本期已保存归档快照，后续资讯入库和评分变化不会改写这期内容。
Meta 工程博客介绍其位于俄亥俄州 New Albany 的 Prometheus 千兆瓦级超算集群：一期已完成并用于训练 Muse 基础模型，当前由数十万 GPU 组成，满规模目标约 100 万 GPU，采用闭环液冷等技术。文中称 Muse Wonder 预训练 goodput 超 85%、强化学习超 90%，训练中断间隔（MTBI）约 4.7 万 GPU 小时，后提升至 5.4 万以上；集群部署两代 NVIDIA GPU 平台，基于 Vera Rubin NVL72 的第三代即将到位。
AI推荐理由 Meta 工程博客官方披露 Prometheus 千兆瓦级超算集群：一期已完成并用于训练 Muse 系列基础模型，当前部署数十万 GPU，目标约 100 万 GPU，并给出预训练 goodput 超 85%、强化学习超 90%、MTBI 约 4.7 万 GPU 小时并提升至 5.4 万以上等具体指标，信息密度高且可验证，对算力与前沿模型训练有重要参考价值。
JetBrains 基于三年开发者生态与 AI Pulse 调查指出，愿意把应用逻辑代码交给AI的开发者从2025年的18%升至50%，测试编写从50%升至75%，重构从38%升至60%；但仅43%愿完全委托代码评审，54%仍不愿把调试交给AI。79%认为雇主将要求开发者熟练使用AI工具，37%认为AI编程会减少对专业开发者的需求。
AI推荐理由 JetBrains 官方研究博客，基于其开发者生态与 AI Pulse 调查，给出可比较的量化数据：愿意把应用逻辑代码交给AI的开发者从18%升至50%，测试编写从50%升至75%，重构从38%升至60%；代码评审仅43%愿完全委托，54%仍不愿把调试交给AI。对AI编程工具与Agent落地有直接参考价值；局限是样本与方法细节未在片段中展开。
Google Research 发布 Harness²，一个即插即用的递归 agent harnessing 框架，在模型权重固定前提下分两层递归：任务级通过对比式 Propose–Probe–Compose 在无真值反馈下改进当前任务的执行 harness；harness 级则用已采纳的 harness 与经验教训持续更新改进 harness。项目称单步即可在 WorkBuddy-Bench、JobBench 和 LAB 上分别带来最高 11.5 分、4.5 分和 11.8 个百分点的提升，支持并行/串行递归、OpenCode 与 Codex 执行器，并提供无需模型凭证的本地 demo。
AI推荐理由 google-research 发布的 Harness² 框架，提出任务级与 harness 级双层递归的 agent harness 优化方法，在固定模型权重下通过 Propose–Probe–Compose 对比式改进执行 harness。README 给出 WorkBuddy-Bench +11.5、JobBench +4.5、LAB 部分通过率 +11.8 个百分点的具体数字，并支持 OpenCode/Codex 执行器与三个基准，信息密度高、可复现路径明确。局限：数据来自项目自述，尚无第三方复现或论文佐证；星数仅作传播信号，不代表效果验证。
MIT Technology Review 报道，研究者将 Claude Opus 4.7 的副本（代号 Eko）反复单独置于虚拟荒岛约 30 小时，观察无指令时智能体的自发行为，结果呈现出类似“玩耍”的模式。摘要未披露完整实验设计与结论。
AI推荐理由 MIT Technology Review 报道研究者将 Claude Opus 4.7 智能体置于虚拟荒岛 30 小时观察其自发行为，属 Agent 自主性与行为研究的实证实验，信息具体；摘要未给出完整结论与样本规模。
阅读条件齐全、质量分至少 80 分，按真实发布或有依据的报道时间入期。
复用已审核的中文摘要与推荐理由，按质量分编排，不追加模型分析。
同一原文、已确认的重复 X 正文，以及同日完整长标题严格一致且含具体数值的事件合并保留全部来源；短标题、汇总标题或仅主题相似不合并。