ChatGPT 图片生成升级到 2.5：宣称画质更锐、出图更快、控制更强
OpenAI 在 Product Hunt 上发布了 ChatGPT Images 2.5，口号是“更清晰的画面、更快的生成、更好的创意控制”。但正文只有这几句宣传语，没有透露任何技术细节或评测数据——比如用了什么模型架构、分辨率提升多少、生成速度具体快了多少、控制能力怎么体现，全都没说。所以目前只能当个预告看，等有人实测了再判断是不是真升级。如果你常...
#产品更新
#产品更新
今日 22 条9月9日星期三
9月8日星期二
Google DeepMind 发布 AlphaGenome Atlas，预测人类基因组全部单碱基变异
Google DeepMind 发布 AlphaGenome Atlas，一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台，规模达 1PB，是 AlphaFold Database 的 30 多倍。
推荐理由：原文给出覆盖 90 亿单核苷酸变异的预测数据集与 AVI 评分，读者可据此了解基因组变异解读的新工具形态。
9月4日星期五
Gemini Spark 现在能帮你管 Google Photos 了
Google 的个人助手 Gemini Spark 新增了管理 Google Photos 的能力：你可以让它直接修图、整理相册、自动创建共享相册、把演唱会海报照片转成日历事件，还能在 Photos 里跑一些自动化流程。功能会在接下来几周内推送给美国英语用户，需要订阅 Gemini AI Pro 或 Ultra 套餐。正文没透露国际版上线时间。
9月3日星期四
Google DeepMind 推出 Fairwind 计划，向政府和可信伙伴开放 Gemini 3.8 Flash Cyber 网络防御能力
Google DeepMind 推出 Fairwind Program，面向政府机构、关键基础设施运营商和网络安全伙伴限量开放其最先进的网络防御能力。该计划将专用网络模型 Gemini 3.8 Flash Cyber 与 CodeMender harness 结合，可自主发现、验证并修复漏洞，把原本数周的手动修复压缩到数分钟内生成可部署补丁，且运行成本低于传统前沿模型。
推荐理由：原文给出 Fairwind 计划的准入对象、模型与工具组合，读者可据此判断自主漏洞修复在企业与政府场景的落地方式。
9月1日星期二
Anthropic 发布 Enterprise Frontier Safeguards，客户自持数据存储与密钥
Anthropic 发布 Enterprise Frontier Safeguards（EFS），把零数据留存（ZDR）的隐私性与检测滥用的安全监控结合，数据存放在客户自控的云基础设施而非 Anthropic。
推荐理由：原文给出 EFS 的数据留存与监控架构细节，读者可据此判断企业部署前沿模型时的隐私与安全取舍。
8月27日星期四
Anthropic 开放 1 万个科研人员 Claude 席位并扩大 AI for Science 计划
Anthropic 宣布通过新的 Claude team plan for scientists 向全球科研人员开放 1 万个席位，标准席位免费，5 倍用量上限的高级席位为每月 15 美元，为期一年，并计划在未来数月把该计划扩展到 1 万个席位之外。
推荐理由：Anthropic 公布面向科研人员的免费与折扣席位规模、申请门槛和额度上限，可据此判断科研团队的实际获取路径。
8月26日星期三
Claude 的记忆功能现在打通了聊天和 Cowork，你能逐条查看和编辑它记住了什么
Anthropic 把 Claude 的记忆功能从聊天扩展到了 Claude Cowork 和 Claude Code 里，跨产品共享记忆。用户可以在一个统一面板里逐条查看、编辑或删除 Claude 记住的内容，也能一键关掉整个记忆功能。正文没提记忆容量上限，也没说跨会话读取记忆会不会增加延迟。
推荐理由：Anthropic 把记忆从聊天搬进了 Cowork 和 Code，跨产品共享且能逐条管理，对高频用户是实打实的体验升级。分数定在 78，因为正文没交代记忆能存多少条、跨会话读取会不会拖慢响应，我会先打个折，这点先别太激动。
8月15日星期六
Gemini 3.7 Flash 向 Pro 和 Ultra 用户开放，多步推理和工具调用有提升
Gemini 3.7 Flash 现在 Pro 和 Ultra 订阅用户可以在聊天里直接用了。Google 说它在多步推理和准确性上有改进，举的例子是把几十个文件和邮件合并成一份主文档。另外，个人助手 Spark 也切到了 3.7 Flash，对 Workspace 应用的工具调用更准了。免费用户什么时候能用，正文没提。
