Pierce 发布了 Rotunda，一个基于 Firefox 150 的浏览器，专门给 Claude、Codex 这类 AI 智能体用。它最大的不同是能模拟人类的鼠标移动和键盘输入节奏——作者用自己一周的操作数据训练了一个 RNN 模型来生成这些时序，让智能体操作网页时看起来更像真人。控制方式有两种：命令行或者 Playwright API，方便接入...
推荐理由：Rotunda 把 Firefox 150 改成了给 Claude、Codex 这类工具用的浏览器，核心卖点是拿 RNN 模拟人类敲键盘、动鼠标的时序，让网站不容易识别出是机器在操作。接入方式走 CLI 或 Playwright API，对已经在用 Playwright 的人上手成本低。不过目前只是一个 Show HN 的开源仓库，正文没披露实际跑在哪些业务里、也没给延迟或成功率数据，所以效果到底怎么样还得看后续验证。
Ovis2.6 把语言模型底座换成了混合专家架构，总参数量堆到 800 亿，但推理时只叫醒大概 30 亿个参数，跑起来比较省算力。上下文窗口拉到 64K token，能处理的图片分辨率最高到 2880×2880，适合啃长文档、高信息密度的图表和扫描件。这次加了一个“边想边看图”的能力，推理过程中模型可以主动裁剪、旋转图片区域，在思维链里反复检查视觉细节...
推荐理由：我会先打个折：正文没给任何跑分、授权条款和实测结果，所以别急着下结论。亮点是 80B 总参数里只激活约 3B，推理成本可能压得很低，同时支持 64K 上下文和 2880×2880 大图输入，适合拿来做文档理解、高分辨率视觉问答这类吃上下文和细节的任务。MoE 结构意味着你可以用消费级硬件试试，但实际吞吐和显存占用还得自己测。这点先别太激动，等补上基准测试和开源协议再说。
Cursor 发布了一套给云端 agent 用的开发环境工具。现在一个环境里能挂多个代码仓库，让 agent 跨仓库改代码、跑测试。环境配置改用 Dockerfile 来管，支持构建密钥，缓存命中时构建速度能快 70%。不想手写 Dockerfile 的话，Cursor 可以自动检查你的仓库并生成一份可编辑的配置，这个功能还在内测。环境还加了版本历史、...
推荐理由：Cursor 给智能体配了个云端开发环境，不是简单加个按钮，而是把多仓库、Dockerfile、审计日志和环境权限都塞进去了。缓存命中后构建能快 70%，这个数字挺实在，说明他们不是只做了个壳。我会先打个折：正文没提安全隔离做到什么程度，也没说缓存命中率在真实项目里能到多少，所以别急着当万能方案。但整体看，它解决的是让模型进业务流程干活时环境乱、权限杂、构建慢这几个真问题，对从业者来说值得关注。
Codex 是 OpenAI 的编程助手，能在开发者电脑上直接跑命令。Windows 版之前没有沙箱，用户要么得每条命令都点同意，要么就得开“完全访问”把安全交给运气。OpenAI 工程师 David Wiesen 写了篇文章讲他们怎么从零给 Windows 造沙箱。他们先看了 Windows 自带的几个方案：AppContainer 管得太死，编程助...
推荐理由：OpenAI 给 Windows 版 Codex 搭了个安全沙箱，主要管两件事：文件访问和网络连接。我会先打个折——正文没披露沙箱的技术方案，比如是容器还是虚拟化、权限粒度到哪一层，所以没法判断它到底有多硬。但这条消息对做 coding agent 的人很实际，因为文件系统和网络就是最容易出事的两个面。
百度发布了妙答应用和妙答企业版，把编程助手开放给更多开发者和公司。官方说妙答应用里 90% 的代码是妙答自己写的，这个数字说明代码生成能力已经能撑起一个完整产品的大部分开发量。截至目前，妙答生成的应用累计服务超过 1000 万用户，应用总价值标称 50 亿元人民币。不过正文没披露这 50 亿是怎么算出来的，也没给出企业版的具体定价或与现有竞品的对比，这...
