Together AI 和悉尼大学、UIUC 搞了个叫 OSCAR 的 2-bit KV Cache 压缩方案，每个 KV 元素实际只占约 2.28 bit，在 Qwen3-4B-Thinking 上跑分 71.86，比 TurboQuant 高出 40.1 分。简单说就是把模型推理时占显存的大头——键值缓存——压到极低精度，还尽量不丢性能。正文没披露...
推荐理由：HKR 三项都站得住：OSCAR 把 2-bit KV Cache 从纸面推到线上，还给了实打实的分数和对比。不过话题本身还是底层推理优化，放 featured 比放头条更合适，做推理基建的人会点进去看。
Hugging Face 把自家的 hf 命令行工具重新设计了一遍，让它能同时服务人类和编码智能体。工具会通过环境变量自动识别是不是 Claude Code、Codex 等智能体在调用，如果是，就输出紧凑、不截断的 TSV 格式，而不是给人看的表格。在复杂多步任务测试里，没用这个 CLI 的智能体（比如自己拼 curl 或调 Python SDK）消耗...
推荐理由：我会先打个折：token 降到六分之一是官方说法，正文没给出测试场景和对比基准，实际省多少要看具体任务。但思路很清晰——传统 CLI 输出对人类友好，对智能体却是噪音，切成结构化 TSV 能减少大量解析和截断开销。自动检测智能体身份这一点也实用，不用手动切模式。整体是工具链层面的务实改进，不是模型或平台级发布，所以放在 featured 档合理。
Axiom 这家成立七个月的初创公司，在 2025 年 Putnam 数学竞赛里解出了全部 12 道题，限时内得分 8/12，不限时则拿到满分 120 分，超过了已知的 DeepSeek 成绩（103/120）。CEO Carina Hong 说，他们的模型在 Verina ProofGen 基准上跑出了 187/189（约 99%），而 OpenAI...
推荐理由：HKR 三项都站得住：Putnam 限时成绩和 o3 的 4.9% 一对比，故事性就出来了；187/189 和 12 道题的具体数字让信息有抓手；话题本身踩在推理能力、评测公信力和 OpenAI 竞争这几个热点上。分数定在 80 是合适的，因为这是一篇 Latent Space 的访谈和研究分享，不是一次大规模模型发布，影响力范围有限。
作者开源了一个叫 Vulpine 的编译器，能把 Python 源码转成一种专门给代码模型看的紧凑表示。在约 1.3 万个留出测试文件上，token 用量平均减少了 14%，而且 99.8% 的情况下能无损还原回原本的抽象语法树结构。代码已经挂在 GitHub 上。不过正文没披露具体测试了哪些模型、省下的 token 对生成质量有没有影响，这点先别太激动。
推荐理由：这个 Vulpine 编译器把 Python 转成模型更容易消化的表示，实测能省 14% 的 token，往返还原成功率也高。我会先打个折：帖子没披露在真实下游任务里效果如何、编译速度多快、那 0.2% 的失败案例长什么样，所以目前只能当个有潜力的早期实验看。但思路本身对压降代码 agent 的推理成本有参考价值，数字也给了，值得从业者扫一眼。
谷歌 DeepMind 把 Gemma 4 系列的开源权重挂上了 Hugging Face，一共五个尺寸。其中 12B 这个版本支持文本、图片和音频三种输入，同时放出了指令微调版和预训练版。它原生支持系统提示词和函数调用，上下文窗口最长能到 256K token，意味着一次可以塞进很长的文档或对话记录。不过 Reddit 原帖被网络策略拦截，正文没披露...
推荐理由：Gemma 4 这次把开放权重、多模态和 256K 长上下文一起端上来，比常规版本更新更有看头。我会先打个折：正文没给具体 benchmark 和 license 细节，官方博客也没同步，所以判断先停在 83 分。如果是真的，12B 这个尺寸能跑图、能听音频，对本地玩家挺省钱。
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...
推荐理由：这篇文章不是产品发布或模型评测，而是一篇基础设施层面的评论。我会先打个折，因为案例都来自作者自己的实践，没有第三方验证，但“周/月级压到分钟级”这个说法配上具体场景，对从业者来说有参考价值。正文没披露多角色 agent 协作的成功率和翻车率，这点先别太激动。整体放在 featured 里合理，属于那种看完会让你重新打量自己团队流水线的东西。
微软在Build大会上发布了7个MAI系列模型，覆盖文本推理、代码、图像、语音转文字和语音合成。主角是MAI-Thinking-1，一个35B活跃参数的混合专家模型，支持256K上下文窗口。它被定位为微软首个推理模型，训练数据链条干净，没有用任何第三方模型做蒸馏。随模型一起公开的109页技术报告在圈内评价很高，因为透明度给得足。报告里写明，模型的推理能...