推荐理由：Gemini 3.7 Flash 对 Pro 和 Ultra 用户全面开放，连带 Spark 助手升级，是 Google 生态里一次有实际用例的更新。多步推理和工具调用准确性的说法对从业者有信号意义，但正文没给基准测试、延迟或具体提升数字，所以重要性打 78 分，不往上拔。
8月13日星期四
Anthropic 给 Claude 的输出加了隐形水印，部分用户慌了，怕被老板和老师发现自己在用 AI 摸鱼
Anthropic 开始往 Claude 生成的文字里嵌入隐形水印，主要是为了满足欧盟 AI 法案的透明度要求。消息一出，Reddit 和 X 上立刻炸了锅：很多人担心老板或老师用检测工具一扫，自己用 AI 写报告、做作业的事就全露馅了。文章没讲这水印具体是什么技术原理、能不能被手动去掉，也没提付费用户有没有关闭选项。
推荐理由：Anthropic 给 Claude 输出加了隐形水印，Reddit 和 X 上用户直接炸了，怕被检测工具扫出来。话题热度够，但技术细节和用户控制权都没说清楚，刚好够上 featured。
8月11日星期二
Mistral 推出区域推理端点与 Priority Tier，并接入 GLM-5.2 等第三方开源模型
Mistral 宣布 Mistral Regional Endpoints 正式可用，客户可选择推理在欧洲或美国运行，同时 Mistral Priority Tier 进入公开预览，提供自定义速率限制和带 SLA 的可用性承诺。
推荐理由：Mistral 把区域推理端点、SLA 服务层级与第三方开源模型接入放在同一套基础设施上，读者可据此判断欧洲主权 AI 的落地路径。
8月10日星期一
Claude Code 的 Pro、Max、Team 套餐将默认开启自动模式
Anthropic 发了个一句话公告，说 Claude Code 的自动模式（auto mode）会变成 Pro、Max 和 Team 套餐的默认设置。自动模式就是让模型自己跑终端命令、改文件，不用每一步都等你点确认。正文没写具体哪天生效，也没提权限边界、安全限制这些细节——目前能确认的只有“默认开启”这个方向，具体怎么落地还得等后续说明。
推荐理由：Anthropic 把 Claude Code 的自动模式从手动开启改成默认开启，对写代码的人是个实打实的工作流变化。H 和 R 都打中了——改动直接，受众在意。但公告实在太薄，连生效时间都没给，安全边界也没交代，所以 K 不成立。我会先打个折，等后续细节出来再重新判断。
7月24日星期五
Claude 的语音模式现在支持 Opus 和 Sonnet，还能读你的 Gmail 和 Slack
Anthropic 把语音模式从 Haiku 扩展到了 Opus 和 Sonnet，三个模型现在都能用语音交互了。更实际的变化是，语音模式可以接入 Gmail、Slack 这类应用，直接读出你的邮件和消息。不过正文没提延迟和准确率数据，实际体验好不好用，建议等上手测试再说。
推荐理由：Anthropic 把语音模式铺到了 Opus 和 Sonnet，还接上了 Gmail、Slack，实用性和话题性都有。但正文没给延迟和准确率数据，实际体验得等上手，所以分数压在 80 以下。
7月13日星期一
Google DeepMind 推出 Gemini 驱动的 ATL Saathi，为印度教师提供 24/7 教学助手
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。
Codex 和 ChatGPT Work 暂时取消 5 小时用量上限，GPT 5.6 Sol 开始省用量
过去两天上了三个更新：Plus、Business、Pro 套餐的 5 小时使用限制暂时拿掉了；GPT 5.6 Sol 做了效率优化，每次请求消耗的用量会变少，但具体能省多少正文说等量化后再公布；同时活跃用户到了 600 万，一小时内会重置用量。暂时取消的“暂时”是多久、效率提升的幅度多大，这两点正文都没给，先别急着算账。
推荐理由：Codex 和 ChatGPT Work 一起更新，取消 5 小时限制对重度用户是实打实的利好。GPT 5.6 Sol 说效率提升、每次消耗变少，但正文没给具体数字，600 万活跃用户和一小时内重置用量也算有料。不过“暂时”取消是多久、效率到底省多少都没说，所以分数没上 80。
7月10日星期五
GPT-5.6 Sol 发布日：跑分领先但群友实测还是给 Fable 打工，有人让它读完整个 GitHub 写遗书
OpenAI 把 Codex 客户端改名叫 ChatGPT，GPT-5.6 Sol 正式上线。官方跑分在 Terminal-Bench 2.1、BrowseComp 和 Agents' Last Exam 三项领先，价格只有 Fable 的一半，但群里用同一个代码库实测的结论是 Fable 还是好很多，5.6 的定位迅速收敛成给 Fable 当打工仔—...
