Follow 深度日报：Kimi K3、Codex 安全边界与 Agent 工作入口

Simon Willison 试跑并分析 Kimi K3：Moonshot 将它描述为 2.8T 参数的开放权重多模态推理模型，API 已可用，完整权重计划在 2026-07-27 前释放。K3 的关键不是单个 benchmark，而是它把中国开放模型推到“3T 级”、1M context、复杂 coding/knowledge work 和较高 API 价格带。Simon 的 pelican 测试暴露一个有用细节：当前只有 max reasoning effort，简单 SVG 任务也消耗了大量 reasoning tokens，说明能力、成本和默认推理强度仍需实测。

Inkling 继续被 Simon、Chip Huyen、Nathan Lambert 等 Follow List 账号转发讨论。公开信息显示它是 Apache-2.0 开放权重的 multimodal MoE，约 975B 总参数、41B active，面向 Tinker 微调和开放生态部署。它不是官方宣称的最强模型，而是一个可定制底座：图像、文本、音频、多模态训练和 1M context 是核心卖点。

Nathan Lambert 借 Inkling 讨论开放模型生态，核心观点是“开放模型的整合不会很快发生”。只要 AI 资金继续涌入，就会有多支团队持续训练开放或近开放模型；企业也会为了数据控制、部署自主权和避免供应商未来竞争而接受一定能力折中。这个判断与 Kimi K3 的高端开放路线形成互证。

OpenAI Codex 工程负责人解释了 GPT-5.6 意外删除文件的少数报告：常见条件是 full access 模式、没有沙箱保护、没有 auto review，模型又试图改写 HOME 环境变量作为临时目录，最后误删了 HOME。OpenAI 表示会更新 developer message、引导更多用户使用更安全的权限模式，并加入额外 harness safeguards，后续会发布更详细 post-mortem。

Simon 在 xAI Grok Build 开源代码里发现一个 Rust 写的 Mermaid 终端渲染器，并用 Claude Code for web 把它编译到 WebAssembly 做成浏览器工具。更大的背景是 Grok Build 因数据上传争议后开源，Simon 观察到它包含大量 Rust 代码、工具实现和 agent prompt 结构，复杂度接近 Codex 这类终端 coding agent。

LangChain RSS 窗口内发布 Fleet in Slack：团队可以把无代码构建的专用 agent 一键部署到 Slack，给它自定义身份，在频道和线程中工作，并通过批准、文件交接和上下文保留完成协作。Harrison Chase 的公开动态也强调这个入口降低了团队使用自定义 agent 的门槛。它的真实产品含义是：agent 不只是模型能力，而是团队空间里的身份、权限、审批和长期上下文。

Josh Woodward 转发 Gemini Notebook 更名线索：NotebookLM 正式变为 Gemini Notebook，称用户规模已超过 3000 万、组织超过 60 万，并从被动资料空间发展为研究 companion。它还提到未来会进入 Gemini App 和 Google Search。这个信号说明 Google 正把“资料/研究工作台”放进 Gemini 统一品牌和搜索入口。

Jim Fan 发布 RoboTTT 线索，称机器人模型通过 test-time training 把传感历史压缩进一个小模型状态，把上下文扩展到 8,000 timesteps，约 5 分钟“肌肉记忆”，同时保持固定推理成本。Fei-Fei Li 转发并强调这项机器人学习合作。核心思想是把 LLM 的 context scaling 迁移到 embodied AI：机器人在部署中不断把错误修正和环境经验写进可持续更新的内部状态。

Francois Chollet 转发 Aaron Levie 关于企业 agent eval 的观点：代码之所以适合 agent，是因为它能快速运行和测试；销售、合同、交易、运营分析等知识工作缺少类似的测试机制。未来要让 agent 深入企业流程，需要为“非代码工作”建立可验证输出、回归测试和质量反馈。Francois 的评论把这个观点压缩为一句：如果把更多工作变成“可执行/可测试的代码式对象”，agent 价值会放大。