微软发布了一份 AI 代理的行为规范说明书，让开发、合规和安全团队能把想让代理遵守的规则，写进可移植的策略文件里。正文没提版本号、开源协议、支持哪些开发框架，也没说什么时候正式上线。
推荐理由：我会先打个折：正文没披露版本号、开源协议和具体支持的框架，所以没法判断落地有多顺滑。但“可移植策略文件”这个机制本身是实在的，它让开发、合规、安全三拨人能用同一份文件定规矩，不用各说各话。对正在搭 Agent 的团队来说，规则能不能跨栈迁移是个真需求，这点先别太激动，但值得放进 featured 里提醒大家关注。
微软发了 Microsoft Scout，一个能一直挂在 Outlook、OneDrive、Teams 里的 AI 助手。企业可以把它分给员工，让它帮忙管日历、处理报销、起草邮件。微软副总裁 Omar Shahine 说这是他们第一次给客户一个真正的个人助手，功能比应用内嵌的 Copilot 更宽。不过正文没提 OpenClaw 具体是什么、怎么跟现有...
推荐理由：这篇就是微软 workplace agent 的产品更新，给了集成范围和任务类型，但没给定价、上线时间，也没技术细节。信息量够上 featured 低段，但别指望从这篇看出落地节奏。
有人在 RTX 4060 Ti 16GB 上实测了 Gemma 4 E4B 模型。用 LiteRT 引擎跑文字生成，平均每秒能出 157.2 个 token，而用 llama.cpp 的 Q4 GGUF 格式只有 66.3 tok/s，快了大约 2.4 倍。不过图片标注任务就没这么乐观了：处理 111 张全分辨率图片，LiteRT 耗时约 72 秒，Q...
推荐理由：这是一篇个人在 Reddit 上发的实测，不是官方报告，权威性有限，所以分数没往上拉。但 H、K、R 三项都站得住：速度对比抓眼球，测试条件和数据都写清楚了，对想在自己机器上跑 Gemma 的人有直接参考价值。我会先打个折，因为只有单卡单次测试，没提功耗和精度变化，但作为一手体验已经够用。
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。
这篇帖子本身被 Reddit 的安全策略拦住了，正文内容没抓到，只留下一个“被网络安全屏蔽”的提示。从标题和已有的英文摘要看，作者用 LM Studio 的接口测了 20 个小模型，统一在 6GB 显存的 RTX 4050 上跑，每个模型在 1k、8k、32k 三种上下文长度下各测了 5 次速度。目前能看到的唯一具体数据是 unsloth/lfm2.5...
推荐理由：我会先打个折，来源是 Reddit 帖子，权威性一般，但内容本身很实在。作者没搞虚的，就是拿 20 个模型在 LM Studio 里用 6GB 4050 实测，把速度、显存占用都列出来。对想本地跑小模型的人来说，这比看论文里的 A100 数据有用得多。正文没披露测试用的量化精度和具体 prompt，这点信息缺口让结论不能直接照搬，但作为一张低显存显卡的参考表，已经够用了。
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。
H公司把他们的电脑操作模型升级到了 Holo3.1，这次主打的是“哪里都能跑”。模型基于 Qwen 系列，一口气放出 0.8B、4B、9B 和 35B-A3B 四个尺寸，并且首次提供了 FP8、Q4 GGUF 和 NVFP4 这些压缩版本，方便直接在个人设备上做本地推理。35B-A3B 的旗舰版在 AndroidWorld 测试里拿到了 79.3% 的...