推荐理由：GPT-5.6 Sol 上线是当天最大事件，这条群聊日报的价值在于补上了官方跑分之外的社区实测对比。信息密度高，有第一手判断。我会先打个折，因为来源是群聊整理而非一手信源，部分细节依赖群友自述，但整体信号很清晰。
6月18日星期四
Claude Design 更新：跨项目记住你的品牌规范，还能和 Claude Code 搭着用
Anthropic 给 Claude Design 加了两个实用能力：一是它能跨项目记住你的设计系统，比如颜色、字体、组件这些，不用每次都重新教它；二是它现在能和 Claude Code 协同，你可以在编辑器里直接改设计稿。正文没提具体上线时间，也没说这是免费功能还是付费功能。
推荐理由：Anthropic 给 Claude Design 加了跨项目设计记忆和 Claude Code 协同，两个能力都算实在，不是画饼。但正文没提上线时间和是否收费，信息密度刚好够上 featured，再高就给不了了。
6月10日星期三
Magnetar 用几百个 AI 智能体替代分析师做股票研究，人只负责批交易
彭博社消息，管理 180 亿美元的对冲基金 Magnetar Capital 在新产品里砍掉了人类分析师，改用几百个 AI 智能体去搜投资点子、研究公司、推荐仓位和预测趋势。人只保留最后一道关卡：批准交易。正文没披露这些智能体的具体架构、回测表现或风控细节，所以实际效果和稳定性还不好判断。
推荐理由：我会先打个折：正文没给架构、回测和风控细节，所以实际靠不靠谱还不好说。但“几百个智能体替代分析师”这个钩子够硬，180亿规模的对冲基金下场试水，人只留最后一道审批，信息量虽然薄，冲击力够强。HKR全中，放在featured档没问题。
Google Gemini 3.5 实时翻译开放公测，支持 70 多种语言、2000 个语言对
Google 把 Gemini 3.5 的实时翻译功能放出来了，现在通过 Gemini API 就能用。它做的是语音到语音的低延迟翻译，覆盖 70 多种语言，能组合出 2000 个语言对，冷门小语种也包含在内。开发者可以把它接进实时对话、客服、直播或跨国会议里。主推文提到这消息被 Anthropic Fable 5 的声量盖过去了，还顺带提了阿里 Qw...
推荐理由：HKR 三项都成立：Google 把实时语音翻译做成 API 公开预览，对开发者有直接吸引力，也给了语言覆盖和语言对的具体数字。但文章只提了功能开放，没写价格、延迟基准和可用区域，信息有缺口，所以重要性停在 78。
Claude 托管智能体新增定时运行和环境变量保险库
Claude 的托管智能体（Managed Agents，让模型进业务流程干活的工具）现在支持用 cron 表达式设定时任务，到点自动跑，不用人守着。同时上线了 Vaults 功能，用来存 API 密钥、数据库密码这类敏感信息。智能体跑任务时能调用这些变量，但模型本身读不到明文——密钥只在网络边界上才被替换成真实值。正文没披露定时任务的最小间隔和 Va...
