Project Genie 和谷歌地图街景打通了，现在你可以把美国真实地点直接转成能走进去玩的交互式世界。正文没披露具体支持哪些城市、生成机制、收费方式，也没说开放范围有多大。
推荐理由：Project Genie 跟谷歌街景合作，把美国真实地点变成能走进去互动的世界。我会先打个折——正文没写具体城市、生成机制和开放范围，所以别当产品发布看。但如果是真的，用街景数据直接生成可交互环境，省掉建模成本，这点对做仿真和世界模型的人挺有吸引力。
Superset 把自己定位成“AI 代理时代的代码编辑器”，核心卖点是能在一台机器上并行跑 Claude Code、Codex、OpenCode 等多个编程助手，通过 git worktree 让它们互不干扰地改代码。团队还放出了 Remote Workspaces 的测试版，可以在远程机器上跑这些助手，再从桌面应用里统一管理。项目在 GitHub ...
推荐理由：HKR 三项都踩中了，但这是 YC 新项目的首发帖，正文没给用量、定价和性能对比。git-worktree 并行 agent 这个工作流设计够上 featured，但离必写还差实际验证数据。
Mistral 在 Studio 发布 Connectors，所有内置连接器和自定义 MCP 现可通过 API/SDK 用于全部模型与智能体调用。新功能包括直接工具调用、human-in-the-loop 审批流程，以及对连接器的创建、修改、列出和删除等编程访问。
推荐理由：原文给出 Connectors 的 API 用法与代码示例，读者可据此判断企业级 MCP 集成如何落地。
Karpathy 在 GitHub 上发了一个叫 CLAUDE.md 的规则文件，65 行、4 条规则，让 AI 编程准确率从 65% 跳到 94%。核心思路是逼开发者先想清楚再动手：深度思考、代码越短越好、只改该改的地方、每一步都盯着目标走。文件已经拿了超 22 万星标，但正文没披露 94% 这个数字是在什么任务、什么模型上测出来的，也没说对比基线是...
推荐理由：这篇我会先打个折，因为正文只给了总结性的数字，没披露具体是哪 4 条规则、在什么任务集上测的、评测方法是什么。但 Karpathy 这个名字加上 94% 这个数字，对用 Claude Code 干活的人来说，诱惑力足够大。22 万星标也说明社区在追这个方向。所以虽然信息有缺口，还是值得推给读者看一眼，只是别把 94% 当成普适结论。
千问 App 更新到 6.9.7 版就能在对话框里切到 Qwen3.7-Max，PC 和网页端也一样，目前免费。官方说这个模型主打“让模型进业务流程干活”，能写代码、自动跑办公流程，还能扛住长任务——他们自己测了一次 35 小时、调用工具超过 1000 次的内核优化实验，全程没断思路。不过这些数据来自官方测试，实际体验会不会打折还得自己试。另外，API...
推荐理由：阿里把 Qwen3.7-Max 铺到千问全线产品，门槛降到免费，还特意强调 35 小时连续工具调用没崩，摆明了在打 agent 可靠性和零成本体验这两张牌。我会先打个折：正文没给基准测试、上下文窗口和 API 定价，所以实际能力上限和商用成本还看不清。但就凭多端同步上线和这个压测结果，对正在选模型做工具链集成的人来说，是个值得立刻上手试的信号。
Google I/O 上，DeepMind 的 Hassabis 一边用“我们正站在奇点的山脚下”这种大词，一边展示的是 WeatherNext 提前预警飓风救了人命。这正好点出了 AI 做科研的两条路线：一条是像 WeatherNext、AlphaFold 这种专为解决某个科学问题训练的专用工具；另一条是让通用大模型像智能体一样自己搞研究。现在资源明...