推荐理由：我会先打个折：微软这次没公开模型权重、定价，也没给第三方评测结果，所以没法验证它实际有多强。但光凭 7 个模型、35B 激活参数的 MoE、256K 上下文和 109 页技术报告这几个硬数字，信息密度已经够高。加上这事发生在 Build 大会，直接摆在微软自家模型和 OpenAI 依赖的交叉点上，话题性拉满。正文没披露具体 benchmark 分数，这点先别太激动，但作为当天新闻，重要性给到 87 是合理的。
扣子3.0把智能体协作搬到了项目里，支持iOS、安卓、Mac、Windows和网页端。你可以把本地跑的Claude Code、Codex CLI这类命令行智能体导进去，在手机上授权后直接让它读你电脑里的PDF。正文没披露具体延迟和资源占用数据，实际体验得自己跑一遍才知道稳不稳。
推荐理由：HKR 三项都踩中了：扣子 3.0 让手机能远程指挥电脑里的 Agent，还支持导入 Claude Code 这类命令行工具，等于把 Agent 协作和跨设备控制绑在一起。不过它本质上还是一个产品更新，正文没提定价、推送范围和本地文件读取的安全边界，所以先放在 featured 这一档。
这篇来自 WSJ 的报道梳理了 OpenAI 总裁 Greg Brockman 和 Anthropic 联合创始人 Dario Amodei 之间长达九年的矛盾。核心冲突是，在 OpenAI 内部研发一个后来演变成 ChatGPT 的项目时，Dario Amodei 直接禁止 Greg Brockman 参与。文章还提到，Brockman 现在负责 O...
推荐理由：我会先打个折：这不是模型发布或现任高管离职，所以放在 featured 里算合理。但 WSJ 挖出的料够硬——Dario 当年直接不让 Brockman 碰 ChatGPT 的前身，这比普通的口水仗有信息量。后面 Brockman 管了近 1500 人的产品战略，也说明他现在在 OpenAI 的盘子有多大。两条事实一前一后，把两家公司的旧怨和现状串起来了，对关注 AI 公司权力格局的人有参考价值。
@mvanhorn 分享了一套让 AI 智能体干活的工程方法，核心是把开发流程从“人写代码”扭成“人定方向、智能体执行”，工作台从 IDE 搬到了终端和一份 plan.md 计划文件。整体走 Research → Plan → Work 循环，用 plan.md 来约束智能体行为。帖子总结了 22 条实战技巧，覆盖规划、并行执行、输入方式、远程控制这些...
推荐理由：这是一篇从业者的方法总结，不是模型发布或产品上线。正文没披露完整工具栈清单，所以我会先打个折。但 Research→Plan→Work 循环和 plan.md 约束的思路很具体，22条技巧也给了可操作的抓手，对正在折腾智能体工程的人有直接参考价值，放在 featured 档刚好。
MAI 从 487 万个开源 PR 里筛出 26.5 万道可训练题目，又为它们建了一套三层判分体系。AI 编程这两年真正的变化不是模型变聪明了，而是训练基础设施被工业化了：出题从手工活变成了流水线，批改也从“单测全绿就行”升级到能检查工具使用效率和前端视觉质量。
推荐理由：这篇文章没发模型、没给跑分，但把“vibe coding”之后该看什么讲清楚了：训练数据怎么筛、判分怎么搭、工程成本怎么控。487 万 PR 筛到 26.5 万题，这个压缩比本身就说明他们在做苦活，不是随便抓一把数据就训。三层判分体系正文没展开细节，但至少表明他们知道代码题不能只靠单次通过率来评。我会先打个折：没看到开源计划、也没看到实际训练出来的模型效果，所以目前更像一套训练基础设施的思路，离可复现的结论还差一步。对正在考虑自训代码 agent 的团队来说，这篇值得看，但别急着当标杆。
微软在模型发布卡里加了个新指标：平均 token 用量。他们的新模型在 SWE-Bench Verified 上拿了 71.6 分，但消耗的 token 只有 Claude Haiku 4.5 的三分之一。这意味着现在衡量模型得看两个维度：活儿干得怎么样，以及干这活儿花了多少钱。靠烧 token 刷榜、靠补贴打价格战的时代在翻篇。Uber 四个月烧光预...