推荐理由：Claude 的托管智能体现在能设 cron 定时任务，到点自己跑，不用人盯。同时上了 Vaults 功能存 API 密钥、数据库密码这些敏感信息，智能体跑任务时可以调用，但模型本身读不到明文——密钥只在网络边界上才被替换成真实值。正文没披露定时任务的最小间隔和 Vaults 的访问控制粒度，这点先别太激动。整体是给智能体补运维能力，不是模型升级，所以分数就卡在这个位置。
OpenRouter 的 Advisor 工具页面 404 了，正文没披露任何细节
OpenRouter 原本要介绍一个叫 Advisor 的工具，让 GPT-4o Mini 这类便宜模型在生成过程中可以随时去问 Claude Fable 等更强模型。但博客页面直接返回 404，文章不存在。定价、延迟、路由策略这些关键信息全都没公开，目前只能看到标题和摘要里的概念，没法判断实际效果和成本。
推荐理由：我会先打个折：OpenRouter 这篇博客直接 404，正文没披露定价、延迟、路由策略和实际效果，目前只有标题和摘要里的概念。概念本身有意思——让便宜模型在生成中途去问强模型，相当于给低成本模型配了个随时可叫的顾问，不是简单的 fallback 或静态路由。这点先别太激动，因为没数据验证到底省不省钱、延迟高不高、强模型被调用的频率和策略全都不清楚。对正在搭模型路由栈的团队来说，这个方向确实踩中了成本与质量的平衡点，但信息缺口太大，只能当产品信号看。
上手 Claude Fable：Anthropic 的新模型让 AI 自己干活儿了
Ethan Mollick 提前试用了 Anthropic 的 Mythos 级模型 Claude 5 Fable。他的结论是，这模型比他用过的所有公开模型都强出一大截，而且人和 AI 的关系可能要变了。Fable 能自己连续跑十几个小时，执行好几页纸的指令。Mollick 让它从零做一个等时线地图，模型自己派了一堆子 AI 去查了 2200 多个航班...
推荐理由：Ethan Mollick 提前摸了 Claude Fable，说它比所有公开模型都强一截，能自己连续跑十几个小时、执行好几页纸的指令，甚至自己派子 AI 去查 2200 多个航班做地图。听着像模型能当项目经理使了，但正文没披露参数量、跑分、成本和什么时候能用，这点先别太激动。H 和 R 分高是因为新模型名加推理/代码定位确实抓眼球，K 分低是因为除了一个用例，关键信息全是缺口。Anthropic 光环有加成，但缺价格和基准测试，所以没到必写级别。
Claude Fable 5 和 Mythos 5 发布：编程最强、能打游戏，但安全限制会误拦 5% 的对话
Anthropic 发了两个新模型：Claude Fable 5 和 Claude Mythos 5。Fable 5 是面向普通用户的安全版，Mythos 5 是给网络安全防御方用的无限制版，目前只通过美国政府合作项目开放。Fable 5 在软件工程、知识工作和视觉任务上都是新标杆——Stripe 测试时，它一天干完了原本一个团队两个月的代码迁移活；在...
推荐理由：Anthropic 一次发了两个模型，Fable 5 是普通用户能用的安全版，Mythos 5 是给网络安全防御方用的无限制版，目前只走美国政府合作渠道。Fable 5 在软件工程、知识工作和视觉任务上都刷了新纪录——Stripe 拿它做代码迁移，一天干完原本一个团队两个月的活。药物设计速度也快了 10 倍，这个数字挺夸张，但正文没披露具体测试条件和对比基线，先打个折看。定价方面，Fable 5 每百万 token 输入 10 美元、输出 50 美元，比前代贵了不少，得算算性价比。整体看，这是一次 Claude 主线模型的实质性更新，有定价、有基准...
Cohere 发了第一个编程模型 North Mini Code，免费开源，上下文窗口 256K
Cohere 在 OpenCode 上放出了他们的第一个编程模型 North Mini Code，完全开源，上下文窗口能塞进 256K token，相当于一次能读很长的代码库。目前免费可用，正文没披露具体跑分、支持哪些语言和推理速度，实际编码能力得自己测一下才知道。
推荐理由：Cohere 终于出了编程模型，免费开源这点挺实在，256K 上下文意味着一次能吞下大半个代码库，省得来回切文件。但正文没给跑分、没提支持哪些语言、也没说推理快慢，实际好不好用得自己跑一遍才知道。我会先打个折，等有实测数据再往上调。
Claude Fable 5 与 Mythos 5 系统卡：一个模型，两套安全锁
Anthropic 发了份 319 页的系统卡，讲的是同一个新模型拆成了两个版本：Fable 5 给大众用，但加了安全锁，不让它在生物、网安这类高危领域干活；Mythos 5 则把相关限制解开了，只开放给 Project Glasswing 等少数受信合作伙伴。先说能力，Mythos 5 是他们训过最强的模型，在漏洞开发这类网安测试里把 Opus 4....
