模型连接外部世界的协议与实践：MCP 生态、function calling、工具链集成的动态。
千问 App 更新到 6.9.7 版就能在对话框里切到 Qwen3.7-Max，PC 和网页端也一样，目前免费。官方说这个模型主打“让模型进业务流程干活”，能写代码、自动跑办公流程，还能扛住长任务——他们自己测了一次 35 小时、调用工具超过 1000 次的内核优化实验，全程没断思路。不过这些数据来自官方测试，实际体验会不会打折还得自己试。另外，API...
推荐理由：阿里把 Qwen3.7-Max 铺到千问全线产品，门槛降到免费，还特意强调 35 小时连续工具调用没崩，摆明了在打 agent 可靠性和零成本体验这两张牌。我会先打个折：正文没给基准测试、上下文窗口和 API 定价，所以实际能力上限和商用成本还看不清。但就凭多端同步上线和这个压测结果，对正在选模型做工具链集成的人来说，是个值得立刻上手试的信号。
Google I/O 上，DeepMind 的 Hassabis 一边用“我们正站在奇点的山脚下”这种大词，一边展示的是 WeatherNext 提前预警飓风救了人命。这正好点出了 AI 做科研的两条路线：一条是像 WeatherNext、AlphaFold 这种专为解决某个科学问题训练的专用工具；另一条是让通用大模型像智能体一样自己搞研究。现在资源明...
推荐理由：我会先打个折：这篇是 MIT Technology Review 的评论，不是一手技术报告，所以细节有限。但它的判断站得住——Google 把科学 AI 的牌子从 AlphaFold 那套单独炫技，换成 Gemini for Science 这个统一入口，还塞进了 AI Co-Scientist 和 AlphaEvolve 两个组件，并且开放申请。对做 AI 应用的人来说，这比发一篇论文实在，因为能摸到产品了。不过别太激动，正文没披露这套东西的算力成本、实际科研产出对比，也没说普通团队用不用得起，所以目前更像一个方向牌，不是落地手册。
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。
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。
ChatGPT 正在测试一项新功能：你可以直接在 PowerPoint 里让它帮你建、改、理解、优化幻灯片，做出来的页面还能继续手动编辑。官方只发了这条推文，没提收费方式、推送范围，也没说什么时候正式上线。如果是真的，以后做 PPT 能省不少事，但正文没披露具体支持哪些功能、会不会出错，这点先别太激动。
推荐理由：OpenAI 让 ChatGPT 在 PowerPoint 里直接建和改可编辑的幻灯片，不是只吐文字或图片。正文没提价格、开放范围和企业管控细节，所以先放 featured 而不是 P1。
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。
Runway 把新模型 Aleph 2.0 直接做成了一个叫 Edit Studio 的剪辑工具，主打用自然语言改视频，改之前还能先预览效果。从页面看，它把视频生成、多镜头合成、场景搭建、画质增强、动作捕捉和物体移除这些功能都打包在一起了，想覆盖从创意到出片的完整流程。不过正文没披露 Aleph 2.0 的具体技术参数、定价和推送范围，实际效果和成本还...
推荐理由：Runway 是 AI 视频领域的主要玩家，这次更新属于中等体量的产品动作。我会先打个折：标题听起来挺大，但正文没给价格、没给参数、没给上线范围，所以实际能判断的东西有限。HKR 三项都能过——一句话能讲清卖点，有具体新名字，也踩中了行业竞争的脉络——但信息缺口让它停在 featured 这档，再往上就缺硬证据了。
Anthropic 给 Claude 企业版和平台新增了 28 个安全合规集成，背后靠的是 Claude Compliance API。这个 API 能把 Claude 里的对话内容和操作记录，直接送进企业已经在用的数据防泄漏（DLP）、安全信息与事件管理（SIEM）这类监控系统里。简单说，就是让安全团队用现有工具就能看到员工跟 Claude 聊了什么...
推荐理由：Anthropic 给 Claude 企业版和平台加了 28 个安全合规集成，通过 Compliance API 把对话内容和活动事件喂给数据防泄露（DLP）和安全信息管理（SIEM）系统。对想用 Claude 又怕合规翻车的团队来说，这波操作把审计和监控的坑填了不少。正文没提延迟和成本影响，但集成数量本身说明他们在补企业落地的课。
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。
totosse17 做了一个叫 LLMRequirements 的硬件规划工具，整理了 60 多套装机方案、50 多个模型，还附了 130 多个有来源标注的每秒 token 生成速度、150 多个评测视频。它会标每套配置的待机功耗和满载功耗，价格覆盖多个地区，数据放在 GitHub 上公开更新。不过 Reddit 原帖正文被屏蔽了，具体界面长什么样、交...
推荐理由：这是一个 Reddit 社区作者做的本地 LLM 硬件规划器，不是大厂产品发布，但信息密度很高。我会先打个折：它更像一个持续更新的公开数据集和参考表，不是一键自动优化的工具。正文没披露数据更新频率的具体机制，但 130 多个 tok/s 来源和 150 多个评测视频让它比一般论坛帖子可信不少。对想自己攒机器跑模型的人来说，功耗和地区价格都列出来，省得自己到处翻，这点挺实在。
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。
腾讯放出了 Hy-MT2 系列翻译模型，有 1.8B、7B 和 30B-A3B 三个尺寸，支持 33 种语言互译。1.8B 小模型用上 AngelSlim 1.25-bit 量化后，存储占用压到 440MB，推理速度还快了 1.5 倍，适合本地跑。不过 Reddit 原帖被屏蔽了，正文没披露具体翻译质量评测和更多技术细节，这点先别太激动。
推荐理由：我会先打个折：Reddit 信源比较散，所以分数没再往上拉。但 440MB 这个数字太直观了，比单纯列三个模型尺寸更有传播力，从业者一眼就能算出部署成本。正文没披露量化后的翻译质量损失，这点先别太激动，但“小模型干翻译”这个方向本身值得关注。
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。