推荐理由：H、K、R 三条都站得住。用“跑分除以 token 消耗”当钩子，比单纯报分数更让人想点进去看。71.6 分和三分之一的 token 量是实打实的新信息。不过文章没给出完整的测试配置和具体定价对比，所以重要性停在 78 分，我会先打个折，不往更高拉了。
OpenAI 在 6 月 3 日上线了 Codex Sites 的预览版，目前只给 Business 和 Enterprise 用户用。你可以把想法、表格或计划扔进去，它会生成一个带托管链接的交互式网站，比如仪表盘、项目看板或规划器。生成的网站可以通过 URL 分享给团队里的指定成员，一起看、一起改。文章举了个例子：财务主管能把静态表格变成一个实时调整...
推荐理由：这是个产品更新，不是模型或底层能力发布。Codex 能直接吐网站确实实用，但先别太激动——目前只对企业版用户预览开放，正文也没说清楚生成的网站能复杂到什么程度、能不能接真实数据。我会先打个折，把它放在中等权重的产品更新档位。
Claude Code 新增了动态工作流，核心是让它在运行时执行 JavaScript 文件，按需创建并协调多个子代理（subagent）。每个子代理有自己的上下文窗口，互不干扰，可以同时跑研究、安全分析和代码审查这些任务。官方举的例子是让一个子代理查漏洞、另一个审代码逻辑，主代理最后汇总结果。正文没披露子代理数量上限和额外费用怎么算，这点先别太激动。
推荐理由：HKR 三项全中：Claude Code 用运行时 JS 编排带独立上下文的子代理，这是个实打实的新功能。Anthropic 的品牌有加分，但这次是功能更新而非模型或平台级发布，所以分数落在 78–84 区间。正文没提具体性能数据和价格变化，这点先别太激动。
微软发了 MAI-Thinking-1，一个混合专家（MoE）模型，总参数 1 万亿但每次只激活 350 亿，跑起来相对省算力。它用 30T token 从零预训练，没拿第三方模型做蒸馏，这点比较硬气。微软管自己的迭代优化流程叫“爬山机器”，听着像在反复试错往上拱。成绩单上，AIME 2025 拿了 97.0%，LiveCodeBench v6 拿了 ...
推荐理由：微软发了 MAI-Thinking-1，一个 MoE 架构的推理模型，活跃参数 35B，总参数 1T，用 30T tokens 从零开始预训练。我会先打个折：正文没给任何跑分、开放方式或定价，所以没法判断实际水平。光看参数规模，35B 活跃部分在推理时成本不会太高，但 1T 总参数意味着训练和存储都不便宜。这点先别太激动，等有 benchmark 和访问方式再说。
Claude Code 加了一个动态工作流功能，你给它一个任务，它会现场写一段 JavaScript 来指挥多个子智能体分工协作。你可以指定用哪个模型、工作区隔离到什么程度，适合做研究、安全分析、代码审查这类复杂活，写好的工作流还能共享和复用。不过正文没提具体会多烧多少 token，也没说这个功能现在是不是所有人都能用，这点先别太激动。
推荐理由：HKR 三项都过，但文章只给了机制层面的细节，token 增量、推送范围和定价都没提。因为跟 Claude Code 直接相关，所以放在中量级产品更新里偏高的位置。
微软新放出的 MAI-Code-1-Flash 是个代码模型，只激活 50 亿参数就在 SWE-Bench Pro（一个让模型修真实 GitHub 问题的测试集）上跑出 51% 的分数。这个成绩放在小模型里算亮眼，但正文没披露它是在什么评测设定下跑的、用了哪些训练数据、什么时候发布，也没说部署条件。所以这个 51% 我先打个折看——不知道是不是挑过题、...
推荐理由：HKR 三条都过，靠的是微软这个 5B 活跃参数拿 51% SWE-Bench Pro 的说法。但正文没披露评测设置、训练数据和发布时间，信息缺口明显，分数只能压在 72–77 这个区间。
这个 CLI 工具把 Claude Platform 的所有 API 端点都搬到了终端里。你可以直接在命令行调用 Messages API、启动 Claude 托管的智能体，然后把返回结果用管道传给 shell 做后续处理。官方提到，用 Claude Code 这类编码智能体来理解这个 CLI 也没问题。正文没披露性能开销或额外费用，实际用起来会不会增...