推荐理由：Anthropic 在同一天发了 Claude 5 的两个版本和配套系统卡，Mythos 5 自称最强、但只给受信伙伴用，Fable 5 则在高危领域加了限制。这种能力分级和透明披露的做法，对关注模型安全与能力边界的从业者来说是个重要信号。放在 85–94 这个区间没问题，因为信息够新、够具体，而且直接关系到 Claude 用户和开发者的实际使用。
GitHub Copilot CLI 现在能建自定义 AI 智能体，把一次性终端指令变成可重复跑的工作流
GitHub Copilot CLI 新增了自定义智能体功能，让模型能读懂你团队的技术栈和常用流程，把以前在终端里零散敲的提示词变成一套可复用的自动化工作流。正文没披露具体的配置方式、推送范围和是否额外收费，所以实际落地成本还不清楚。
推荐理由：GitHub 官方产品更新，HKR 拿到 H 和 R：自定义 Copilot CLI 智能体对开发者工作流有实际影响。K 偏弱，因为配置方式、推送范围和是否额外收费都没披露，所以定在 featured 门槛。
6月9日星期二
Google 放出 Gemini 3.5 Live Translate，话没说完就开始翻，支持 70 多种语言
Google 发了 Gemini 3.5 Live Translate，一个实时语音转语音翻译模型。它不等对方把整句话讲完，边听边翻，用流式更新把结果推出来，延迟压到几秒，还能保留原声的语速、音高和语调。支持 70 多种语言，目前通过 Gemini Live API、Google Meet 预览版和 iOS/Android 的 Google 翻译 Ap...
推荐理由：HKR 三项都成立：Google 把实时语音翻译绑定了 70+ 语言和说话人未结束就开始的流式输出。分数留在 82，因为正文没披露具体上线范围、定价和基准测试结果，实际效果和可用性还得等验证。
一位开发者用 GPT-5.5 替代 OCR 流程，把 2.3 万篇 ChinaRxiv 论文免费开放并配上更完整的英文翻译
这件事的起点很简单：有人觉得传统的 OCR（光学字符识别）管道太复杂，直接用 GPT-5.5 来读论文、做翻译，结果把 23,000 多篇 ChinaRxiv 上的论文免费放出来了，还带了比之前更完整的英文翻译。正文没披露具体成本、延迟和翻译质量对比，所以没法判断这套方案在准确率和开销上到底比 OCR 好多少。如果是真的省钱又省事，对需要批量处理中文论...
推荐理由：我会先打个折：这不是 OpenAI 官方模型发布，而是一个开发者用例，所以推荐分在 78–84 这个区间。HKR 三项都踩中了——用 GPT-5.5 砍掉 OCR 管道是个很具体的钩子，23,000+ 篇论文的规模也给了实感，对做文档处理和研究的人确实有用。但正文没披露成本、延迟和翻译质量对比，这点先别太激动，没法判断准确率和开销到底比 OCR 好多少。如果是真的省钱又省事，那对批量处理中文论文的场景挺有参考价值。
苹果在 WWDC 发布了 CoreAI，一个给自家芯片用的端侧推理引擎，用来替代 CoreML
苹果在 WWDC 上公布了 CoreAI，定位是 CoreML 的继任者，专门在苹果芯片上跑模型推理。模型得先用 Python 脚本转一道才能用，目前支持的模型列表主要是 2025 年年中左右的版本。帖子正文没给出任何性能数据，速度、内存占用、功耗这些关键指标一概没提，所以实际跑起来快不快、省不省资源还不好说。另外原帖链接返回了 403，说明 Redd...
