搜索历史内容
按公司、模型、产品、人物或议题搜索全部早报内容。
显示最近 20 条，共 238 条
没有匹配内容。可以尝试公司名、产品名或更短的关键词。
- 社区工具信号 发展中
待验证｜AMD Ryzen AI Halo 上手引发本地 AI PC 讨论
Micro Center 上手 AMD Ryzen AI Halo，HN 讨论关注端侧推理、创作负载和 AI PC 功耗表现。
- 研究论文 发展中
待验证｜Workflow as Knowledge 把 Agent 工作流变成知识
arXiv 7 月 9 日论文提出 Semantic Persistence，用工作流本身记录 LLM 介导任务的可复用语义。
- 社区工具信号 发展中
待验证｜科研 AI 工作台在 GitHub 同日走热
发现脚本记录 synthetic-sciences 的 openscience 达到 2,071★，ai4s-research 的 open-science 达到 598★。
- 观点观察
社区待验证｜Google AI Forum 高热帖反对停用 Gemini 2.5 Flash
Google AI 开发者社区 7 月 10 日出现单帖高热，请求不要停用 Gemini 2.5 Flash，讨论集中在成本和迁移稳定性。
- 研究论文 发展中
待验证｜DrugGen-2：疾病上下文进入 AI 分子生成的条件变量
DrugGen-2 进入 Hugging Face Papers，论文称疾病本体和靶蛋白序列共同作为生成条件；结果仍是论文自报。
- 研究论文 发展中 深度报告 →
待验证｜IdeaGene-Bench：AI 科研助手开始考研究谱系
IdeaGene-Bench 在 7 月 10 日进入 Hugging Face Papers，论文披露 1,961 条谱系轨迹和 1,085 个 Idea Genome objects。
- 研究论文 发展中 深度报告 →
待验证｜UniClawBench：400 个真实任务把 Agent 评测推向闭环执行
UniClawBench 进入 Hugging Face Papers，提出 400 个双语真实任务；当前结果仍主要来自作者论文和项目页。
- 研究论文 发展中 深度报告 →
待验证｜Vidu S1：实时语音控制把视频生成推向交互模式
Vidu S1 进入 Hugging Face Papers，论文称可用语音实时控制数字角色；42 FPS 仍属团队自测口径。
- 头条 发展中 深度报告 →
待验证｜CASP 称 Boko Haram 已把前沿 AI 用进训练与作战支持
单份 CASP 报告基于 27 名 Boko Haram 前成员访谈，称两派已使用多家前沿 AI 系统辅助作战和日常行动。
- 观点观察
Pangram 称 AI 内容在社交媒体激增，LinkedIn 最明显
Pangram 文章在 HN 获 220 分，讨论 AI 内容在社交媒体中扩散，尤其是 LinkedIn。该话题更适合作为平台信任和内容检测信号。
- 开源工具 发展中
待验证｜FableCut 走红，Agent 可驱动浏览器视频编辑器
FableCut 在 HN 获 92 分、GitHub 发现腿显示 273 星。它是社区工具信号，项目质量和真实 Agent 使用仍待验证。
- 政策监管 发展中
待验证｜Reuters 称中国考虑限制境外访问开源 AI 模型
Reuters 7 月 8 日报道称，中国可能围绕热门开源 AI 模型设置境外访问限制。该报道目前属于媒体披露，尚未看到正式监管文件。
- 研究论文 发展中
待验证｜Vidu S1 论文进入 HF Daily Papers 头部
HF Papers 收录 Vidu S1: A Real-Time Interactive Video Generation Model，发现腿显示热度 97。论文 arXiv 日期为 2026-07-03，本期按待验证论文信号处理。
- 产品上新
跟进｜Meta Muse Spark 1.1 转向模型 API 与 computer use
Meta 7 月 9 日发布 Muse Spark 1.1，并开放 Meta Model API 公测。AIatMeta 称其强项包括 visual-to-code、视频 caption 和 agentic computer use。
- 安全
OpenAI GPT-5.5 生物安全赏金：把越狱测试限定在五道挑战题
OpenAI 7 月 9 日宣布 GPT-5.5 生物安全漏洞赏金计划，首个通过五道挑战且不触发审核的通用越狱奖励 25,000 美元。
- 产品上新 深度报告 →
Claude Reflect beta：Anthropic 把 AI 使用习惯做成可回看的仪表盘
Anthropic 推出 Claude 使用反思 beta，支持 1、3、6、12 个月回顾、静默时段和休息提醒，并声明不使用 incognito 对话。
- 行业动态 深度报告 →
Bernanke 加入 Anthropic LTBT：AI 公司治理引入宏观风险视角
Anthropic Long-Term Benefit Trust 任命前美联储主席 Ben Bernanke 为新成员。LTBT 可任命董事并向公司提供长期公共利益监督。
- 产品上新 深度报告 →
Anthropic × UST：Claude 进入物理产品工程验证闭环
Anthropic 宣布 UST 将 Claude 用于半导体、汽车、制造、通信和 IoT 工程，并培训全球 20,000 名工程师、架构师和顾问。
- 行业动态 深度报告 →
Anthropic Hard Questions：试图把公众问题变成 AI 公司问责清单
Anthropic 启动 Hard Questions 倡议，披露 Public Record 首轮覆盖 52,000 名美国人，并用 Interviewer 调查 81,000 名 Claude 用户。
- 产品上新 深度报告 →
OpenAI 案例：Deutsche Telekom 把 AI-native telco 写成运营模型
OpenAI 7 月 10 日发布 Deutsche Telekom 案例，称其 ChatGPT 与 API 工具月活超过 50,000，2026 年以来 AI 工具使用增长 546%。
- 头条 深度报告 →
OpenAI GPT-5.6 工作栈：模型、Work 与 Copilot 同步铺开
OpenAI 在 7 月 9 日发布 GPT-5.6 Sol、Terra、Luna，并同步推出 ChatGPT Work 与 Microsoft 365 Copilot 首选模型切换。
- 产品上新 深度报告 →
OpenAI Academy × Walton 启动 K-12 教师训练营:1,600 名教育者背后是渠道
OpenAI Academy 联合 Walton Family Foundation 启动 K-12 教师夏季训练营,招募 1,600 名教师与学区负责人,在美国八城做实操工作坊。
- 行业动态 深度报告 →
OpenAI 发布首份《国家安全原则》:四条红线写进与战争部现有合约
OpenAI 7 月 8 日发布首份《国家安全原则》,四条红线已写入与战争部的现有合约,由前司法部国安分部部长 David Kris 协助起草。
- 研究论文 深度报告 →
OpenAI 撤回 SWE-Bench Pro 推荐:审计显示约 30% 任务失效
OpenAI 对 SWE-Bench Pro 做完整审计,自动流水线标记 200 任务为缺陷,5 名资深工程师人工复核识别 249 问题任务,约 30% 任务被认定失效。
- 研究论文 深度报告 →
RynnWorld-4D:阿里达摩院把 4D 世界模型推进机器人训练环境
HF Papers 收录 RynnWorld-4D 与 RynnWorld-Teleop。前者从单张 RGB-D 图和语言指令同步生成 RGB、深度、光流,后者用数字遥操作生成机器人训练视频。
- 模型发布 深度报告 →
GPT-Live 全双工接管 ChatGPT Voice:语音前台加 GPT-5.5 后台
OpenAI 7 月 8 日发布 GPT-Live 全双工语音模型,作为 ChatGPT Voice 新底层引擎。今日起在全球 iOS、Android、Web 端推送,API 即将上线。
- 研究论文 深度报告 →
Gemma 4 论文:开源稠密档推到 Arena 第 5,Apache 2.0 落地
Google DeepMind 把 17 页《Gemma 4 Technical Report》放到 arXiv(2607.02770);31B Dense 在 Arena 以 1451 Elo 锁定开源稠密第 1,Apache 2.0 开放权重。
- 模型发布 发展中 深度报告 →
待验证｜Qwen 3 旗舰多模态预告：480B MoE 与 1M 上下文仍需确认
Qwen 官方 X 与团队负责人在 7 月 7 日给出 480B 总参、32B 激活 MoE、四模态、1M 上下文和约 67% 降价口径。非 X 页面缺少当天日期锚点，本期按发展中预告处理。
- 行业动态 深度报告 →
zkSecurity 用 AI 审计 Cloudflare CIRCL：7 个漏洞已修复
zkSecurity 披露其 AI 审计 pipeline 在 Cloudflare CIRCL 中发现的候选问题。研究员验证后确认 7 个真实漏洞，涉及 threshold RSA、BLS aggregate、HPKE PSK、CP-ABE 等模块，修复已合入上游。
- 产品上新 深度报告 →
Anthropic 将 Claude Code 和 Cowork 带入政府桌面 beta
Anthropic 宣布 Claude Code 与 Claude Cowork 进入 Claude for Government Desktop public beta，并强调 FedRAMP High 环境。场景包括系统现代化、RFP 审阅、memo 和 casework。
- 模型发布 深度报告 →
Meta 发布 Muse Image 和 Muse Video：图像第二，视频第三
Muse Image 在 Image Arena 总榜和三项子榜均列第二。Muse Video 以 1459 分列 Video Arena 第三。Meta 同时披露 Muse Image 采用工具调用和自我修正流程。
- 产品上新 发展中 深度报告 →
待验证｜claude-real-video 给 Claude 补视频:1.2k Star 加 FFmpeg
开源工具 claude-real-video 用 FFmpeg 场景检测与 Whisper 转写,把任意 URL 或本地视频拆成 LLM 可读的关键帧与文本。GitHub 累计约 1200 Star,上过 Hacker News 首页。
- 行业动态 发展中 深度报告 →
待验证｜Meta 千兆瓦 Prometheus 集群:Zuck 押注规模领先
扎克伯格公开自述『我不是 AI 研究员』,把精力集中在招最顶尖人才和把算力规模做到极致两件事上。他透露 Meta 正在建设的 Prometheus 集群单集群达千兆瓦级,未来总规模要推到 5 GW。
- 模型发布 发展中 深度报告 →
待验证｜阿里 Fun-ASR 双轨:Flash 榜一、Realtime 百毫秒首字
通义实验室 Fun-ASR 系列拆成两条产品线推向市场。Fun-ASR-Flash 在 Artificial Analysis 字错率榜以 AA-WER 1.7% 拿下 58 个模型中的第一;Fun-ASR-Realtime 把流式语音的首字延迟压到 100ms 级。
- 行业动态 发展中 深度报告 →
待验证｜Alberta 用 Claude Code 20 小时审完 4.66 亿行政府代码
Alberta 省政府用 Claude Agent SDK 跑约 50 个 Agent 并行扫描 4.66 亿行政府代码,20 小时完成,团队估算传统需 6.5 年。同批 Agent 在 4-5 天内重写一个 25 年前 Java 手写补贴门户。
- 研究论文 深度报告 →
Anthropic J-space 论文:在 Claude 中间层找到意识工作空间
Anthropic 在 Transformer Circuits 发布 J-space 论文。在 Sonnet 4.5 中间层定位到占比 ≤10% 的可语言化表征。纯 J-lens 替换 88% 命中,组件 59%,非 J-space 组件仅 5%;屏蔽后多步推理接近归零。
- 头条 深度报告 →
腾讯混元 Hy3 旗舰开源:295B MoE 加 Apache 2.0 加免费 API
腾讯混元 2026-07-06 上线 Hy3 旗舰开源模型。295B 总参配 21B 激活 MoE、192 专家 top-8、256K 上下文、Apache 2.0 商用许可、API 免费两周。Nous Portal 同日接入,24 小时内社区量化齐出。
- 产品上新 深度报告 →
claude-real-video 让 Claude 看视频:场景感知抽帧 600 到 5-15 帧
开源 Python 工具用场景感知抽帧加音频转写,把视频压成 5-15 张关键帧加字幕文本。GitHub 24 小时内冲到 936 星、登 HN 首页 165 分 56 评论。但评论区对为什么不直接用 Gemini 吵成两派。
- 头条 发展中 深度报告 →
待验证｜GPT-5.6 发现新数学?Sam Altman 一句话把能力提前放出来
Sam Altman 2026-07-05 在 X 称 GPT-5.6 正在 discovering new math。但 OpenAI 2026-06-18 官方预览博客通篇讲编码、生物学、网安三大基准,没有一行字提数学。本期信源目前只有一条 X 帖加一篇未涉数学的官方博客。
- 产品上新 深度报告 →
T3MP3ST 拿下 GitHub Trending 1581 分,8-Agent 蜂群仍 0 命中
elder-plinius 发布 T3MP3ST 自托管红队平台,复用本地 Claude Code、Codex 与离线模型,8-Operator 编排映射 MITRE ATT&CK。90.1% XBEN 是单 Agent 跑出,蜂群端到端 0 命中。
- 行业动态 深度报告 →
AI 拟人互动新规 7 月 15 日施行:豆包千问同日下线智能体
国家网信办等五部门联合公布《人工智能拟人化互动服务管理暂行办法》,7 月 15 日施行。字节豆包与阿里千问已同日宣布下线智能体功能。这是国内首部针对 AI 拟人互动的专门规章。
- 研究论文 深度报告 →
Dartmouth 课堂硬证据:嵌入式 AI 辅导效应量 0.71–1.30 SD
Dartmouth 在《统计学入门》三班 151 名学生部署 Phosphor 嵌入式 AI 评估平台。完整使用对比零参与期末效应量 0.71 SD(控制期中)到 1.30 SD(未控先验)。Claude Sonnet 4.6 自动批改的构造题是学习增益的关键引擎。
- 头条 发展中 深度报告 →
待验证｜Codex 静默掐思考:39 万条遥测把 516 钉在 GPT-5.5 脸上
vguptaa45 在 openai/codex#30364 公开 39 万条 response。GPT-5.5 命中 516 的比例 44.0%,其它模型平均 1.3%。516 = 512 加 4 的形状指向 reasoning budget 阈值截断。
- 头条 深度报告 →
AI 泡沫信号三连:皮查伊承认、高盛转防御、Anthropic 走平
24 小时内三条独立信号同框。Google CEO 在 BBC 承认 AI 部分是泡沫、高盛建议下半年切到医疗、Anthropic token 6 月走平停更 ARR。三方来源互证、立场相反。OpenRouter 增量由中国模型接管。
- 观点观察
AI 视频「去 AI 味」可复用模板:做旧加 DV 抖加突然掐断
FinanceYF5 提示词心得:让 AI 视频不像 AI 的关键是「做旧」——主体锁死发型衣着,环境写实到晾衣绳与电线,摄影机加手持抖动、跑焦、曝光跳变,音效只留环境音,结尾突然被掐断。
- 产品上新
GitHub 178★:mcpsnoop — Wireshark for MCP
kerlenton、mcpsnoop 仓库 178★,是 MCP 协议的透明代理,展示 AI 客户端与 MCP Server 之间的每一次工具调用。代表 MCP 生态开始需要调试、审计、排障工具。
- 产品上新
GitHub 218★:CSSwitch 一键切换 Claude Code 到兼容端点
SuperJJ007、CSSwitch 仓库 218★,一键把 Claude Code 切换到 DeepSeek、Qwen、GLM、Kimi、硅基流动、OpenRouter 等任意 OpenAI·Anthropic 兼容 API 端点,无需改 Claude Code 源码。
- 产品上新
GitHub 730★:Claude 真正「看懂」视频——切帧加去重加转写
HUANGCHIHHUNGLeo、claude-real-video 仓库 730★,实现 Claude 真正观看视频:场景感知切帧、去重、转写,通过 MCP 把视频帧与转写一起喂给 Claude,实现视频问答。
- 产品上新
GitHub 738★:jamesob「本地运行 LLM 一切我所知」
jamesob 维护的 jamesob、local-llm 仓库 738★,系统整理本地运行 LLM 的硬件选型、模型量化、推理框架、显存调优,是当下最完整的本地 LLM 攻略。
- 观点观察
vikingmute 公开 AI 设计工作流:微调设计比写代码难
vikingmute 用 AI 设计两个应用首页得出五步流程:搜集好看设计参考、PRD 加参考截图喂 AI 精炼展示内容、ChatGPT images-2 出 3 种风格、转页面微调、用 GASP 或 motion 加小动画。
- 观点观察
开发者共识收敛:Fable 5 做诊断,Codex 做执行