推荐理由：Holo3.1 把电脑操作智能体做成了本地可跑的版本，而且最小模型只有 0.8B 参数，对想在个人设备上试水的开发者来说门槛很低。四个尺寸加三种量化格式一起发，部署灵活度拉满，不是只给一个玩具。我会先打个折：正文没披露具体任务成功率或延迟数据，所以实际效果还得自己测。但就凭本地运行和量化支持这两点，已经够让做私有化部署的人点进去看了。
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。
阶跃星辰发了个新模型 Step 3.7 Flash，把权重开放了，你可以直接下载用。它的定位是给智能体编程场景用，强调工具调用可靠，还能处理多模态输入。同一天 MiniMax 也开源了 M3，两家模型都已经能在 Kilo 平台上跑。正文没披露具体的跑分、参数量或硬件门槛，所以实际快不快、省不省资源还得自己测。
推荐理由：这条消息的钩子在于“开放权重”和“智能体编程”两个点，不是常规发个新版本。我会先打个折：正文没给模型尺寸、跑分、许可证和定价，所以只能算有信息增量但缺关键验证。对开发者来说，能直接下载权重、能调工具、能看懂多模态输入，这几个能力放在一起确实有吸引力，尤其现在大家都在抢智能体编程这条赛道。Kilo 上线也让想试的人有个现成入口。不过没披露性能对比和实际成本，这点先别太激动，等后续数据出来再看值不值得切过去。
过去四年所有 AI 产品演示都说能帮你规划旅行，但实际用起来只会推荐每个城市最俗套的六件事。我用 Spark 的体验完全不同——它是 Google 一个野心很大的常驻 AI 管家。不过这篇报道只放了开头，正文没披露 Spark 什么时候上线、怎么收费、有没有跑分，也没说测试条件能不能复现，所以它到底多能打，我会先打个折。
推荐理由：我会先打个折：这篇是 The Verge 的上手体验，不是产品发布稿，所以别当官方公告看。标题的情绪冲击力够强，能勾住人，但正文只披露了旅行规划这一个场景的差异，发布时间、定价、可复现的测试条件一概没提，信息密度其实不高。不过它踩中了两个从业者会关心的点：一是 agent 常驻系统带来的自主性和安全边界问题，二是 Google 在这个方向上给竞品施加的压力。综合来看，有话题性但缺硬信息，放在 featured 级别是合适的。
这篇论文提出了 DataMaster，一个让大模型自己当数据工程师的流程。它不碰模型结构和训练算法，只做三件事：自动搜索外部数据、清洗脏数据、把多个数据集拼成一张表。在 MLE-Bench Lite 这个机器学习竞赛基准上，DataMaster 把奖牌率从 35.91% 提到了 68.18%，几乎翻倍。正文没披露具体用了哪些模型、单次任务耗时和额外算力...
推荐理由：DataMaster 做的事很直接：模型和训练代码都不动，只让系统自己去搜、洗、拼数据，结果 MLE-Bench Lite 奖牌率从 35.91% 拉到 68.18%，接近翻倍。我会先打个折——这还只是单篇研究，没有生产环境验证，benchmark 本身也不是完整 MLE-Bench，所以别急着当银弹。但“数据工程自动化”这个方向确实戳中很多团队的日常痛点，加上数字够具体，给 78 分 featured 合理。
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。
中科院自动化所开源了一个叫 MobileGym 的移动端智能体训练环境，直接在浏览器里模拟安卓手机。它覆盖了 28 款常用 App，包括微信、原神、淘宝这些，每个实例只占 400MB 左右，冷启动 3 秒就能跑起来。环境会把手机界面状态转成结构化的 JSON 快照，方便模型理解当前屏幕有什么、能点哪里，任务验证也是程序化自动完成的，不用人工盯着看。这套...
推荐理由：MobileGym 是一套开源的移动 agent 训练与评测基础设施，不是模型发布，但实用性强。我会先打个折：正文没披露判分准确率、任务完成率等验证数据，这点先别太激动。不过它用浏览器仿真 28 个 App，单实例约 400MB、3 秒冷启动，还支持 JSON 状态复制，意味着复现成本低、部署快，适合批量跑实验。对 agent 开发者来说，这比租真机或搭模拟器集群省钱省事。整体在 78–84 这个质量区间里算扎实的工程贡献，所以维持 featured 和现有评分。
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。
这篇文章讨论了一个被主流安全研究忽略的攻击面：手握密码重置等敏感权限的 AI agent，其身份验证逻辑从密码学硬边界退化成了对话层的软判断。攻击者不需要写 payload 或越狱模型，只要在聊天里说服 agent 自己是账号主人，就可能让它把重置链接发到指定邮箱。文章引用了 Hacker News 上一个声称用此法劫持上百个 Instagram 账号...