推荐理由：帖子本身信息很薄：CoreAI 接棒 CoreML、需要 Python 转换脚本、模型支持范围有限，这些是事实。但吞吐量、延迟、功耗一概没提，原帖链接还返回了 403，说明来源本身就不完整。苹果的本地推理引擎变动确实值得关注，但这点先别太激动，因为验证不了实际省不省资源。
一个编程 Agent 串起两个 HuggingFace Space，自动生成了一个巴黎地标 3D 画廊
作者让一个编程 agent 自己动手，把 ideogram-ai/ideogram4 和 VAST-AI/TripoSplat 这两个 Space 串了起来。流程是：先用 ideogram4 生成巴黎地标的图片，再把图片喂给 TripoSplat，从单张图片重建出 3D 高斯泼溅文件（.ply），接着转成体积小约 3 倍的 .ksplat 格式，最后用...
推荐理由：我会先打个折：这不是模型或平台发布，而是一篇 Hugging Face Spaces 的实操教程。但作者把两个现成 Space 串起来，让 agent 自己跑通从文字到 3D 场景的流程，还给出了约 3 倍的压缩数据，对做 agent 编排和轻量 3D 管线的人挺实用。正文没披露生成质量和延迟的具体测试，这点先别太激动。整体放在 featured 档位合适。
Qwen3.7-Max 靠一份 15 万字文档，4 小时做出能跑的手机和网页应用
实验里 Qwen3.7-Max 不看设计稿、不接后端，只读一份约 15 万字的产品调研文档，在隔离环境里分别生成了安卓 APK 和一个 Web 应用，单端耗时约 4 小时，中间没人插手。模型本身看不懂图，它是通过像素坐标反推布局来还原界面。做法是把任务拆成规划、架构、编码等阶段，每步做完就检查——静态检查、编译自检（0 error）、Web 端 34 ...
推荐理由：我会先打个折：正文没披露失败率、重试次数、人工介入点，也没说这15万字文档本身质量如何。但亮点在于它把模型看不懂图这个短板说清楚了——靠像素坐标反推布局，不是真懂设计。任务拆成规划、架构、编码并逐段自检的做法，让4小时出双端这件事有了可复现的骨架。如果是真的挺省钱，但没给对比基线，先别太激动。
Cursor 把欧洲总部放在伦敦，计划招 200 人；SpaceX 手里攥着 600 亿美元收购它的选择权
Cursor 是做 AI 编程助手的，你告诉它想开发什么功能，它能自动生成代码。这次它把欧洲总部定在伦敦，主要是看中当地技术人才多、语言多元，方便服务整个欧洲市场。公司计划年底前把欧洲团队从现在的七八十人扩到 200 人左右，还会在巴黎、慕尼黑等城市设小办事处。一个关键背景是，很多欧洲客户（尤其是金融、医疗这类强监管行业）要求数据必须留在欧洲境内，所以...
推荐理由：Cursor 把欧洲总部放在伦敦，年底前团队要翻倍到 200 人，这本身是常规扩张。但 SpaceX 手里那个 600 亿美元的收购选择权让整件事变味了——一个做代码助手的公司被这种量级的选项挂着，估值想象力直接拉满。正文没披露触发条款和行权条件，这点先别太激动。另外提到 100 亿的合作伙伴数字，也没说清是收入口径还是 GMV，我会先打个折看。整体信息密度高，但信源单一，所以停在 77 分不进 78 那档。
小米 MiMo 1T 模型跑出每秒超 1000 token，靠混合量化和并行解码把速度提了 10 倍
小米 MiMo 和 TileRT 给 1T 参数旗舰模型加了个 UltraSpeed 模式，输出速度首次超过 1000 tokens/s。模型这边用了 FP4 混合量化，只量化 MoE 的 Expert 部分，搭配 DFlash 的块级 masked 并行推测解码，coding 场景下平均一次能接受 6.30 个 token，相当于猜对的命中率不低。系...
推荐理由：我会先打个折：正文没提硬件配置、batch size、并发数，也没说测试用的 prompt 长度和具体环境，所以这个 1000 tokens/s 的绝对值先别太激动。但亮点是技术组合说得清楚——FP4 只量化 MoE 的 Expert 部分，不是全模型瞎压，搭配 DFlash 的块级 masked 并行推测解码，coding 场景下一次能猜对 6.30 个 token，命中率不低，说明这套方案在代码生成这种结构化输出上确实有效。小米给旗舰模型开 UltraSpeed 模式，还定了三倍 Pro 版的价格，摆明了是要在推理速度和 API 商业化上抢个身...
