今天與 {{active_subscriber_count}}+ 位讀者一起看：
🗞｜Manus 推出桌面版 AI Agent
🚀｜Codex 新增 Subagent 功能
📊｜Cursor 用 AI Agent 自動抓漏洞
🔬｜Kimi 團隊改造 Transformer 底層設計
🔍｜AMI Labs 共同創辦人 7 小時訪談
🗞️ NEWS
Manus 推出桌面版 AI Agent
Meta 旗下的 Manus 推出桌面 App：My Computer（之前一直是雲端服務），讓 AI Agent 直接跑在你的電腦上，幫你處理本地檔案和應用程式。
直接操作： Manus 可以在你電腦上跑終端指令，幫你讀檔案、改檔案，甚至打開應用程式來操作。
實際應用： 像是把上千張照片自動分類建好資料夾，或是用 Swift 在 macOS 上從零寫一個即時會議翻譯 app，大約 20 分鐘搞定。
安全機制： 每條指令都要你按同意才會執行，也能對信任的操作設「永遠允許」，目前支援 macOS 和 Windows。
要付費嗎？ Manus 有免費方案，每天給 300 credits 可以試玩，付費從每月 $20 起跳，桌面版跟網頁版都是共用同一套 credit 額度。
🧰 TOOLS
ClickUp：你唯一需要的生產力工具
ClickUp 是一款一站式專案管理工具，整合各種功能（任務、文件、行事曆…），幾乎可以一次取代多款生產力工具（Notion、Google Calendar、Trello…）。
內建 AI 系統：自家開發 AI 系統 ClickUp Brain 可以根據公司內部資料回答問題、自動更新任務、會議進度。
連接 1,000+ 種工具：能夠連接 Google Drive、GitHub、Salesforce、Figma、Dropbox…等工具，在 ClickUp 一次搜尋所有資料。
內建 100+ 種功能：除了基礎功能，甚至還有 Dashboard、互動報告、心智圖、甘特圖、自動化… 等功能。
目前 ClickUp 已經超過 1,200 萬用戶，Netflix、Spotify、IBM 等公司也都在使用。推薦使用免費版本試試看
🤝 ADVERTISING
讓 {{active_subscriber_count}}+ 位讀者認識你的產品
《Brief AI 電子報》讀者近 50% 擁有碩士以上學歷、管理階層超過 40%。超過 30 家國內外知名品牌合作，例如：Intel、數位時代、知識衛星…
🚀 LAUNCH
Codex 新增 Subagent 功能
保持專注： 主 Agent 只管需求跟決策，探索、跑測試、查 log 這些雜活丟給 Subagent，主對話就不會被一堆中間輸出塞到越來越鈍。
平行處理： 像是做 Code review，可以同時開三個 Agent 分別看安全性、測試缺口、可維護性，全部跑完再一次看結果。
兩種模型： 複雜的任務用 gpt-5.4，輕量掃描跟摘要丟給更快的 gpt-5.3-codex-spark，你可以自己選，也能讓 Codex 自動配。
只有 Codex 能這樣嗎？ Simon Willison 整理指出 Subagent 已經是各家 Coding Agent 的標配，Claude Code、Gemini CLI、Cursor、VS Code 都有類似功能，做法也越來越像。
📊 CHART
Cursor 用 AI Agent 自動抓程式碼漏洞
Cursor 公開了一張內部數據圖表，過去九個月他們的 PR 量成長 5 倍，靠一組 Security Agent 每週自動審查超過 3,000 個 PR，抓到 200 多個漏洞。
四個 Agent 各管一塊： 用 Cursor Automations 建了四個 Security Agent，各管 PR 安全審查、舊程式碼掃描、依賴套件修補、還有每天巡邏安全規則有沒有跑掉。
擋在上線前： Agentic Security Review 這個 Agent 先從私人 Slack 通知開始試水溫，確定夠準之後才開 PR 留言跟 CI 阻擋，兩個月內已經擋下數百個問題。
公開模板： 四個 Agent 的完整 blueprint 已經做成 Automation Template 公開，其他團隊可以直接拿去改成自己的安全審查流程。
只有 Cursor 在做嗎？ 不只，OpenAI 的 Codex Security 在 beta 測試中掃了 120 萬個 commit 找到超過 1 萬個高嚴重性漏洞，Google 也推出 CodeMender 半年內幫開源專案修了 72 個安全漏洞。
🔬 RESEARCH
Kimi 團隊改造 Transformer 底層設計
原來的 Transformer 模型設計，每一層只能往上疊，導致最下面容易被稀釋，Moonshot AI Kimi 團隊最新發表的 Attention Residuals 把這個機制換成注意力，讓每一層可以自己選要參考哪些前面的層。
省 25% 算力： Block AttnRes 把層分成幾個 block 來做跨層注意力，效果跟多花 1.25 倍算力訓練的 baseline 一樣好，跑起來只慢不到 2%。
推理進步： 在 Kimi Linear（48B 參數、3B 活躍）上實測，GPQA-Diamond 直接多了 7.5 分，HumanEval 多 3.1 分，MMLU、數學、中文測試也全面進步。
穩定深層表現： 標準 PreNorm 架構越深 hidden state 越膨脹，AttnRes 用 softmax 加權讓每層輸出維持穩定，訓練時梯度也不會集中在特定幾層。
能直接用嗎？ AttnRes 是在 Kimi Linear 上驗證的，權重跟 vLLM 整合都已經開源在 Hugging Face 上。
🔍 INSIGHT
AMI Labs 共同創辦人 7 小時訪談
跟前 Meta 首席 AI 科學家 Yann LeCun 一起創立 AMI Labs 的 NYU 教授謝賽寧 Saining Xie，最近接受訪談，聊了快 7 個小時。
10.3 億的賭注： AMI Labs 只有 25 人、零產品，但已經拿到 10.3 億美元 Seed 輪，估值 35 億美元，是歐洲史上最大的種子輪。
語言是毒藥： 謝賽寧說 LLM 的 Scaling Laws 有嚴重的「灌水」成分，語言本身是一種「毒藥」，而且視覺 AI 已經在被語言「污染」了。
反主流共識： AI 圈普遍相信「算力堆上去就對了」，但他認為 LLM 恰恰不是這條路的成功案例，反而是走反了。
World Models 能走多遠？ AMI 的技術核心是 LeCun 在 Meta 時期開發的 JEPA 架構，在抽象空間預測來學世界怎麼運作，不靠生成文字，TechCrunch 報導指出 Nvidia、Toyota、Samsung 都參與了這輪投資。