推荐理由：我会先打个折：正文没给出任何实际攻击案例、成功率数据，也没跟现有产品方案做对比，所以只能算一篇有启发的观点文章，不是验证过的解法。但它的好处是把 agent 安全从“防入侵”拽到了“防忽悠”上，这个视角本身就有提醒价值。what/who 分离的三层架构虽然细节不多，至少给了一个可讨论的起点，不是空喊口号。对正在给 agent 配权限的团队来说，这篇值得扫一眼，但别指望拿来就直接落地。
作者深入研究了字节跳动的 verl（一个做 RLHF 强化学习微调的开源框架），把它的核心流程拆了一遍：DataProto 数据协议怎么走，模型怎么生成回答（rollout），怎么打分（reward），怎么算优势函数（advantage），最后怎么更新模型。作者本来维护了一个自己的分支，但因为上游几乎每天都有改动，同步的成本比自己做改动还高，最后只能停...
推荐理由：这是一篇来自一线的 RL 后训练框架使用报告，不是官方发布。作者没在推销什么，而是老实交代了 fork 又放弃的原因和踩坑记录。我会先打个折：信息密度不错，但只覆盖单机场景，正文没披露多机下的 NCCL 表现。对正在选型或折腾 verl 的人有参考价值，对其他人可能就只是看个热闹。
Google AI Studio 上线了应用构建功能，可以直接在里面连接 Gmail、Drive 和 Sheets 等 Google 自家服务，不用再切到别的网站。目前支持在 AI Studio 内部添加测试人员，但正文没披露完整的公开分享功能具体什么时候上线，只说“即将推出”。
推荐理由：这是个中等体量的产品更新：Workspace 连接和测试人员支持已确认，但分享机制、权限细节和定价都没披露。我会先打个折，因为目前更像内部测试能力，离正式开放还有信息缺口。
攻击者直接跟 Meta 的 AI 客服聊天，让它把目标账号的绑定邮箱换成自己的，就能把号拿走。问题出在这个 AI 被赋予了直接操作账号的权限，而且它没法区分对面是号主还是骗子。报道没披露到底有多少账号受影响、漏洞现在修没修，也没给出能复现的具体步骤。
推荐理由：我会先打个折：正文没披露影响范围、修复时间和可复现步骤，所以不能往满分冲。但核心事实清楚——一个 AI 客服智能体因为能直接执行账户管理操作，被利用来接管 Instagram 账号。对做 agent 安全的人来说，这是个实打实的警钟，说明工具权限没卡死会直接变成攻击面。综合下来给 82 分，放在 featured 里提醒同行。
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。
流媒体平台 Deezer 的数据显示，每天有超过 5 万首 AI 生成的歌曲被上传，这个数字还在涨。格莱美主办方录音学院的 CEO Harvey Mason Jr. 说，他最近参与的每一场录音 session 里都有 AI 工具的身影，AI 在音乐制作里已经“无处不在”了。不过，格莱美目前的规则仍然禁止纯 AI 音乐角逐最高奖项。Harvey 还聊了格...
推荐理由：这篇更像播客式的政策讨论，不是模型发布、产品更新或有约束力的法规。最实在的信息就两个：Deezer 每天 5 万首 AI 歌的数字，以及格莱美最高奖的资格冲突。我会先打个折，因为正文没给出具体的规则修改时间表或技术方案，更多是抛出一个行业正在吵的问题。
王兴在美团一季度财报电话会上说，美团的 AI 智能体“小美”很快会和腾讯元宝打通。以后你在元宝里说一句本地生活相关的需求，系统会直接跳转到美团的点餐、配送等服务，不用再切 App。王兴还提了一个新说法叫“To A”（服务 AI 智能体），认为这会是美团未来的重要方向。美团一季度营收 910.39 亿元，但亏了 68.27 亿元，由盈转亏。正文没披露“小...