推荐理由：我会先打个折：这篇是 MIT Technology Review 的评论，不是一手技术报告，所以细节有限。但它的判断站得住——Google 把科学 AI 的牌子从 AlphaFold 那套单独炫技，换成 Gemini for Science 这个统一入口，还塞进了 AI Co-Scientist 和 AlphaEvolve 两个组件，并且开放申请。对做 AI 应用的人来说，这比发一篇论文实在，因为能摸到产品了。不过别太激动，正文没披露这套东西的算力成本、实际科研产出对比，也没说普通团队用不用得起，所以目前更像一个方向牌，不是落地手册。
微软计划在 6 月底前停掉体验与设备团队的 Claude Code 订阅，把近 10 万工程师迁到 GitHub Copilot CLI。文章把原因归结为外部按 token 计费的成本太高，但正文因为需要验证码没加载出来，具体烧了多少钱、内部怎么讨论的都没看到。
推荐理由：我会先打个折：这不是模型发布或官方重大产品更新，更像一次内部成本管控动作。但 HKR 三项都站得住——微软投 OpenAI 又禁 Claude Code 的对比很抓人，时间、人数、计费原因都给了，而且直接踩中编程助手在企业里怎么省钱的痛点。正文没披露具体账单金额，所以别把省钱效果说死。整体适合放在 featured 位置，81 分合理。
这篇文章的链接点进去只显示“环境异常，需要验证”，正文内容完全看不到。从已有的英文摘要看，阿里云的 JVS Crew 把 Agent、环境和会话拆成了三层，加了沙盒、快照恢复、权限控制和按量计费；Anthropic 在 5 月 19 号给 Claude 托管 Agent 加了自托管沙盒。文章还提到几个国内客户案例，说部署周期两周，效率提升 5 到 10...
推荐理由：文章把阿里云 JVS Crew 和 Anthropic 的沙箱更新放在一起比，讲的是企业级 agent 基础设施怎么落地。有具体架构细节，也有安全与计费的讨论，对正在选型或关注 agent 生产化的从业者有用。不过 Anthropic 那部分信息偏薄，正文没展开 self-hosted sandboxes 的限制和实际表现，这点先别太激动。整体属于值得一看的产品对比，不是必写的模型发布。
OpenAI 把 Codex 里的 /goal 模式从实验功能升级成了稳定版。你可以在 Codex 应用、IDE 插件或命令行里用，设定好里程碑后，AI 会自己跑任务，持续几小时甚至几天。中间能随时查看进度、改方向或暂停。用之前要升级应用并打开这个功能（命令行或手动改配置文件都行），开启后在输入框就能管理任务，侧边对话可以看进度，不会打断主任务。正文没...
推荐理由：我会先打个折：文章只说了功能转正和多端支持，但没披露任务失败怎么恢复、资源消耗上限、以及哪些套餐能用。对想试的人，知道它能跑长任务就够了；对想上线用的人，信息缺口还很大。所以放在 featured 低段，等后续补上安全和成本细节再往上调。
作者开源了一个 Claude Code 插件，把开发任务拆成需求、代码分析、设计三份规格文档，再把实现切成多个子任务逐个做。每完成一个步骤就清一次上下文，目的是让模型每次只盯一小块，减少跑偏，也省 token 钱。规格文件落地到磁盘，方便断点续传，也能在早期发现模型理解错的地方。正文没给出具体省了多少成本或性能提升的量化数据，这点先别太激动。
推荐理由：我会先打个折：正文没给性能对比、没披露实际省了多少 token、也没说在复杂项目上的表现，所以不能给太高。但三层规格加每步清上下文这个组合拳，确实戳中了用 Claude Code 写代码时上下文越跑越偏、账单越来越贵的真实问题。对正在折腾 coding agent 的人来说，这个思路值得看一眼，只是别指望拿来就能用，还得自己踩坑验证。
DeepSeek V4 Flash 是个 284B 总参数、13B 激活的 MoE 模型，性能接近前沿水平，但主流推理引擎在 Mac 上都跑不了。antirez 专门为它写了 DS4 引擎，纯 C、Metal 优先，一个编译命令就能用。它最特别的地方是解决了 agent 工作流里的上下文断裂：模型生成工具调用时，DS4 会记住原话，下次 agent 返...