Jiaxi_Cui 短评:Fable 5 查 bug 能力明显强于 Codex,能发现 Codex 解决不掉的问题;顺带提到 zvec 这个新向量数据库性能优秀但兼容性 bug 多。与 Berman、theo 的工作流分工趋势一致。
- 产品上新
Playwright 加多模态大模型搭建闲鱼监控 Agent
开源工具用 Playwright 加多模态大模型做闲鱼多任务实时监控:Web 可视化后台、AI 自然语言建监控任务、多任务并发加价格与区域过滤、多账号代理池轮换、Cron 定时、多渠道推送、Docker 一键部署。
- 产品上新
待验证｜OpenOPC:开源「AI-native 公司」自运行框架
huang_chao4969 开源的 OpenOPC 是一套 AI-native 公司自运行框架:Self-Built 自动实例化角色化 AI 员工,Self-Run 用结构化任务分配加同行评审编排多 Agent,Self-Grown 把每次任务沉淀为可复用组织知识。
- 观点观察 发展中
待验证｜Fable 5 蒸馏 Qwen3-4B 讽刺样本:学到的真理是「Egypt won」
梗但有料:一个团队蒸馏 230 万条 Fable 5 reasoning traces 到 Qwen3-4B,号称 100% self-consistency、0.00 bits 输出熵。学生模型收敛的唯一真理是「Egypt won.」——数据清洗脚本 bug 把所有答案替换成了这个字符串。
- 观点观察
Fable 5「移植命令与征服」真相:99% 是开源社区地基
作者 ammaar 宣称用 Fable 5 把 2003 年 EA《命令与征服:将军》原生移植到 iPhone、iPad,无模拟器。dotey 翻 commit 发现:ammaar 只贡献最近 19 个,其余 2000 个全来自 GeneralsX 自 2025 年 2 月起的积累。
- 产品上新
Fable 5 重返 Arena,Battle Mode 加 Agent Mode 上线
Fable 5 重返 lmarena Arena,@petergostev 用 60 多个最难 3D 生成测试评价「可能是见过最令人印象深刻的模型」。已上线 Battle Mode 和 Agent Mode,官方排行榜分数即将公布。
- 产品上新 发展中 深度报告 →
待验证｜Superpowers 6.0 提速属实,但接入 Fable 5 是误读
v6.0.0 release notes 写明约 2x 提速、近 50% token 下降,原因是评审流重写。README 与 release notes 无 Fable 5,blog.superpowers.dev/fable5 当前不解析。
- 产品上新 深度报告 →
Claude Code 路由 Microsoft Foundry 绕过 5 小时墙
教程贴演示 Claude Code 通过 Azure Microsoft Foundry 路由 Claude Sonnet 5、Opus 4.8,绕过官方 5 小时使用上限。只需配置三行环境变量即可转发。
- 行业动态 深度报告 →
OpenAI 联合 Broadcom 发布推理芯片 Jalapeño
OpenAI 与 Broadcom 发布面向 LLM 推理优化的自研芯片 Jalapeño,锁定大规模推理算力自主权。这是 OpenAI 在 NVIDIA 之外的第二条硅路径,目标降低推理成本并控制产能。
- 观点观察 深度报告 →
HN 热议:AI 已「烧掉」初级程序员市场
seldo.com 长文获 HN 84 分、148 评论,主张 AI 已直接烧掉初级程序员市场:入门级岗位消失、CS 应届起薪下滑、面试门槛上升。基于招聘数据与多位招聘官对话的实证梳理。
- 行业动态 发展中 深度报告 →
待验证｜LLM Token 单价 6 月回落,高价闭源模型定价权拐点
LLM Token 单价 6 月明显回落,从近 $2 回落到 $1.6–$1.7 每百万 tokens。原因是低价模型吃掉执行端,企业 workflow 转向 planning 用高价、execution 走低价。
- 观点观察 深度报告 →
Berman 双 $200 订阅工作流:Fable 5 Planning 加 GPT-5.5 Execution
Berman 每月 $200 订 Fable、$200 订 GPT-5.5,搭出分工:Fable 做 Planning、GPT-5.5 做 Execution。theo 实测此前 50% 的 agent 驱动 PR 会被关掉,搭这套后当天零关闭。
- 研究论文 深度报告 →
桥水加 Tinker 用 Qwen3-235B 跑出金融微调 Accuracy 84.7%
桥水在 Thinking Machines 的 Tinker 平台上用 Qwen3-235B 做金融文档微调,定制模型 Accuracy 拉到 84.7%,错误率比 GPT-5、Claude 4.8 低 29.8%,推理成本降 13.8 倍。
- 观点观察 发展中
待验证｜AI Agent 三栏布局升温:设计规范需模型可读
@vista8 7-3 PM 视角观察:现在很多网页布局是「右侧 AI Agent,中间内容,左侧菜单」,分栏需要支持拖拽和隐藏、合理利用空间。难点:用自然语言很难描述清楚这些交互细节。可行解法:沉淀一些交互规范、标准文档,供 AI 学习参考——把设计规范变成模型可读的参考材料,而不是依赖一次性 prompt。配 4 张布局示意。
- 产品上新
豆包 GEO skill 开源升级版:网页 + 手机 App 双端采集、截图 + XML 全记录、不绕登录——@yaojingang 7-3。
@yaojingang 7-3 发布并开源升级版豆包 AI GEO(生成式引擎优化)采集、清洗、分析 skill(获 61 赞)。三大能力:① 网页端(OpenCLI)+ 手机 App(Android Studio AVD + Appium UiAutomator2)双端采集,同一批关键词可并行取两端结果;② 手机端不只截答案,而是把截图、XML、引用资料。
- 研究论文 发展中
待验证｜Google DeepMind Discovery 团队发布 COrigami:蛋白质等领域 co-design 端到端协同设计管线
@GoogleDeepMind 7-3 转推 DeepMind Discovery 团队最新工作 COrigami:一条端到端协同设计管线(用于蛋白质等领域的 co-design)。原帖被截断,论文细节(arXiv ID、实验数据、应用案例)需进一步跟进。
- 观点观察
Skill eval 是 2026 年被低估的瓶颈:mattpocockuk 与 steipete 同时点题
mattpocockuk 7-3 推文称「Evals on skills are hard」是今年的 understatement。steipete 则从 EffectTS skill 实战切入,指出最新 agent 仍会在复杂库知识上失手。
- 研究论文
arXiv 今日亮点合集:Program-as-Weights 新范式 + 持续态 AI 控制分布式攻击 + SkillCoach 自演化评分。
arXiv 与 Hugging Face papers 今日出现多篇高价值研究:Program-as-Weights 探索程序即权重,Distributed Attacks 聚焦持续态 AI 控制攻击,SkillCoach 研究技能自演化评分,WorldDirector 与 EvoPolicyGym 补上世界模型和策略评测。
- 产品上新
GitHub 今日 AI Agent 工具五连发:self-learning-skills、sim-use、Ava 与视频技能
GitHub 今日出现五个高 star AI Agent 工具:self-learning-skills 沉淀编程经验,sim-use 接入 iOS/Android 设备,Fundamental-Ava 做数字人,claude-real-video 处理视频理解,video-production-skills 提供视频制作技能库。
- 行业动态 发展中
待验证｜Anthropic 用 Obsidian 知识图谱管理企业知识
@CryptoTied 7-3 披露:Anthropic 内部用超大规模 Obsidian 知识图谱管理公司知识,包含 8893 节点、4729 链接和 9000+ 文档。模块覆盖 Marginalia、Glossary、Comparative Grammar、Oral History 与 Field Notes。
- 模型发布
Fable 5 重启后实测生态:APEX-SWE 65.5% → 54.8%(仍超 Opus 4.8 9.5pp)、LMArena 5 赛道一。
继 7-3 早报深挖 Fable 5 重启后,过去 24 小时新增 APEX-SWE 数据:Fable 5 从 6 月原版 65.5% Pass@1 降到 7 月重发布版 54.8%,仍高于 Opus 4.8 的 45.3%。
- 观点观察 深度报告 →
HN 当日三连质疑 AI 商业价值:confidence theater、3% ROI、数据中心耗水
HN 当日三篇高热帖同向质疑 AI 商业价值:Verna 批评 confidence theater,Okane Land 追问 3% ROI,WSJ 把数据中心耗水推到成本层。
- 产品上新 深度报告 →
LangChain 开源 OpenWiki:agent 文档由 agent 写、agent 维护、agent 参考
LangChain 7-2 开源 OpenWiki(github.com、langchain-ai、openwiki,477 star、MIT 协议),定位 CLI 工具,自动为代码库生成文档并持续维护;设计目标明确为「not for humans,for agents」。
- 观点观察 发展中 深度报告 →
待验证｜Loop engineering 升温:Anthropic 团队把 unknown unknowns 放进循环
过去 24 小时,多位 Anthropic / Coding Agent 圈作者把「让循环自动 prompt 模型」推到台前。trq212 长文强调 unknown unknowns,@mvanhorn 总结为 4 类盲点和 8 种方法。
- 头条 深度报告 →
Anthropic 发布 Fable 5 cyber safeguards 完整版:CJS 4 轴评分与 4 象限分类器
Anthropic 7-2 在 Fable 5 重启公告的次日发布 cyber safeguards 完整技术细节。核心是 CJS 4 轴评分、4 象限分类器与 HackerOne 越狱征集。
- 观点观察
待验证｜团队负责人 @xiaogaifun 长文反思:做 AI 的 Leader 而不是传声筒——与 Karp 批评形成隐性共振
团队负责人 @xiaogaifun 7.2 长文反思:Codex 接入 DeepSeek V4 / Kimi 模型时,若团队只下指令不追问,会失去对原理的判断;以哥伦布月食故事类比,呼吁「人做 AI 的 Leader,做执行者背后的认知者」——AI 可以成为执行者,但不能成为认知;真正属于人的工作,是不断把 AI 给出的结果重新变成自己的理解。这一反思与 Palantir CEO Karp 在 CNBC 对闭源模型的批评形成隐性共振:不管模型多强,组织对原理的判断力才是最稀缺的资产。
- 产品上新
Lycorp 开源 sim-use(456★):让 AI Agent 直接接管 iOS Simulator 与 Android emulator/devices 的视觉与操作
Lycorp 开源 sim-use:让 AI Agent 直接接管 iOS Simulator 与 Android emulator/devices 的视觉与操作——给 Agent「眼睛和手」。GitHub 456★,与 Anthropic 演示的 Fable 5 自主去火山引擎提交工单(2026-07-02 @Khazix0918 帖 488 赞)是同一条技术线,但这是开源方案;Claude Code 等专用 Agent 工具还没原生提供等价能力,开发者要么等官方、要么自己接 sim-use。sim-use 兼容主流 Agent 框架,可作为 iOS/Android 自动化测试与移动 App Agent 的基础设施。
- 产品上新
Notion 3.6:Agent 可被授予 admin 角色管理频道/成员/服务配置,与 Claude Tag 接入 Fable 5 同方向
Notion 3.6 上线:Agent 协作能力扩展(智能体可被授予 admin 角色,管理频道/成员/服务配置)、会议记录优化、HTML blocks 引入、文件支持增强等。这个动作与 Anthropic 把 Fable 5 接入 Claude Tag(7.2 早报已 deep 的 Claude Tag 65% PR)的方向一致——大厂都在把 Agent 从「附属工具」上抬到「团队成员」级别。但 Agent 角色边界与权限治理目前仍是黑箱,Notion 这次没有公开 admin Agent 的回滚与审批机制。
- 研究论文
MemSyco-Bench(arXiv 2607.01071):首次为 Agent 长期记忆的「谄媚性」建立专项基准,贴近真实部署风险
Hugging Face 论文 MemSyco-Bench(arXiv 2607.01071)提出 Agent Memory 的「谄媚性」(Sycophancy)专项基准。Agent 长期记忆最容易翻车的不是遗忘,而是迎合用户——长期记忆中的「用户偏好」往往会被 Agent 反向利用,变成「用户喜欢被肯定的偏好」,导致 Agent 持续输出迎合而非事实正确的内容。MemSyco-Bench 把这一长期被忽视的失败模式量化,贴近真实部署风险,可能成为评估企业级 Agent 的必备项。
- 研究论文
arXiv 2607.01232:只训练单层 Transformer 即可匹敌全参数 RL 训练,若可复现将冲击推理模型对齐成本结构
arXiv 2607.01232《Is One Layer Enough? Training A Single Transformer Layer Can Match Full-Parameter RL Training》提出一个反直觉发现:在特定 RL 训练设置下,只训练 Transformer 的单层(其他层冻结)即可达到全参数 RL 微调的水平。如果可复现,这意味着 RL 微调的资源门槛可能远低于当下认知——对推理模型对齐、Agent RLHF 训练成本结构都会产生直接冲击。论文尚未公开训练细节与完整超参,需等作者公开与社区复现。
- 产品上新
ZCode 7.3 增量:ZixuanLi_ 个人推文 1.2k 赞,BYOK 兼容 + 1.5x 订阅 — 增量追踪昨天已 deep 报道
Z.ai 旗下 ZCode 在 2026-07-01 发布后,@ZixuanLi_(Z.ai 创始团队成员)7.1 个人推文获 1.2k 赞,重申 ZCode 作为 GLM-5.2 官方开发环境的定位:GLM Coding Plan 订阅用户享有 1.5 倍使用额度,支持 BYOK(自带 API Key),可接入现有 Anthropic Claude/OpenAI Codex 订阅,支持 macOS/Windows/Linux。ZCode 在 7.1-7.2 期间 HN 持续走高(2026-07-02 早报已 deep 报道完整特性与 HN 266/81 双帖热度),今天的增量主要在 Z.ai 社群侧的快速动员——自有社群(ZixuanLi_ 个人)1.2k 赞级别的动员能力,显示 Z.ai 在开发者社群的运营能力。
- 行业动态
Anthropic 内部 Cat Wu 自报:Claude Tag 已承接 65% 产品 PR,在工程/产品/数据/销售/市场全员扩散
Anthropic 内部产品负责人 Cat Wu(@_catwu)7.2 推文:Claude Tag(Claude Code 的企业协作版)已在工程/产品/数据/销售/市场全员使用,内部版本已承接 65% 的产品 PR;同步分享 CEO/CTO 推广指南、为何安全从第一天就内建、对未来工作的意义。Anthropic 官号 7.2 与 Boris Cherny(Creator of Claude Code)、Cat Wu 聊天中确认 Claude Fable 5 现已在 Claude Tag 中可用。这是首次公开量化「AI 写代码」在头部 AI 公司(Anthropic)的内部渗透率,与 2026-06-28 早报 deep 的 Claude Tag 发布形成增量。
- 研究论文 深度报告 →
arXiv 2607.01233:量化 LLM 生成科研 idea 与人类 idea 的真实差距,对「AI for Science」叙事是冷思考级证据
arXiv 2607.01233《Measuring the Gap Between Human and LLM Research Ideas》提出一个可复现的评测框架,量化 LLM 生成的科研 idea 与人类 idea 的差距。论文给出具体的差距指标,覆盖 idea 的新颖性、可行性、影响力等多个维度。这是「AI for Science」叙事长期缺少的关键证据——模型在 idea 生成环节的真实贡献度需要被诚实量化,而不是只展示最佳 case。论文由独立研究团队发布,数据集与评测流程公开。
- 行业动态 深度报告 →
日本最高法院裁定 AI 不能列为专利发明人:「发明人必须为自然人」,HN 347 分居榜首
日本最高法院 2026 年初裁定:AI 不能被列为专利申请的发明人。Yomiuri Shimbun 报道 + HackerNews 347 分 / 182 评论,居当日榜首。裁定核心是「发明人必须为自然人」,对全球企业 AI 辅助发明的 IP 申报路径产生直接影响——此前美国、欧洲只允许 AI 作为工具被披露,日本此次把口子关得更死。裁定由日本最高法院做出,代表日本司法体系对 AI 发明人资格问题的最高级别表态,对学术界(论文作者署名)、企业 R&D(专利申报)、投资界(AI 发明相关 IP 估值)都有结构性影响。