推荐理由：我会先打个折：90% 自生成代码这个数，正文没披露是怎么统计的，是行数占比还是模块占比，也没说剩下 10% 是人写的还是用别的工具生成的。1000 万用户和 50 亿总价值同样缺口径说明，是累计还是年化、是 GMV 还是合同额都不清楚。但即便有这些信息缺口，一个代码工具敢说自己大部分代码是自产的，本身就是一个很强的信号，比单纯宣布“上线了”要有意思得多。对做 AI coding 和 agent 的团队来说，这个案例可以直接拿来当参考，所以值得放进 featured 但分数不往上拉。
百度在2026 Create大会上推出了秒哒3.0，一个无代码开发平台。这次更新直接支持生成iOS和安卓App，还能打包成安卓安装包、在线热更新。企业版加了三级权限、环境隔离和服务等级协议。现场演示里，一个8岁小学生用语音说了几个想法，平台就自动生成了一个完整应用。不过正文没披露这个演示App的实际复杂度和后续维护成本，也没说生成代码的质量和可维护性怎么样。
推荐理由：秒哒3.0这次主要把应用生成从网页端扩展到了iOS和Android，还加了安卓打包和热更新，等于让不会写代码的人也能直接出手机应用。企业版给了三级权限和SLA，明显在往团队和公司场景推。我会先打个折：标题里“8岁小学生”的案例正文没给出具体细节，不知道是完整可用应用还是简单页面，这点先别太激动。整体是产品功能更新，不是底层模型换代，但移动端生成和打包能力对低代码赛道有实际推进。
小米放出了 MiMo-V2.5-Pro，参数总量 1.02 万亿，但每次推理只激活 420 亿参数，上下文窗口能塞进 100 万个 token，用 MIT 许可证。作者拿它跑了 125 次 Claude Code 任务，走 API 总共花了 70.12 美元，处理了约 3.87 亿个 token，缓存命中率高达 96.3%。这个命中率说明大部分请求其实...
推荐理由：我会先打个折：正文没披露 MiMo-V2.5-Pro 的评测跑分，所以性能好坏只能靠参数规模猜。但这条信息本身够直接——小米把一个 1.02 万亿参数、42B 激活的模型开源，另一边作者用 Claude Code 跑了 125 次会话，3.87 亿 token 花了 70.12 美元，缓存命中率 96.3%。这两组数字摆在一起，自建成本和 API 开销的对比就出来了。对做工程的人，这种一手成本数据比技术报告更有参考价值。
DeepSeek 上个月发新模型，头一回说推理环节跑在了华为芯片上，但两位半导体业人士透露，训练阶段仍然依赖英伟达芯片，具体怎么拿到的没细说。华为计划今年出训练芯片，同时承认性能追上英伟达现有水平还要再等一年。这件事让中国在 AI 硬件上跟美国进一步脱钩，也印证了黄仁勋之前的警告：出口管制反而逼着中国自建一套技术栈。不过中芯国际量产华为芯片良率低、功耗...
推荐理由：这篇不是模型发布，也没有跑分，所以分数不会冲太高。但信息量够硬——DeepSeek 推理侧开始用华为芯片，训练侧还离不开英伟达，华为自己的训练芯片今年才出来、性能追平还要一年。我会先打个折：正文没给推理优化的具体性能对比或延迟数据，也没说 DeepSeek 在华为芯片上跑了多大并发。不过它把芯片管制这条线拉得很清楚，对关注算力成本和国产替代的人有直接参考价值，84 分放在 featured 里是合适的。
Google 发了台叫 Googlebook 的笔记本，系统层面把 Gemini 塞了进去。这次说了三个功能：Magic Pointer 把光标变成一个 AI 入口，点哪都能弹出上下文建议和任务；Create Your Widget 让你用大白话描述需求，自动生成一个能聚合不同信息的桌面小组件；还打通了安卓生态，在电脑上直接调用手机 App 和文件。正...