推荐理由：标题和摘要给的期待是“在 Mac 上本地跑 DeepSeek V4 Flash 的实操方案”，但正文只列了 DS4 引擎的三项机制名称，没给出模型大小、实际性能、Mac 兼容性要求，也没有可复现的测试结果。我会先打个折：对想动手试的开发者来说，知道有这些机制存在已经算有用信息，但离“能照着做”还差关键数据。H、K、R 三项都踩中了，信息缺口也明显，放在 featured 层级刚好——够吸引人点进去看，但读完会发现缺胳膊少腿。
智谱在 5 月 22 日放出了 GLM-5.1 高速版 API，输出速度标称 400 tokens/s，是人类阅读速度的 80 倍以上。这个速度不是靠传统编译优化“调”出来的，而是底层的 TileRT 推理引擎把 GPU 的工作模式从“批处理车间”改成了“连续流水线”——取消计算步骤之间的等待和隔离，让数据持续流动，GPU 不再频繁启停。模型本身也做了...
推荐理由：400 tokens/s 是个好钩子，但正文没交代测试条件、并发数、输入长度和计费规则，所以速度先打个折看。TileRT 的说法有信息量，不过没展开具体怎么重构执行模型，技术细节偏薄。整体对从业者有提醒价值，但缺少独立验证，所以分数停在 78 不动。
Claude Code 发了 v2.1.147。这次加了一个叫 Workflow 的新工具，默认是关着的，用来做确定性的多智能体编排——你可以把它理解成让多个 AI 助手按固定流程协作干活，而不是自由发挥。另一个变化是把原来的 /simplify 命令改成了 /code-review，功能也升级了：现在会报告代码正确性，还能直接在 GitHub PR ...
推荐理由：这是 Claude Code 的一个小版本更新，但 Workflow 工具的加入让产品从单智能体往多智能体协作迈了一步。工具默认关闭，说明还在试探阶段，正文没披露性能数据、定价或使用范围，所以先别太激动。把 /simplify 改名为 /code-review 也更直白，知道是拿来审代码的。整体看，对关注编码智能体稳定性的从业者是个值得留意的信号。
Daytona 做的不是简单的代码执行盒，而是给 AI 智能体用的“可组合电脑”。他们的沙箱最快 60 毫秒就能启动一个，5 万个沙箱大约 75 秒就能跑起来，最大的客户一天要跑将近 85 万个沙箱。创始人 Ivan Burazin 从十多年前就在喊“干掉本地开发环境”，现在 AI 智能体成了他理想的落地场景：智能体不在乎你的笔记本配置，它只需要一个能...
推荐理由：我会先打个折：这是创业公司的基础设施故事，不是大模型或平台级发布。但 HKR 三项都站得住——标题有钩子，性能数字实在，痛点也踩得准。正文没披露客户名字和具体成本，这点先别太激动。
ChatGPT 正在测试一项新功能：你可以直接在 PowerPoint 里让它帮你建、改、理解、优化幻灯片，做出来的页面还能继续手动编辑。官方只发了这条推文，没提收费方式、推送范围，也没说什么时候正式上线。如果是真的，以后做 PPT 能省不少事，但正文没披露具体支持哪些功能、会不会出错，这点先别太激动。
推荐理由：OpenAI 让 ChatGPT 在 PowerPoint 里直接建和改可编辑的幻灯片，不是只吐文字或图片。正文没提价格、开放范围和企业管控细节，所以先放 featured 而不是 P1。
Simon Willison 把做了三年的 LLM 库和 Datasette 数据库工具终于接上了，发布了 Datasette Agent。你可以直接用对话的方式问数据库里的问题，比如“我最近一次看到鹈鹕是什么时候”，它会自己写 SQL 去查。配合插件还能自动生成图表、用 ChatGPT 画图，或者在沙箱里跑代码。线上演示跑的是 Gemini 3.1 ...
