让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
微软计划在 6 月底前停掉体验与设备团队的 Claude Code 订阅，把近 10 万工程师迁到 GitHub Copilot CLI。文章把原因归结为外部按 token 计费的成本太高，但正文因为需要验证码没加载出来，具体烧了多少钱、内部怎么讨论的都没看到。
推荐理由：我会先打个折：这不是模型发布或官方重大产品更新，更像一次内部成本管控动作。但 HKR 三项都站得住——微软投 OpenAI 又禁 Claude Code 的对比很抓人，时间、人数、计费原因都给了，而且直接踩中编程助手在企业里怎么省钱的痛点。正文没披露具体账单金额，所以别把省钱效果说死。整体适合放在 featured 位置，81 分合理。
这篇文章的链接点进去只显示“环境异常，需要验证”，正文内容完全看不到。从已有的英文摘要看，阿里云的 JVS Crew 把 Agent、环境和会话拆成了三层，加了沙盒、快照恢复、权限控制和按量计费；Anthropic 在 5 月 19 号给 Claude 托管 Agent 加了自托管沙盒。文章还提到几个国内客户案例，说部署周期两周，效率提升 5 到 10...
推荐理由：文章把阿里云 JVS Crew 和 Anthropic 的沙箱更新放在一起比，讲的是企业级 agent 基础设施怎么落地。有具体架构细节，也有安全与计费的讨论，对正在选型或关注 agent 生产化的从业者有用。不过 Anthropic 那部分信息偏薄，正文没展开 self-hosted sandboxes 的限制和实际表现，这点先别太激动。整体属于值得一看的产品对比，不是必写的模型发布。
OpenAI 把 Codex 里的 /goal 模式从实验功能升级成了稳定版。你可以在 Codex 应用、IDE 插件或命令行里用，设定好里程碑后，AI 会自己跑任务，持续几小时甚至几天。中间能随时查看进度、改方向或暂停。用之前要升级应用并打开这个功能（命令行或手动改配置文件都行），开启后在输入框就能管理任务，侧边对话可以看进度，不会打断主任务。正文没...
推荐理由：我会先打个折：文章只说了功能转正和多端支持，但没披露任务失败怎么恢复、资源消耗上限、以及哪些套餐能用。对想试的人，知道它能跑长任务就够了；对想上线用的人，信息缺口还很大。所以放在 featured 低段，等后续补上安全和成本细节再往上调。
作者开源了一个 Claude Code 插件，把开发任务拆成需求、代码分析、设计三份规格文档，再把实现切成多个子任务逐个做。每完成一个步骤就清一次上下文，目的是让模型每次只盯一小块，减少跑偏，也省 token 钱。规格文件落地到磁盘，方便断点续传，也能在早期发现模型理解错的地方。正文没给出具体省了多少成本或性能提升的量化数据，这点先别太激动。
推荐理由：我会先打个折：正文没给性能对比、没披露实际省了多少 token、也没说在复杂项目上的表现，所以不能给太高。但三层规格加每步清上下文这个组合拳，确实戳中了用 Claude Code 写代码时上下文越跑越偏、账单越来越贵的真实问题。对正在折腾 coding agent 的人来说，这个思路值得看一眼，只是别指望拿来就能用，还得自己踩坑验证。
西湖大学团队搞了个叫 HiF-VLA 的框架，核心想法是把机器人看世界的方式从“一帧帧静态图”换成“画面怎么动的”。它直接用 H.264 这类视频编码器从画面里提取紧凑的运动向量，再让一个联合专家模型同时预测未来的视觉动态和该做的动作序列。论文里给的数据是，在设定的历史窗口下，显存峰值 31.4GB，延迟 117.7 毫秒。不过正文因为环境验证问题没加...