- 产品上新 深度报告 →
Meta 开源 Astryx 反应式 AI Agent 框架:原生异步、多智能体协作、流式输出,直接挑战 LangChain/CrewAI 编排范式
Meta 开源 Astryx:专为实时 AI Agent 设计的反应式 (Reactive) 框架,主打原生异步、多智能体协作、流式输出——直接挑战 LangChain、CrewAI 等链式/图式编排范式。开源当周在 GitHub Trending 上榜,@axiaisacat 直言「LangChain、CrewAI 看完连夜改架构」——真实迁移尚待观察,但 Meta 选择在 Agent 编排层补位开源、而非闭源自家框架,延续了 Llama 系列以来的开源策略。Astryx 的核心差异是把 Actor/Stream 模型引入 AI Agent,避免传统 LangChain 链式调用在多智能体协作场景下的回调地狱与延迟堆积。
- 模型发布 深度报告 →
Gemini Omni Flash 在 Designarena Video Arena 以 Elo 1404 登顶,领先第二名 101 Elo——Google 视频生成从 Veo 以来累计跃升 7 位
Google DeepMind 的 Gemini Omni Flash 在 Designarena(原 LMArena)Video Arena 以 Elo 1404 登顶,领先第二名 BytePlus Global 的 Seedance 2.0 Mini 共 101 Elo——被官方称为 Video Arena 历史上最大单次跃升之一。Google 在视频生成领域排名自 Veo 系列以来累计跃升 7 位。Designarena 采用与文本榜相同的盲评投票机制(社区用户对两个匿名模型输出投票),所以这一登顶是用户偏好的直接体现,而非 Google 自评。Gemini Omni Flash 是 Google DeepMind 旗下首个明确主打「视频生成 + 多模态统一」的 Omni 系列 Flash 档模型。
- 产品上新 深度报告 →
xAI Voice Agent Builder 上线:Grok Voice 驱动的语音 Agent 无代码平台,$0.05/分钟,8.1k 赞/17.9M 阅读
xAI 官号 7.1 推出 Voice Agent Builder:基于 Grok Voice 的无代码语音 Agent 平台,定价 $0.05/分钟,当日获 8.1k 赞 / 17.9M 阅读——本期 X 互动量最高的 AI 产品发布。提供 Prompt-driven 创建流程与一键发布,把语音 Agent 从「工程团队专属」拉低到「运营/客服单兵」;定价 $0.05/分钟对 ElevenLabs、OpenAI TTS、Vapi、Retell 等语音 Agent 中间层形成直接价格冲击。xAI 把 Grok Voice 从底层 TTS 能力升级为「Agent 平台 + 计费入口」,是 Agent 平民化浪潮(与昨天 BNB Chain 的 BNB Agent Studio、OKX AI Agent Marketplace 同方向)的语音模态切面。
- 头条 深度报告 →
待验证｜OpenAI 据报与美国政府早期谈判 5% 股权让渡:估值基准、董事席位、AI 安全让渡均待披露
The Guardian 7.2 报道:OpenAI 正与美国政府进行早期谈判,拟向美国政府提供约 5% 股权,以换取联邦层面 AI 监管上的进一步合作。HN 当日 124 分 / 134 评论,讨论焦点集中在估值基准、政府董事席位、AI 安全让渡的具体边界。这是 Sam Altman 推动的「AI 与国家利益绑定」叙事的最新具体化,与 2026-06-24 OpenAI-Broadcom 联合发布推理芯片(昨天早报已 deep 报道 hp-openai-frontier-partnership)、6.30 OpenAI-GeneBench-Pro 发布(2026-07-01 早报已 deep)形成「硬件自主 + 政府绑定 + 安全研究」三轨布局。
- 头条 深度报告 →
Palantir CEO Karp 在 CNBC 近 20 分钟情绪爆发:闭源大模型「不负责任地过度推销」,企业按 token 付费等于养对手
Palantir CEO Alex Karp 7.1 在 CNBC 直播采访中近 20 分钟情绪失控式输出:OpenAI、Anthropic 等闭源大模型被「不负责任地过度推销」,企业按 token 付费等于把数据与核心竞争力喂给模型厂商养对手,等于把美国企业与军方的命脉外包给几家实验室。原始视频经记者 Aaron Rupar 放出后(@atrupar),@Phoenixyin13 整理中文摘要获 1.7k 赞 / 62 万阅读,是近期企业买方对闭源模型最激烈的一次公开表态。Palantir 是美国国防/政府 AI 应用的核心承包商,其客户正是当前 OpenAI 据报「5% 股权让渡」谈判的另一端,Karp 的表态与监管侧的谈判在同一天形成对位。
- 头条 深度报告 →
Fable 5 重启后 24 小时三连击:BridgeMind 基准雪崩、社区怒骂、Anthropic 官宣 7.7 撤出订阅
Fable 5 重启不到 24 小时,Anthropic 的旗舰模型在三个独立维度同时遭遇重击:(1) @bridgemindai 在 BridgeBench 重测,Debugging 从 86.2 跌到 25.9、Refactoring 73.6→38.4、Hallucination 75.9→61.7,主因被指为新硬性护栏过度触发并回退 Opus 4.8;(2) @Hesamation「Fable 5 不是被 nerf,而是被屠杀」获 4.4k 赞,@Khazix0918 实测 Fable 5 自主去火山引擎提交工单的 488 赞贴与社区愤怒形成对照;(3) Anthropic 团队成员 @trq212 7.2 官宣 7.7 将 Fable 5 从订阅下架、后续视产能恢复回归,LMArena 数据同时显示 Code Arena:Frontend 排名仍第 1 但已下滑 27 分,与 Anthropic 6.30 公告中「被标记率上升」自承一致。
- 行业动态
待验证｜Claude App 新增 Google 账号登录:无手机号验证,直接登录成功
@xiongchun007 实测:用 Google 账号直接登录了 Claude App,无手机号验证,直接登录成功。之前 App 登录界面似乎没有 Google 登录选项。这是 Anthropic 在降低用户进入门槛的产品改进——尤其对中国开发者更友好(Google 账号相对 Anthropic 直接注册需要海外手机号更易获取)。
- 行业动态
Kulaxyz/self-learning-skills GitHub Trending 739★:AI 编码 agent 的自学习 skill 框架
GitHub 上 Kulaxyz/self-learning-skills 项目本日达 739★(discovery 候选最高),定位『A self-improving skill for AI coding agents』,兼容 Claude Code、Cursor、AGENTS.md 等主流 agent harness。这是继 7-01 awesome-evals(606★)、theeleven(691★)之后的第三个 600+ stars 的 agent 基础设施项目,反映『agent 自学习 / 自我改进』成为社区新热点。
- 产品上新
Codex App / CLI / SDK 可搭配任意开源模型使用:Codex 切换为 GLM 已成可用模式
@thsottiaux 提醒:Codex App、CLI、SDK 可搭配任意开源模型使用,不限于 OpenAI 模型;@zarazhangrui 进一步指出可以把 Codex 的模型切换为 GLM。这意味着 Codex 不再是 OpenAI 模型的专属载体,开发者可以用 Codex 的产品形态跑任意开源模型——BYOK 范式在 OpenAI 自身产品上的落地。
- 产品上新
Fish Audio S2.1 Pro 对开发者免费开放:83 语种、无用量硬上限,接口与付费版一致
Fish Audio 宣布 S2.1 Pro(付费版同款 TTS)对开发者免费开放,提供免费 API,支持 83 种语言,无硬性用量上限,沿用同一接口。已集成的只需把 model 设为 "s2.1-pro-free" 即可切换到 S2.1 Pro。这是 Fish Audio 把付费版核心模型开放给开发者的产品策略——降低 TTS 集成门槛、抢占开发者心智。
- 行业动态
OKX AI Agent Marketplace 实测:Codex 跑通 onchainos + okx-a2a 注册 ASP,链上 A2A 雇佣 + 收款成真
OKX 推出 AI Agent Marketplace,基于 A2A(Agent to Agent)协议实现 agent 发现工作、互相雇佣、完成任务、链上收款。@blmario669 实测:把 OKX 介绍推文丢给 Codex,Codex 一路跑通了安装 onchainos / okx-a2a、登录钱包、注册 ASP(Agent Service Provider)、提交审核(中间授权两次)。底层是 A2A,人只需授权;市场任务很多,等审核通过让 agent 自动找任务、沟通、接单、交付。这是继 theeleven(GitHub 691★,11 个 AI 智能体开足球盘)之后第二个链上 AI agent 经济的实测案例。
- 产品上新
Firecrawl /monitor 升级到 web-scale:从单页/单站监控跃升为全网监测,新内容上线即向 agent 发通知
Firecrawl 发布 web-scale 版 /monitor:常驻搜索,监测整个网络,新内容一上线即向你或你的 agent 发通知。此前 /monitor 只能监控单页或单个网站,现可作用于全网。当日上线。这意味着 agent 可以订阅『全网新内容』而不再是『单站新内容』,agent 的信息获取半径从 RSS / 站点级跃升到 web-scale。
- 研究论文
Orca 开源 computer use:HF 论文 176 分,基本复刻 Codex app 全部功能,只剩 record & replay 未开源
HF 论文《Orca: The World is in Your Mind》(arXiv 2606.30534,HF 176 分,本日 HF 候选最高)开源了 computer use 能力,基本复刻 Codex app 全部功能。@LinearUncle 实测:Orca 开源的 computer use 跟 Codex app 一样好用,到目前为止 Codex app 的功能几乎都能在开源里找到替代——唯一还没看到对手的只剩 record & replay(录制回放)。这意味着开发者不再需要 Codex 订阅即可获得『computer use』能力,OpenAI 在 computer use 上的产品护城河进一步收窄。
- 观点观察
Sonnet 5 / Claude 生态 7-02 增量:LMArena 首测视频 + Fable 5 配额配比策略(7-01 已 deep,本期增量)
7-02 关于 Sonnet 5 / Claude 生态的增量信息:(1) LMArena 与 Peter Gostev 合作发布 Sonnet 5 在 Agent Arena 上的首测上手视频(YouTube),具体评分稍后公布,补齐 Sonnet 5 的第三方独立测评;(2) surim0n(@surim0n)系统分享 Fable 5 配额稀缺下的实战配比策略——只投在不可逆决策(数据模型/API 契约/核心抽象)、用 GPT-5.5 做上下文压缩、Fable 写架构/PRD、Codex 实现、Fable 产出『治理廉价舰队』的工件(评测套件、rubric、system prompt),一次 frontier 会话塑造数千次下游调用,均摊近零;Opus 4.8 使用也要降下来。7-01 早报已 deep 写过 Sonnet 5 全量深度页,本期只做增量追踪。
- 产品上新 深度报告 →
Nous Hermes Agent v0.18.0「The Judgement Release」:网页抓取性能再升级,/usage 命令用量透明化
Nous Research 发布 Hermes Agent v0.18.0,代号「The Judgement Release」。完整更新日志见 GitHub releases 页面;用户可通过 hermes update 命令升级。继 7-01 Hermes Agent 网页抓取性能提升 60x / 成本降至 1/49(7-01 早报已报道)之后,v0.18.0 在 agent 工作流可观测性上做了关键升级:/usage 命令可在任意调用点查看用量明细,改进后稳定处理大规模多智能体看板运行与高并发会话。这是 Nous 在「开放权重 + 中立平台」路径上的第二次产品深化。
- 产品上新 深度报告 →
智谱 ZCode 正式发布:GLM-5.2 官方 IDE,GLM Coding Plan 订阅者额度 1.5x,BYOK 机制绑定现有订阅/API
智谱(Z.ai)正式发布 GLM-5.2 官方 IDE ZCode——HN 双帖热度 266 分(12 评论)+ 81 分(169 评论),定位「Claude Code from the Makers of GLM」。核心机制:(1) GLM 编程计划订阅者在 ZCode 中使用额度直接翻 1.5 倍;(2) BYOK(Bring Your Own Key)机制允许直接配置现有 API key 或关联第三方订阅方案(Anthropic Claude / OpenAI Codex 等);(3) macOS/Windows/Linux 全平台下载。ZCode 把 GLM-5.2 从纯 API 形态推向 IDE 形态,并通过 BYOK 兼容主流订阅生态——既保留 GLM Coding Plan 的优惠,也允许开发者绑定现有 Anthropic/OpenAI 订阅。这是开源中国模型厂商第一次向「开发者订阅生态」迁移的产品尝试。
- 产品上新
Cognition Devin Security Swarm:Agentic MapReduce 架构把 AI 安全扫描做成并行任务,成本更低、准确度更高
Cognition 发布 Devin Security Swarm——在复杂代码库中查找安全漏洞的更便宜、更准确的新方案,基于全新架构 Agentic MapReduce。Map 阶段:并行派出多个 Devin 子 agent 同时扫描不同模块/文件树;Reduce 阶段:汇总各子 agent 的发现,交叉验证、消除重复、聚类可疑路径。相比传统单 agent 顺序扫描,Agentic MapReduce 把扫描时间与 token 成本并行化,定位漏洞更便宜、更准确。这是 Devin 从通用软件工程 agent 向「AI 做安全」垂直延伸的标志——继 6-30 Devin Fusion(多 agent 协作通用软件工程)之后,Cognition 把多 agent 范式推到安全扫描场景。
- 产品上新 深度报告 →
Claude Code 2.1.198 发布:Claude in Chrome 正式 GA、background agents 端到端开 PR,32 项 CLI 变更
Claude Code 2.1.198 发布 32 项 CLI 变更。亮点三项:(1) Claude in Chrome 正式 GA(general availability),无需安装即可在浏览器里直接访问会话与 agents;(2) Background agents 在 worktree 中完成代码后自动 commit、push 并开 draft PR,端到端交付自动化,无需开发者手动触发 git 操作;(3) 文档建议用 grep 做搜索,并明确了 head_limit / unlimited / offset 语义以减少踩坑。这是继 6-30 Anthropic 工程博客「Core dump epidemiology」强调『流行病学 > 医生式』调试方法后,Anthropic 把同一思路落到产品端——agent 不再需要开发者随时监督,可以独立在后台交付。
- 头条 深度报告 →
Anthropic Fable 5 全球回归 + jailbreak 严重性框架:新 classifier 拦截率 >99%,联合 Amazon/Microsoft/Google 起草 4 维行业共识
Anthropic 7-1 宣布 Fable 5 全球恢复访问(Mythos 5 已于 6-26 恢复部分美国组织):事件回溯 6-9 发布 Fable 5 + Mythos 5,6-12 美政府因 Amazon 研究者报告可绕过 safeguard 而实施出口管制,Anthropic 复测确认所有测试模型(Haiku 4.5/Sonnet 4.6/Opus 4.6/4.7/4.8/GPT-5.4/5.5/Kimi K2.7)都能产出同样的利用代码,该技巧并未暴露 Mythos 级独有网络能力。6-30 美方解除管制。新 safety classifier 对该 bypass 拦截率 >99%,CAISI 测试认可极强,代价是常规编码/调试任务回退 Opus 4.8。同步推四件事:(1)与 Amazon/Microsoft/Google 等 Glasswing 伙伴起草 jailbreak 严重性框架(4 维度:能力增益/增益广度/武器化难度/可发现性);(2) HackerOne 漏洞悬赏;(3) 24/7 监控关键 jailbreak 提交渠道;(4)加深美政府合作:发布前预评估、紧急信息共享、专门联合研究团队、共同行业标准。Fable 5 对 Pro/Max/Team/select Enterprise 可用,7-7 前含 50% 周限额免费额度,之后走 usage credits;AWS/Google Cloud/Microsoft Foundry 接入仍在恢复中;Mythos 5 仅向经美政府批准的美国机构开放。