推荐理由：Datasette 给自家工具加了个能聊天的 agent，支持插件画图，还能选 Gemini 3.1 Flash-Lite 或 LM Studio 本地模型。对搞数据的人来说，这比大厂发新模型更实在——它解决的是“我能不能在自己机器上安全地用 AI 查数据”的问题。不过正文没披露本地模型的具体效果和延迟，这点先别太激动。整体看，实用性强但受众偏窄，放在 featured 里合适。
SpaceX 计划在得州奥斯汀附近建一个 10 吉瓦的太阳能电池制造厂。10 吉瓦这个数字很大，相当于好几个大型核电站的发电能力。工厂产出的电池主要不是卖给电网，而是直接给马斯克提出的“太空 AI 数据中心”供能——也就是把算力搬到轨道上，靠太阳能驱动。文章没披露工厂具体投资额、建设时间表，也没说太空数据中心本身的技术方案到底走到哪一步了。这点先别太激...
推荐理由：HKR 三项都过了。太空 AI 数据中心这个角度够新鲜，10GW 奥斯汀工厂是实打实的新信息，供电问题又是当下 AI 基建的核心焦虑。分数留在 72–77 区间，因为正文没披露成本、工期和具体建设方案，我会先打个折，这点先别太激动。
OpenAI 开发者账号发帖说，Codex 可以在 Mac 锁屏、屏幕关闭的情况下，通过手机安全地使用 Mac 上的应用。帖子没提权限边界、怎么收费、什么时候上线，我会先打个折——正文只给了一个文档链接，具体怎么实现“安全”也没展开。
推荐理由：HKR 三项全中：OpenAI Devs 给出了 Codex 操控 Mac 的具体条件，但正文没披露权限边界、价格和发布时间，所以重要性停在 82 分，没上 85+。我会先打个折——这个功能听起来很省事，但没讲清楚锁屏下到底能碰哪些文件、会不会被滥用，这点先别太激动。
Runway 把新模型 Aleph 2.0 直接做成了一个叫 Edit Studio 的剪辑工具，主打用自然语言改视频，改之前还能先预览效果。从页面看，它把视频生成、多镜头合成、场景搭建、画质增强、动作捕捉和物体移除这些功能都打包在一起了，想覆盖从创意到出片的完整流程。不过正文没披露 Aleph 2.0 的具体技术参数、定价和推送范围，实际效果和成本还...
推荐理由：Runway 是 AI 视频领域的主要玩家，这次更新属于中等体量的产品动作。我会先打个折：标题听起来挺大，但正文没给价格、没给参数、没给上线范围，所以实际能判断的东西有限。HKR 三项都能过——一句话能讲清卖点，有具体新名字，也踩中了行业竞争的脉络——但信息缺口让它停在 featured 这档，再往上就缺硬证据了。
Anthropic 给 Claude 企业版和平台新增了 28 个安全合规集成，背后靠的是 Claude Compliance API。这个 API 能把 Claude 里的对话内容和操作记录，直接送进企业已经在用的数据防泄漏（DLP）、安全信息与事件管理（SIEM）这类监控系统里。简单说，就是让安全团队用现有工具就能看到员工跟 Claude 聊了什么...
推荐理由：Anthropic 给 Claude 企业版和平台加了 28 个安全合规集成，通过 Compliance API 把对话内容和活动事件喂给数据防泄露（DLP）和安全信息管理（SIEM）系统。对想用 Claude 又怕合规翻车的团队来说，这波操作把审计和监控的坑填了不少。正文没提延迟和成本影响，但集成数量本身说明他们在补企业落地的课。
谷歌把 Agent 开发套件（ADK）带到了 Kotlin 和 Android 上，版本号 0.1.0。Kotlin 版负责后端流程，Android 版则专门为手机端做了优化，能直接调用 Gemini Nano 这类本地模型干活。这套东西的核心是混合调度：你可以让云端大模型当总指挥，把涉及隐私的具体任务（比如查本地文件里的酒店预订）派给手机上的子 Ag...
