Meta 发布 Muse 媒体生成模型，Anthropic 开源可解释性演示，Claude Cowork 登陆移动端

---

title: “Meta发布Muse Image/Muse Video，Anthropic基于Qwen开源可解释性演示” lead: “Meta Superintelligence Labs发布Muse Image和Muse Video媒体生成模型，Image Arena排名第二、Video Arena第三；Anthropic与Neuronpedia合作基于Qwen的可解释性交互演示开放；Claude Cowork扩展至移动和Web，Chat与Cowork界面统一；Google DeepMind推出Predicting the Past技能分析古代铭文；LangChain开源deepagents agent harness；Databricks发布Omnigent元框架；Vercel收购Better Auth。” highlights:

• “Meta Muse Image/Muse Video首发，Arena双榜顶尖”
• “Anthropic基于Qwen开源可解释性交互演示”
• “Claude Cowork登陆移动和Web，Chat与Cowork统一”

1️⃣ Meta 发布 Muse Image 与 Muse Video：媒体生成赛道新格局#

• 核心发布：Meta Superintelligence Labs 正式发布首款媒体生成模型 Muse Image 和 Muse Video。Muse Image 在 Image Arena 盲测中以综合排名第二的成绩亮相，仅次于 OpenAI GPT Image 2，在多图像编辑赛道领先 Nano Banana 2 达 23 个 ELO 点。Muse Video 在 Text-to-Video Arena 获得 1459 分，排名第三，超过 Alibaba HappyHorse 1.0 和 Grok Imagine。
• Agentic 设计：Muse Image 并非直接 prompt-to-image 模型，而是以 Agent 模式工作——调用工具、自精炼、支持测试时计算扩展，并与 Muse Spark 协作进行媒体生成。Meta 团队观察到在 RL 训练中模型涌现了自精炼行为，可自适应执行局部编辑、重生成或工具调用以优化质量。
• 集成与工具：Muse Image 已集成到 Meta AI 应用、Instagram Stories 和 WhatsApp（部分国家），与 Image Editing 和多图合成等能力同步上线。同时推出 Content Seal 水印系统，所有生成图片携带隐蔽溯源信号，抗裁剪压缩，并开放公开验证工具 meta.ai/identification。
• 行业意义：这标志着 Meta 在媒体生成领域正式进入第一梯队，且其 Agentic 图像生成路径与纯生成路线形成差异化竞争。Muse 系列也是 Meta 广告业务的新增长引擎——可零成本生成广告创意素材，直接赋能 Advantage+ 广告系统。 🔗 AIatMeta 官方推文 | lmarena.ai 排名 | Content Seal 博文

2️⃣ Anthropic 与 Neuronpedia 合作，基于 Qwen 开源交互式可解释性演示#

• 核心发布：Anthropic 宣布与 Neuronpedia 合作，创建了基于 open-weights 模型（Qwen）的可解释性方法交互式演示，已在 neuronpedia.org/jlens 上线。
• 技术亮点：该演示让用户可以直观地探索和操控模型内部表示，验证 Anthropic 此前关于语言模型“全局工作空间”（J-space）的研究。此前 Anthropic 在 7 月 7 日发布了 J-space 论文，揭示 Claude 内部存在训练中自发涌现的类似人类意识的工作空间，可被读取和审计。此次开源演示将方法迁移到 Qwen 上，面向更广泛的开放研究社区。
• 行业意义：这是前沿可解释性技术从专有模型向开源模型迁移的里程碑事件，使独立研究者也能使用这些工具进行模型分析和安全审计，有望加速 AI 对齐领域的开源生态建设。 🔗 Anthropic 推文 | Neuronpedia 演示