推荐理由：这篇 HiF-VLA 我会先打个折：它还是一个单篇研究，没有落地案例或多方交叉验证，所以放在 featured 低位。但它的思路确实比多数 VLA 论文更“省”——直接用 H.264 运动向量代替逐帧视觉编码，把“看变化”和“想动作”塞进联合专家里一起算，显存压到 31.4GB、延迟 117.7ms，对想在真机上跑实时推理的团队是个可参考的方向。正文没披露在真实机械臂上的成功率或与主流 VLA 的 head-to-head 对比，这点先别太激动。
DeepSeek V4 Flash 是个 284B 总参数、13B 激活的 MoE 模型，性能接近前沿水平，但主流推理引擎在 Mac 上都跑不了。antirez 专门为它写了 DS4 引擎，纯 C、Metal 优先，一个编译命令就能用。它最特别的地方是解决了 agent 工作流里的上下文断裂：模型生成工具调用时，DS4 会记住原话，下次 agent 返...
推荐理由：标题和摘要给的期待是“在 Mac 上本地跑 DeepSeek V4 Flash 的实操方案”，但正文只列了 DS4 引擎的三项机制名称，没给出模型大小、实际性能、Mac 兼容性要求，也没有可复现的测试结果。我会先打个折：对想动手试的开发者来说，知道有这些机制存在已经算有用信息，但离“能照着做”还差关键数据。H、K、R 三项都踩中了，信息缺口也明显，放在 featured 层级刚好——够吸引人点进去看，但读完会发现缺胳膊少腿。
Salesforce 已经“砍掉”了传统界面，销售不用登录网站就能通过 AI 更新交易记录。作者把这种趋势叫做“可塑界面”——AI 能根据你当下在干嘛，动态生成最适合的交互形式，比如开车时给你念邮件摘要、审文案时弹出网页应用、做预算时直接给个带图表的表格。文章引用了 Airbnb CEO 和 Anthropic 工程师的观点，认为纯文本对话不够用，电商...
推荐理由：我会先打个折：这篇是软件形态的展望，没有上线时间、用户数据或可复现的测试，所以放在评论类里刚好。正文说 Salesforce 已经用无头架构让销售靠 AI 直接改数据，界面不再写死，而是按场景动态生成 HTML、音频甚至网页。这点先别太激动——正文没披露这套动态生成在 Salesforce 里的实际覆盖范围、延迟和出错率，也没说 MCP 具体怎么接。但思路本身对做 B 端产品的人有用，因为它把“界面”从设计稿变成了模型输出，省不省开发成本另说，至少交互逻辑要重想。
Claude Code 发了 v2.1.147。这次加了一个叫 Workflow 的新工具，默认是关着的，用来做确定性的多智能体编排——你可以把它理解成让多个 AI 助手按固定流程协作干活，而不是自由发挥。另一个变化是把原来的 /simplify 命令改成了 /code-review，功能也升级了：现在会报告代码正确性，还能直接在 GitHub PR ...
推荐理由：这是 Claude Code 的一个小版本更新，但 Workflow 工具的加入让产品从单智能体往多智能体协作迈了一步。工具默认关闭，说明还在试探阶段，正文没披露性能数据、定价或使用范围，所以先别太激动。把 /simplify 改名为 /code-review 也更直白，知道是拿来审代码的。整体看，对关注编码智能体稳定性的从业者是个值得留意的信号。
Daytona 做的不是简单的代码执行盒，而是给 AI 智能体用的“可组合电脑”。他们的沙箱最快 60 毫秒就能启动一个，5 万个沙箱大约 75 秒就能跑起来，最大的客户一天要跑将近 85 万个沙箱。创始人 Ivan Burazin 从十多年前就在喊“干掉本地开发环境”，现在 AI 智能体成了他理想的落地场景：智能体不在乎你的笔记本配置，它只需要一个能...
推荐理由：我会先打个折：这是创业公司的基础设施故事，不是大模型或平台级发布。但 HKR 三项都站得住——标题有钩子，性能数字实在，痛点也踩得准。正文没披露客户名字和具体成本，这点先别太激动。
Simon Willison 把做了三年的 LLM 库和 Datasette 数据库工具终于接上了，发布了 Datasette Agent。你可以直接用对话的方式问数据库里的问题，比如“我最近一次看到鹈鹕是什么时候”，它会自己写 SQL 去查。配合插件还能自动生成图表、用 ChatGPT 画图，或者在沙箱里跑代码。线上演示跑的是 Gemini 3.1 ...