推荐理由：Claude Platform CLI 在 HKR 三项上都站得住，是个实用的开发者工具更新。不过公告只给了能力范围，安装流程、权限控制、安全限制和定价都没提，我会先打个折——实际落地好不好用，还得看这些缺口怎么补。
微软在 Build 2026 上掏出了自己的第一款高级推理模型 MAI-Thinking-1。官方说这是个中等尺寸的模型，在一些软件工程基准上能跟一线模型打平。训练数据完全自建，没走知识蒸馏的捷径——也就是没拿别家大模型当老师来教它。这是微软在模型自研上的一次表态，之前它主要靠 OpenAI，最近两家刚重新谈了合作，关系没那么紧了。
推荐理由：微软在 Build 2026 发了 MAI-Thinking-1，说是中等规模推理模型，在软件工程基准上能打平领先模型。我会先打个折——正文没披露具体分数、访问方式和定价，所以没法判断它到底多强、多便宜。这点先别太激动。但这是微软第一个自研高级推理模型，信号很明显：它在试着减少对 OpenAI 的依赖，同时往开发者工具链里塞自己的货。
Uber 开始限制员工在 Claude Code 这类 AI 编程工具上的开销。公司今年早些时候 AI 预算就超支了，所以现在直接设了使用上限。具体上限是多少、哪些团队受影响、总预算是多少，正文都没披露。
推荐理由：这条消息好读，因为讲的是大公司用 AI 工具用到超预算，不得不踩刹车。Uber 设上限这个动作本身就是一个信号：编程助手类产品在企业里推，成本不是小数目。正文没给预算数字、上限规则和受影响人数，所以我会先打个折，不往大了吹。但对企业采购和工具定价的人来说，这个案例比很多技术评测更直接——它告诉你，就算工具好用，财务那边也会喊停。
GitHub COO Kyle Daigle 说，2026 年 AI 驱动的代码提交量涨了 14 倍，这给原本按人类节奏设计的 GitHub 基础设施带来了很大压力，公开的宕机问题也跟这有关。他聊了 Copilot 的演变：从代码补全到命令行工具、桌面应用、云端代理和 SDK，以及 WorkIQ、MCP 这些让模型接入 Slack、邮件等公司上下文的方...
推荐理由：HKR 三项都成立：GitHub 高管给出 14 倍 AI 代码提交这个具体数字，把 Copilot、Actions、MCP、WorkIQ 和云端 agent 串成一条线来讲，信息量够。不是重大产品发布，所以重要性停在 80 分。
Claude Code 的工程主管在 Code w/ Claude SF 2026 活动上分享了团队内部的变化。他们把智能体编程（让模型直接写代码、改代码）设为默认工作方式后，砍掉了传统的详细需求文档，改成“即时规划”——在动手前先让 Claude 收集上下文、理清任务。代码审查环节，Claude 会先过一遍代码风格和测试覆盖，人则把精力集中在法律合规...
推荐理由：这是 Anthropic 自家团队在 Code w/ Claude SF 2026 上的分享，不是模型发布或重大产品更新，所以分数压在 80 分左右。亮点在于他们公开了内部怎么用 Claude Code 干活：规划从提前设计改成即时按需，写代码前先让 Claude 把上下文理一遍，审查环节把风格和测试甩给 Claude，人只做法律和安全判断。这些机制写得实在，没有画饼，对工程团队有直接参考价值。但正文没披露具体效率数据或量化对比，所以别当性能报告看。
OpenAI Codex 发布了 Python SDK，安装命令是 pip install openai-codex。这意味着开发者可以直接在自己的代码里调用 Codex 的编程和生图能力，不用再单独打开 Codex 界面。更省事的是，SDK 能复用你已经在 Codex 上的登录状态，省去再搞一套鉴权的麻烦。不过正文没提 API 怎么收费、用的是哪个模...