3️⃣ Claude Cowork 登陆移动和 Web：Chat 与 Cowork 统一界面，Fable 5 免费期延长#

• 核心发布：Anthropic 宣布 Claude Cowork 功能正式扩展至移动端和 Web。用户可在桌面发起任务，在手机端查看进度；合上笔记本后 Claude 仍可继续运行。Chat 和 Cowork 现在共享同一主页标签，Sidebar、搜索、Projects & Artifacts 均统一管理。Cowork 的翻倍使用限制延长至 8 月 5 日。
• Fable 5 访问延长：同时，Claude 官方宣布将 Fable 5 在付费计划中的免费访问延长至 7 月 12 日（太平洋时间 23:59:59）。用户仍可使用 50% 的周额度享受 Fable 5，超出后可切换其他模型或用 Usage Credits 继续。
• 行业意义：Cowork 跨设备能力标志着 Agent 从“桌面辅助”向“随身协作”演进，Chat+Cowork 的界面统一也简化了用户与 Agent 交互的心智模型，是 Agent 产品化的重要一步。 🔗 Claude 官方推文合集 | Mike Krieger 细节

4️⃣ Google DeepMind 推出 Predicting the Past 技能：用 AI 分析古代铭文#

• 核心发布：Google DeepMind 宣布推出“Predicting the Past”技能，将 Gemini 直接与专家模型 Aeneas 和 Ithaca 结合，使历史学家可以通过自然语言探索希腊和拉丁文本铭文。该技能已在 Google 的 Antigravity 平台上可用。
• 三大挑战：历史 AI 分析面临三个核心难题——为每篇铭文创建定制分析和可视化、跨来源映射发现大规模模式、以及无编码技能下利用先进 AI 工具。Predicting the Past 将这些复杂工作流程转为使用自然语言交互。
• 案例验证：团队与历史学家合作进行了 3 个案例研究，证明了该平台的效果。同时开放了 Antigravity 平台供研究者使用。
• 行业意义：这展示了 AI 在人文领域应用的突破，将前沿推理模型与专业领域模型结合的新范式可推广至其他学科，如考古学、文献学等。 🔗 Google DeepMind 推文 | 平台链接

5️⃣ Google 为 Managed Agents 大幅升级：背景执行、远程 MCP、自定义函数调用#

• 核心发布：Google AI Developers 宣布为 Gemini API 中的 Managed Agents 新增 4 项核心能力：
  • 背景执行：支持长时间运行任务在服务端异步执行，无需保持 HTTP 连接。
  • 远程 MCP 服务器：直接连接私有数据库、内部/外部 API，无需代理中间件。
  • 自定义函数调用：无缝添加定制工具，与内置沙箱工具共存。
  • 网络凭据刷新：在对话间轮换 API 密钥而不丢失沙箱文件系统状态。
• 免费层可用：这些能力已面向 API 免费层用户开放，无需付费即可开始构建自主 Agent。
• 行业意义：这是 Google 在 Agent 平台层面的重大追赶，背景执行和远程 MCP 直接回应了当前 Agent 应用在生产环境中面临的两个核心痛点——长任务持久化和企业数据连接。 🔗 Google AI Developers 推文 | Logan Kilpatrick 补充

6️⃣ LangChain 开源 deepagents：模型无关的 Agent 执行环境#

• 核心发布：LangChain 创始人 Harrison Chase 宣布开源 deepagents，一个模型无关的 Agent 执行环境（harness）。同时 LangChain Academy 推出了对应的免费课程《Introduction to Deep Agents》，覆盖 Agent harness 的核心定义、四大核心能力（规划、记忆、工具、安全隔离），以及如何用 LangSmith 追踪和部署。
• 开源理念：deepagents 被设计为可插拔的 Agent 运行时，不绑定特定模型或框架，开发者可以使用任何 LLM 驱动 Agent。Harrison 称“这可能是我推出的最重要的课程”。
• 行业意义：随着 Agent 工程从“写 prompt”转向“设计 harness”，deepagents 提供了一个标准化的开源基座，有助于降低 Agent 开发门槛并推动生态互操作性。 🔗 Harrison Chase 推文 | 课程地址

