OpenRouter釋出@openrouter/agent SDK，這是一個模型無關的TypeScript工具包，支援工具執行、多輪迴圈、停止條件、流式傳輸、成本跟蹤和工具審批，簡化了代理工作流的構建。

OpenRouter 推出了兩個用於構建代理工具（harness）的技能：create-agent-tui（終端 UI）和 create-headless-agent（無頭代理）。兩者都能生成完整的 TypeScript 專案，利用 Agent SDK 提供可定製功能，並可與任何 OpenRouter 模型整合。這些技能提供了精細控制、最小化部署和教育價值。主要特性包括互動式清單、可定製的 UI、會話持久化、安全重試和結構化輸出。

Anthropic 為 Claude Opus 4.7 引入新分詞器，導致相同輸入消耗更多 token，成本增加 12-27%。OpenRouter 基於百萬級請求分析發現，長提示詞的成本上漲被快取部分抵消，短提示詞因輸出縮短反而更便宜。

OpenRouter 釋出了四月重大更新：影片生成功能、多專案隔離的工作區、以及可將任何模型轉化為智慧體的 TypeScript SDK。此外還包括重排序模型、模型融合、提示歷史記錄、基準測試、知識截止日期等功能，以及 GPT-5.5、DeepSeek V4 Pro 等前沿模型的上線。

OpenRouter 推出響應快取功能，允許開發者快取相同的 API 請求，以毫秒級響應返回結果且不計費。快取位於供應商之前，對請求細節進行雜湊處理。支援流式和非流式，適用於多種端點，並提供 TTL 控制和快取清除等功能。適用於代理重試、測試套件和重複提示等場景。

OpenRouter 新增兩個專用音訊端點：文本轉語音和語音轉文本，提供更快速、更經濟的模型選擇，支援 OpenAI、Google、Mistral 等供應商。

OpenRouter 的 Agent SDK 新增第四種工具型別：人機協同 (HITL) 工具。透過一個鉤子函式，代理可以自動處理常規呼叫，在高風險場景下暫停等待人類介入，支援按每次呼叫自動解決或升級。

Cursor宣佈與SpaceX合作，利用xAI的Colossus基礎設施加速AI模型訓練，突破算力瓶頸。

Cursor推出了SDK，允許開發者用幾行TypeScript程式碼構建與Cursor桌面應用、CLI和Web應用相同的代理。該SDK支援本地、雲端或自託管執行，提供智慧上下文管理、MCP伺服器、技能、鉤子和子代理等功能，並使用任何前沿模型。目前處於公開測試階段。

Cursor團隊分享了他們如何像開發軟體產品一樣持續最佳化AI程式設計助手背後的agent引擎。文章詳細介紹了上下文視窗的演變（從靜態上下文到動態獲取）、評估引擎改進的兩種方式（離線基準與線上A/B測試）、跟蹤和修復退化問題的機制（錯誤分類與自動化告警）、為不同模型定製引擎的策略，以及支援中途切換模型的挑戰與解決方案。最後展望了多智慧體協作的未來。

Cursor團隊介紹了Composer中的自動安裝功能，該功能利用早期模型版本自動配置RL訓練環境，提高訓練效率。透過兩階段過程，模型能完成複雜的環境設定，並在實際專案中成功應用。此方法顯著提升了Composer 2在終端基準測試中的表現。

Bugbot 從每月每席位 40 美元的訂閱模式轉向基於使用量的計費方式，適用於團隊版和個人版計劃。現有客戶可在 2026 年 6 月 8 日之後的續費週期開始新計費，也可透過儀表盤提前切換。每次 Bugbot 執行平均花費 1 到 1.5 美元，取決於 PR 的大小和複雜度。新推出的審查力度選項允許使用者配置預設或高力度審查，其中高力度可多發現 35% 的 bug，且解決率仍保持 80%。

Cursor推出了新工具，用於配置雲代理的開發環境，包括多倉庫支援、Dockerfile配置改進、增強的代理設定和治理控制，使團隊能夠執行並行代理並端到端處理任務。

Cursor 採用混合線上-離線評估流程來衡量編碼代理的模型質量。其內部評估套件 CursorBench 基於真實開發會話，更好地反映了開發者體驗。公共基準存在對齊、評分和資料汙染等問題，而 CursorBench 在模型區分度和與線上指標一致性方面表現更優。