推荐理由：我会先打个折：正文只说了怎么装和怎么登录，没给 API 价格、模型版本或限流条件，所以别急着算账。但这件事本身挺实在——Codex 不再只是个聊天窗口，而是能当零件用，pip 一装就能集成。对开发者来说，复用登录态省了一步鉴权麻烦，但没写清楚调用上限，真上生产还得自己测。整体是实用的产品更新，信息有缺口但不妨碍它值得关注。
Codex 现在可以把你的工作内容、想法和计划直接转成一个交互式网站或应用，团队通过一个链接就能打开、使用和分享。这个功能会先推给 Business 和 Enterprise 用户，正文没提价格，也没说什么时候开放给其他套餐。
推荐理由：我会先打个折：正文没披露定价、权限边界，也没给实际效果案例，所以别急着把它当成成熟的生产力工具。但 Codex 从写代码延伸到直接出可交互站点，这个方向本身挺省钱——省掉了从代码到可演示原型中间的那一步。对企业和团队用户来说，一个 URL 就能让非技术人员上手试用，协作摩擦会小很多。这点先别太激动，等看到具体质量表现和计费方式再说。
OpenAI 给 Codex 应用上线了六个新插件，分别瞄准数据分析、创意产出、销售、产品设计、股票投资和投行业务。每个插件都打包了工具集成、操作指令和上下文，让 Codex 能模拟特定岗位的工作流。正文没提定价和开放范围，我会先打个折——没看到实际跑通的效果和成本之前，别急着把它当正式员工用。
推荐理由：OpenAI 把 Codex 从程序员工具扩成白领插件包，六个方向覆盖了数据、创意、销售、产品、股票和投行，动作不小。但正文没提定价、实际效果和推送范围，所以我会先打个折，把它放在中等权重的产品更新档。
Anthropic 发了新模型 Claude Opus 4.8，主要卖点是 Claude Code 现在能先写一个调度脚本，再同时拉起多个子代理并行处理复杂任务。不过有开发者提醒，这并不证明松散的 multi-agent 架构靠谱，反而是围绕小代理循环的确定性工作流更稳。模型本身被 Simon Willison 评价为“温和但有用的升级”，更诚实、更少...
推荐理由：HKR 三项都成立，因为这是一次有实质内容的 Anthropic/Claude 发布和 Claude Code 代理更新。文章没给基准测试、定价和上下文窗口数据，所以分数压在 85–94 这个区间。
Anthropic 把 Project Glasswing 的合作范围从约 50 家扩到约 150 家新机构，覆盖超过 15 个国家，新增了电力、水务、医疗、通信和硬件等关键基础设施行业。这些机构都有一个共同点：一旦代码库被攻破，影响可能超过 1 亿人。前期合作方用 Claude Mythos Preview 已经扫出超过 1 万个高危或严重漏洞，现在...
推荐理由：Anthropic把Project Glasswing铺到约150个新组织，横跨15个以上国家，HKR三项都有实打实的数字和行业支撑。不过正文没披露具体的安全机制或模型能力变化，所以分数就停在featured低段，先别太激动。
作者用一张 RTX 3090 跑 Qwen3.6-27B，在 47 个多步骤编程工作流里顶替 Claude 试了两周。计划生成的结构合规率大约 95%，但工具调用格式错误率有 12% 左右，而且上下文一超过约 12k token，实际表现就开始明显下滑。正文没披露具体任务难度和对比基准，所以 95% 这个数只能当个参考，别直接当成“接近 Claude”...
推荐理由：这篇值得看，因为它是真人两周实测，不是跑分。作者用一张消费级显卡把 Qwen3.6-27B 塞进多智能体编排里，替换 Claude，给出了能用的上限和会翻车的点。95% schema 合规听着不错，但 12% 工具调用格式错误意味着每八九次就有一次格式炸了，生产环境还得加校验层。长上下文到 12k tokens 就吃力，复杂任务得拆。正文没披露延迟数据和总 token 消耗，这点先别急着算成本账。整体是份诚实的工程笔记，不是公关稿。
作者用Codex扫了自己的MacBook，发现B站缓存等一堆可删文件，激进方案能清出超140G。他干脆把清理逻辑做成一个开源skill，Mac和Windows都能用。工具会扫描文件生成可交互的HTML报告，用绿黄红三色标出哪些能放心删、哪些要人工判断、哪些千万别动，还带安全执行按钮。实测清出近120G，而CleanMyMac只扫出15.8G，信息透明度...
