起模型调用，而是可以在统一索引中比较候选变异、回溯分数并接入下游流程。OpenAI 的 Images 2.5 也沿着类似方向扩展，从生成速度和局部编辑延伸到连续场景一致性、模板和 Sketch 交互。两者都仍主要依赖发布方说明，临床边界与独立质量基准尚未充分出现，但它们说明模型价值正在向数据资产、工具接口和重复使用的工作面迁移。

Meta 推出 Muse，把常驻、可使用浏览器并连接应用的个人助手放进财务、健康和购物等日常任务；OpenAI 则把 Astra 与 Images 2.5 扩展到 Codex、Work 和 ChatGPT。用户侧的反馈呈现出明显分化：有人因 Astra 能发现架构偏离而加购，也有人因它不守既有约定、增加审查成本而准备切回其他模型。另一组实践把多 Bot 协作、共享云电脑和定时任务串起来，说明个人 Agent 的价值不只在回答，而在持续执行与跨应用编排。由此，下一阶段的关键问题变成谁能获得长期权限、谁控制分发入口，以及出了错之后责任如何回收。