推荐理由：Google 这次发了两个 ADK：Kotlin 版给后端搭 Agent 工作流，Android 版让 Agent 跑在手机上。版本号 0.1.0 说明还在早期，功能边界和稳定性都别抱太高期待。正文只交代了平台和版本，没给性能数据、实际案例或开发者规模，所以我会先打个折——方向对，但落地效果还得看后续。
Runtime 做了一套开源的沙盒基础设施，让公司里不只有工程师能用编程助手，产品、设计、市场、客服也能在安全隔离的环境里让 AI 帮忙改代码、查数据、发 PR。它兼容 Claude Code、Codex、Cursor、Copilot、Gemini CLI 和 Devin 这些主流编程助手，可以接入公司自己的工具链（比如 Datadog、Salesfo...
推荐理由：我会先打个折：正文没披露实际客户或用量数据，所以别当成熟产品看。但它的切入点很准——企业不敢让编程代理直接跑在内部环境，Runtime 用沙盒把代理隔离开，还开源了基础设施，等于给团队一个低风险试水的入口。支持六种代理、不加价 token 的定价，也让成本更可预测。对正在评估编程代理的团队，这是个值得跟进的信号。
NVIDIA 在 COMPUTEX 2026 上靠 Vera Rubin NVL72、Jetson Thor 和 Alpamayo 拿了四个 Best Choice 奖。Vera Rubin NVL72 把 36 颗 Vera CPU 和 72 颗 Rubin GPU 连在一起，NVIDIA 说它每瓦推理性能是上代的 10 倍，每个 token 的成本...
推荐理由：我会先打个折：这是 NVIDIA 自己活动博客发的，不是第三方实测，10 倍能效得看什么负载、跟谁比。但 Vera Rubin NVL72 的规格和能效数字本身够硬，对算力成本和采购节奏有直接参考价值，所以给 featured。正文没披露具体基准测试条件和上市时间，这点先别太激动。
Spotify 和环球音乐刚谈成一笔授权，Premium 用户能付费让 AI 把平台上的歌生成混音版或翻唱版。艺人可以选择不参加，参加的能从这些 AI 版本里分到版税。去年 10 月 Spotify 就说过要和几大唱片公司搞“负责任的 AI 产品”，这次算是第一个落地的。正文没披露具体定价、上线时间，也没说 AI 模型是谁家的、生成质量到什么程度。
推荐理由：Spotify 和环球音乐达成授权，让付费用户自己生成 AI 混音和翻唱，不是发模型或开发工具，而是直接做成消费功能。我会先打个折：正文没披露生成质量、延迟和实际定价，也没说版税怎么算、退出机制怎么落地。但光是“正版授权+付费使用+艺人可退出”这套组合，就已经把 AI 音乐从技术 demo 往产品化推了一步，所以放在 featured 档。
Spotify 跟环球音乐集团谈成了一笔授权，打算在 Spotify 应用内加一个付费的 AI 音乐生成功能，主要瞄准那些花钱不手软的重度乐迷。目前正文被付费墙挡住，看不到具体定价、上线时间、支持哪些国家，也没提用的是什么模型。
推荐理由：我会先打个折：定价、上线时间和钱怎么分，正文都没说，所以这条还到不了必写的程度。但 Spotify 和环球音乐把 AI 音乐从技术演示变成应用内付费产品，方向很明确——瞄准愿意多花钱的铁粉，用 AI 工具让他们自己生成内容。这比单纯放个 AI 歌单更进一步，等于把生成能力直接卖给用户。版权和收入分配是绕不开的雷区，正文没披露分成细节，这点先别太激动。
Anthropic 在伦敦的 Code with Claude 大会上展示了一个趋势：开发者越来越愿意把写代码的活直接交给 AI。工程师 Jeremy Hadfield 在现场问谁上周发过完全由 Claude 写的 pull request（提交审核的代码改动），近一半人举手；再问谁没读代码就直接发了，大部分手还举着。Anthropic 说公司内部大部...