推荐理由：这篇东西不是平台级大新闻，但 H、K、R 三点都踩中了：120 美元的替代钩子够抓人，扫描报告和 120G 实测结果给了具体信息，开源 skill 的思路对想用 AI 省钱的开发者有直接复用价值。放在 featured 门槛附近没问题，属于那种实用开源工具类的推荐。
这套流程把 Claude Code 定位成“高效又聪明的老师”，目标不是替你写完代码，而是确保你能把问题、方案和影响讲清楚、辩得动。它沿着问题域、方案域和语境域三条线，拆成 8 个可执行步骤，用增量教学、用户复述、清单加测验的方式，在进入下一步前先确认你真的懂了。这么设计是为了对抗长会话里人慢慢变成“审批按钮”的问题，强制把决策上下文沉淀下来，让理解过...
推荐理由：我会先打个折：这不是产品发布，是一篇实操分享，所以放在 featured 低位。HKR 三项都踩实了——钩子把“人变按钮”这个痛点讲得很透，知识部分有 8 步工作流和验证循环，相关性直击开发者对 agent 失控的担忧。正文没披露这套流程在复杂项目里的失败率，这点先别太激动，但作为可落地的教程，信息密度够。
OpenAI 宣布，它的前沿模型和 Codex 编程助手已经在 AWS 上正式开放使用。这意味着企业可以直接在自己熟悉的 AWS 环境里调用 GPT-5.5 等模型，走现有的安全、合规和采购流程，省去另起炉灶的麻烦。Codex 也一并上线，这个每周有超过 500 万人用的编程智能体，现在能在 AWS 里帮团队写代码、做审查和修 bug。正文没披露具体定...
推荐理由：这条消息本身挺有意思，OpenAI 上 AWS 意味着企业多了一个不用 Azure 也能用前沿模型的选择，对多云策略和采购谈判都有影响。但正文实在太薄，只给了个链接和 56 分、17 条评论，没写可用区域、价格、模型清单，也没说清楚是 Bedrock 里的托管版还是别的接入方式。所以我会先打个折：信息缺口太大，没法判断实际落地程度和性价比，这点先别太激动。
Perplexity 公开了一套叫 Search as Code 的搜索架构。它的做法是让 AI 代理直接写 Python 代码去调用自家的搜索栈，而不是像以前那样一步步循环调用函数。这套东西已经上线 Perplexity Agent API，并且成了 Computer 功能的默认选项。正文没披露具体性能对比数据，但思路很直接：省掉中间环节，让搜索更快...
推荐理由：我会先打个折：这篇只有 Perplexity 自己的公告，没给性能对比、定价细节和实际铺开范围，所以只能算一个低配版的产品更新。但亮点很实在——Perplexity 把搜索从“调 API 拿结果”变成了“让模型写代码操作搜索栈”，并且已经接进 Agent API，这对正在搭 agent 的团队来说是个省事的信号。正文没披露延迟和成本数据，这点先别太激动。
MiniMax 放出了一个叫 M3 的开源模型，把代码能力、一次能读 100 万 token 的长上下文和原生多模态（能直接处理图像、音频）做在了一起。在 SWE-Bench Pro 这个代码基准上拿了 59.0%，比 GPT-5.5 的 58.6% 和 Gemini 3.1 Pro 的 54.2% 都高一点；在 BrowseComp 自主浏览任务上 ...
推荐理由：我会先打个折：目前只有一条 X 帖子，没看到官方技术报告或第三方独立评测，所以分数压在 78–84 区间。但 M3 确实把编码、超长上下文和多模态打包开源，SWE-Bench Pro 59.0% 不算顶尖但够用，成本只有 GPT-5.5 的约 1/12，对想省钱又有长上下文需求的团队是个实在选项。这点先别太激动，等正式文档和更多实测出来再调判断。
作者 Nathan Lambert 的核心判断是：在编程智能体这类对智商极度敏感的场景里，用户会一直为最聪明的闭源模型付高价，他自己就愿意每月掏 2000 美元。闭源实验室会逐渐把最好的模型藏起来，不在 API 里轻易放出，以保护利润和防止被蒸馏。他预测 5 到 10 年内，OpenAI 和 Anthropic 的估值会到 2 万亿到 10 万亿美元，...
推荐理由：我会先打个折，这是一篇个人评论，不是系统研究，所以重要性停在 featured 门槛附近是合理的。但它的 HKR 三项都站得住：观点有明确的冲突框架（h），给出了可引用的价格和估值数字（k），讨论的议题正好是当下圈子里吵得最凶的那几个（r）。正文没披露这些估值模型的具体假设，所以数字本身先别太激动，但它们作为讨论的引子够用了。
OpenBMB 跟清华 NLP、Modelbest 一起发了两个数据集，都挂在 HuggingFace 上。一个是 Ultra-FineWeb-L3，给预训练用的合成数据，总量超过 600B token，其中英文 400B+、中文 200B+，是目前最大的开源中文预训练合成数据集。另一个是 UltraData-SFT-2605，给模型做指令微调用的，有...