推荐理由：我会先打个折：正文没披露具体配置、价格、上市时间和实际演示，所以没法往更高分打。但“Googlebook”这个命名和围绕 Gemini Intelligence 的设计，说明 Google 想把 AI 做成笔记本的原生能力，而不是外挂一个助手。三项机制里，Magic Pointer 听起来像用意图预测代替传统光标操作，自然语言生成小组件是把“说人话就能搭界面”搬到桌面，Android 跨设备访问则打通了手机和笔记本的协同。这些点加起来，让这条消息在 AI 从业者眼里有讨论价值，但缺细节也意味着落地效果还得观望。
Claude Code 新上线了 /goal 功能，你下完指令后 Claude 会持续干活直到任务完成，不用人在旁边盯着。帖子没写这个功能怎么触发、哪些版本能用、要不要额外付费，也没提任务卡住或跑偏时怎么处理。
推荐理由：HKR 三项都过，因为 /goal 解决的是 Claude Code 用户常遇到的 agent 中途停摆问题。这只是 Anthropic 单功能更新，细节披露不多，所以放在 featured 低位，不算当天重磅消息。
CME 集团和 Silicon Data 联手，打算推出一个 AI 算力期货市场。简单说，就是让 GPU 计算时间像大豆、原油一样在交易所公开报价、买卖合约。这等于给支撑 AI 基础设施的算力定出一个市场价。不过，正文没披露合约的具体规格、什么时候上线、预计交易量有多大。如果真跑起来，意味着云厂商和 AI 公司可以提前锁定算力成本，但流动性够不够、用什...
推荐理由：CME 要把 AI 算力当大宗商品来炒，这事本身挺新鲜。正文没给合约规格、上线时间和交易规模，所以现在只能当个信号看——说明有人想把算力价格做成可对冲的风险。对囤 GPU 的团队来说，如果真跑起来，可能多一个锁成本的工具，但没细节之前别太激动。
OpenAI 开发者账号发了一段演示，Codex 能跨 Mac 应用点击、输入、在后台持续执行任务，不会锁住你的鼠标键盘。视频里 @AriX 和 @romainhuet 聊了这种代理能干的事，但正文没披露发布时间、权限怎么设计、以及这次开放给哪些用户。
推荐理由：我会先打个折：正文只有一段演示描述，没给发布时间、权限模型、可用范围，所以重要性停在 76 分。钩子很直接——Codex 能在 Mac 后台帮你跨应用点按钮、填文字，听着像本地 RPA 但由模型驱动。这点先别太激动，因为没交代它怎么拿系统权限、会不会误操作、有没有沙箱。对开发者来说，这要么是桌面 agent 的一大步，要么是个安全坑，得等更多细节。
这个 35 亿参数的图像模型在 KRIS-Bench 指令修图评测里，综合、事实和概念三个类别都排第一，跑赢了参数大它五六倍的模型。能干的事包括文生图、按指令改图、中英文文字渲染，以及保持主体一致的风格迁移。官方说生成快、单次编辑成本低，但没给出具体延迟和价格数字。模型已经上线阶跃开放平台，可以直接用。
推荐理由：我会先打个折：目前只有厂商自报成绩，没有第三方复现或定价信息，所以别急着全信。但35亿参数能在KRIS-Bench三个子项都排第一，说明小模型做图像编辑这条路走得通，对在意推理成本的人是个好消息。正文没披露训练数据规模和具体推理延迟，这两点会直接影响实际能用在哪。
Anthropic 的检测平台工程团队用 Claude Code 开发了 CLUE 威胁检测与响应平台。他们一天就做出了概念验证，一周完成交付。这个平台把安全分析员查日志的时间从几小时压缩到了几分钟。文章是团队技术负责人 Jackie Bow 写的，主要讲他们怎么用 Claude Code 自动处理告警、加速调查，但没披露具体用了哪些模型、实际误报率多...
推荐理由：这是 Anthropic 安全团队自己吃狗粮的案例，不是 Claude Code 功能发布。CLUE 平台和一天 PoC、一周交付的时间线让它刚好够上 featured 门槛，但我会先打个折——内部案例的通用性还没验证，正文也没披露误报率、处理量这些硬指标。
芝加哥商品交易所（CME）和 Silicon Data 正在筹划一个算力期货市场，让计算资源像原油或玉米一样在交易所买卖。视频里讨论了这么做的逻辑和运作方式，但没公布合约的具体规格、上线时间，也没说价格怎么定。对 AI 公司来说，这相当于提前锁定 GPU 租用成本，不用再担心突然涨价或抢不到卡。不过现在信息还太少，正文没披露流动性由谁提供、用什么基准指...