SpaceX 要把 AI 数据中心搬上近地轨道，单颗卫星持续算力约 120 kW，延迟 6-8 毫秒
马斯克公布了 SpaceX 的 AI1 轨道 AI 数据中心卫星方案。每颗卫星峰值功率 150 kW，持续计算功率约 120 kW，大致相当于一个 NVIDIA GB300 机架的算力。卫星跑在 600-800 公里高的近地轨道，通过激光链路互联，带宽约 1 Tbps，往返延迟 6-8 毫秒。散热靠双面散热器，排热能力 1,400 W/m²；太阳能板效...
推荐理由：我会先打个折：发射时间、单颗卫星成本、实际跑过什么推理任务，正文都没提，所以别急着把它当成马上能用的方案。但亮点是实打实的——150 kW峰值功率、120 kW持续算力，直接对标一个GB300机架，散热靠双面散热器做到1,400 W/m²，这些数字说明散热和供电在工程上是认真算过的。激光链路1 Tbps、往返6-8毫秒的延迟，对近地轨道来说算低，但跟地面数据中心比还是高出一截，适合对延迟不那么敏感的大批量推理任务。整体看，这是个有硬核参数支撑的轨道算力方案，不是画饼，但离落地还差关键信息。
GitHub 12.2 万星项目 Skills 加了个 Teach 技能，把工作目录变成能记住你学到哪的学习空间
Skills 仓库新出的 Teach 技能，核心是把一个普通文件夹变成有状态的学习环境。它用四个文件来追踪学习进度：MISSION.md 写目标，lessons/ 放课程，learning-records/ 记你已经掌握的东西（不是记“讲了什么”），reference/ 自动生成速查手册。五个机制里比较有意思的是 ZPD，会根据你的学习记录动态调整难度...
推荐理由：这条更新来自 Skills 仓库（GitHub 122K 星），核心是把一个目录变成带记忆的学习环境，靠四个文件追踪进度，ZPD 机制会根据你已掌握的内容动态调难度。对做 agent 记忆和可复现学习流程的人有直接启发。但信息源只有一篇 X 上的总结，没有基准测试、维护者细节或用户反馈，所以我会先打个折——概念扎实，落地效果还得看实际跑起来怎么样。
苹果发布 Siri AI，想跟其他聊天机器人掰手腕
苹果终于把拖了很久的 Siri 大改版拿出来了，叫 Siri AI。FT 这篇报道的正文被付费墙挡住了，只返回了安全验证页面，所以具体改了啥、模型细节、什么时候能用、功能清单这些，正文都没披露。从标题看，苹果是直接冲着 ChatGPT 这类对手去的，但 RSS 摘要里只提了一句用户隐私承诺，别的信息全是空白。我会先打个折：光看标题像是个大动作，但没看到...
推荐理由：FT 的信源权威性加上 Siri 大改版这个动作，H 和 R 都站得住，所以能进 featured。但 K 过不了，因为正文除了隐私承诺什么都没给，模型规格、发布时间、功能清单全是空白，我会先打个折：光看标题像是个大动作，没看到实质内容之前别太激动。
Apple 放出 MLX LM Server，让多台 Mac 通过雷电网口搭伙跑大模型
这篇 Reddit 帖子本身被屏蔽了，正文内容看不到，只能从标题和现有摘要拼出大致信息。Apple 的 MLX LM Server 支持连续批处理，能同时处理多个子代理的请求，不会一个一个排队干等。它还支持分布式推理，可以通过 Thunderbolt RDMA 把几台 Mac 连起来一起跑模型，相当于用高速雷电网口把算力拼成一台虚拟大机器。具体性能、延...