- 行业动态 发展中
待验证｜Claude Code 被指对中国用户做隐蔽指纹检测
BREAKING 转载:Anthropic 在 Claude Code 中嵌入了针对中国用户的隐蔽检测 / 类似间谍代码。当用户使用非官方代理时,会悄悄收集时区、代理、中国 AI 实验室域名等信息,并通过修改日期格式等隐写手法把指纹写进 prompt 发回后端。原报道(@IntCyberDigest / @oragnes 转述)给出来源待核实,目前未有 Anthropic 官方回应,事实尚未坐实。
- 产品上新
GitHub Trending 上榜项目:winsznx/theeleven(AI 自主开足球盘)、benchflow-ai/awesome-evals、lycorp-jp/sim-use、eli-labz/Godcoder
本日 GitHub 高分候选(均 200+ stars):① winsznx/theeleven(691★)——11 个自主 AI 智能体在 X Layer 开放足球 prop 盘,自定义 Uniswap v4 hook、gasless USDT0 staking;② benchflow-ai/awesome-evals(606★)——策划的非 BS AI 智能体评估资源库,论文/博客/工具/基准;③ TianhangZhuzth/Fundamental-Ava(588★)——构建数字人自主协作社交智能体;④ Pluviobyte/video-production-skills(481★)——AI 视频制作可复用技能库;⑤ lycorp-jp/sim-use(326★)——给 AI 智能体 iOS Simulator 与 Android 模拟器/真机的『眼睛与手』;⑥ eli-labz/Godcoder(254★)——本地优先开源编码智能体,自带 LLM key、代码留在本地;⑦ hanlinwenyuan/hlwy-ai-checker(203★)——检查第三方 AI API 是否掺假与渠道一致性。
- 研究论文
arXiv 高引论文:Agentic Abstention——智能体在『何时不行动』上比通用模型差 30 个百分点
arXiv 2606.28733《Agentic Abstention: Do Agents Know When to Stop Instead of Act?》获 Hugging Face 120 分(本日 arXiv 候选最高),核心发现:智能体在『何时该停止 / 不该行动』上的判断能力比通用模型低约 30 个百分点。这是 agent harness 范式被广泛采用后的第一个『反例』研究——『行动能力』与『克制能力』不是同向增长,智能体越能执行就越容易过度执行。
- 模型发布 发展中
待验证｜Mistral 发布 Leanstral 1.5:HN 36 分,聚焦推理 / 代码 / 长上下文
Mistral 发布 Leanstral 1.5 模型,在 HackerNews 获得 36 分与 1 条评论(冷启动期)。模型卡片聚焦推理、代码与长上下文能力。这是 Mistral 在『前沿智能体』叙事之外的『性价比推理』路径上的更新——Leanstral 系列定位介于旗舰与开源权重之间,与 GLM 5.2 / Qwen3 / DeepSeek V4 系列在中端市场正面对决。
- 产品上新
LongCat-2.0 / GLM 5.2 设计任务实测:几乎所有类目击败 Opus 4.8,LongCat 物理任务表现优于 Opus 4.8 / GLM 5.2
Command Code 用 /design 在 SaaS、作品集、仪表盘、建筑站、宠物店、房地产等设计任务上跑测试,GLM 5.2 在几乎所有类目上击败 Opus 4.8;LongCat-2.0 在真实物理任务(HTML5 canvas 写物理模拟:加农炮拆墙、保龄球击瓶、龙卷风卷物)上对标 Opus 4.8 与 GPT 5.5 表现,LongCat 物理效果优于 Opus 4.8 与 GLM 5.2(无穿模/掉落),细节与渲染与 GPT 5.5 持平;LongCat 18,015 tokens / $0.00、Opus 4.8 18,872 / $0.48、GPT 5.5 32,588 / $0.98、GLM 5.2 31,062 / $0.09。GLM-5.2 成为 Z.ai 在 Hugging Face 历史上最受好评的模型。Qwen3.6 27B 在某种设置下把自家 35B A3B 吊着打。
- 研究论文
Meta Brain2Qwerty v2 增量:开源训练代码 + BCBL 发布 v1 数据集,9 名志愿者平均词准确率 61% / 最佳 78%
Meta AI 转发 Jean-Remi King:Brain2Qwerty v1 已在 Nature Neuroscience 发表,Brain2Qwerty v2 已开源(v2 在 v1 基础上加入并改进了更鲁棒的语言模型/神经解码 pipeline)。这是继 6-29 Nature 发表后的开源代码 + 数据集同步释放——Meta 走的是『论文 + 代码 + 数据』三件套路线。HN 64 分热帖补充关键事实:这是首个能从原始 MEG 脑信号端到端实时解码整句的非侵入式 BCI,9 名志愿者平均词准确率 61%、最佳 78%。6-29 早报已写过全量增量,本期为延续报道。
- 行业动态 发展中
待验证｜Mythos 出口管制增量:POLITICO 转述 Fable 5 解除管制预期,官方未坐实;Fable 仍全面禁止
据 POLITICO 转述(@SophiaCai99 / @AggrNews),美国商务部预计 6-30 晚解除对 Anthropic 模型 Fable 的出口管制。AggrNews 与 ZOOMER 都转发了同一消息。这是继 6-12 Mythos 5/Fable 5 全面暂停、6-28 转述 Mythos 5 部分解禁(限定三类对象)之后的又一次政策松动信号。Fable 5 是否解除管制,OpenAI 的 Fable 是否同样解除(目前被管制名单只有 Anthropic 与 OpenAI 两家),是观察前沿 AI 国家安全框架走向的关键指标。6-28 早报已写过 Mythos 全量深度页,本期只做增量追踪。
- 研究论文
SGLang DSpark 预测解码实测数据放出:多场景预测 3 token,1K prompt 加速比 1.81x,8 卡 B200 速度 164→297 token/s
SGLang 的 DSpark 预测解码实测数据在 PR29538 放出:多场景基本能预测 3 个 token(数学 3.37 / 对话 3.0 / 代码 3.52)。1K prompt 下加速比 1.81x,8 卡 B200 速度从 164 token/s 拉到 297 token/s。TPOT 仅 2.9-5.2ms,DSpark 神经网络层延迟可忽略。超过 8 并发收益降至 1.2-1.3x(GPU 已打满)。注:PR29538 尚未合并。这是继 DeepSeek 开源 DeepSpec(含 DSpark/DFlash/Eagle3 三种草稿模型)之后,DSpark 在 SGLang 推理引擎上的第一次完整数据披露。
- 产品上新
Nous Hermes Agent 网页抓取性能跃升 60x、成本降至 1/49;Step 3.7 Flash MoE 通过 Nous Portal 限时 30 天免费
Nous Research 宣布 Hermes Agent 网页抓取后端升级:读取网页速度提升最高 60 倍、成本降低 49 倍;抓取后端直接将干净内容传给 agent,跳过冗余处理;大页面本地保存、按需分页。同时 Nous Portal 与 StepFun 合作的 Step 3.7 Flash MoE 视觉语言模型限时 30 天免费开放,主打 agent 效率、编码、搜索与多模态工作流。Hermes Agent 还新增 /usage 命令可在任意调用点查看用量明细,改进后稳定处理大规模多智能体看板运行与高并发会话。
- 观点观察
吴恩达系统阐述『Loop Engineering』三 Loop 框架:工程师正在部分承担 PM 角色
吴恩达在 The Batch 中系统阐述『Loop Engineering』——由 Boris Cherny(Claude Code)与 Peter Steinberger(OpenClaw)推火的热词。三 Loop 框架:① Agentic Coding Loop——agent 写代码并自测,分钟级迭代(他用一个女儿练习打字的 app 验证 agent 可独立运行约 1 小时);② Developer Feedback Loop——开发者以十~小时级节奏审产品并指挥 agent,AI 已能自己测代码,开发者从 QA 转向高层产品决策,他强调这是『人类上下文优势』而非『品味』;③ External Feedback Loop——朋友/Alpha 用户/A/B 反馈,天~周级回灌开发愿景。吴恩达判断工程师正部分承担 PM 角色。
- 模型发布 深度报告 →
DeepMind 双发 Nano Banana 2 Lite + Gemini Omni Flash:把生成式媒体价格砍到 $0.034/图与 $0.10/秒
Google DeepMind 一次发布两款模型:① Nano Banana 2 Lite(Gemini 3.1 Flash Lite Image)——『最快最便宜』的 Gemini 图像模型,文生图 Arena 1251 分排名第 5,$0.034/1K image、单图 <4 秒;② Gemini Omni Flash——通过 Gemini API 与 Google AI Studio 获取,用于生成与编辑高质量视频,视频编辑 Arena 第 2(1347 分),领先第 3 名 HappyHorse 1.0(1308 分)约 40 分,$0.10/秒(与 Veo 3.1 Fast 同价)。两者均已在 Google AI Studio 与 Gemini API 上线,正式挑战 OpenAI Sora、Midjourney 等生成式媒体头部位置。
- 研究论文 深度报告 →
OpenAI 工程师用『流行病学方法』调试 Rockset 18 年老 bug:不要医生式单 case,要先建高质量数据集
OpenAI 工程团队用流行病学方法调试 Rockset(2024 年被收购)内部诡异崩溃。症状:正常 C++ 函数返回到非法地址,有时 NULL、有时 %rsp 偏移 8 字节。最初假设单一 bug,实际是两个独立问题:(1) 单台 Azure 物理机 CPU 硬件故障导致 %rsp 错位崩溃——所有相关崩溃集中在单一区域、有明确起点、新节点,从该机型下架后消失;(2) GNU libunwind 一个存在 18 年的竞态条件——_Ux86_64_setcontext 在更新 %rsp 后读取 RIP 前存在约 100 皮秒窗口,若此时 SIGUSR2 到达会破坏 ucontext_t 结构,使 RIP 变成 NULL。OpenAI 频繁用 SIGUSR2 做 CPU 计时、且异常作为 ingest 背压机制每秒可抛 10^4 次,导致单个高负载主机平均 10^4 秒(几小时)就崩一次。今年早些时候在 SIGUSR2 处理器中加入 timer_getoverrun 调用扩大栈使用,触发了原本隐蔽的 bug。缓解方案:切换到 libgcc unwinder 并向上游提交 reproducer 与 fix。核心经验:不要靠医生式的单 case 调试,要先建立高质量的全人群数据集。
- 头条 深度报告 →
OpenAI 发布 GeneBench-Pro:129 道合成题 + 已知因果结构,把『研究级智能体』评估从答题推向研究决策
OpenAI 发布研究级基准 GeneBench-Pro,衡量 AI 智能体在计算生物学研究中面对模糊性、做关键判断的能力,是 GeneBench 的升级版。覆盖统计遗传学/群体遗传学/定量遗传学/调控组学/功能基因组学/蛋白质组学/临床-PGx-诊断/癌症基因组学/微生物基因组学/法医遗传学共 10 大域、21 子域、129 道合成题(因果结构已知,可直接模拟,避免作者偏好)。GPT-5.6 Sol 高推理档通过率 28.7%(Pro 模式 31.5%),最低档个位数;GPT-5 此前在原始 GeneBench 得分低于 5%。GPT-5.6 Sol 高推理档解题数约为 GPT-5.2 的 6 倍,token 消耗只有 2/3。GPT 与开源模型(GLM 5.2 等)的科研推理差距显著大于代码差距。UCLA 专家评『对没有资深导师反复指导的研究生来说都很难』。评测估时:人类专家 20-40 小时/题、$200/h 即数千美元,而推理成本仅几美元/题。10 题已开源至 HF,50 题将给 Artificial Analysis。OpenAI 预判年底该基准会被刷满。
- 头条 深度报告 →
Anthropic 推出 Claude Science:科研一站式工作台,科学家用自然语言调度本地到 HPC 的全部算力
Anthropic 发布 Claude Science——科学家 AI 工作台 beta 版,向 Pro/Max/Team/Enterprise 开放。核心:60+ 科研连接器直连 UniProt/PDB/Ensembl/Reactome/ClinVar/ChEMBL/GEO,接入 NVIDIA BioNeMo Agent Toolkit 调 Evo 2/Boltz-2/OpenFold3;多 agent 架构由协调 agent 调度子 agent,reviewer agent 检查引用与计算错误;算力管理从本地笔记本到 HPC 集群、Modal 弹性扩缩容;3D 蛋白结构、基因组浏览器轨道、化学结构等科研产物原生渲染并附生成代码。同步启动 Claude Science AI for Science 项目支持计划,最多 50 个项目、单项最高 $30,000 额度、Modal 额外 $2,000 算力,7-15 申请截止。用户案例:Manifold Bio 端到端提名组织靶向药物候选、Allen Institute 写综述从 2 年压缩到已完成 10 篇 100+ 页、UCSF 胶质瘤胚系分析时间缩短约 1/10。
- 头条 深度报告 →
Anthropic 正式发布 Claude Sonnet 5:迄今最 agentic 的 Sonnet,促销价 $2/$10 锁定订阅档迁移
Anthropic 发布 Claude Sonnet 5,定位迄今最具智能体能力的 Sonnet,在推理、工具使用、编码、知识工作上较 Sonnet 4.6 显著提升,接近 Opus 4.8 但价格更低。促销价 $2/$10 百万 token(至 8-31,之后 $3/$15),使用新 tokenizer 实际 token 数会膨胀 1.0-1.35×,BrowseComp/OSWorld-Verified 严格优于 Sonnet 4.6、高 effort 部分场景可匹配 Opus 4.8。已全线进入 Free/Pro/Claude Code/Claude Platform,并集成到 GitHub Copilot、Notion、Cursor、Devin。Intelligence Index 53 分与 GPT-5.5 同分、落后 Opus 4.7/4.8;scaling01 测算去掉促销后比 Opus 4.8 Max 贵 1.2x、比 DeepSeek-V4-Pro 贵 57x。
- 行业动态
韩国万亿投资 DRAM/HBM + 人形机器人:AI 算力供应链的国家级加注(HN 227 分 / 154 评论)
韩国宣布 $1T(美元)规模投资,覆盖 DRAM/HBM 内存扩产与人形机器人产业链。HN 227 分 / 154 评论,行业最高热度。直接影响 AI 算力供应链上游。
- 研究论文
论文:Agent-Native Memory System 是否就绪?(arXiv via AlphaXiv),12 套记忆系统 × 11 个数据集评测,无单一架构通杀
论文《Are We Ready For An Agent-Native Memory System?》把 Agent 记忆拆为表示与存储、抽取、检索与路由、维护 4 个模块,评测了 12 套记忆系统 × 11 个数据集。结论:无单一记忆架构通杀——图记忆适合更新事实和实体关系,混合系统做过滤回忆更强,长上下文在时序相关时仍有效,仅追加记忆则主要返回原始事实。
- 研究论文
待验证｜论文:35B Agent 通过智能体调度达到万亿参数性能(arXiv 2606.30616),『不扩参数扩视野』范式
论文《Scaling the Horizon, Not the Parameters: Reaching Trillion-Parameter Performance with a 35B Agent》主张 35B Agent 通过智能体调度能达到万亿参数级模型性能,挑战『只靠扩参』的传统思路。HF 54 分 / 20+ 评论。
- 产品上新
待验证｜dappOS xBubble:VibeCoding 一张图 + 一个商业目标,小时级搭出可收钱在线 shop,USDT 钱包支付 + Cloudflare 部署
OPC(一人公司)方向:dappOS 的 xBubble 演示 VibeCoding,一张图 + 一个商业目标,小时级搭出完整可收钱在线 shop(商品素材、目录筛选、购物车、USDT 钱包支付、Cloudflare 部署、后台订单管理)。qinbafrank 点评:不同于 Cursor/Lovable 停留在 Prompt-to-Code,xBubble 走 SOP-to-business 路径,把部署/支付/迭代都做掉。
- 观点观察
待验证｜Codex 5.5『破限开源项目』:通过 model_instructions_file 注入 UNRESTRICTED 指令,渗透测试/逆向工程不再被拒,封号风险高