推荐理由：我会先打个折：正文没披露合约怎么设计、什么时候上线、价格怎么定，所以现在只能当信号看。但信号本身挺有意思——CME 下场做算力期货，等于把 GPU 供应变成可交易的金融资产。对 AI 从业者来说，如果真能对冲算力价格波动，采购和预算会好做很多。这点先别太激动，等具体规格出来再判断。
Anthropic 把 Claude Opus 4.7 的快速模式放出来了，现在可以在 API 和 Claude Code 里用，但还挂着研究预览的标签。正文没提模型参数量、具体定价、调用频率限制，也没说什么时候转正式版。如果是真的快又便宜，对日常开发场景会挺实用，不过这些关键信息都缺着，先别急着切生产环境。
推荐理由：我会先打个折：正文只说了开放研究预览，没披露模型大小、定价、速率限制和正式上线时间，所以别当成品看。但这条消息对用 Claude Code 干活的人很实在——快速模式意味着写代码、调工具的等待时间可能明显缩短，工作流会顺很多。信息缺口主要在成本和规模上，没这些数字就没法算账，这点先别太激动。整体判断挂在延迟改善和开发者体验上，信息不够的部分也标清楚了。
Anthropic 发布了 20 多个 MCP 连接器和 12 个法律专用插件，让 Claude 能直接操作合同管理系统、研究平台、文档管理和电子取证软件。具体来说，它可以在 Word 里起草和修改合同，在 Outlook 里处理日常法律流程，还能做条款对比。正文没披露这些工具的实际准确率、客户测试数据或定价，所以效果和成本现在还没法判断。
推荐理由：Anthropic 这次不是发模型，而是给 Claude 配了一套法律行业的“工具包”：20 多个 MCP 连接器加 12 个插件，直接嵌进 Word 和 Outlook 里干活，合同起草、修订、条款比对都能做。我会先打个折——正文没披露这些连接器具体覆盖哪些系统、插件是自己做的还是第三方接的，也没给实际客户案例或效率数据，所以“省了多少时间”现在说不清。但方向很明确：让模型进业务流程干活，而且选了一个对准确率要求极高、人工成本也高的行业。如果是真的跑通了，律所和法务团队的重复劳动会被吃掉一大块。这点先别太激动，等看有没有律所站出来说实测结果。
GitHub 在 2026 年 6 月 1 日调整了 Copilot 个人版套餐，Pro 和 Pro+ 用户会获得一个弹性配额，用来调用更高级的模型或功能，超出部分怎么算正文没细说。同时新加了一个 Max 计划，定位比 Pro+ 更高，但具体价格、配额上限和分配规则都没公布。简单讲就是给个人用户更多选择，但关键数字全藏着，现在没法判断性价比。
推荐理由：我会先打个折：这条更新对用 Copilot 写代码的人挺实在，弹性配额意味着可能不用被固定额度卡脖子，Max 计划听起来像给重度用户准备的。但正文没披露价格、额度上限和具体怎么分配，这点先别太激动。HKR 三项都踩中了，但信息缺口明显，所以放在 featured 低位，等价格和规则出来再重新评估。
谷歌这次推的 Android Intelligence 是一个系统级智能助理，主打跨安卓应用的多步骤自动化任务，比如你让它订咖啡、回消息、填表，它可以自己切 App 完成。Chrome 里的 Gemini 也加了浏览器操作能力，能直接帮你操作网页。另外还有语音笔记转文字功能叫 Rambler，以及可以自定义的生成式 UI 小组件。整场发布没提具体推送时...