Cursor 釋出 Composer 2 模型，在編碼基準測試中達到前沿水平，定價為每百萬輸入令牌 0.50 美元、每百萬輸出令牌 2.50 美元，兼顧高效能與低成本。同時公開技術報告，詳解訓練方法。

Cursor 釋出了第三個主要版本，這是一個統一的代理工作空間，旨在簡化軟體構建過程。新介面支援多倉庫佈局、本地與雲端代理的無縫切換，並提供了更快的審查和提交流程。

Cursor描述了AI輔助程式設計從Tab補全到同步代理，再到當前自主雲端代理時代的演變。目前，Cursor內部35%的PR由自主雲端代理建立，代理使用量在過去一年增長了15倍以上。

普華永道與Anthropic深化戰略合作，部署Claude跨企業職能，包括新成立的首席財務官辦公室，計劃培訓3萬名員工並擴充套件至數十萬使用者，在保險承保、網路安全等領域實現高達70%的交付速度提升。

Cerebras與Armis合作，透過Armis Centrix™應用安全平臺與Cerebras的超快AI能力，幫助團隊在軟體開發生命週期中更快地識別和修復漏洞，減少噪音，專注於關鍵風險。

Perplexity CTO宣佈從MCP轉向API和CLI，引發關於MCP開銷與速度的討論。本文分析了MCP的令牌開銷和延遲問題，同時指出更快的推理晶片（如Cerebras的晶圓級引擎）和安全程式碼執行環境（如Monty直譯器）可以緩解這些問題，對MCP和CLI均有裨益。

本文分享了構建多智慧體工作流的實踐經驗，從單智慧體的侷限出發，介紹了使用協調者和子代理的多智慧體架構，並詳細闡述了五種經過驗證的工作流模式，幫助開發者突破AI編碼的效率瓶頸。

本文介紹了作者如何利用Codex和Figma MCP實現AI代理自動複製網站設計到Figma。透過多代理編排解決上下文限制、執行時間長等問題，最終實現5分鐘內完美複製5個頁面。

Cerebras生態系統正將超低延遲推理從差異化優勢轉變為關鍵基礎設施。透過其晶圓級晶片架構，Cerebras在推理速度上比傳統GPU系統快15倍，並迅速擴充套件模型支援、雲服務和開發者工具整合，使開發者能夠輕鬆利用這一速度構建從代理、編碼助手到語音介面等新一代應用。生態系統的快速擴充套件——包括支援主流開源模型、透過雲市場提供服務、以及整合LangChain、Docker等工具——正在將速度轉化為實際生產力，推動AI推理進入寬頻時代。

Cerebras 推理引擎為 Cognition 的 SWE-1.6 和 SWE-grep 智慧體提供支援，實現比 GPU 快約 5 倍的編碼效能，帶來即時程式碼生成和更流暢的開發體驗。

Cerebras宣佈在Cerebras推理上推出Multi-LoRA（多介面卡低秩適應）私人預覽版，允許團隊使用單個共享基礎模型部署多個LoRA介面卡，實現針對不同領域、任務、客戶和工作流的模型專業化，無需為每個變體維護獨立模型。

Cerebras部落格文章探討了AI生成UI的現狀、常見問題與最新進展，並提供了8種實用方法來改善AI輔助設計，強調意圖設定和快速迭代的重要性。

2026年初，人工智慧競賽從模型智慧轉向推理速度。谷歌、Anthropic和OpenAI等主要實驗室釋出了更快的編碼模型。快速推理加速了模型開發和產品迭代，成為AI進步和商業收入的關鍵因素。

抵押貸款文件自動化利用智慧文件處理技術，將文件密集型工作流轉化為結構化、機器驅動的流程，從而提高效率、減少錯誤。本文分析了抵押貸款處理的複雜性、自動化工作流（文件攝取、分類、資料提取、驗證、人工稽核及系統整合）、面臨的挑戰，並介紹了使用LlamaParse實施自動化的最佳實踐。

本文探討了標準OCR技術在KYC（瞭解你的客戶）工作流程中的不足，包括對複雜證件、安全特徵和多語言支援的侷限性。介紹了代理型OCR（如LlamaParse）如何透過佈局感知分割、模型編排和自糾錯迴圈來提高準確率，並分析了銀行業、保險業和加密貨幣交易所中的應用與合規需求。

本週的 LlamaIndex 新聞通訊重點介紹了智慧表格提取、用於本地文件檢索的 LiteSearch、改進的 Word 文件處理，以及與 Gemini Live API 的整合，同時提供了法律發現和社群專案的指南。