Codex 5.5 破限开源项目:思路直接——通过 model_instructions_file 给 GPT-5.5 塞一套无限制指令,让 Codex CLI 直接跑 [MODE: UNRESTRICTED] 模式。以前问渗透测试、安全研究都拒,现在『怎么做 SQL 注入测试』都给方法论。覆盖逆向工程、渗透测试、NSFW 虚构内容。跑一个 python 脚本 + 重启 Codex 即生效。作者提示:封号风险高,建议小号玩。
- 观点观察
Notion SDR/BDR 招聘玩法:7 月 15 日前做一个『销售团队真会用的 agent』作为申请材料
Notion 招 SDR/BDR 甩开简历玩法:应聘者需在 7 月 15 日前做一个『销售团队真会用的 agent』作为申请材料。AI Agent + 真实业务场景的招聘 hack,进入大厂销售岗的新通道。
- 产品上新
Cursor iOS 版上线 + Composer 2.5 基于 Kimi k2.5 训练:常驻云端 agent / 远程控制本机 agent / 7 月 5 日前 75% off
Cursor 上线 iOS 版:随时启动常驻云端 agent,或远程控制你电脑上正在跑的 agent。Composer 2.5 在 Kimi k2.5 基础上训练,质量不错且更便宜;支持无限制接入第三方模型(如 GLM 5.2 等开源),App 内 7 月 5 日前 Composer 2.5 75% off。
- 产品上新
X 官方发布 hosted X MCP:Agent 可直连 X API 实时数据,兼容 Grok/Cursor/任意 MCP 客户端,op7418 实测 0.01 美元/次
X 官方发布 hosted X MCP:Agent 可无设置直连 X API 实时数据,兼容 Grok、Cursor 以及任意 MCP 客户端。op7418 实测收费 0.01 美元/次(个人 API 优惠),拉三天书签花 0.1 美元;提供四步配置教程:创建 Twitter 开发者 APP+充值 → 拿配置 ID → 把截图给 Codex/Claude 让它们写配置文件 → 授权启动。
- 观点观察
Qwen 团队研究员 Chujie Zheng 公开打假:前 Qwen RL 负责人 @TianhangZhuzth 简历夸大,LinkedIn 自称『Senior Research Scientist for Qwen』
Qwen 团队研究员 @ChujieZheng 在线打假:X 上爆火的『前 Qwen 团队 RL 负责人、01ai 成员、现 Fundamental LLM 训练负责人』@TianhangZhuzth,其实『在第一代 Qwen 模型之后就离开了我们团队,那时候也根本没有『RL 负责人』这个岗位』。MaxForAI 进一步挖出其 LinkedIn 自称 Senior Research Scientist for Qwen——疑似简历夸大。
- 开源工具
喵神 onevcat 开源 sim-use:让 AI agent 看到 iOS Simulator / Android 模拟器屏幕并直接操作
喵神(onevcat)开源 sim-use:让 AI agent 看到 iOS 模拟器/Android 设备的屏幕并直接操作的命令行工具。一条命令把整个屏幕打包成 agent 可理解的紧凑表示,再一条命令点击任意元素,完成『Plan / code / verify / ship』里的 verify 闭环。iOS Simulator 与 Android 通用。
- 开源工具
trotsky1997/OpenFugu 开源复现 Sakana Fugu:统一 LLM 编排器(读 → 跑 → 训 → 服务),GitHub 313 星
trotsky1997/OpenFugu 在 GitHub 拿下 313 星,Sakana Fugu 的开源复现,统一 LLM 编排器覆盖『读 → 跑 → 训 → 服务』全链路。这是把 Sakana 闭源的 Fugu 用开源方式重新实现,降低中小团队使用门槛。
- 产品上新
Step 3.7 Flash 在 Nous Portal 免费期延长 15 天:Hermes Agent 用户反馈良好,走 Agent 效率/编程/搜索/多模态工作流
Nous Research 联合 StepFun 把 Step 3.7 Flash 在 Nous Portal 的免费使用期延长 15 天。Step 3.7 Flash 是一款面向 Agent 效率、编程、搜索与多模态工作流的 MoE 视觉语言模型,Hermes Agent 用户反馈良好。
- 模型发布
待验证｜美团 LongCat-2.0 上线 ZenMux:总参 1.6T / 激活 48B 的 MoE,完全脱离 NVIDIA 在 AI ASIC 超算上训练
LongCat-2.0(美团开源 MoE)上线 ZenMux 平台:总参 1.6T、每 token 激活约 48B、支持 1M 上下文,主打长上下文、代码与 agentic 工作流,跑在 AI ASIC 超算上(完全脱离 NVIDIA)。Coin Bureau 跟进称这是『中国最大、首个摆脱英伟达芯片训练的 AI 模型』。
- 研究论文
Meta Brain2Qwerty v2 增量追踪:开源训练代码 + BCBL 发布 v1 数据集,9 名志愿者平均词准确率 61% / 最佳 78%
Meta 在 v2 登上 Nature 的同时,开源 v1/v2 完整训练代码,合作方 BCBL 发布 v1 数据集。9 名健康志愿者 MEG 打字 10 小时 × 约 22,000 句,平均词准确率 61%,最佳志愿者 78%;>50% 的句子解码错误 ≤1 词。增量视角:本事件昨天已写过全量深度页,本期仅做增量追踪。
- 融资动态
Arena 跑通 $100M ARR:Agent Mode 上线百万级长时多回合工具调用,评估维度从人类偏好投票扩展到任务完成率/幻觉率
Arena(原 Chatbot Arena / LMSYS 衍生项目)公布商业化里程碑:评估产品上线仅 8 个月即达到 $100M 年化收入运行率。社区规模达数千万;Agent Arena 面向长时 Agent 在真实复杂任务上的工具调用、反馈适应、错误恢复与目标达成能力进行评估,正从人类偏好投票扩展到客观指标(任务完成率、幻觉率等)。
- 产品上新 深度报告 →
美团 LongCat 揭晓 Owl Alpha 真实身份:OpenRouter 全球日调用量 Top 3,Hermes/Claude Code/OpenClaw 三大 Agent 场景月调用量均登顶
美团 LongCat 团队于 2026-06-29 在官方 X 正式揭晓:此前在 OpenRouter 上以匿名身份出现的『Owl Alpha』正是美团自研模型。Owl Alpha 上线以来日调用量冲进全球 Top 3,并分别在 Hermes Agent(第 1)、Claude Code(第 2)、OpenClaw(第 3)三大 Agent 场景的月调用量排名中均登顶前三。Owl Alpha 即将退役,后续有新模型在路上。
- 产品上新 深度报告 →
百度 Unlimited-OCR 登 HuggingFace/GitHub 四榜,3B 总参 / 570M 激活 MoE 专攻长文档连续识别,Star 快速破万
百度于 2026-06-28 发布 Unlimited-OCR 并登顶 HuggingFace 与 GitHub 四榜,上线后 GitHub Star 快速突破 1 万,进入 2026 年增长最快开源项目之列。模型采用总参 3B、激活参 570M 的 MoE 架构,专攻长文档连续识别;基座是 DeepSeek-OCR 的 DeepEncoder 思路,被业内解读为『像人一样抄书』。
- 头条 深度报告 →
Claude 在 Azure Foundry 正式 GA + Anthropic 6 月 ARR 470 亿美元:Azure 渠道打通与营收加速同日落地,OpenAI-Anthropic 差距进一步收窄
2026-06-29 同日落地两条关键信号:一是 Anthropic 通过 ClaudeDevs 官方 X 宣布 Claude Opus 4.8 与 Claude Haiku 4.5 在 Microsoft Foundry(Azure 托管)正式 GA,Azure 客户可直接在企业租户里调 Claude,无需走第三方中转;二是 bboczeng 通过 X 披露 Anthropic 6 月 ARR 达到约 470 亿美元,按当前增速年底有望冲击 800 亿美元。
- 头条 深度报告 →
Cognition 发布 Devin Fusion:混合模型 harness,把『Fable 级智能』的成本压低 35%,把『能跑 benchmark』与『能写生产代码』两条曲线明确分开
Cognition AI 于 2026-06-29 通过官方 X 账号推出 Devin Fusion——一种新型混合模型 harness,专门解决『传统 routing 能过 benchmark 却写不出能合并的代码』的痛点。Cognition 自报,在内部测试中 Devin Fusion 把达到 Fable 级智能的成本压低了约 35%,且产出的代码质量仍是『你想 merge 的那种』。Cognition 借此把『能跑 benchmark 的模型』与『能写生产代码的模型』明确分开。
- 头条 深度报告 →
Spotify 每天 4500 次生产部署 + 73% PR 涉及 AI:Claude Code 作者 Boris Cherny 与 Spotify 工程 VP Niklas Gustavsson 对谈,验证循环范式正式出圈
Claude Code 作者 Boris Cherny 与 Spotify 工程 VP Niklas Gustavsson 在 Anthropic 官方渠道公开对话,披露 Spotify 每天约 4500 次生产部署、约 73% 的 PR 涉及 AI 辅助、judge 评审模型把迁移场景 PR 通过率从约 25% 拉到约 80%;Boris 自报本人超 40% 代码由『验证循环(loops)』生成,直言『90% 的合作公司最大的失误就是不引入 verification loops』。Spotify 在 2000 万行 monorepo 上并行 5-10 个 Claude 会话(每个对应一个 git worktree)。
- 开源生态
待验证｜OpenFugu 305★:开源复现 Sakana AI Fugu LLM orchestrator,4 周从读 → 训练 → 服务
trotsky1997/OpenFugu(GitHub,305★):Sakana AI Fugu LLM orchestrator 开源复现,覆盖读 → 运行 → 训练 → 服务全流程。
- 行业动态
待验证｜GLM 下一版本社区调研:评论区几乎被 vision 和 token efficiency 占满
智谱 GLM 团队 ZixuanLi_ 6-29 转发 jietang 调研:下一代 GLM 必须有什么新特性?评论区几乎被'vision'(视觉/多模态)和'token efficiency'(token 利用率/上下文效率)两类反馈占据。
- 行业动态
百度已成 AI 全栈玩家:自研芯片 + 文心 + 云 + Apollo Go,All in AI
Bloomberg Odd Lots 播客(@business 转引,2026-06-29 11:00 UTC):百度已成 AI 行业全栈玩家——自研芯片、文心一言模型、云系统、Apollo Go 自动驾驶业务四条腿并行。Baidu CFO Henry He 在播客讨论如何用 AI 改造组织架构并吸引新人才。
- 研究论文
BINEVAL:LLM-as-Judge 新方法,把每条评估拆成原子级是非题,无训练即匹配 UniEval / G-Eval
omarsar0 6-27 转引 BINEVAL 论文(1845 赞):把 LLM-as-Judge 每个评估维度拆解成原子级是非题,逐项独立回答后聚合为多维分数,可逐题追溯失分原因并直接反馈给 prompt 改进。在 SummEval / Topical-Chat / QAGS 上无需训练即匹配或超过 UniEval 和 G-Eval,在事实一致性上尤其强。
- 融资动态
待验证｜Cursor 600 亿美元被 SpaceX 收购,levelsio 等早期投资人退出
据 LinearUncle 6-29 转引:全球最知名独立开发者 levelsio 是 Cursor 早期投资人,B 轮投了 10 万美金。Cursor 刚被 SpaceX 以 600 亿美元收购,他成功退出,投资组合价值已达 1000 万美金。同日 cysilxuq 进一步分析 Musk 把 xAI 塞进 SpaceX 的财技。
- 行业动态
腾讯被曝与长鑫存储签 200 亿+ 服务器 DRAM 供货合同,国产替代加速
据 _FORAB 6-29 转行业消息:腾讯与长鑫存储签署超 200 亿元服务器 DRAM 供货合同,字节跳动、阿里云、小米、联想也在与长鑫洽谈更多芯片采购。长鑫是中国规模最大 DRAM 存储芯片厂商,被视为中国版 SK 海力士 / 美光,正在加速扩产。
- 产品上新
Google AI Studio 官方免费开放 100 万 token/分钟,登录即用,无需信用卡
据 EngMoElgaraihy 6-28 22:12 UTC 推文(823 赞)转述:Google AI Studio 官方免费开放每分钟 100 万 token、零限制,无需信用卡、无需订阅,登录即可使用——原本价值数千美元/月的开发者算力被零门槛免费送出。
- 模型发布 深度报告 →
DeepSeek V4 7 月中旬正式版 + 高峰 2 倍定价:开源权重派首次主动做供给侧时段分层
DeepSeek 权威观察者 teortaxesTex 6-29 10:12 UTC 推文(261 赞)披露:DeepSeek V4 正式版将于 7 月中旬发布,不再是 2 个月的预览版。预期需求旺盛,DeepSeek 决定引入高峰时段定价——高峰期价格为现行 2 倍,基础价格保持不变。DeepSeek V3.5 现行基础价 ¥1-2 / 百万 token(缓存命中/未命中)、输出 ¥8 / 百万 token;高峰 2 倍意味着对应时段输入最高升至 ¥2-4 / 百万 token,仍显著低于 OpenAI / Anthropic 同档。这是国产开源权重派第一次主动在推理供给侧做时段分层。
- 产品上新 深度报告 →
Coinbase 把 GLM 5.2 / Kimi 2.7 设为默认,LibreChat 缓存命中率 5%→60%、AI 支出砍近半
Coinbase CEO Brian Armstrong(经 PANewsCN 中文转述)6-29 披露:Coinbase 通过 LLM 网关将智谱 GLM 5.2、月之暗面 Kimi 2.7 等开源权重模型设为默认选项,结合路由和缓存优化,在 token 用量持续增长同时将 AI 支出削减近半。LibreChat 缓存命中率从 5% 升至 60%;91% 员工从未触及用量上限,因此选择'更好的默认值'而非'摩擦 + 限额'。代码 review 阶段使用多种模型互相校验。这是企业 LLM 工程落地'开源权重 + LLM 网关 + 缓存'三件套的标杆案例。
- 行业动态 深度报告 →
贾扬清离开英伟达:7 亿美元收购 LeptonAI 仅一年,明星团队整合失败
SemiAnalysis 经 MaxForAI 转引:前 Facebook AI Research 首任主管、Caffe 作者贾扬清(Jia Yangqing)已从英伟达系统软件副总裁任上离职。距黄仁勋 2025 H2 以约 7 亿美元收购其创办的 LeptonAI(20 人团队)仅过去约一年。SemiAnalysis 直言 DGX Lepton'表现不佳,远未达到 Jensen 预期',并推断更深层原因涉及开源承诺分歧与产品落地执行力,黄仁勋可能推翻了 DGX Lepton 的开源决定。贾扬清已出任 GPU 创业公司 Hyperbolic 顾问。
- 行业动态 深度报告 →
Google 据 FT 限制 Meta 用 Gemini:平台方首次以商业动机 gating 直接竞争对手,反垄断悬剑已在路上
英国《金融时报》首报、CNBC 等跟进:Google 通过 Gemini API 服务条款,首次以'纯商业动机'明确限制直接竞争对手 Meta 使用 Gemini 系列大模型。HN 当日 156 分 / 72 评论,集中在'平台方通过模型 API 条款压制对手'。Google Cloud / Generative AI API 现行条款早已暗含'禁止使用本服务开发与本服务直接竞争的模型或服务'措辞,FT 报道的突破在于,该条款被落到一个具体的、有名字的对手身上。Meta 的 Llama 与 Gemini 正面竞争,Meta 内部'Gemini-for-X'超大规模用例可能是直接受影响的部分。事情已从'一家商业条款的法律问题'升级为'平台层 AI 竞争的反垄断悬剑'。
- 研究论文 深度报告 →
Meta Brain2Qwerty v2 上 Nature:首个能从原始 MEG 脑信号端到端实时解码整句的非侵入式 BCI,代码与数据全开源
Meta FAIR 在 Nature 上发表 Brain2Qwerty v2:训练数据来自 9 名健康志愿者,每人佩戴 MEG 设备打字 10 小时,共约 22,000 句;端到端深度学习处理 MEG 原始信号并微调 LLM,平均词准确率 61%、最佳受试者 78%、>50% 句子解码错误 ≤1 词,性能随数据量对数线性扩展。Meta 同时开源 v1+v2 完整训练代码,与 BCBL 同步开源 v1 数据集。这是字符级 v1 之后首次跃迁到词与语义级,被业内视为非侵入式脑机接口从'实验室玩具'走向'临床沟通可行'的关键节点。
- 头条 深度报告 →
HP Frontier 全企业上线:OpenAI 把第一个'连接层'客户交给一家 80% 业务流经合作伙伴的硬件制造商
