英伟达推出了 T3000 和 T2000 两款基于 Thor 架构的新模块。T3000 算力 865 FP4 teraflops，配 32GB 内存和 273GB/s 带宽，体积和功耗大约是之前 T5000 的一半，但跑多模态模型的推理速度差不多，能帮客户在高内存价格下省一笔硬件钱。T2000 算力 400 FP4 teraflops，16GB 内存，...

Ai2 的 Skylight 团队做了一个叫 Shippy 的海事 AI 助手，帮分析师查渔船活动、专属经济区边界和船只轨迹。他们把架构拆成三块：灵魂（系统提示词，定人设和行为边界）、技能（用 Markdown 文件教它调 API 和解读轨迹数据）、配置（运行时设置，目前用 Claude Opus 4.6 加 OpenClaw 框架）。核心思路是用确定...

IBM 的人拿 417 个 AppWorld 任务跑了一遍，发现按标价选模型会翻车。Claude Sonnet 4.6 总花费 79 美元，GPT-4.1 却花了 155 美元，贵了快一倍。原因是 agent 干活时会反复用同一大段上下文，Sonnet 的缓存读取价更低，靠这个把总账拉回来了。文章的意思很直接：路由不是分类问题，是系统优化问题，光看标价...

Inkling 是一个总参数量约 1 万亿（975B）、每次推理激活 41B 参数的混合专家（MoE）模型，能直接吃进文字、图片和音频，支持 100 万 token 的上下文窗口。它用 45 万亿个多模态 token 训练，还内置了多 token 预测（MTP）投机解码层来加速推理。模型提供了 BF16 和压缩后的 NVFP4 两种版本，Hugging...

Google DeepMind 在印度启动 ATL Saathi 试点，这是一款由 Gemini 驱动的 Web 应用，为 Tinkering Lab 教育者提供 24/7 备课与培训助手。该工具基于 NotebookLM 整理 12 个核心模块内容，支持 10 个模块的项目生成，初期支持 8 种语言，底层由 Gemini 3.5 Flash 提供智能支持。首批覆盖印度 100 所试点学校。

OpenAI 把之前针对 GPT-5.5 的生物漏洞悬赏升级成一个长期运行的私密项目，叫 OpenAI Bio Bounty Program。核心目标没变：找那种能稳定绕过它预设生物安全挑战的通用越狱方法。奖金从 2.5 万涨到 5 万美元，GPT-5.6 和 GPT-5.5 都适用，没完全成功也可能拿到部分奖励。GPT-5.5 的测试窗口到 2026...

OpenAI 对编程评测集 SWE-Bench Pro 做了一次质量审查，估计里面大约 30% 的题目是坏的。他们先用自动管线筛出 286 道可疑题目，再让基于 Codex 的调查 agent 和五位资深工程师分别复核。工程师最终标记出 249 道（34.1%）有缺陷的题目，主要毛病是测试太死板、题目描述漏要求、测试覆盖不足，以及题目描述误导模型。Op...

Google DeepMind 与 A24 宣布达成首个此类研究合作，将顶尖研究实验室与电影制作公司配对，帮助艺术家开发新工作流与技术。合作将跨越多个项目长期展开，Google 同时已对 A24 进行投资。

OpenAI 在 6 月 25 日发了一篇经济研究论文，拿自家和外部用户过去一年的使用数据，看 Codex 这类能独立干活的 AI 工具到底渗透到什么程度。到 2026 年 5 月，抽样的个人用户里 80.6% 至少跑过一次估计要花人 30 分钟以上的任务，25.6% 跑过超 8 小时的任务。OpenAI 内部更夸张，Codex 现在占了每周输出 to...

这篇博客讲的是推理如何帮大模型从自己的参数里“回忆”事实。他们拿 Gemini 2.5 Pro 在 Natural Questions 上测，不给推理机会时准确率大概 40%，让它先思考再回答，准确率直接跳到 70% 以上。提升不是靠外挂资料库，而是模型在推理过程中把模糊的记忆碎片串成可验证的链条，推理步骤里经常出现自我提问和事实核查。目前只在问答任务...

OpenAI 的 Daybreak 项目跟安全公司 Trail of Bits 合作，把 GPT‑5.5‑Cyber 和 Codex Security 这两个模型配给安全工程师用，去给 cURL、Go、Python 等 19 个关键开源项目找漏洞并直接修。流程是先让模型扫，工程师筛掉误报、写好补丁，再交给项目维护者合并。第一轮已经扫出几百个问题，合并了...

三星电子要把 ChatGPT 企业版和 Codex 推给韩国所有员工，以及全球 DX（设备体验）部门的员工，覆盖研发、制造、营销等业务线。OpenAI 说这是他们至今最大的企业部署之一。Codex 现在每周有超过 500 万活跃用户，在韩国的周活从 2026 年 2 月 1 日起涨了近 800%。正文没披露这笔交易的金额和具体上线时间表。我会先打个折：...