推荐理由：这篇 MIT Tech Review 的现场报道不是产品发布稿，但抓到了一个很实的信号：开发者已经在把 Claude 写的代码直接往仓库里合，而且不少人连看都不看。我会先打个折，这个数字来自活动现场举手统计，样本量和代表性都有限，不能直接推成行业常态。但“近一半”这个比例还是够高，说明在重度用户里，对 AI 代码的信任已经跨过了一道心理门槛。文章没给 PR 的复杂度或后续回滚率，这点信息缺口让判断只能停在“行为在发生”而不是“行为没问题”。整体适合放进 featured，因为它比功能更新更能让人停下来想一下自己的工作流。
totosse17 做了一个叫 LLMRequirements 的硬件规划工具，整理了 60 多套装机方案、50 多个模型，还附了 130 多个有来源标注的每秒 token 生成速度、150 多个评测视频。它会标每套配置的待机功耗和满载功耗，价格覆盖多个地区，数据放在 GitHub 上公开更新。不过 Reddit 原帖正文被屏蔽了，具体界面长什么样、交...
推荐理由：这是一个 Reddit 社区作者做的本地 LLM 硬件规划器，不是大厂产品发布，但信息密度很高。我会先打个折：它更像一个持续更新的公开数据集和参考表，不是一键自动优化的工具。正文没披露数据更新频率的具体机制，但 130 多个 tok/s 来源和 150 多个评测视频让它比一般论坛帖子可信不少。对想自己攒机器跑模型的人来说，功耗和地区价格都列出来，省得自己到处翻，这点挺实在。
The Verge 的编辑 Sean Hollister 用谷歌 AI Studio 试了一把“氛围编程”，一个下午生成了三个安卓 App。其中一个 App 他只输入了 148 个字的提示词，大概 10 分钟后就在自己的安卓手机上装好跑起来了。前提是他提前把手机开了 USB 调试模式并连上电脑，剩下的活 AI Studio 全包了。他感叹这速度让他差点...
推荐理由：这不是 Google 官方大发布，而是一篇带实测细节的第一人称体验文，有梗有数字，适合放进精选。
Google 在 2026 年 5 月的营销大会上确认，AI 模式（AI Mode）的搜索结果里要开始放广告了。他们用 Gemini 模型做了两种新广告形式：一种是对话式发现广告，另一种是突出显示答案的广告，广告里还会带一个独立的 AI 解释器，帮你判断产品靠不靠谱。同时，他们也在扩大 Direct Offers 的试点，让用户能直接在搜索结果里结账或...
推荐理由：这条消息本身够直接：Google 亲口说 AI 模式的搜索结果里要加广告了。对从业者的冲击在于，之前大家还在猜 AI 搜索会不会保持无广告的纯净体验，现在靴子落地了。我会先打个折——正文只给了 78 分和 66 条评论，广告格式、投放机制、上线时间全都没写，所以实际影响有多大还看不清。但光是“确认会加广告”这一点，就足够让做搜索优化和广告投放的人紧张起来，因为流量分配和预算逻辑可能又要重算一遍。这点先别太激动，等具体规则出来再判断力度，但信号本身值得放进精选里。
Anthropic 把 Stainless 给收购了。Stainless 是一家专门帮公司自动生成和维护 API 的 SDK（软件开发工具包）的公司，OpenAI、Meta、Cloudflare 之前都是它的客户。收购之后，Stainless 会关掉它的托管产品，也不再给老客户提供后续支持。不过，之前已经生成的 SDK 代码所有权还归客户自己，只是后续...