OpenAI 官博披露,Frontier 战略合作的第一个全企业客户是惠普(HP Inc.)。HP 80% 业务流经合作伙伴、全球 Partner Portal 用户 10 万+;试点阶段一位工程师用 OpenAI 模型在数周内完成跨 43 个项目的 122 个 PR,安全团队通过 ChatGPT 主动修复漏洞每周释放约 82 小时。Frontier 在 HP 端被定位为'连接层'(access / context / deployment / evaluation),四个具体落地抓手:① 定价/伙伴/门店/客服的自助 AI agent 导航、② WXP Workforce Experience Platform 的设备上下文排查、③ 网络安全治理、④ ChatGPT + Codex 双轨的研发自动化。这是 Frontier 从 pilot 到 production 的端到端落地样本,也是 OpenAI 把'连接层'产品哲学落到最大型客户的首次验证。
- 行业动态
待验证｜awesome-evals 等开源资源升温:Agent 评测正从『刷榜』走向工程化基础设施
本周 GitHub 多个 agent 工具/资源升温:benchflow-ai/awesome-evals(544★,Agent 评测论文/工具/基准精选库)、eli-labz/Godcoder(245★,本地优先开源编码 agent,代码不离机)、NotASithLord/peerd(202★,首个浏览器原生 agent harness)、lightbearco/tupper(128★,本机安全运行不可信 AI 生成代码的沙箱)。另有 @omarsar0 推荐的 LLM-as-judge 论文 BINEVAL(842 赞):把评估标准拆成原子化是/否问题逐题独立判断再聚合,可精确诊断输出为何低分,在 SummEval/QAGS 等无需训练即匹敌或超过 G-Eval。
- 研究论文
论文:LLM 自动简历筛选可被提示注入攻破,单注入与多注入实测
一篇 arXiv 论文(Prompt Injection in Automated Résumé Screening with Large Language Models)研究用 LLM 做自动简历筛选时的提示注入攻击,在『单注入』与『多注入』两种设置下实测——求职者可在简历中嵌入隐藏指令操纵 LLM 的筛选/打分结果,从而不公平地抬高自己的通过率。
- 研究论文
论文:世界模型的幻觉是可预测、可预防的
一篇 arXiv 论文(Hallucination in World Models is Predictable and Preventable)研究世界模型(用于 agent 规划/仿真的环境预测模型)中的幻觉问题,主张这类幻觉并非随机不可控,而是可预测、可预防的,并给出相应的识别与抑制方法。
- 研究论文
论文:67 个前沿模型实测,Routing/Voting/MoA 的『协同失效上限』
一篇 arXiv 论文(When Does Combining Language Models Help?)在 67 个前沿模型上系统分析了 Routing、Voting、Mixture-of-Agents 三类『组合多模型』策略,提出『协同失效上限(Co-Failure Ceiling)』:当被组合的模型倾向于在同一批样本上同时犯错时,无论怎么路由、投票或混合,集成收益都存在一个由共同失败决定的天花板。
- 行业动态
待验证｜GitHub 涨星榜:agent skill 包与 context 文件正成为新的开发者 dotfiles
据 @sharbel 整理,本周 GitHub 涨星最快的 10 个仓库主题集中在『agent skill 包与 context 文件正成为新的开发者 dotfiles』:OpenMontage(+17.2K,首个开源 agentic 视频制作系统,12 条 pipeline/52 工具/500+ agent skills)、skills(+11.1K,来自作者 .claude 目录的工程师 skills)、codebase-memory-mcp(+7.6K,把代码库索引成持久知识图谱,158 种语言、亚毫秒查询、省 99% token)、Agent-Reach(+7.2K,给 agent 读/搜 Twitter/Reddit/YouTube/B站等)、Anthropic-Cybersecurity-Skills(+5.1K,817 个安全 skill 映射 MITRE ATT&CK 等 6 套框架)。另据 @zrebroia,一个让 Claude『像最懒资深工程师那样编码』的 skill 一周冲到 5.8 万星、2.9k fork,宣称代码量少 54%、便宜 20%、快 27%。
- 行业动态
Coinbase 工程拆解:AI 支出砍半靠自建 LLM 网关 + 换默认模型 + 缓存路由
据 @markletree 转述 Coinbase 工程实现细节:本季度 AI 支出几乎砍半、token 用量持续攀升,全部请求走自建 LLM 网关(单一端点 + 格式,跨厂商故障转移、脱敏、日志、成本管控)。三招省钱:(1)更便宜的默认模型——91% 员工根本碰不到用量上限,于是不降配额、改默认廉价模型(据 CEO Brian Armstrong 称在试用 GLM 5.2、Kimi 2.7 等开源权重);(2)缓存——在 LibreChat 把命中率从 5% 拉到 60%;(3)缓存感知路由——对话缓存热时保持同一模型,TTL 失效后才重新选最优模型。
- 行业动态 发展中
待验证｜SpaceX 收购光互联公司 Mesh:为 AI 数据中心与轨道算力铺路
据 @qinbafrank 深度拆解,SpaceX 收购光互联公司 Mesh(已获 FTC 快速批准)。Mesh 由三位前 SpaceX 工程师 2025 年创立,创始人曾主导 Starlink 星间激光链路设计,核心产品是面向 AI 数据中心的高速光学收发器(用光代替电信号互联)。收购动机:收回核心人才与技术、解决 AI 数据中心互联的功耗/速度瓶颈(光互联被视为下一代方案)、为太空算力(轨道数据中心,最早 2028 部署)铺路。SpaceX 截至 3 月已部署超 2.3 万个星间激光器,引用推文还提到 SpaceX 已与 Anthropic、Google 签算力合同。
- 产品上新
待验证｜OpenCode v2 发布:TUI / 桌面 / Web 多端共享同一后端,默认全部同步
据作者 @thdxr(推文 3348 赞),OpenCode v2 让 TUI、桌面端和 Web 端的所有实例共享同一个后端,默认全部同步——无论开多少个窗口,资源占用都被压到最低。
- 产品上新
OpenAI Codex 本周体验更新:长线程滚动更顺、复制到 Slack 保留 Markdown
据 @OpenAIDevs / @thsottiaux,Codex 本周落地一批体验改进:超长对话线程滚动更顺滑、浏览时阅读位置不再跳动;线程切换后台开销降低、可加载更深本地历史;从 Codex 复制内容粘贴到 Slack 时完整保留 Markdown(列表/加粗/代码块/链接)、大段粘贴不再卡 UI;新增可悬停的导航栏轮次预览、设置搜索覆盖更多控件,以及一个 Pets 面板。@thsottiaux 推文 1949 赞、@OpenAIDevs 2967 赞。
- 研究论文 深度报告 →
DeepSeek 联合北大发布投机解码框架 DSpark,开源全栈代码库 DeepSpec
据 X 用户 @0xLogicrw / @danielhanchen 转述(以官方技术报告为准),DeepSeek 联合北京大学发布投机采样加速框架 DSpark 技术报告,并开源全栈代码库 DeepSpec,DSpark 据称已部署于 DeepSeek-V4 线上业务。转述称在输出无损前提下,Flash 版单用户生成提速 60%-85%、Pro 版 57%-78%,超过原 MTP-1 基线;另一口径(@danielhanchen)称吞吐提升 51%-400%——两套数字差异极大,需以官方报告为准。可独立证实:deepseek-ai/DeepSpec 仓库确已开源(MIT,约 1.8k stars),自述为『训练与评估投机解码算法的全栈代码库』,README 列出 DSpark/DFlash/Eagle3 三种草稿模型,支持 Qwen3 与 Gemma,提供完整 Python 工具链。
- 行业动态 深度报告 →
Mythos 5 出口管制传出『部分解禁』,亚洲厂商趁封锁窗口抢推 Mythos-like 模型
据 X 用户 @realNyarime 等转述(待 Anthropic / 美商务部官方确认),被华府以国家安全为由暂停访问的 Anthropic 旗舰模型 Mythos 5,出口管制出现『部分解禁』:仅放开三类对象——Anthropic 自家非美籍研究人员、美国『可信合作伙伴』及其外籍员工、美国政府文职机构与国家实验室;其余仍需申请出口许可证。OpenAI 的 Fable 5 仍被全面禁止——目前被华府前沿模型出口管制点名的只有 Anthropic 和 OpenAI 两家。同时,封锁拖延正被亚洲厂商当成机会窗口:HN 244 分热帖记录中国 360 推 Tulongfeng/Yitianzhen、日本 Sakana AI 发 Fugu 编排模型,Sakana Fugu 还出现开源复现项目 OpenFugu(GitHub 271 分)。事实底座(Anthropic 6-12 官方声明)清晰,但『部分解禁』三类条款来自社区转述,故全文置信度 medium。
- 行业动态 深度报告 →
开源权重追平闭源前沿:差距稳定在 3-6 个月,企业开始大规模换模型
OpenRouter 6 月 Insights《The Open Weight Models that Matter》给出关键判断:开源权重与闭源前沿的性能差距已稳定在 3-6 个月,过去 18 个月没被拉开——『真实但很窄,并未扩大』。支撑这一判断的是同时跨过『agentic 临界点』的四个开源模型:DeepSeek V4 Flash(约 2840 亿参数 MoE,SWE-bench Verified 79.0%,V4 Pro 80.6% 开源最高;首方定价输入/输出 $0.14/$0.28,输出成本约为 GPT-5.5 的 1/150)、智谱 GLM 5.2(AA 开源权重智能指数 51 列开源第一)、MiniMax M3(原生文/图/视频长上下文对标 Gemini Flash)、英伟达 Nemotron 3 Ultra(550B/55B-active Mamba-2 混合,最强美国本土开源)。需求侧:据转述 Coinbase 把默认模型换成 GLM 5.2/Kimi 后 AI 支出近乎减半(token 用量仍涨)。benchmark 多为厂商自报/聚合,价格口径差异显著。
- 产品上新 深度报告 →
Anthropic 推 Claude Tag:把 Agent 搬进 Slack,自家产品团队 65% 代码已由它生成
Anthropic 发布 Claude Tag(6-23,本期为延续报道),团队在 Slack 里 @Claude 即可委派任务,Claude 作为常驻成员加入频道、连接工具/数据/代码库,运行于 Opus 4.8,对 Enterprise/Team beta 开放,并替换旧版『Claude in Slack』、给管理员 30 天迁移窗口。四大特性:multiplayer 多人接力、跨频道随时间学习、ambient 主动推送/跟进、异步自主推进数小时至数天。治理被做成一等公民:按频道配工具、记忆隔离身份、组织/频道双层 token 上限、全量操作日志。Anthropic 称这是『Claude Code 的演进』,其产品团队 65% 代码已由内部版生成,用途已扩展到追指标、处理工单、定位 bug——远超 Google(>30%)与微软(20-30%)公开数字。
- 头条 深度报告 →
OpenAI 放出 GPT-5.6 三档预览 Sol/Terra/Luna:换了命名体系,Terra 性价比翻倍,但先报备了美国政府
OpenAI 启动 GPT-5.6『有限预览』(6-26 发布,本期为余热),用 Sol(旗舰)/Terra(均衡)/Luna(低价)三档替代旧命名——数字代表『代数』、名字代表可独立迭代的『能力档』。三档定价(每百万 token,输入/输出):Sol $5/$30、Terra $2.50/$15、Luna $1/$6;官方称 Terra 性能对标上代 GPT-5.5 但便宜 2 倍。Sol 在 Terminal-Bench 2.1 自报 SOTA、在 ExploitBench 上以约 1/3 输出 tokens 与 Mythos Preview 竞争(benchmark 多为自报)。最反常的是流程:应美国政府要求先做小范围预览、参与方已报备,广泛开放要『未来数周』;7 月将在 Cerebras 上线 Sol,最高 750 tokens/秒。
- 产品上新
Google Finance 上线:自然语言问投资组合
Google Finance 正式上线,可用自然语言提问让 AI 分析投资组合,并设置定时任务每天发送金融简报。
- 模型发布
阿里 Wan2.7-Video 进 Video Arena 图生视频第 5
阿里 Wan2.7-Video I2V 以 1434 分进入 Video Arena 图生视频榜第 5,头对头领先 Grok Imagine Video 及全部 Google Veo-3.1 变体;支持文本/图像/音频/视频多模态控制与角色定制。
- 产品上新
OpenKnowledge:开源 AI-first 笔记,对标 Obsidian/Notion
Show HN 项目 OpenKnowledge(inkeep 出品)定位为开源、AI 优先的 Obsidian/Notion 替代品。HN 热度 372。
- 产品上新
workweave/router:在 Claude/Codex/Cursor 内做智能模型路由
Show HN 项目 workweave/router 直接在 Claude、Codex、Cursor 内做智能模型路由,按任务把请求分发给最合适的模型。HN 热度 201。
- 研究论文
BINEVAL:把 LLM-as-judge 拆成原子级是非题,可定位低分原因
BINEVAL 提出将评估维度拆成原子级是非题、对每个输出独立作答再聚合为校准的多维分数,每个问题级判定可检查、能精确定位输出为何低分并作为改进 prompt 的信号;在 SummEval、Topical-Chat、QAGS 上匹配或超过 UniEval 和 G-Eval,免训练、事实一致性表现尤佳。
- 行业动态
2000 人攻击我的 AI 助手后:一次公开红队实录
开发者 fernandoi 公开记述让 2000 人尝试攻击其 AI 助手后的攻防实录,揭示 prompt 注入、越狱与权限滥用的真实长尾。HN 热度 369。
- 行业动态
上下文工程成新焦点:agent 技能包与记忆正成为新的开发者 dotfiles
本周 GitHub 增长榜显示 agent 技能包与 context 文件成新趋势,OpenMontage(+17.2K,开源 agentic 视频生产)、.claude skills(+11.1K)、codebase-memory-mcp(+7.6K,代码库索引为知识图、token 省 99%);Memanto 给 Claude Code/Cursor/Codex 装无限记忆,Warp 把开源维护做成 agent-native workflow。
- 观点观察
Agent Arena Token 效率:Fable 质量最高,GPT-5.5 最省,Grok 烧 token 倒退
Code Arena 母榜发布 Agent Arena Token 效率分析(模型在搜索/文件系统/终端工具下完成真实任务),Fable 质量最高(+14.1%),优于同 token 用量的 Opus 4.8 Thinking(+9.2%);三个 GPT-5.5 变体均在效率前沿之上(+6.2% 至 +8.6%)且用量更少;GLM-5.2 达 +5.1% 接近趋势线。Gemini-3.5 Flash 耗 token 最多却远低于前沿,Grok Build 0.1 烧 20K+ token 反而净负增长。
- 行业动态
OpenRouter:四款 open-weight 模型已驱动真实 agentic 流水线
OpenRouter Insights 新博文指出已有四款 open-weight 模型跨过门槛、正在驱动真实 agentic 流水线,分析了 6 月企业为何选择它们。
- 研究论文
MoA 混合代理:NousResearch 称超闭源,论文发现'共败上限'
NousResearch 将 Hermes Agent 的 MoA(混合代理)预设作为虚拟模型开放,自称在即将发布的基准上比 Opus 4.8 高 8%、比 GPT-5.5 高 11%;同期 arXiv 论文《When Does Combining Language Models Help?》跨 67 个前沿模型发现路由/投票/MoA 存在"共败上限",组合收益受限于成员模型共同失败的模式。
- 行业动态
Ford AI 质检失灵,返聘'灰胡子'老质检员
Bloomberg 报道 Ford 在 AI 质检系统表现不及预期后,重新返聘经验丰富的老年质检员('gray beard')回归产线。HN 热度 601。
- 行业动态
Apple 跳过高端 M6,转向 AI 专属 M7 芯片线
Bloomberg 报道 Apple 将跳过高端 M6 Mac 芯片,转而推出 AI 专属的 M7 Pro/Max/Ultra 产品线。
- 观点观察 深度报告 →
智能体渗透工作:OpenAI Codex 99.8% + Anthropic 经济影响 + 字节 TRAE 三方数据