波士顿儿童医院、哈佛和 OpenAI 拿 o3 的“深度研究”模式，把 376 个之前没查明白的儿童罕见病病例重新翻了一遍。模型不是直接看病，而是根据基因数据和临床症状，提出有文献证据支持的候选病因。医生团队审核后，再走 CLIA 认证实验室的流程做验证，最终确认了 18 个新诊断，相当于在专家已经看过的基础上又多找出 4.8% 的病因。研究发在 NE...

Z.AI 开源了 GLM-5.2，一个为长周期编程任务设计的模型。它把上下文窗口做到了 100 万 token，而且不是光能塞进去，是在 agent 跑一长串操作后质量依然稳得住。架构上用了两个新东西：IndexShare 让每四层稀疏注意力共用一个索引器，在 100 万 token 长度下把每个 token 的计算量砍到了原来的约三分之一；MTP 投...

Hugging Face 上线了 Discover Tool，这是 ARD（代理资源发现）规范的一个参考实现。ARD 是一份由微软、谷歌、GoDaddy、Hugging Face 等共同起草的开放草案，解决的是当前代理生态里一个很实际的问题：现在用 MCP 工具、A2A 代理或技能，都得靠人提前写好配置、指定好地址，代理自己不会找。ARD 相当于在它们...

OpenAI 放出了一个叫 LifeSciBench 的基准，750 道题全由有生物技术或制药行业经验的博士科学家出题和审题。它不考知识点背诵，考的是模型能不能干真实的科研活儿：比如解读互相矛盾的实验证据、设计实验方案、评估药物从实验室到临床的风险。53% 的题需要模型去读附带的图表、序列文件等材料，平均每道题要经过 4 步推理。评分也不只看最终答案对...

Google DeepMind 正与英国政府、Google Cloud、Faculty 及 Barnet、Dorset、Camden 地方规划部门合作，基于 Gemini 共同开发 AI 规划原型工具，目标将住户规划申请审批时间缩短 50%。

Google DeepMind 发布 AI Control Roadmap，一套用于构建和管理 Google 内部部署的高级 AI 的框架，采用纵深防御思路，在模型对齐之外增加系统级安全层，即便对齐不完美也能提供保障。

OpenAI 在 GPT‑5‑Thinking 系列模型发布前，把近期真实用户对话里的助手回复删掉，让待发布的新模型重新生成一遍，再检查有没有冒出新的不良行为。这个方法叫部署模拟，相比传统评测，它能给出更准的不良行为频率估计，还发现了以前没见过的对齐问题，同时降低了模型察觉“自己在被测试”的概率。它也能用在带工具调用的智能体场景里。不过这个方法有硬伤：...

OpenAI 在 6 月 10 号发了份威胁报告，封了两组大概率来自中国的 ChatGPT 账号。一组叫“数据中心顺风车”，专门生成“AI 数据中心推高居民电费”的帖子和图片；另一组叫“科技与关税”，一边骂美国关税是打压科技竞争的手段，一边在提示词里要求只提特朗普、不提习近平。后一组还散布过“ChatGPT 用户数据泄露”的假消息，OpenAI 说这完...

苹果之前只在自家芯片上跑私有云推理，现在开始把一部分工作负载挪到英伟达 H100 GPU 上，用 Hopper 架构的硬件级可信执行环境保护数据。处理过程中数据保持加密，连云服务商都碰不到。这相当于苹果在保持同样安全隔离的前提下，给私有云计算换了个更通用的算力底座。不过正文没披露具体上线时间和部署规模，只确认会先在苹果自己的数据中心里跑起来。

Google DeepMind 发布 Gemini 3.5 Live Translate，一款支持 70 多种语言的近实时语音到语音翻译音频模型，可自动检测语言并保留说话人的语调、节奏和音高。

Google DeepMind 公布在塞拉利昂开展的预注册随机对照试验结果，使用 Guided Learning 的学生数学成绩比对照组提升 0.258 个标准差，相当于八周内取得约 1.2 至 1.7 年的常规学习进度。

这三篇论文都进了 CVPR。GraspGen-X 用 20 亿次模拟抓取训练，让机械手能处理没见过的物体，但正文没披露真实世界的抓取成功率。LCDrive 把自动驾驶的推理 token 砍了大约一半，靠的是让模型直接输出轨迹而不是先写文字再转成动作，延迟更低，不过没提极端场景下的安全性验证。NitroGen 在 1000 多个游戏里跑了 4 万小时的交...

GPT-Rosalind 是 OpenAI 为生命科学做的模型，这次更新接入了 GPT-5.5 的编程和工具调用能力，重点强化了药物化学、基因组学这些方向的推理。OpenAI 还专门搞了个叫 LifeSciBench 的评测，从证据处理、实验设计到结果验证六个环节打分，说新版模型在行业专家出的题上表现有提升。但正文没披露具体参数量、定价和普通用户能不能...

这篇文章我没能看到正文，微信页面显示环境异常需要验证。从已有的英文摘要看，作者许晓斌提出了一个判断：用 AI Agent 做开发，能把从“有想法”到“出代码”的周期从几周甚至几个月压缩到几分钟。他举了几个例子，包括用 Agent 搭周报系统、多角色 Agent 协同开发、自动配镜像仓库。文章还点出了现有研发设施跟 Agent 开发模式不匹配的地方，比如...