推荐理由：我会先打个折：这不是模型发布或核心能力更新，所以分数不会顶满。但 Anthropic 这手挺狠，Stainless 是给 API 自动生成 SDK 的，全球据说四分之一开发者都在用，客户包括 OpenAI 和 Meta。收购后 Anthropic 直接要把托管产品关停，等于断了竞争对手一条现成的开发者工具链。正文没披露收购金额和具体关停时间表，但光是“断供 OpenAI”这个动作，就够让依赖这套工具的团队紧张一阵了。
智谱把自研的 ZCube 通信方案用到了 GLM-5.1 的线上推理集群里，规模是千卡级别。它替换了原来的 ROFT 组网方式，但没动 GPU、软件栈和业务代码。效果上，吞吐量提升了超过 15%，首 token 延迟的 P99 下降了 40.6%，交换机加光模块的成本省了三分之一。正文没披露具体是怎么做到省硬件成本的，也没给更细的测试条件，所以这个 1...
推荐理由：智谱在 GLM-5.1 千卡推理集群上部署 ZCube，不增 GPU、不改代码就把吞吐提了 15%，首 token 延迟的 P99 降了 40.6%。这是纯工程层面的组网逻辑改动，不是模型能力升级，所以重要性给 81、放在 featured 里比较合适——对搞推理部署的人有用，但不会像新模型发布那样震动整个行业。
特斯拉发了一条很短的官宣，说 FSD 正式进入中国大陆市场。正文没披露哪些城市能用、支持什么车型、怎么收费，也没提监管审批情况。目前只有一句话，我会先打个折，等具体落地细节出来再看。
推荐理由：我会先打个折：这条消息本身很短，就是一句“官宣进入大陆”，所以重要性更多来自 FSD 进中国这件事本身，而不是正文给了多少料。H 和 R 都成立——市场等这个落地等了很久，而且它确实会搅动自动驾驶圈的监管和竞争话题。K 不成立，因为正文没披露任何落地范围、定价或审批细节，没法当干货用。
Google DeepMind 在自家 Antigravity 平台上推出了 Science Skills，相当于给 AI 装了一个生命科学专用工具箱。它直接接入了 UniProt、AlphaFold 等 30 多个主流数据库，让模型在回答问题时能实时调取蛋白质结构、基因功能这些专业信息，而不是靠训练时记下的旧知识硬猜。正文没披露具体延迟和准确率提升数...
推荐理由：Google DeepMind 这次没发新模型，而是给自家 Antigravity 装了个科学技能包，把 UniProt、AlphaFold 这类数据库直接塞进工作流。我会先打个折：这不是底层突破，更像给研究员配了个能查资料、跑数据的助手。30 多个来源听着不少，但正文没披露实际任务成功率或延迟，也没说和现有工具比快多少、省多少。对做生命科学的人有用，但对不碰这行的从业者，暂时看不出必须关注的理由。
腾讯公关总监张军宣布 AI 助手“马维斯”正式上线，覆盖 Windows、Mac 和安卓。它不是一个普通的聊天窗口，而是直接长在系统层，能理解文件结构、归类解析文档、识别处理图片，甚至帮你修电脑。官方说市面上 Agent 能做的事它基本都能做，还能调度不同模型、在电脑上操控手机应用。比较实在的一点是，它预装了不少本地模型，通过路由机制把轻量任务分给本地...
推荐理由：腾讯把 AI 助手直接做进操作系统层，Windows、Mac、安卓一起发，能读文档、识图、做系统维护，还能跨设备操控，部分功能离线可用。我会先打个折：正文没披露背后的模型、定价和权限设计细节，所以目前只能看到产品形态，看不到技术底牌。这点先别太激动，但三端同步和系统级操控确实把桌面 agent 的竞争往前推了一步，对做 agent 和端侧部署的团队来说是个值得盯的样本。
Railway 创始人 Jake Cooper 聊了他们怎么从 18 个月攒 100 个用户，做到现在每周新增 10 万注册。团队只有 35 人，服务 300 万用户，融了 1.24 亿美元。他们把大部分工作负载搬到了自建裸金属数据中心，回本周期只要 3 个月，对比租用云服务能省下不少钱。Jake 认为未来的软件是给 AI 代理用的，不是给人用的，所以...