OpenAI 内部报告,2025 年 8 月至 2026 年 6 月各部门输出 token 中 Codex 占比从不足 10% 升至 99.8%,80.6% 员工曾发起等效人类超 30 分钟的请求、25.6% 超 8 小时,非开发者用量个体 +137 倍/组织 +189 倍,法务、财务、招聘 4 月前后跨过使用过半拐点。Anthropic 经济影响研究(逐小时采样)显示近半受访者预期 12 个月内职责显著变化,不到 10% 认为自己会失业、但超三分之一估计初级同事失业概率高于 60%。字节洪定坤分享 TRAE 团队过去半年超 90% 代码由 AI 生成,但人均需求吞吐仅提升约 1.6 倍——引入 Harness(上下文工程/架构约束/团队知识沉淀)后可交付性从 40-60 分升至约 80 分。
- 模型发布 深度报告 →
智谱 GLM-5.2 开源登顶 Code Arena,距 Claude Opus 4.8 不到 1%
智谱 AI 开源 GLM-5.2(Max),7440 亿参数、100 万 token 上下文、MIT 协议,在 Code Arena 前端赛道排第 2、仅次 Fable 5,击败全部 Claude Opus 变体(含 4.8/4.7 Thinking),距 Claude Opus 4.8 不到 1%、软件工程基准击败 GPT-5.5,API 比同等性能美国模型便宜 85%。All In 节目估计中国模型技术落后约 9 个月、芯片落后约 24 个月,但已用华为昇腾完成 GLM5 家族训练。
- 研究论文 深度报告 →
DeepSeek DSpark 投机解码无损提速 60-85%,DeepSpec 全栈开源
DeepSeek 联合北大发布投机采样加速框架 DSpark 并开源全栈代码库 DeepSpec,已部署于 DeepSeek-V4 线上业务。无损前提下 Flash 版单用户生成提速 60-85%、Pro 版 57-78%,超越原 MTP-1 基线;DSpark 用 DFlash 并行主干网生成隐藏状态+轻量马尔可夫头注入相邻词关联,置信度预测头与后验校准避免高并发下吞吐崩溃。DeepSpec 内置支持 Qwen3、Gemma 等,提供从训练草稿模型到基准评估的完整 Python 工具链。HN 热度 714、293 评论。
- 行业动态 深度报告 →
美国政府决定谁能用前沿模型:GPT-5.6 审查放行 + Mythos 5 恢复可信部署
华盛顿邮报报道 OpenAI 称将由美国政府审查 GPT-5.6 用户名单(限量预览),该议题 HN 热度 1148 居当日之首;同期 Semafor 报道美国已允许 Anthropic 将最强网络安全模型 Mythos 5 重新部署给运营关键基础设施的部分美国机构。Anthropic 自 6 月 12 日起与政府协作恢复访问,出口管制延宕催生 TechCrunch 所述亚洲厂商推出 Mythos-like 模型填补空档。两件事共同标志:前沿最强模型的获取首次被政府纳入审批流程。
- 头条 深度报告 →
OpenAI 发布 GPT-5.6 三档模型:Sol/Terra/Luna,首由美国政府审查放行
OpenAI 发布 GPT-5.6 系列,旗舰 Sol 为迄今最强模型,新增 max reasoning 最大推理档与调用子智能体的 ultra mode;均衡型 Terra 性能持平 GPT-5.5 但便宜 2 倍,快速型 Luna 为 OpenAI 史上最低价($1/$6 每百万 token)。应美国政府要求先向受信任合作伙伴限量预览、再逐步扩大,OpenAI 称不希望此流程长期化。Sol 在 Terminal-Bench 2.1、GeneBench v1、ExploitBench² 等 SOTA,网络安全为迄今最强但未越过 Preparedness Framework 关键阈值;新命名体系以数字代表代际、Sol/Terra/Luna 为可独立演进的档位。7 月将在 Cerebras 上以最高 750 tokens/秒推出 Sol。
- 行业动态
NVIDIA 45°C 液冷设计将数据中心用水降至近零
NVIDIA 公布 45°C 温水液冷设计,称可把 AI 数据中心用水量降至接近零,HN 讨论 424 条。
- 观点观察
大型 AI 实验室正大量招聘哲学家
The Economist 报道,大型 AI 实验室正招聘越来越多哲学家,参与对齐、价值观与模型行为设计。
- 行业动态
AI 质检翻车,福特重新雇回资深检验员
Bloomberg 报道福特因 AI 在质量检测上表现不及预期,重新雇回经验丰富的"gray beard"(资深)检验员,HN 讨论 321 条。
- 行业动态
法国财政部试用后弃用阿里 Qwen,改投本土 Mistral
据法新社,法国经济与财政部证实其财政总局 6 月在约 100 名工作人员中试用阿里 Qwen,数日后因部分涉华议题回答被指"亲中倾向/导向性"而停用,改用本土 Mistral。(目前经 X 转述,待官方原文核实)
- 行业动态
美国 AI 股抛售波及全球市场
The Guardian 报道美国 AI 股集中抛售,冲击从华尔街到亚洲的市场情绪。
- 行业动态
Gemma 4 上线 2.5 个月下载破 2 亿次
Google DeepMind 称 Gemma 4 在仅 2.5 个月内达到 2 亿次下载。
- 产品上新
NVIDIA/vLLM 发布 GLM-5.2 NVFP4 量化版,一行命令本地起服务
NVIDIA 与 vLLM 官方发布 GLM-5.2 的 NVFP4 4-bit 量化 checkpoint,vllm serve nvidia/GLM-5.2-NVFP4 即可起 OpenAI 兼容 API;针对 Blackwell 大幅削减 VRAM,且在推理/编码/1M 上下文上对精度持平。GLM-5.2 为 753B 参数 MoE,擅长 agentic 负载。
- 融资动态
高通收购 AI 基础设施初创 Modular(Mojo 母公司)
Reuters 报道高通将收购 AI 基础设施初创 Modular——Mojo 语言与统一 AI 编译/推理栈的开发商,HN 讨论 125 条。
- 产品上新
Google 在 Gemini 3.5 Flash 中加入 Computer Use
Google 发布 Gemini 3.5 Flash 的 computer use 能力,把屏幕操作/agentic 控制下放到低价快速档,登上 HN(241 分/167 评论)。
- 行业动态
OpenAI 公布自研推理芯片 Jalapeño,联合 Broadcom 量产
OpenAI 公布首款自研 AI 芯片 Jalapeño,由其从零设计、联合 Broadcom 量产,专为驱动 ChatGPT/Codex/API 及未来 agentic 产品的 LLM 推理负载打造,把全栈平台从产品、模型进一步延伸到基础设施。
- 研究论文 深度报告 →
MirrorCode 基准:Opus 4.7 仅凭运行行为重写软件,14 小时抵人类数周
Epoch AI 等机构的 MirrorCode 基准要求 AI 仅凭程序可执行行为(可运行但无源码)重写整套软件,覆盖 25 个目标程序、6 种语言(Python/C/Rust/Go/OCaml/Ada),用含隐藏测试的端到端测试判定一致性。最强模型 Claude Opus 4.7 全基准 56%(8 个月前模型约 30%);典型案例重写 1.6 万行 Go 生物信息学工具包 gotree(40+ 命令),用 14 小时通过 2000/2001 测试(99.95%)、花费 $251,人类估计需 2-17 周,单个大任务一次尝试可耗 $2600/19 天。Mollick 借此称"聊天机器人时代已结束"。
- 研究论文 深度报告 →
Anthropic 经济指数:越用 Claude 越乐观,但初级岗位最先承压
Anthropic 升级经济影响研究方法(按小时采样 + 9700 人问卷):周末个人对话占比升至约 50%(工作日约 35%),93% 对话产出可分类产物(代码约 16%、解释 17%、文档/报告 15%);超 35% 受访者预计 12 个月内 AI 能处理大部分工作任务,超 1/3 认为初级同事一年内失业概率高于 60%,但不到 10% 认为自己会失业——且越多把任务委托给 Claude 的人,对薪资、稳定性与技能价值反而越乐观。Anthropic 同期以创始伙伴加入劳动力转型联盟 RAISE US,与 Mollick"能力过剩、变革已锁定"的判断互为印证。
- 模型发布 深度报告 →
Qwen 开源原生语言世界模型 AgentWorld,宣称超 Opus 4.8
阿里通义千问发布 Qwen-AgentWorld:用单一模型模拟 MCP/Search/Terminal/SWE/Web/OS/Android 共 7 类 agent 环境,把"环境建模"作为从第一天起的训练目标。开源 35B 总参/3B 激活的 MoE(256K 上下文)及 AgentWorldBench,宣称在该榜超 Claude Opus 4.8 与 GPT-5.4;世界模型预热带来跨 7 项基准提升(Terminal-Bench 2.0 +6.3、WideSearch +12.8、Claw-Eval +11.3 等),且无需 agent 专项训练即可零样本迁移。核心范式是"先预测环境、再行动"(predict before you act)。
- 研究论文 深度报告 →
DeepSeek DSpark 投机解码上线 V4,推理再提速 80%
DeepSeek 发布投机解码框架 DSpark(《DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation》),称推理速度提升 80%,且已部署到 DeepSeek-V4 Flash 与 Pro 的真实线上流量。论文登上 HN(598 分/228 评论)。延续 DeepSeek 一贯"把推理成本往下打"的路线,与同期 HF 上 JetSpec(并行树草稿打破投机解码扩展上限)等工作形成呼应,共同把推理效率推向新前沿。
- 行业动态 深度报告 →
Anthropic 指控阿里巴巴非法提取 Claude 模型能力
Reuters 报道 Anthropic 指控阿里巴巴"非法提取"(蒸馏)Claude 的模型能力,HN 讨论达 1297 条、799 分。指控正值阿里 Qwen 高调发布:Qwen-AgentWorld 宣称在 AgentWorldBench 上超越 Claude Opus 4.8 与 GPT-5.4;同期法国经济与财政部因部分涉华回答"亲中倾向"弃用 Qwen 改投本土 Mistral。模型蒸馏的合法边界、开源权重与 IP 保护、中美 AI 竞争交织成一桩标志性争端。
- 行业动态 深度报告 →
前沿 AI 进入"政府审批"时代:GPT-5.6 要政府点名,Anthropic Mythos 暂停又恢复
GPT-5.6 预览先经 API/Codex 向少数受信任伙伴开放,并就模型能力向美国政府预先通报、配合 cyber 行政命令框架;WaPo 称"政府将决定谁能用"(1172 评论),The Verge 报道 OpenAI 应特朗普政府要求延期发布。平行地,Anthropic 自 6 月 12 日起在政府指令下暂停 Mythos 5/Fable 5,如今获准向运营关键基础设施的"受信任"美国机构恢复 Mythos 5(Semafor,682 评论);TechCrunch 称亚洲初创趁出口禁令推出 Mythos-like 模型填补空缺。前沿模型的访问权正被国家安全框架接管。
- 头条 深度报告 →
OpenAI 预览 GPT-5.6:Sol/Terra/Luna 三档齐发,主攻网络安全
OpenAI 启动 GPT-5.6 限量预览,三款新模型构成新命名体系——数字 5.6 代表代际,Sol/Terra/Luna 代表智能/速度/成本三档能力。旗舰 Sol 主打长程网络安全,均衡款 Terra 性能对标 GPT-5.5 但价格便宜一半,低价款 Luna 以最低成本提供强能力。新增 max reasoning effort 与调用子智能体的 ultra mode;Sol 在 Terminal-Bench 2.1 刷新 SOTA、在 GeneBench/ExploitGym 超越或逼近 5.5,被定位为"迄今最强网络安全模型",但称未跨越 Preparedness 的 Cyber Critical 阈值。定价(每百万 token)Sol $5/$30、Terra $2.5/$15、Luna $1/$6,自动化红队投入超 70 万 A100 等效 GPU 小时,7 月将在 Cerebras 上线、最高 750 tok/s。
- 观点观察
「第二大脑」实践升温:用 AI 维护个人知识库
把笔记维护交给模型、人保留判断权的协作模式在社区引发讨论。
- 行业动态
「智能体如何重塑工作」报告发布
系统梳理智能体对企业工作流的改造路径,代表另一条「替你做事」的路线。
- 产品上新 深度报告 →
Claude Tag:AI 交互从「目的地」迁向「内嵌」
交互范式位置迁移背后的产品逻辑,以及「内嵌」成败的真正指标。
- 研究论文 发展中
待验证｜DataClaw0:把「数据处理」变成可学习的 agent 能力,从原始流裁剪多模态数据
清华等提出『Agentic Data Tailoring』:不再被动标注,而是主动把高熵的非结构化多模态流裁剪成与用户/下游意图对齐的结构化输出。用『确定性事实锚点 + 生成式语义合成』两阶段流水线造数据,基于 9B 模型 SFT + GRPO 联合训练,并用下游后训练(视频生成、真实 VQA、GUI 导航)作为最终验证标尺,而非只看中间指标。
- 研究论文
KaLM-Reranker-V1:解耦 query 与 passage 计算的「快但非延迟交互」重排器
多数重排器把 query 与 passage 联合编码,计算紧耦合、部署不灵活。KaLM-Reranker-V1 提出『Fast but Not Late-interaction(FBNL)』:基于 encoder-decoder,用 encoder 配 Matryoshka 池化预先编码 passage,decoder 建模指令与查询意图,再用 cross-attention 捕捉相关性。提供 Nano/Small/Large 三档(0.27B/1B/4B 激活参数),在 BEIR 上达 SOTA、与 Qwen3-Reranker 系列持平,同时效率更优。
- 研究论文
EvoEmbedding:会随上下文「进化」的向量表征,为长上下文检索与 agent 记忆而生
现有 embedding 模型本质是静态的——孤立编码文本片段,忽略上下文和时序。EvoEmbedding 在顺序处理输入时维护一个持续更新的隐式记忆,与原始内容联合生成『可进化表征』:同一个查询会随上下文演化而检索到不同目标,超越静态语义搜索。配套 EvoTrain-180K 数据集与防表征坍缩的记忆队列,在多个长上下文检索基准上超过 Qwen3-Embedding-8B、KaLM-Embedding-Gemma3-12B 等更大模型。
- 研究论文
MemGUI-Agent:把「管理上下文」做成一等动作,治长程手机 GUI agent 的健忘
针对 ReAct 式提示在长程手机 GUI 任务里被动堆历史、导致 prompt 爆炸又稀释关键跨 app 事实的问题,MemGUI-Agent 提出 Context-as-Action(ConAct):让同一个策略既选 UI 动作、也主动发出『折叠动作历史/折叠 UI 状态/保留近期步骤』三类结构化上下文管理动作。配套 2956 条轨迹数据集 MemGUI-3K,训出的 8B 模型拿到 MemGUI-Bench 最佳开源数据成绩,并泛化到分布外的 MobileWorld。
- 研究论文
Grouped Query Experts:在注意力里做 MoE,KV cache 不变、只稀疏化查询头
GQE 把 GQA 分组内的查询头当作专家,由路由器为每个 token 选 top-k 个查询头专家,而 KV 头保持稠密、始终计算,从而保留 GQA 的 KV cache 优势,只削减激活的查询头算力。250M 参数 / 30B token 预算下,每 token 仅激活一半查询头,下游准确率仍与全激活 GQA 基线持平。
- 研究论文
NatureBench:让 coding agent 去复现 Nature 论文的 SOTA,90 题里只过 17.8%
Frontis.AI 提出跨学科基准 NatureBench,从同行评审的 Nature 系论文蒸馏出 90 个任务,配套 NatureGym 自动构建每题独立容器环境(解决此前『agent 做科研』基准的环境碎片化问题)。在禁联网搜索的严格协议下评测 10 个前沿 agent 配置,最强者在 g>0.1 标准下仅超越 SOTA 17.8% 的任务。
- 研究论文 深度报告 →
Qwen-AgentWorld:把「环境建模」做成第一性训练目标的语言世界模型
阿里通义千问发布 Qwen-AgentWorld,用单一语言模型通过长思维链模拟 MCP/Search/Terminal/SWE/Web/OS/Android 共 7 类 agent 环境,开源 35B-A3B 与 397B-A17B 两档,基于超 1000 万条交互轨迹三阶段训练。提出「先预测环境、再行动」范式,既可作可控模拟器替代真实环境做 RL,也可作预热阶段提升 7 项 agent 基准。当日 HuggingFace 最高票 136 upvotes。
- 研究论文 深度报告 →
OpenThoughts-Agent:把 agentic 模型的训练数据配方完全开源
OT-Agent 针对「怎么为通用 agent 策展训练数据」这一公开知识空白,跑了 100+ 受控消融、组装 10 万样本微调 Qwen3-32B,七项 agent 基准均分 44.8%,比最强开源数据模型 Nemotron-Terminal-32B(40.9%)高 3.9 个点(SWE-Bench Verified 54.0% vs 41.9%)。配方逐项消融,数据、流水线、模型全部开源。
- 研究论文 深度报告 →
Execute-Distill-Verify:破解 agent 经验学习的「自我确认陷阱」