推荐理由：Datasette 给自家工具加了个能聊天的 agent，支持插件画图，还能选 Gemini 3.1 Flash-Lite 或 LM Studio 本地模型。对搞数据的人来说，这比大厂发新模型更实在——它解决的是“我能不能在自己机器上安全地用 AI 查数据”的问题。不过正文没披露本地模型的具体效果和延迟，这点先别太激动。整体看，实用性强但受众偏窄，放在 featured 里合适。
OpenAI 开发者账号发帖说，Codex 可以在 Mac 锁屏、屏幕关闭的情况下，通过手机安全地使用 Mac 上的应用。帖子没提权限边界、怎么收费、什么时候上线，我会先打个折——正文只给了一个文档链接，具体怎么实现“安全”也没展开。
推荐理由：HKR 三项全中：OpenAI Devs 给出了 Codex 操控 Mac 的具体条件，但正文没披露权限边界、价格和发布时间，所以重要性停在 82 分，没上 85+。我会先打个折——这个功能听起来很省事，但没讲清楚锁屏下到底能碰哪些文件、会不会被滥用，这点先别太激动。
谷歌把 Agent 开发套件（ADK）带到了 Kotlin 和 Android 上，版本号 0.1.0。Kotlin 版负责后端流程，Android 版则专门为手机端做了优化，能直接调用 Gemini Nano 这类本地模型干活。这套东西的核心是混合调度：你可以让云端大模型当总指挥，把涉及隐私的具体任务（比如查本地文件里的酒店预订）派给手机上的子 Ag...
推荐理由：Google 这次发了两个 ADK：Kotlin 版给后端搭 Agent 工作流，Android 版让 Agent 跑在手机上。版本号 0.1.0 说明还在早期，功能边界和稳定性都别抱太高期待。正文只交代了平台和版本，没给性能数据、实际案例或开发者规模，所以我会先打个折——方向对，但落地效果还得看后续。
Runtime 做了一套开源的沙盒基础设施，让公司里不只有工程师能用编程助手，产品、设计、市场、客服也能在安全隔离的环境里让 AI 帮忙改代码、查数据、发 PR。它兼容 Claude Code、Codex、Cursor、Copilot、Gemini CLI 和 Devin 这些主流编程助手，可以接入公司自己的工具链（比如 Datadog、Salesfo...
推荐理由：我会先打个折：正文没披露实际客户或用量数据，所以别当成熟产品看。但它的切入点很准——企业不敢让编程代理直接跑在内部环境，Runtime 用沙盒把代理隔离开，还开源了基础设施，等于给团队一个低风险试水的入口。支持六种代理、不加价 token 的定价，也让成本更可预测。对正在评估编程代理的团队，这是个值得跟进的信号。
华尔街日报的消息，Anthropic 二季度营收预计冲到 109 亿美元，同比增长 130%，运营利润约 5.59 亿美元，比它自己去年说的 2028 年前不盈利提前了不少。增长主要靠两件事：一是编程工具被大量公司用起来，二是 Claude 开始接那种能自己跑一段时间的“干活型”任务，需求大到算力一度不够用，逼着 Anthropic 去签新数据中心合同...
推荐理由：这条消息的钩子很清晰：Anthropic可能要成为第一个赚钱的头部AI实验室了。给出的数字挺吓人，单季营收109亿，运营利润5.59亿，如果属实，说明卖模型服务真的能跑通。但我会先打个折，因为这只是《华尔街日报》根据预测数据做的报道，不是官方审计后的财报，正文也没披露成本结构里算力烧了多少、企业客户贡献了多少。这点先别太激动，等正式文件出来再看。不过，光是“盈利”这两个字就足够让整个行业讨论一阵子了，所以优先级给到p1，重要性88分。
Fireworks 在 WebVoyager 上跑了 720 个浏览器智能体任务，发现平均有 22.9% 的推理调用属于无效消耗，他们管这个叫“Agent 执行税”——也就是为了完成任务，模型多做的无用功。具体到各家模型：MiniMax M2.5 每成功完成一个任务的成本比 Gemini 低了 2.3 倍；GLM-5 的任务成功率做到 57.1%；Ki...