推荐理由：这篇访谈不是讲模型本身，而是讲基础设施怎么为 agent 工作负载重新设计。Railway 用一个小团队撑起 300 万用户，还做了裸金属迁移，对做 agent 部署的开发者来说是个很实在的参考。信息密度和话题性都够，但毕竟不是核心模型发布或重大产品更新，给 74 分放在 featured 里比较合适。
Stitch 这次更新主要干了四件事。一是实时流式出设计稿，你边改它边生成，不用干等。二是能直接导入现有代码库或 Design.md 文件，拿你项目里真实在用的组件来做设计，品牌风格不容易跑偏。三是加了动态界面生成，四是做完的设计可以导出成一个可分享的线上链接，省掉从原型到上线中间一堆部署步骤。工具现在已经全球开放，正文没提收费模式。
推荐理由：我会先打个折：正文没披露模型细节、定价和实际输出质量，所以别急着当生产工具。但 Stitch 这次更新把实时流式构建和代码库导入加进来，等于让 AI 直接读你的代码和设计文档来生成页面，不再是画个样子就完事。对天天在 Figma 和代码编辑器之间切换的团队，这个流程缩短挺实在。全球开放也让更多人能上手试，不过没看到成本或准确率数据，这点先别太激动。
英伟达刚发了 2026 财年第一季度的财报，每股收益 1.87 美元，比华尔街预期的 1.77 美元高出一截。公司对截至 7 月的当季营收指引是 910 亿美元，也明显高于市场预估的 874 亿左右。这条视频本身是彭博的报道片段，正文没披露各业务线的具体表现和毛利率细节，所以没法判断增长是数据中心业务继续拉动的，还是有别的板块在补位。
推荐理由：Nvidia 财报是观察 AI 基础设施热度的关键节点，910 亿的指引给 HKR 三项都提供了实打实的信号。这不是模型或功能发布，所以放在 featured 档位没问题，信息质量够硬。
英伟达 2027 财年第一财季（截止到 2026 年 4 月 26 日）总收入 816.15 亿美元，净利润 583.21 亿美元，同比直接翻了两倍多。增长主要靠数据中心业务，单这一块就进账 752 亿美元，同比涨了 92%。毛利率也拉到了 75% 左右，比去年同期高了 14 个百分点。公司预计下个季度收入能到 910 亿美元，上下浮动 2%。另外，董...
推荐理由：英伟达这份财报就是AI基础设施景气度的温度计。数据中心752亿美元的收入说明大厂还在疯狂囤卡，211%的利润增速比很多AI公司的营收涨得还快。我会先打个折：这是财务数据，不是新模型或新功能发布，所以重要性停在82分。但数字本身已经足够让关注算力成本和供应链的人必须看一眼。
ChatGPT 官方账号发了条推，就一句话“GPT-5 即将发布”，配了个船的表情。没给发布日期、参数规模、上下文窗口长度、定价，也没提 API 什么时候开放。我会先打个折——这种预告大概率是提前占坑，离真正能用还有段时间。
推荐理由：这条消息我会先打个折。标题确实抓人，但正文等于什么都没说，没日期、没参数、没价格、没 API 细节，连“即将”是多快都判断不了。如果是真的，对做模型选型和成本估算的人影响不小，但现在只能当个预告看，别太激动。
Perplexity 把一项叫“查询感知压缩”的技术用到了线上。它能在搜索时把喂给模型的上下文 token 最多减少 70%，同时回答质量还提升了。核心逻辑是“更好的上下文优于更多的上下文”，也就是先理解你问什么，再挑最相关的信息塞进窗口，而不是一股脑全丢进去。正文没披露具体测试基准和压缩方法细节，所以实际效果我会先打个折，但能省下这么多 token ...
推荐理由：我会先打个折：正文只给了一条 X 帖子，没放基准测试和可复现的设置，所以别太激动。但这条信息本身够硬——Perplexity 在生产环境用查询感知压缩，最多砍掉 70% 上下文令牌，同时回答质量还变好了。对搞外挂资料库和搜索优化的从业者来说，这直接关系到省钱和降延迟，值得看一眼。