推荐理由：我会先打个折：合作还是“即将”状态，具体上线时间、用户从元宝哪个入口唤起小美、订单收入怎么分账，正文都没披露。所以它是个中等体量的产品合作，放在featured层级刚好，别当重磅发布看。
作者拿《非暴力沟通》试了一遍，用 Claude Opus 4.8 把整本书拆成可调用的 AI 技能。流程分六步：先喂全书文本，让模型分析结构，再提炼框架、原则、技法、反模式和作者语气这五类内容，接着生成技能，最后做一轮自检。技能保留了书里的原始命名，比如 OFNR 四要素和“长颈鹿语言”，但触发词换成了“怎么提意见不像在指责”这种日常说法。全程花了约 ...
推荐理由：这是一篇带编号步骤的第一人称Claude实操教程，成本和token数据都摆出来了。因为属于个人教程而非Anthropic官方发布或模型更新，所以放在featured低位。
阿里云给 RocketMQ 加了一套 AI 场景的适配，叫 RocketMQ for AI。它主要干三件事：用 Lite-Topics 减少资源开销，靠有序消息防止多智能体协作时上下文乱掉，再通过流量整形避免突发请求把系统打挂。官方说已经在阿里云大规模跑过，代码也开源了，但正文没披露具体版本号和性能对比数据，实际省多少资源还得自己测。
推荐理由：这条更新把 RocketMQ 往 AI 场景推了一步，提的几个机制——轻量级主题、有序消息、流量整形——听着像是给多 agent 协作和长任务链路做减法，减少排队打架和资源争抢。我会先打个折，因为正文没给版本号、性能对比和实际落地案例，没法判断是已经能用的东西还是路线图上的规划。但方向本身不虚，agent 之间通信乱、调度不公正是真痛点，所以分数给到 74，放在 featured 里提醒一下做 agent 架构的人可以关注。
阶跃星辰这次放出的 Step 3.7 Flash 是个混合专家模型，总参数量 196B，还挂了一个 1.8B 的视觉编码器，但每次推理实际只动用 11B 参数，所以能跑到每秒 400 个 token。官方说在 Agent 任务上，它的成本只有 Claude 的零头。不过正文因为微信环境验证没抓到具体内容，实际跑分、具体任务对比和定价细节都没披露，这点先...
推荐理由：速度和参数数字都摆出来了，标题里那个成本对比很抓人。但正文没披露具体定价、基准测试的细节和开源条款，所以分数只能停在 82 这个质量更新档位。
招商局狮子山人工智能实验室放出了一个叫 LiOS 的边云架构，专门解决机器人怎么用上云端大模型的问题。他们跨机器测下来，从本地摄像头到云端 GPU 显存，单向延迟大约 30 毫秒，这个数字对很多实时控制场景已经够用了。架构里低延迟视频传输模块直接开源，还附带了一个 LeFold 叠衣服数据集。不过正文因为微信环境异常没加载出来，具体用了什么模型、在哪些...
推荐理由：我会先打个折：招商局狮子山实验室不是头部平台，也没看到多源交叉验证，所以影响力止步中等。但这条消息确实给了干货——30ms相机到云端显存的延迟数字，说明端云协同在物理世界干活有戏，不是纯画饼。开源图传模块和叠衣数据集也算实在，同行能直接拿来测。正文没披露具体模型规模、功耗和复杂场景下的抖动，这点先别太激动。
一位 Reddit 用户用两台华硕 GX10（DGX Spark）组了个小集群，通过 vLLM 加载 DeepSeek-V4-Flash 模型。在 256K 上下文窗口、开启多 token 预测（MTP=2）的设置下，测得预填充速度 1680 token/s，解码速度 39.8 token/s。部署用了张量并行（TP=2），两台机器通过 RoCE 网络...