推荐理由：我会先打个折：正文没披露数据质量评测、去重细节和许可证，所以没法判断实际可用度。但两个数据集的体量摆在那，600B+ tokens 的网页语料和 15M+ 条 SFT 样本，对做预训练和指令微调的人是实打实的弹药。冲上 HuggingFace 趋势榜说明社区有需求，不过这点先别太激动，热度不等于质量。整体看，这是一次对开源训练数据供给的补充，尤其对中文场景，值得关注但需要等后续评测。
MiniMax 把 M3 模型开源了，权重公开可下载。它把三个能力塞进了一个模型里：编程水平摸到了 GPT-5.5 和 Gemini 3.1 Pro 的边（SWE-Bench Pro 得分 59.0%），能处理 100 万 token 的超长上下文，还原生支持图片和视频输入。长上下文不卡顿的关键是他们自研的 MSA 稀疏注意力机制——在 100 万 t...
推荐理由：MiniMax M3开源了一个把文本、图像、音频塞进同一个模型的一体方案，上下文窗口拉到100万token。最实在的点是MSA注意力机制，每token计算成本降到前代的1/20，长文本推理能省不少钱。编码和Agent跑分看着不错，但正文没给出具体对比对象和测试细节，这点先别太激动。整体是一次有诚意的开源发布，信息量够，但验证还缺一环，所以放在featured而不是P1。
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...
推荐理由：OpenAI 的官方威胁报告，不是第三方猜测，可信度先打个底。披露的这套玩法——简体中文提示词转英文内容、批量伪装账号、专挑电费这种民生痛点反复说——把 AI 怎么被武器化做舆论影响讲得很实，对从业者来说既是安全警示，也踩中了行业正在面对的公众质疑。信息量够，冲击力强，直接给 featured。
Reddit 用户 thibautrey 分享了一个三步走的方法：编辑 Codex Desktop 的 config.toml 配置文件，存好 API 密钥，再用一个叫 multicodex 的代理别名把 gpt-5.3-codex 这个模型名映射到 MiniMax-Latest。代理跑在本地 127.0.0.1:1455，会把返回的模型名伪装成 gp...
推荐理由：这是一条可复现的开发者操作流，不是官方发布。我会先打个折：正文没披露 MiniMax-Latest 的具体成本和延迟，也没说 proxy 稳定性如何，所以别急着在生产环境照搬。但 hook 很直接——不改代码就能在 Codex 桌面端用别的模型，配置细节也够落地，对想省钱或换模型的人有实际参考价值。
Simon Willison 用 Pyodide（把 Python 编译成浏览器能跑的 WebAssembly）加上 Service Worker，让 Python 的 ASGI 网页应用完全在浏览器里运行。他让 Claude Opus 4.8 帮忙写了代码，做了两个能用的演示：一个基础 FastAPI 例子，另一个是他自己的 Datasette 1....
推荐理由：Simon Willison 用 Claude Opus 4.8 辅助开发，把 Python ASGI 应用搬进了浏览器，已经跑通了 Datasette 的演示。这件事的钩子在于：浏览器不再只是前端沙箱，可以直接当应用服务器用。技术栈交代得清楚，Pyodide、Service Worker、ASGI FastCGI 每一步都有据可查，不是概念图而是能跑的代码。我会先打个折，这目前还是个开发者实验，离生产环境还有距离，但思路对无服务器和边缘部署的人有启发。
GitHub Copilot 把计费方式从订阅制改成了按 token 算钱，开发者社区炸了。token 就是模型处理文本的最小单位，用多少收多少，但正文没披露具体单价、生效时间，也没说免费额度还在不在。我会先打个折——如果单价定得高，写代码时每补一行都可能肉疼，这对重度用户影响不小。
推荐理由：HKR 三项都踩中了：计费模式切换本身是实打实的机制变化，开发者骂“开玩笑吧”自带冲突感，而按 token 收费直接关系到每个用 Copilot 写代码的人的钱包。我会先打个折——正文没给价格、token 单价和生效时间，这些关键信息全是缺口，所以重要性只能停在 75 这一档。对从业者来说，这条消息值得看一眼，但别急着算账，等官方把数字放出来再说。