推荐理由：这条消息抓人是因为安卓系统级的智能助理，能跨 App 自动操作，不是某个 App 的小修小补。具体放出的功能点挺实在：Chrome 里让 Gemini 直接帮你用浏览器、自动填表、语音转文字，还有可定制的小组件，都是开发者能马上摸到的界面。正文没给技术细节和实际延迟数据，所以效果先打个折。但这件事本身是移动 AI 代理的卡位战，对做工具和分发的团队来说，风向意义大于单点功能。
Hypercubic 发布了 Hopper，一个把 AI 助手直接塞进大型机开发流程的桌面工具。它自带真实的 TN3270 终端，AI 能识别 ISPF 面板、写严格对齐列位的 JCL 作业、把 SDSF 里的失败信息翻译成具体的异常码和出错行，还能像查 SQL 一样查询 VSAM 数据集。编译、测试、上线可以一条指令完成，但每次改动前会暂停等你批准，...
推荐理由：Hypercubic 这个 Hopper 把 TN3270 终端、z/OS 面板和 AI agent 揉在一起，让 agent 能直接操作大型机上的 COBOL 系统，敏感步骤还得人工点个头才放行。想法挺有意思，但正文没给出任何客户、定价或实际跑起来的效果数据，目前只是 Show HN 阶段的小团队产品展示。我会先打个折，等有真实案例再往上调。
Google 开发者博客发了一篇教程，用自家的 Agent Development Kit（ADK）搭了一个“新员工入职协调助手”。这个助手能跑好几周：发完欢迎邮件就自己暂停，等员工签完文件再继续，中间还能把装电脑的活派给另一个专门的小助手，最后发一份定制的第一天日程。文章没给具体性能数据，但重点讲了三个让 demo 变生产可用的架构思路：用结构化的持...
推荐理由：Google Developers 这篇教程没发新模型或新平台，但把长时运行智能体的持久化机制讲得很实在：状态机管流程、会话存储保上下文、Webhook 接外部系统。我会先打个折，因为只是工程实践分享，不是重大发布，但对正在落地 agent 的团队来说，这种能跑几天不丢状态的方案比很多 demo 更有用。
Google 在 I/O 大会前办了一场 Android Show，把 Gemini 助手塞进了更多地方。新发布的 Googlebooks 笔记本主打 AI 优先，但正文没披露具体配置、价格和上市时间。Gemini 变得更“代理化”，意思是它能跨 App 帮你完成一连串操作，不过实际效果还得看落地。Android 桌面小部件现在支持“vibe codi...
推荐理由：Google 在 I/O 前一口气甩出好几个 Gemini 相关的 Android 更新，我会先打个折：正文没给参数、没标价格、也没说什么时候能用上，所以只能当产品信号看。比较有意思的是 vibe-coded widgets，等于让用户用自然语言描述就能生成桌面小组件，门槛降得很低；Googlebooks 则像是把笔记和 Gemini 的搜索/总结能力缝在一起，能不能打还得看实际体验。整体属于有话题但缺验证的 mid-weight 产品更新。
Google 在安卓发布会前搞了个预演，推出了叫 Gemini Intelligence 的东西。简单说，就是把 Gemini 塞进安卓版 Chrome 浏览器里，能帮你自动填表，还能跨 App 执行操作。这离“手机自己用自己”又近了一步。不过正文没提哪些机型能用、什么时候推送、要不要另外付费，这些关键信息都还空着。
推荐理由：H、K、R 三条都成立。Gemini 开始接管 Android 上的 Chrome、自动填充和 app 内操作，不再是纯对话工具。我会先打个折：正文没披露支持设备清单、推送时间和定价，所以只能算产品更新，分数压在 72–77 这个区间。
Google 在安卓发布会上甩出了 Gemini Intelligence 这面新旗号，核心是让 AI 在手机里帮你跨 App 跑腿，比如填表、语音输入、上网查东西。比较有意思的是“vibe-coded widgets”——你直接用自然语言描述想要什么小组件，它就能给你生成出来，不用写代码。不过正文没提这些功能什么时候上线、哪些手机能用、收不收费，也没...