推荐理由：这不是行业大新闻，但胜在是第一手实测，配置细节都给了：TP=2、RoCE 网络、fp8 KV 缓存、256K 上下文，还估出了约 1M tokens 的安全 KV 上限。对想对比自己机器性能的人来说，这些数字比官方宣传实在。HKR 三项都踩中，放在低 featured 位置刚好。
NVIDIA 在台北 GTC 上推出了一个叫 FOX 的工厂运营蓝图，相当于给工厂装了一套能自主管产线的“AI 大脑”。富士康已经用它搭了一个叫 MoMClaw 的多智能体系统，把摄像头、传感器和产线数据喂给多个 AI 智能体，让它们协同干活。官方说，这套系统能把查找产线故障根因的时间缩短 80%，但正文没披露这个数字是在什么规模的产线、什么类型的故障...
推荐理由：英伟达在 GTC 台北丢出一套工厂运营蓝图 FOX，让多个 AI 智能体组团进产线干活。富士康已经拿它搭了 MoMClaw 系统，号称能把找问题根因的时间砍掉 80%。我会先打个折——这是厂商博客放出来的预期数字，不是实测报告，正文也没披露具体产线、样本量和对比基准。但方向本身踩中了现在企业最关心的：智能体能不能真进业务流程降本，所以还是值得看一眼。
NVIDIA 在 Computex 上发了台叫 RTX Spark 的 Windows 电脑，专门在本地跑 AI 智能体。配置给得挺足：1 petaflops AI 算力、128GB 统一内存，意思是大模型不用来回倒腾显存。安全方面，他们和微软合作搞了个 OpenShell 运行时，用 Windows 新的安全接口把智能体锁在设备本地跑，数据不出机。性...
推荐理由：HKR 三项都踩中了：NVIDIA 把 RTX Spark 定位成本地智能体机器，给了 1 petaflops、128GB 统一内存和 llama.cpp 上 Qwen 27B 吞吐最高 2 倍的硬数字。因为是厂商博客发布，我会先打个折，分数落在 78–84 区间合理。
Qwen 发布了 Qwen3.7-Plus，把视觉理解和语言能力塞进同一个模型里，让它能直接看懂屏幕、操作手机 App、根据截图写前端代码，还能在命令行和图形界面之间来回切换干活。在 Terminal Bench 2.0 终端任务上拿了 70.3 分，比 Opus 4.6 Max 和 DeepSeek-V4-Pro Max 都高；在 Deep-Plan...
推荐理由：我会先打个折：正文只给了功能清单，没给任何硬指标。7 类能力听着挺全，聊天、看图、读文档、搜网页、调工具都塞进去了，但没参数、没价格、没上线日期，等于只看了个目录。这点先别太激动。不过 Qwen 这条线每次更新都会牵动国内从业者的注意力，尤其是把多模态和智能体绑在一起推，说明他们想在应用层抢身位。信息虽然薄，但话题本身够热，放在 featured 里提醒大家盯后续是合理的。
开发者 mudler_it 把英伟达的 Parakeet 语音转文字模型用 C++ 和 ggml 重写了一遍，彻底甩掉了 Python 和 PyTorch。他测试下来，在 f32 和 f16 精度下输出结果和原版 NeMo 逐字节一致，但速度更快，大一点的 TDT 和混合模型在 GPU 上能跑到大约 5 倍加速。模型还支持 GGUF 量化，提供了 f1...