推荐理由：这篇 Reddit 帖子正文被屏蔽了，只能从标题和摘要拼出信息，所以我会先打个折。Apple 的 MLX LM Server 支持连续批处理，多个子代理的请求不用排队干等；还支持通过 Thunderbolt RDMA 把几台 Mac 连起来做分布式推理，相当于用高速雷电网口拼出一台虚拟大机器。这点先别太激动，正文没披露吞吐量、延迟、支持的最大模型尺寸和发布时间，验证很弱。但思路本身对关注本地推理成本的人有参考价值，所以给到 featured 门槛以上。
把 GitHub 的自动测试搬到 Hugging Face Jobs 上跑，Trackio 项目 CPU 任务快了约 30%
Hugging Face 发了篇博客，手把手教你怎么用 huggingface/jobs-actions 把 GitHub Actions 的 CI 流程搬到他们的 Jobs 服务上执行。核心思路是让 GitHub 把任务派给一个在 HF Jobs 里临时启动的“自托管运行器”，跑完就销毁。他们拿 Trackio 项目试了水，CPU 任务耗时缩短了约 ...
推荐理由：HKR 三项都站得住。H 靠的是“用 HF Jobs 当自托管运行器跑 CI”这个具体操作，不是空谈概念。K 有明确的产品名、Trackio 实测数据和约 30% 的提速数字，信息量够。R 切中的是 ML 团队常遇到的 CI 贵、GPU 不好找的问题。整体属于工具链层面的实用更新，不是平台级大发布，放在 featured 档位合适。
Anthropic 发了个 Swift 包，三行代码就能在苹果 App 里调用 Claude
Anthropic 给苹果开发者送了个新工具：一个 Swift 包，让 Claude 直接接入苹果的 Foundation Models 框架。开发者写三行代码就能调用，返回的是 Swift 原生类型，不用自己解析 JSON。支持多步推理、代码生成、联网搜索和数据分析，跑在 iOS 27、macOS 27 这些新系统上。说白了，就是苹果在自己的 AI ...
推荐理由：HKR 三项都成立：Anthropic 确实发了一个让 Claude 接入苹果 Foundation Models 框架的 Swift 包，但这是开发者工具层面的集成，不是新模型发布，所以放在 featured 档里偏高的 82 分。正文没提这个包是否开源、有没有延迟或成本数据，我会先打个折，别把它当成 Claude 在苹果端全面铺开的信号。
苹果用 AI 让 Safari 用户自己“说”出浏览器扩展
苹果演示了 Safari 结合 Apple Intelligence 的新玩法：你只要用大白话描述需求，比如“把网上的菜谱存下来并加备注”，浏览器就能当场生成一个叫 Recipe Keeper 的扩展。这招是想解决 Safari 扩展数量一直追不上 Chrome 等对手的老问题，因为苹果对扩展开发的要求比较严。不过报道没提这个功能什么时候上线、需要哪个...
推荐理由：苹果演示了用自然语言让 Safari 自己写扩展，比如喊一嗓子“把网上菜谱存下来加备注”，浏览器就当场生成了一个 Recipe Keeper。这招是想解决 Safari 扩展一直比 Chrome 少的老问题，因为苹果对扩展开发卡得比较严。我会先打个折：正文只给了一个演示案例，没提什么时候上线、需要哪个系统版本、对开发者有什么限制，所以目前还只是一张饼。信息缺口明显，先按中等偏上的产品更新处理，给 73 分。
苹果 WWDC 2026 发布新智能系统，底层用了谷歌的技术
苹果在 WWDC 2026 上展示了一套新的智能系统，核心能力由谷歌的技术驱动。具体用了谷歌的哪款模型、系统什么时候上线、收不收费、开发者怎么接入，正文都没说——因为 Bloomberg 的原文被反爬机制挡住了，只留下 RSS 摘要里这点信息。我会先打个折：这更像一个合作信号，不是一份能评估的产品发布。
推荐理由：我会先打个折：Bloomberg 原文被反爬挡了，RSS 摘要只留下苹果在 WWDC 2026 展示了一套智能系统、核心能力由谷歌技术驱动这两句话。具体用了哪款模型、什么时候上线、收不收费、开发者怎么接入，正文都没说。所以这条更像一个合作信号，不是一份能评估的产品发布。H 和 R 能过，是因为苹果在自家开发者大会上把智能系统的底牌交给谷歌，这个动作本身就够反常，也直接踩在苹果 AI 追赶进度和平台竞争的敏感点上。K 过不了，信息缺口太大，没法判断技术实质。