推荐理由：我会先打个折：正文只说了 Gboard 听写和表单填写这两个具体能力，发布时间、设备范围和价格全都没提，所以信息增量有限，不能给太高。但“agentic AI + vibe-coded widgets”这个说法本身挺抓人——一边是让模型进系统流程干活，一边是用自然语言随手生成小组件，对移动端 AI 入口的想象空间有拉动。这点先别太激动，毕竟没落地细节，但作为平台级更新，值得放进 featured 里让从业者扫一眼。
Anthropic 发布了一套面向律所的工具，覆盖文档检索与审阅、判例法资源查找、庭前证词准备、文书起草等五类事务性工作。文章没披露具体定价、上线时间和背后用的是哪个模型，也没给出实际律所的测试数据。我会先打个折——目前看更像是一个产品方向声明，能不能在合同审查这种容错率极低的场景里用，还得等更多验证。
推荐理由：Anthropic 这次不是发模型，是直接卖法律行业工具，把文档搜索、审查、判例调取、证词准备和起草这五件事串成一个产品。我会先打个折：正文没披露定价、客户数量和底层模型有没有专门为法律微调，所以现在还看不出是认真做行业方案还是先占个坑。但方向本身值得关注，因为法律文书工作量大、容错率低，能跑通一部分就能验证 AI 在专业服务里的付费意愿。这点先别太激动，等看到实际律所采用数据和准确率再说。
Google 开始在 Gboard 键盘里用 Gemini 模型做语音转文字，首批只推给三星 Galaxy 和 Pixel 手机。正文没提支持哪些语言、要不要联网、怎么收费，也没说具体哪天全面推送。对专门做听写工具的创业公司来说，系统自带且模型更强的免费方案一旦铺开，付费墙就很难立住了。
推荐理由：我会先打个折：正文没写支持哪些语言、收不收费、能不能离线用、什么时候铺开，这些关键信息全是空白。能确认的是 Gemini 听写已经进了 Gboard，而且先给三星和 Pixel 用，这对靠听写 API 或 App 吃饭的创业公司不是好消息。Google 把模型塞进输入法，用户不用额外装东西就能用，第三方想靠体验或定价差异化会越来越难。这点先别太激动，毕竟没看到实测延迟和准确率，但方向本身对做语音工具的团队是个明确的挤压信号。
Anthropic 在旧金山的年度开发者大会上宣布了几项更新。Claude Code 的速率限制直接翻了一倍，Opus 模型的 API 调用上限也提高了，对重度用户来说不用那么频繁撞墙了。Claude 平台上的托管智能体（hosted agents）这次加了四个新功能：记忆审查，让智能体能回顾之前的对话；多智能体委派，可以把任务分给其他智能体去干；输出...
推荐理由：Anthropic 这次更新有具体数字和功能列表，不是画饼。速率翻倍对重度用户是实打实的改善，托管智能体加 4 项功能也说明他们在推 agent 落地。没有新模型发布，所以重要性在 78–84 这个区间合理。
CME 计划推出挂钩 GPU 租赁价格的期货合约，交易员和公司可以用它来赌未来算力成本涨跌，或者锁定成本做套期保值。不过这篇 FT 文章正文被付费墙挡住了，合约的具体规格、参考的租金指数、上线时间这些关键信息都没披露。
推荐理由：FT 报道 CME 计划推出 GPU 租赁价格期货，HKR 三项都踩中了：算力期货这个概念本身就够新鲜，机制上把算力成本变成可对冲的金融风险，而且正好打在 AI 从业者最焦虑的算力账单上。不过正文没给合约规格、上线时间和标的指数，信息缺口明显，所以放在 featured 而不是 P1。
作者在 Claude Code 的插件市场里加了 OpenAI 的官方库，把 Codex 插件装好、重载、配完就能用。这么做的思路来自 HeavySkill 论文的“重思考”方法：让多个模型各自独立推理，再找一个模型当主持人把思路揉到一起，提高最终回答质量。作者现在搭的 Skill 就是 Claude Code 负责推理，Codex 当主持人。正文没提...