推荐理由：我会先打个折：这是个人移植项目，不是 NVIDIA 官方出品，长期维护和后续模型支持还得看社区。但亮点很明确——输出字节级对齐 NeMo，量化后跑得更快，而且不用碰 Python 环境。对想在树莓派、本地服务器或离线场景跑语音转文字的人来说，这是个省事的选择。正文没披露量化后的精度损失有多大，这点先别太激动。整体看，技术验证扎实，痛点打得准，放在 featured 低位合适。
下个月 WWDC 苹果会展示 Siri 和端侧 AI 的升级，核心思路是把谷歌 Gemini 模型“蒸馏”成一个小号版本，直接在 iPhone 芯片上本地跑，主打隐私和省 token 费。但整个技术栈对外依赖很重：本地模型源自 Gemini 蒸馏，手机处理不了的复杂请求会路由到谷歌云，还用了英伟达的机密计算。苹果之前承诺的 Private Cloud ...
推荐理由：这条消息我会先打个折，因为目前只有单一信源，正文没披露模型参数量、延迟、成本或合同细节。但它的信息量对从业者来说很实在：苹果在 WWDC 前被曝出用 Gemini 蒸馏模型救急，本地跑小模型保隐私，重活还是得走 Google 云和 Nvidia 机密计算，等于承认自研大模型没跟上。这个技术栈组合本身就说明苹果在端侧 AI 上选择了外部依赖，跟它一贯的全栈控制路线反差很大，所以给了 82 分，放在 featured 位置。
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。
微软放出了一个叫 SkillOpt 的开源框架，一周就在 GitHub 上拿了 3300 多颗星。它的思路挺直接：不改模型本身的参数，而是像做文本版梯度下降一样，自动迭代优化那些写给 AI 智能体看的“技能文档”。论文里的实验覆盖了 7 个目标模型、6 个评测基准和 3 种执行环境，总共 52 种组合，结果要么最好，要么并列最好。不过正文因为访问限制没...
推荐理由：微软开源的 SkillOpt 把 agent 技能文档当成可训练的文本参数，像训神经网络一样去优化技能描述，这个思路挺新鲜。我会先打个折：论文说在 52 个组合里做到最优或并列最优，但正文没披露具体对比基线和误差范围，这点先别太激动。不过一周 3.3k star 说明 agent 工程圈确实被技能维护和评估成本折磨很久了，一个能自动优化技能文档的工具，哪怕只是省掉一部分手工调 prompt 的活，也值得关注。
现在给 Agent 塞一堆工具，它经常不知道该点哪个。复旦和通义实验室提出了一套叫 ToolCUA 的训练方法，核心是用约 4000 个合成工具和 18 万步的“屏幕操作+工具调用”交叉轨迹来训练模型。他们训出来的 ToolCUA-8B 在 OSWorld-MCP 基准上跑到了 46.85% 的准确率。不过正文因为微信环境验证没抓到，具体训练细节和对比...
推荐理由：这篇文章抓了一个实际工程里的矛盾：工具越多，Agent 越不会选。我会先打个折，46.85% 的准确率不算高，但考虑到是 4k 工具的环境，这个数字说明问题确实难。18 万步合成轨迹是亮点，意味着训练数据不用全人工标，成本上友好一些。正文没披露推理延迟和实际部署的资源消耗，这点先别太激动。整体是一篇有痛点的研究发布，不是大模型或产品级发布，所以放在 featured 里合适。
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。
TechCrunch 的编辑实测了谷歌新推出的 Gemini Spark，把它当成一个全天候 AI 助手来用，主要干了整理邮件摘要和规划本地活动这两件事。体验下来觉得确实能帮上忙，但文章没搞懂谷歌为什么要把这个功能单独做成一个产品，而不是直接塞进现有的 Gemini 里。正文没披露这东西什么时候正式上线、要不要另外收费。
推荐理由：我会先打个折：正文没披露价格和发布时间，所以不能当产品发布看。但亮点在于，这是一篇上手实测，不是通稿。编辑用“actually pretty useful”收尾，说明 Gemini Spark 在收件箱摘要和本地活动规划这两个场景里跑通了，没翻车。对做 agent 的人来说，这种“替你干活”的体感比跑分重要。信息缺口明显，但反转叙事和具体场景撑住了 featured 的分数。