微软 Build 大会上，两家宣布把 AI 部署的底层打通了。简单说，就是同一个 AI 应用，既能在你笔记本的 RTX 显卡上跑，也能无缝切到 Azure 云或者公司本地的 DGX 工作站上，不用重写代码。现场还亮了两款新硬件：RTX Spark 是个小盒子，能提供 1 petaflop 的 AI 算力（大概相当于每秒一千万亿次计算）；DGX Stat...

OpenAI 在 6 月威胁报告里披露，他们封掉了一批很可能来自中国的 ChatGPT 账号。这批人用简体中文写提示词，让 ChatGPT 生成英文帖子和图片，在 X 上假装成各种背景的普通美国人，反复说数据中心和 AI 把电费拉高了，成本最后都摊到老百姓头上。他们还用 ChatGPT 修图、写自动化脚本，并骚扰海外异见人士。更值得留意的是，他们上传的...

OpenAI 在 2026 年 6 月的威胁报告里披露，他们封掉了一批 ChatGPT 账号，这些账号很可能来自中国。操作者用简体中文写提示词、挂 VPN，让模型批量生成英文短评和政治漫画，主要攻击美国的关税、稀土、AI 和 5G 政策，并明确要求漫画里只能出现特朗普，不能出现中国或习近平。同一批账号还生成中文“水军”内容，攻击美国和以色列，放大反犹太...

NVIDIA Research 在 ICRA 上展示了 8 篇论文，都围绕一个思路：在仿真里训练机器人，然后直接部署到真实环境。ScheduleStream 让多机械臂并行规划，速度提升 3 倍，代码已开源。COMPASS 导航框架完全不靠真实数据，在仿真里训练后迁移到真机，20 次真实导航测试成功率约 80%，比纯模仿学习基线高了 4.5 倍。Gra...

Mistral 把 Le Chat 升级为统一 AI 智能体 Vibe，一个许可同时覆盖办公与编码，原有对话、设置和套餐全部保留。Work Mode 支持企业知识搜索、结构化数据分析、文档报告生成、多步任务定时调度和可复用技能，可连接 Google Workspace、Outlook、SharePoint、Slack、GitHub 等。

周志伟分享了一套项目管理方案：用两个 Git 仓库，配合 AI 编程助手、Shell 和 Python，把催周报、搬数据、画图表、出工程效能报告这些事自动化了。正文没披露具体实现细节和验证数据，但按他的说法，至少能省掉 80% 的手工跟进和报表工作。

Artificial Analysis 和 IBM 搞了个新基准 ITBench-AA，专门考模型能不能像真人一样处理企业 IT 的活，第一波先考站点可靠性工程（SRE）任务。结果最厉害的 Claude Opus 4.7 也只拿了 47%，GPT-5.5 是 46%，所有顶尖模型都没过半。这个测试让模型在真实的 Kubernetes 环境里查日志、追依...

Mistral 收购 Emmi AI，以推进面向工业工程的 Physics AI 基础研究，重点覆盖航空航天、汽车、半导体和能源等行业。其已发布成果包括 AB-UPT，可在单张 GPU 上处理 9M 表面和 140M 体积网格的原始几何数据而无需重新划分网格，以及面向大型多物理过程的端到端深度学习代理模型 NeuralDEM。

这篇文章讲的是阿里技术专家吕若凡提出的 Agent Room 模型。核心想法是不再让 AI 智能体各干各的，而是把它们放进一个共享上下文、任务账本、记忆和产物的“房间”里协作。文章用两个软件工程案例做了验证，说明这套系统不是简单地把任务分发给不同模型，而是让它们能基于共享信息做出协作判断。不过正文因为微信环境验证问题没能加载出来，具体的技术细节、实验数...

南京大学 LAMDA 组和阿里智能引擎团队提出了一种叫 DAR 的方法，把 DiT 模型里固定的残差累积，换成了按时间步动态选择路径的跨层路由。在 ImageNet 256×256 上拿 SiT-XL/2 试，FID 从 9.67 降到了 7.56，而且只用原来大约九分之一的训练步数就达到了同等收敛质量。不过原文因为微信环境验证拦截，具体怎么实现路由、...

Mistral AI 宣布已达成收购 Physics AI 先驱 Emmi AI 的最终协议，以强化其作为工业企业 AI 转型伙伴的定位。Emmi AI 成立于奥地利，专注物理 AI 与大型工程模型，可加速工程工作流、以实时仿真替代多日计算并构建数字孪生。Emmi 的联合创始人及 30 多名研究人员和工程师将于 5 月加入 Mistral 的 Science 与 Applied AI 团队。

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。

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...

这篇文章因为微信环境异常，正文内容没抓到，只看到标题和作者信息。标题说会讲 Agent 的原理分析和从零搭建个人助手的实践，作者是 Zhan Xupeng，预计阅读时间 50 分钟，属于长文干货。但具体讲了什么——比如记忆模块怎么设计、ReAct 规划怎么落地、技能加载是渐进式还是一次性、子 Agent 怎么协作、故障恢复怎么做——这些细节正文都没披露...