推荐理由：HKR 三项都成立：跨模型插件调用有新闻性，安装路径可操作，对 AI 开发工作流有实际影响。但这是一篇教程型分享，不是模型或平台发布，所以只给 featured 低档。
一个 GitHub 工程师拿 Copilot CLI 做了个扩展，能把任意代码仓库解析成 Roguelike 风格的地牢地图。核心机制是程序化生成关卡——说白了就是让代码结构自动变成房间和走廊。这更像一个创意编程和游戏原型 demo，展示 Copilot CLI 除了敲命令，还能用来快速搭出带交互的终端小玩意。正文没披露生成一张地图要多久、支持多大的代...
推荐理由：HKR-H 和 HKR-K 都成立：GitHub 官方教程里藏了个新奇的 Demo，机制也讲清楚了。但它不是 Copilot 核心能力的大更新，正文没给性能指标、定价或基准数据，就是个教程级别的 featured，我会先打个折，别当重磅发布看。
这是一个刚在 Hacker News 上展示的开源项目，核心思路是用 Rust 写一个状态机引擎，把 Claude Code 能调哪些工具、能跑多少轮、怎么跳转、什么条件下才能执行下一步，全部用状态图管起来。作者说 130 亿到 200 亿参数的模型在真实的 SWE-bench 任务上表现都有稳定提升，但正文没披露具体的基准分数、样本量和评测流程，这点...
推荐理由：我会先打个折：SWE-bench 具体分数没披露，没法判断改进幅度有多大。但用状态机硬约束工具调用这个思路本身靠谱，尤其对 Claude Code 这类编程 agent 的稳定性有帮助。小模型能跑是个加分项，说明不是堆算力的玩法。整体值得推荐，但别把“一致改进”当成碾压性提升。
作者实测了五个主流消费平台的数据导出方法。淘宝自带导出功能；京东没有官方支持，但作者用 Codex 写了个 Chrome 插件，能一键导出订单，代码已开源在 GitHub；饿了么可以申请导出 Excel；美团外卖目前完全没办法导出；大众点评的收藏列表也能通过定制插件导出来。作者把京东和大众点评的工具都开源了，目的是让用户拿这些消费数据喂给 AI Age...
推荐理由：这篇文章不是平台官方发布，是一个开发者的实操记录，所以重要性停在 featured 档。但 H、K、R 三项都踩中了：用订单数据喂 AI 助手这个切入点够抓人，5 个平台的具体导出方式是新事实，开源工具直接降低了数据可移植性的实现成本。我会先打个折——正文没披露导出数据的字段完整度和后续清洗工作量，这点先别太激动，但作为动手参考已经够用。
宇树科技发了款叫 GD01 的载人机甲，能两条腿或四条腿走路，起步价 390 万人民币。官方说载重差不多 500 公斤，但正文没披露续航、操控方式、量产时间这些关键信息。这个价格放在民用机甲里不算离谱，不过目前只有发布消息，实际交付和性能验证都还没影，先当个概念车看比较合适。
推荐理由：宇树这次发布的 GD01 是个载人变形机甲，能双足走也能四足跑，载重约 500 公斤，起步价 390 万元。我会先打个折：这更像一个炫技的概念产品，离实用还很远，正文也没披露续航、操控方式、安全冗余这些关键信息。但“民用高达”的标签和明确标价本身就自带话题，说明宇树在试探高端消费市场和品牌上限。对从业者来说，看点不是这台机甲能不能打，而是国内机器人公司开始用这种夸张品类抢注意力了。
OpenAI 推出了 GPT-Realtime-2，官方把它叫做“GPT-5 级推理音频模型”。同时发布的还有 Realtime-Translate 和 Realtime-Whisper 两个配套工具。新模型支持 128K 上下文窗口，提供五档推理强度可选，API 定价是每百万输入 token 32 美元、输出 token 64 美元。不过，这篇文章因...