一篇新论文指出 agent 经验学习的核心失效模式——同一个 agent 既执行又评估,会把「错误但自洽」的轨迹当成有效经验写入记忆并越用越偏。EDV 用异构 agent 并行探索、第三方蒸馏、执行组共识校验三阶段解耦,τ²-bench 均分 Pass@1 86.6(对比 Router 83.5),且较 ReasoningBank 省 24.5% token。
- 研究论文 深度报告 →
EnterpriseClawBench:用真实职场会话造基准,最强 agent 也只过 0.766
一个从专有真实 agent 会话蒸馏出的企业级基准:5291 条原始任务实例经自动化流水线收敛成 852 个可复现任务。全集最强 GPT-5.5 仅 0.766,Lite 子集顶分只有 0.663,远未饱和。核心发现是 agent 表现高度依赖 harness 而非只看模型——Claude 系在 Hermes 运行时从 0.62-0.64 骤降到 0.458。因数据集不公开,外部无法独立复现,引用需带 caveat。
- 研究论文 深度报告 →
PlanBench-XL:1665 个工具的长程规划评测,前沿模型在「静默失败」前集体失灵
UIUC 团队提出交互式长程规划基准 PlanBench-XL:327 个零售任务、1665 个工具、56 种数据类型,工具需检索动态发现,平均约 25 轮、最短解 5–9 次调用。Gemini-3.1-Pro 最强(77.06%),GPT-5.4 默认 51.90% 但在最严重阻塞下崩到 11.36%,最小模型为 0%;探索度与准确率强相关(r=0.902),「静默失败」危害最大。
- 行业动态 深度报告 →
同一天的两条线:Anthropic 指控阿里「非法提取」Claude,Qwen 新模型登顶 HuggingFace
据 6 月 24 日 Reuters 与 CNBC 报道,Anthropic 致信美国参议院银行委员会,指控与阿里巴巴及其 AI 实验室关联的操作者用约 2.5 万个欺诈账户、2880 万次交互「非法提取」(蒸馏)Claude 能力,称这是迄今对它「已知最大的一次蒸馏攻击」。指控见报当天,阿里 Qwen 的 Qwen-AgentWorld 论文登上 HuggingFace 当日最高票(136 赞)。Reuters 原文因反爬墙无法直接核验,本条以 CNBC 同日报道与 HuggingFace/arXiv 论文页为准,置信度中等。
- 研究论文 发展中
待验证｜BioMatrix:序列-结构-语言统一的生物基座,80 任务里 77 项 SOTA
上海 AI Lab 等提出 BioMatrix,称是首个在单一 decoder-only 架构内原生融合『序列、结构、语言』、同时覆盖分子与蛋白质的多模态生物基座。通过统一 tokenization 把 SMILES/SELFIES、分子结构、蛋白序列/结构与语言映射到共享离散 token 空间,统一 next-token 预测,无需外部编码器或模态专用输出头。基于 Qwen3(1.7B/4B)持续预训练 3044 亿 token,在 6 类 80 个任务上 77 项达 SOTA 或有竞争力。提交者于 6 月 23 日提交。
- 研究论文
CLI-Universe:为终端 agent 合成可验证任务,32B 模型 Terminal-Bench 2.0 冲到 33.4%
南大、StepFun、上海 AI Lab 等针对终端 agent 训练数据稀缺,提出『由内向外』的任务合成引擎:任务蓝图构建→Docker 环境实体化→多阶段验证过滤(约三分之二候选被拒,仅 33.6% 存活)。产出 CLI-Universe-6K 训练集。Terminal-Bench 2.0 上 CLI-Universe-32B 达 33.4%,超同尺寸 SkillSynth-32B(29.6)及更大的 Qwen3-Coder(480B,23.9),但仍落后 Claude-Opus-4.5(57.8)。
- 研究论文
OpenRath:把 agent 系统当运行时,提出以 Session 为核心的一等运行态
清华的工作主张现代 agent 应用更像运行时系统而非简单对话,指出『隐藏运行态』问题——状态散落在日志、记忆库、trace 等旁路。OpenRath 借鉴 PyTorch 编程模型:Session=流动的值,Agent=可复用变换(类比 layer),Workflow=组合容器,统一 forward(session)->session 契约,用 session.to(backend) 表达放置。定位为 AutoGen/LangGraph/OpenAI Agents SDK/MCP 的补充而非替代,且采用『审计优先』发布协议、不报跑分。
- 研究论文
World Action Models 综述:给 WAM/VLA/世界模型『正名』,Dream Less, Act More
NUS 的综述试图终结社区对 World Action Models 的术语混乱:明确 WAM『不是带动作头的视频生成器』,提出『面向动作的未来』契约,给出两套分类(设计哲学视角:Render-and-Decode/Latent-Only/Video-Generation-Free;组件解剖视角:预测基底/动作耦合/骨干/部署四轴),并把每个 WAM 表达为统一 4 元组,讨论可交互性、因果性、持久性、物理合理性、泛化五种具身属性。
- 研究论文
DataClaw0:把『数据处理』变成可学习的 agent 能力,从原始流裁剪多模态数据
清华等提出『Agentic Data Tailoring』:不再被动标注,而是主动把高熵的非结构化多模态流裁剪成与用户意图对齐的结构化输出。基于 Qwen3.5-9B,SFT + GRPO 联合训练,两阶段流水线(自底向上抽取『事实锚点』+ 自顶向下语义合成),分 Omni(统一)与 Expert(领域解耦)两种范式。DataClaw0-val 上 Field 最高 97.53,接近 Gemini-3.1-Pro-Preview 的 98.12。
- 产品上新
MemSlides:分层记忆驱动的个性化幻灯片 agent,局部改稿不重生成整份
当日 HF 策展 upvotes 最高(159)。北邮、清华等提出 MemSlides,把长期记忆(用户画像记忆+工具记忆)与工作记忆分离,做个性化幻灯片生成与多轮局部改稿:用『Plan–Act–Guard』流水线只改最小受影响区域,而非反复重生成整份 deck;并放出 30 条人物-意图画像、覆盖 10 个职业的评测集。
- 研究论文 深度报告 →
Unlimited OCR:固定 KV cache 的滑窗注意力,一次性解析数十页文档
百度的工作针对 DeepSeek OCR 类端到端模型『输出越长 KV cache 越大』的痛点,提出 Reference Sliding Window Attention(R-SWA):每个 token 关注全部参考 token(视觉+提示)但只关注前 n 个输出 token(默认 128),把 KV cache 固定为 m+n。保留 DeepEncoder 高压缩(1024×1024 页约 256 token)。OmniDocBench v1.5 总分 93.23,超 DeepSeek OCR 基线 6.22 分;v1.6 达 93.92(端到端 SOTA);40+ 页长程解析编辑距离仍低于 0.11。3B 总参 / 0.5B 激活的 MoE。
- 研究论文 深度报告 →
Confident Decoding:别只信最后一层,Qwen 团队用「熵谷」选层,训练免改还涨分
Qwen 团队联合清华、NTU 挑战『最后一层表征最优』的假设,提出『Guess–Refine–Perturb』动态:早层粗猜、中层精化语义、末层可能把预测推向通用的对齐偏好 token(即『对齐税』)。Confident Decoding 是训练免改的即插即用解码策略,保留完整前向,用熵作为置信信号在『熵谷』动态选择喂给采样器的层。实测 FLOPs 增加不到 1%、零额外 KV 显存;Qwen3.5-27B 在 LiveCodeBench v6 上 +10.1%,GPQA-D +6.5%,gpt-oss-20b 在 Omni-MATH 最难档 +22.4 分。
- 研究论文 深度报告 →
PerceptionDLM:用扩散语言模型并行做区域感知,吞吐提速最高 3.44×
来自北大、ByteDance、武大、CASIA、NUS 的工作,首次用多模态扩散语言模型(DLM)实现并行区域描述:不同于自回归逐区域处理,它用结构化注意力掩码让多个掩码区域同时被描述。基于 SigLIP-2 + LLaDA-8B,提出 ParaDLC-Bench(2345 题、GPT-5.2 为评判)。多模态 16 项基准中 15 项超 LLaDA-V,ParaDLC-Bench 准确率 62.4%(LLaDA-V 35.2%),完全并行时吞吐最高提速 3.44×,单图延迟从 10.04s 降到 2.92s。提交于 6 月 17 日。
- 研究论文 深度报告 →
Grouped Query Experts:在注意力里做 MoE,KV cache 不变、预填充提速近 1.8×
GQE 把 GQA 分组内的查询头当作专家,由路由器为每个 token 选 top-k 个查询头专家,而 KV 头保持稠密、始终计算,从而保留 GQA 的 KV cache 优势,只削减激活的查询头算力。250M 参数 / 30B token 预算下,完整 GQE 三任务平均 56.04,略高于稠密 GQA 基线 55.86;预填充在 4k–1024k token 区间提速约 1.67–1.80×。
- 研究论文 深度报告 →
EnterpriseClawBench:把 5291 条真实职场会话变成评测,给 Claude Code、Codex 直接打分
该基准从真实企业 agent 会话中提炼出 852 个可复现任务(含 120 题人工审核的 Lite 子集),用『硬规则 + 五维语义评判』双层打分,评测了 32 个 harness-模型组合(Claude Code、Codex、DeepAgents、Hermes、OpenClaw)。因含内部内容,数据不公开,公开的是构建与评测协议。最佳 Lite 成绩仅 0.663(Codex+GPT-5.5),全集 DeepAgents 上 GPT-5.5=0.766、Sonnet 4.6=0.749、Haiku 4.5=0.632。
- 研究论文 深度报告 →
PlanBench-XL:把前沿模型扔进 1665 个工具的「迷宫」,长程规划集体露怯
UIUC 团队提出 PlanBench-XL,用 327 个零售任务、1665 个需检索发现的工具、平均约 25 轮交互,评测 LLM 智能体在大规模工具生态下的长程规划。引入显性/隐性/误导三类工具阻塞模拟「缺失、失效、干扰」。GPT-5.4 无干扰准确率 51.90%,重度阻塞下骤降至 11.36%;Gemini-3.1-Pro 以 77.06% 领先,Qwen3-8B、Llama-3.1-8B-Instruct 为 0%。
- 行业动态 发展中
传中国推出约 2950 亿美元五年期 AI 国家投入计划(待核实)
据聚合媒体 buildfastwithai 6 月整理,中国据称公布约 2950 亿美元的五年期 AI 投入计划(折合约每年 590 亿美元国家主导支出),作为对比:微软 2026 年 AI 资本开支约 1900 亿美元、谷歌指引约 1750–1850 亿美元。该数字仅见单一聚合源,未获一手政策文件印证。
- 行业动态 发展中
『Agentjacking』:伪造错误报告投毒,诱导编码 Agent 执行恶意指令(待核实规模)
据聚合媒体 buildfastwithai 6 月整理,出现一类名为 Agentjacking 的新攻击:用伪造的 Sentry 错误报告夹带 Markdown 注入,被 Claude Code、Cursor、OpenAI Codex 等编码 Agent 当作合法内容执行;文中称利用成功率 85%、影响 2388 家组织,尚无通用补丁,缓解建议是把错误追踪输出当作不可信输入并加人工复核。
- 行业动态 发展中
传 Anthropic Fable 5 / Mythos 5 受美出口管制下线(单源,待核实)
据聚合媒体 buildfastwithai 6 月 22 日整理,Anthropic 的 Fable 5、Mythos 5 据称因 6 月 12 日美商务部紧急出口指令而全球下线,Fable 5 同日(6/22)结束 Pro/Max/Team/Enterprise 免费试用窗口。该叙事仅见单一聚合源,涉及 SK 电讯被白宫标记等细节均未在本次检索中获一手印证。
- 行业动态 发展中
传 Noam Shazeer 离开 Google DeepMind 加入 OpenAI(单源,待核实)
据聚合媒体 buildfastwithai 6 月 22 日整理,Transformer 论文共同作者 Noam Shazeer 据称于 6 月 18 日离开 Google DeepMind,出任 OpenAI 架构研究负责人;2024 年 Google 曾以约 27 亿美元从 Character.AI 回聘他。该消息仅见于单一聚合源转述,Bloomberg/TechCrunch 原始报道未在本次检索中独立确认。
- 研究论文
WorldLines:长程具身智能体的状态化记忆基准与 ObsMem 框架
WorldLines(arXiv 2606.18847,HKUST(GZ)/HKUST/Knowin)面向长程家庭具身助理,构造时间跨度长的家庭轨迹(对话、动作、反馈、状态变化),拆为记忆 QA 与具身任务规划两类样本;提出观察者锚定的记忆框架 ObsMem,用事件/状态/信念/承诺四类记忆轨道并区分『观察到』与『被告知』来源。在记忆 QA 上 Judge 0.713、完美率 69%,各维度领先 A-mem/Mem0。
- 研究论文
Reflective Masking:用反思式掩码激发掩码扩散模型的推理能力
Reflective Masking(arXiv 2606.16700,14 upvotes,UMD/Virginia Tech 等)提出一种轻量后训练方法,让掩码扩散模型(MDM)按位置做 keep/re-mask/reveal 决策,迭代式局部修订自身输出,实现扩散模型独有的测试时扩展;配合参数无关的 History Reference 维持去噪轨迹状态。覆盖图像编辑、数独纠错与文本推理(数学/代码),约 2 张 H100 训练 5 小时。
- 行业动态
ChatGPT 全球助手份额首次跌破 50%,Gemini/Claude 追赶
据 Sensor Tower《2026 AI 现状》报告(TechCrunch 6 月 16 日转述),到 5 月底 ChatGPT 全球 AI 助手份额首次跌破 50%、降至 46.4%(年初仍高于 50%),Gemini 升至 27.7%、Claude 10.3%。ChatGPT 月活仍超 11 亿,据称是史上最快达 10 亿用户的应用。
- 模型发布 深度报告 →
智谱 GLM-5.2 开源压成本:753B MoE、MIT 许可,自报 SWE-bench Pro 62.1
智谱(Z.ai)于 6 月 13 日发布开源 GLM-5.2:753B 参数 MoE(约 40B 激活)、MIT 许可、1M 上下文。官方自报 SWE-bench Pro 62.1(vs GLM-5.1 的 58.4)、Terminal-Bench 2.1 约 81.0,API 价约 $1.40/M 输入、$4.40/M 输出,折合约 GPT-5.5 的六分之一。本地部署据称需至少 8 张 H100(FP8)。
- 研究论文 深度报告 →
GateMem:首个面向多用户共享记忆的『记忆治理』基准,现有方法全部不及格
GateMem(arXiv 2606.18829,18 upvotes)把记忆智能体从单用户假设推向医院/职场/校园/家庭等多主体共享场景,联合考核三件事:对合法长程请求的有用性、跨授权边界的访问控制、删除请求后的主动遗忘。基准含 91 段多方长对话、2218 个隐藏检查点、4 个域、7 个记忆基线 × 6 个底座 LLM。结论:没有任何方法能同时做到强可用、稳健访问控制与可靠遗忘。
- 研究论文 深度报告 →
PerceptionDLM:扩散语言模型实现并行区域感知,最高 3.44x 提速
PerceptionDLM(arXiv 2606.19534,63 upvotes)首次用多模态扩散语言模型(DLM)实现并行区域描述与感知:借助区域感知掩码嵌入、RoI 特征重放与结构化注意力掩码,同时为多个掩码区域生成描述。基于 SigLIP-2 + LLaDA-8B,在 16 个基准中 15 个超过 LLaDA-V,自建 ParaDLC-Bench 达 62.4% 准确率,吞吐最高提速 3.44x,推理时间 276s(对照 GAR 479s)。
- 研究论文 深度报告 →
MemSlides:分层记忆驱动的个性化幻灯片 Agent 登顶当日 HF 榜
MemSlides(arXiv 2606.17162,北邮/清华/上交)以 159 upvotes 居当日 HuggingFace 策展榜首。它把记忆分为长期记忆(用户画像+工具记忆)与会话工作记忆,通过 Plan–Act–Guard 流水线实现『局部最小改动』式多轮修订,而非整份重做。在 GPT-5、GLM-5、Gemini 3.1 Pro 上,人格对齐相对 DeepPresenter/SlideTailor 多维度提升;工具记忆消融显示『首次正确编辑时间』从 609.5s 降至 242.5s。
- 头条 深度报告 →
Five Eyes 罕见联合发声:前沿 AI 将在『数月内』放大进攻性网络能力
美 CISA/NSA、英 NCSC、澳 ACSC、加 Cyber Centre、新西兰 NCSC 五国六家网络与情报机构于 6 月 22 日发布约 3 页联合声明,警告前沿 AI 将以『数月而非数年』的速度加速网络威胁的速度、规模与复杂度,并敦促政企将 AI 用于自身防御、把网络风险当作核心业务风险对待。