AI 产品与应用的功能上新、改版与商业化动态——谁家的产品变强了、变贵了、能用了。
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。
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。
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。
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 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 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 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。
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。
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 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。
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 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。
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。
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 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。
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。
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 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 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...
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。