推荐理由：OpenAI 同一天发的产品更新，实时音频推理是个硬功能，不是概念稿。128K 上下文和 5 档推理强度让开发者能按场景调成本与效果，32/64 美元的定价也给了算账依据。我会先打个折：正文没提延迟数据和实际录音样本，这点先别太激动。但语音 agent 的落地成本一直是瓶颈，这篇信息密度够，值得推给做实时交互的从业者。
智元机器人（AgiBot）公布，到 3 月底已出货超过一万台通用具身机器人。在南昌一条 3C 产线上，他们的人形机器人连续工作了 8 小时，按正式节拍要求完成了 2283 项任务，没有出错。不过，文章正文因为微信环境验证被屏蔽了，具体是哪款机型、任务细节和成本都没法看到。
推荐理由：智元自己报的量产和产线数据，我会先打个折——没有第三方验证，也没披露单台成本和故障率。但 1 万台这个数字在通用机器人圈子里确实少见，南昌那条 3C 线能跑 8 小时零失误，至少说明在特定场景下稳定性过了门槛。正文没提具体客户和付费情况，这点先别太激动。
OpenClaw 的 Peekaboo v3 给 Mac 加了 agent 能力，能直接截取像素级屏幕、读取 UI 位置，然后模拟点击、打字、快捷键、滚动和拖拽。它还把 MCP 服务接进了 Cursor、Claude Code 和 Codex，等于让模型能进桌面软件里干活。正文没披露延迟和准确率数据，这点先别太激动。
推荐理由：OpenClaw 的 Peekaboo v3 给 Mac agent 加了一套完整的 GUI 感知和操作原语，还打通了 MCP，让 Cursor、Claude Code、Codex 都能调用。对搞桌面自动化的开源玩家来说是个实用更新，但毕竟只是一篇 Reddit 帖子，没有论文或代码仓库佐证，所以放在 featured 低段，78 分。
OpenAI 推出 Daybreak 安全项目，把 3 月发布的 Codex Security AI 智能体用起来，先给组织代码建威胁模型、梳理可能的攻击路径，再自动验证和检测高风险漏洞。这距离 Anthropic 公布 Claude Mythos 安全模型仅一个多月——Anthropic 当时说这模型太危险不能公开，只放在自家 Project Gla...
推荐理由：H/K/R 全中：Daybreak 有明确的竞品对标、具体的 agent 工作流，也戳中代码安全审计的共鸣点。不过这只是 Reddit 单帖，没有独立复现或论文/代码放出来，所以分数压在 82 没往上走。
Thinking Machines 周一公布了他们的方向——做“交互模型”。按他们的说法，这种模型能同时接收音频、视频和文字，实时理解、回应并行动，而不是像现在的模型那样等你打完字或说完话才开始反应。正文没披露模型规模、发布时间、定价和最终产品形态，所以这东西到底多能打、什么时候能用上，现在都还是未知数。
推荐理由：这篇帖子给出了公司方向，但正文没披露模型参数、发布时间或产品形态，本质上是一次高关注度的创业方向亮相，不是可用的模型发布。HKR 三项都踩中，但信息缺口明显，所以留在 77 分这个位置，没往上拉。
OpenAI 宣布推出 Daybreak，一个面向安全团队的 AI 防御系统，整合了他们最强的模型、Codex 以及安全合作伙伴的能力，目标是加快漏洞发现和软件防护的速度。正文没披露具体定价、上线时间，也没给出任何防御效果的实测数据，所以实际能防住什么级别的攻击、误报率多少都还不清楚。
推荐理由：OpenAI 发了个 Daybreak 的安全产品公告，把模型、Codex 和合作伙伴绑在一起做网络防御，听着像个正经产品。但我会先打个折：全文没给一个防御指标，也没说什么时候能用、花多少钱，目前更像一个概念拼盘。它踩中了 AI 攻防和合规的焦虑点，所以值得提一嘴，但缺干货让它只能停在产品更新这个档位。
Replit 新出的并行代理功能，允许最多 10 个代理同时跑。每个代理拿到的都是你应用的独立副本，在各自的机器上互不干扰，最后通过一个代理工作流把结果合并回来。正文没披露合并冲突怎么处理、任务怎么拆分，也没给出具体提速数据，这点先别太激动。
推荐理由：Replit 这次把并行代理的上限拉到 10 个，每个代理独立跑应用副本再合并，相当于让多个 AI 程序员同时改代码然后合分支。正文没讲合并冲突怎么处理、代理间怎么分工，这点先别太激动。整体是个中等体量的开发者工具更新，还没到 Cursor Agent 模式那种量级，所以放在 featured 档。