推荐理由：HKR 三项都站得住：它把一个跑分现象包装成了可复用的采购指标，有具体数字支撑，而且直接回应了从业者在选型时对隐性成本的焦虑。信源是 Fireworks 自己的博客和 Reddit 讨论，不是第三方独立评测，所以重要性停在 74 分 featured 档，没往上拉。
Anthropic 在伦敦的 Code with Claude 大会上展示了一个趋势：开发者越来越愿意把写代码的活直接交给 AI。工程师 Jeremy Hadfield 在现场问谁上周发过完全由 Claude 写的 pull request（提交审核的代码改动），近一半人举手；再问谁没读代码就直接发了，大部分手还举着。Anthropic 说公司内部大部...
推荐理由：这篇 MIT Tech Review 的现场报道不是产品发布稿，但抓到了一个很实的信号：开发者已经在把 Claude 写的代码直接往仓库里合，而且不少人连看都不看。我会先打个折，这个数字来自活动现场举手统计，样本量和代表性都有限，不能直接推成行业常态。但“近一半”这个比例还是够高，说明在重度用户里，对 AI 代码的信任已经跨过了一道心理门槛。文章没给 PR 的复杂度或后续回滚率，这点信息缺口让判断只能停在“行为在发生”而不是“行为没问题”。整体适合放进 featured，因为它比功能更新更能让人停下来想一下自己的工作流。
The Verge 的编辑 Sean Hollister 用谷歌 AI Studio 试了一把“氛围编程”，一个下午生成了三个安卓 App。其中一个 App 他只输入了 148 个字的提示词，大概 10 分钟后就在自己的安卓手机上装好跑起来了。前提是他提前把手机开了 USB 调试模式并连上电脑，剩下的活 AI Studio 全包了。他感叹这速度让他差点...
推荐理由：这不是 Google 官方大发布，而是一篇带实测细节的第一人称体验文，有梗有数字，适合放进精选。
Cursor 团队把云端智能体从本地搬到服务器上跑了一年，最大的教训是：开发环境本身就是产品。本地跑的时候，模型直接继承你电脑上的全套工具链，但云端得从零重建，缺个依赖、少个配置，模型不会报错，只会悄悄变笨。他们后来把任务调度迁到 Temporal 上，可靠性从 99% 拉到了 99.9% 以上，现在平台每天处理超过 5000 万次操作。文章还聊了怎么...
推荐理由：HKR 三项都成立：Cursor 在编程 agent 圈子里是核心玩家，文章给出了 Temporal 迁移、99.9%+ 可靠性和 5000 万次日操作量这些实打实的数据。不是产品发布，所以放在 featured 低段位。
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...
推荐理由：我会先打个折：标题确实平平无奇，像又一篇入门教程。但点进去会发现，作者把 Agent 的骨架拆得很实在——记忆怎么存、ReAct Plan 怎么跑、skill 怎么按需加载、subagent 怎么分工、harness 怎么兜底，这些设计都写到了。对正在折腾个人助手或想让 Agent 稳定跑业务的同学来说，这篇比大多数水文有料。不过正文没给出量化验证，效果到底怎么样还得自己试。
Anthropic 把 Stainless 给收购了。Stainless 是一家专门帮公司自动生成和维护 API 的 SDK（软件开发工具包）的公司，OpenAI、Meta、Cloudflare 之前都是它的客户。收购之后，Stainless 会关掉它的托管产品，也不再给老客户提供后续支持。不过，之前已经生成的 SDK 代码所有权还归客户自己，只是后续...
推荐理由：我会先打个折：这不是模型发布或核心能力更新，所以分数不会顶满。但 Anthropic 这手挺狠，Stainless 是给 API 自动生成 SDK 的，全球据说四分之一开发者都在用，客户包括 OpenAI 和 Meta。收购后 Anthropic 直接要把托管产品关停，等于断了竞争对手一条现成的开发者工具链。正文没披露收购金额和具体关停时间表，但光是“断供 OpenAI”这个动作，就够让依赖这套工具的团队紧张一阵了。