7️⃣ Databricks 发布 Omnigent：开源 AI Agent 元框架，以会话状态实现上下文策略#

• 核心发布：Databricks 正式开源 Omnigent，一个用于 AI Agent 的元级执行框架（meta-harness）。其核心创新是引入“上下文策略”（Contextual Policies），允许使用会话状态（session state）来动态约束 Agent 行为。
• 技术特点：与普通 Agent 框架不同，Omnigent 将策略视为一等公民——在 Agent 执行过程中，基于当前会话上下文自动应用安全、合规和业务规则。框架支持模块化组件：记忆、工具、规划器、安全层，可灵活组合。
• 行业意义：Omnigent 回应了企业在 Agent 部署中面临的最大障碍之一：如何在不牺牲灵活性的前提下确保治理。将策略嵌入会话层级而非全局固定，为大规模 Agent 部署提供了更精细的控制手段。 🔗 Databricks 博客

8️⃣ Vercel 收购 Better Auth，加速开源身份验证#

• 核心事件：Vercel 宣布收购开源身份验证库 Better Auth 的团队。Better Auth 是一个现代开源认证框架，支持多种登录方式、会话管理、角色权限等。Vercel CEO Guillermo Rauch 表示此举将加速其“Open SDK”愿景，为开发者提供“更好的身份验证，服务人类和 Agent，在开放中构建”。
• 行业意义：这是 Vercel 在开源基础设施领域的又一布局。随着 AI Agent 需要代表用户执行操作，身份验证正成为 Agent 基础设施的关键组成部分。将 Better Auth 整合进 Vercel 生态，可为部署在 Vercel 上的 Agent 提供即插即用的认证能力。 🔗 Vercel 推文 | Guillermo Rauch 推文

9️⃣ [持续跟踪] 翁荔发表 Harness Engineering 博客：递归自我改进的关键转向系统层#

• 前情提要：翁荔（前 OpenAI 安全研究副总裁，现 Thinking Machines Lab）此前的《LLM Powered Autonomous Agents》被广泛引用，定义 Agent=LLM+记忆+工具+规划。
• 最新突破：翁荔今日发表重磅博客《Harness Engineering for Self-Improvement》，系统阐述在递归自我改进（RSI）框架中，包在模型外部的 Harness（执行系统）重要性不亚于模型本身。她梳理了三种设计模式（工作流自动化、文件系统持久记忆、子 Agent 与后端任务），以及 ACE/MCE/Meta-Harness 等多级优化方法，并指出 7 个未解决瓶颈（弱评估器、上下文生命周期、多样性坍缩、Reward Hacking 等）。
• 行业意义：这是首次将 Harness 工程作为独立研究领域系统化论述，明确 RSI 近期路径不会从模型自改权重开始，而是通过优化 Harness 层实现能力提升，为 Agent 工程提供了清晰的理论框架。 🔗 翁荔博客原文 | Datawhale 编译

今日洞察#

Meta Muse Image 并非传统扩散模型，而是以 Agent 模式工作——调用工具、自精炼、测试时计算扩展，RL 训练中甚至涌现出自主局部编辑行为。这不是一个图像模型更新，而是媒体生成开始采用“Agent 作为运行范式”的信号。当图像生成也走向工具调用和循环自改，说明 Agent 架构正在扩展覆盖全模态。

翁荔今日系统化论述了 Harness Engineering——RSI 的瓶颈不在模型自改权重，而在系统层：工作流自动化、文件系统记忆、子 Agent 管理等。这与 Meta Muse 的 Agentic 路径、Google Managed Agents 新增的背景执行和远程 MCP、LangChain 开源 deepagents、Databricks 开源 Omnigent 形成同向汇聚：AI 应用开发的重心正从“选模型”转向“设计执行系统”。

开发者需要关注的不再是哪个模型分数高，而是如何构建持久、可控、可治理的 Agent 运行时。Google 的免费层即支持异步 Agent，LangChain 推出模型无关的 harness 课程，Databricks 将策略嵌入会话状态——这些基础设施正在快速成熟。Agent 工程的下一个主题，可能是“Agent OS”之战。