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。
小米和 TileRT 合作，把一个 1 万亿参数的大模型在 8 张普通 GPU 上跑到了每秒生成 1000 多个 token。他们用了两招：一是只对 MoE 专家模块做 FP4 量化，把模型体积和显存带宽压力打下来，同时保住推理质量；二是用了一种叫 DFlash 的投机解码方法，一次能猜对更长的 token 串，减少反复验证的等待时间。目前这个速度只在...
推荐理由：小米把一个1万亿参数的MoE模型塞进8张普通GPU，靠FP4量化只压缩专家模块，再配上能一次猜对更长token串的DFlash投机解码，把生成速度拉到每秒1000多个token。这个速度如果是真的挺省钱，但正文没交代测试用的什么卡、上下文多长、精度损失多少，我会先打个折。
Hivemind 这个工具现在开放了持续学习功能，专门给 AI 编程智能体用。它会自动收集 Claude Code、Codex、Cursor、Hermes、Pi 这些助手干活时的操作轨迹，把成功的套路提炼成可复用的技能，存到你自己的云盘里，再同步给所有助手。内置的 SkillOpt 负责持续训练这些技能，效果上，Claude Code 准确率涨了 19...
推荐理由：HKR三项都站得住，但这是Hivemind的一次功能更新，不是大厂动作，也没有其他来源交叉验证。52个场景的测试结果让它有干货，够格进低位的featured。
小米和 TileRT_AI 放出了一个叫 MiMo-V2.5-Pro-UltraSpeed 的版本，用一台普通的 8 卡 GPU 节点就跑起了 1 万亿参数的 MoE 模型，输出速度超过每秒 1000 个 token。这个速度不是靠 Cerebras 或 Groq 那种专用硬件堆出来的，对常规部署来说挺省钱。他们开了限时免费聊天可以上手试，API 价格...
推荐理由：小米这个版本最吸引人的点是用普通 8 卡 GPU 节点把 1T MoE 模型跑到每秒上千 token，没靠 Cerebras 那种专用硬件，部署成本听起来低了不少。我会先打个折：正文没披露具体任务类型、精度损失、首 token 延迟和实际 API 定价，所以这个速度是在什么条件下测的还不清楚。限时免费聊天可以上手试，但长期性价比得等更多数据。这点先别太激动，不过如果属实，对常规推理部署确实挺省钱。
Mustafa Suleyman 在播客里聊了几个事。他判断超级智能不会造成大规模失业，但没给出具体论证。微软去年10月跟 OpenAI 签了新合同，一边继续合作，一边拿到了独立研发超级智能的许可，已经建了团队、在训前沿模型，本周 Build 大会还发了7个全模态模型。他点名批评 Anthropic 把 Claude 说成有意识，认为现在消费者对 AI...
推荐理由：Mustafa Suleyman 在播客里抛了个大判断——超级智能不会造成大规模失业，但正文没给出具体论证，这点先别太激动。信息量主要靠两个事实撑着：一是微软去年10月跟OpenAI签的新合同，既续了合作又拿到了独立研发超级智能的许可，团队和前沿模型训练都已经在跑了；二是本周Build大会发了7个全模态模型。他还点名批评Anthropic把Claude说成有意识，认为现在消费者对AI的理解还太浅。整体是CEO访谈，不是产品发布，所以分数卡在78-84这个区间。
这个版本把架构改成了分布式无状态，能挂在 K8s 上自动扩缩容，会话断了也能恢复。多租户用 Workspace 做数据隔离，权限控制做得比较细，还加了人工介入的环节。长期运行靠 HarnessAgent 管上下文和容错。开源地址在推文链接里，但正文没给出性能基准或实际部署规模的数据。
推荐理由：阿里云把 AgentScope 的 Java 版推到了 2.0，这次改动挺实在：架构拆成分布式无状态，能挂在 K8s 上自动扩缩容，会话断了也能接上。多租户用 Workspace 做数据隔离，权限粒度更细，还加了人工介入环节，长期任务靠 HarnessAgent 管上下文和容错。我会先打个折——正文没给性能基准，也没说实际部署规模，所以这些能力到底省多少资源、稳不稳，还看不出来。开源地址在推文链接里，但没披露定价或落地案例。整体是给 Java 技术栈的企业把智能体往生产环境推了一步，信息缺口明显，先放在 featured 这档。
腾讯正在灰度测试一个藏在微信里的 AI 助手，右滑就能呼出。它用自然语言指令直接调用数百万个小程序，比如帮你点咖啡。微信还跟华为、荣耀、小米、OPPO、vivo 合作，让手机系统助手也能跨应用调微信的服务，6 月 8 号已经放出了开发者接入指引。不过原文因为环境异常没加载出完整内容，具体的技术实现和开放范围正文没披露。
推荐理由：这条消息的钩子很足——微信开始把自己当成 agent 运行环境，不是只聊天，而是直接调小程序干活，还同步打通了手机厂商的系统级入口。我会先打个折，因为原文没加载完整，技术方案、开放范围、模型选型这些关键信息正文都没披露，所以暂时不能给更高分。但右滑入口加开发者指引加五家厂商合作，三个点放在一起，已经足够让从业者重新评估微信在 agent 分发上的位置。
微信开放平台发了接入指引，确认微信 AI 在内测。开发者可以选两种模式：自动模式是授权平台读小程序源码，不用额外开发，AI 就能分析页面并直接操作；开发模式是自己写技能提交审核，让 AI 调用。两种模式不冲突，可以同时开，也不影响现有小程序服务。官方说“微信 AI”这个名字可能还会改。
推荐理由：这条消息对微信生态的开发者很关键，因为官方终于给出了接入路径，不是画饼。自动模式等于让 AI 直接读你的小程序源码去干活，省掉额外开发，但正文没提对复杂页面的理解准确率怎么样，这点先别太激动。开发模式更灵活，但需要自己写技能并审核，上线节奏和审核标准也没说。整体看，平台动作明确，但模型能力、收费方式和正式开放时间都还是空白，所以分数卡在 featured 门槛附近。
苹果在 2026 年 6 月 8 日公布了第三代 Apple Foundation Models（AFM），这次是和 Google 合作定制的。五款模型里，两款跑在设备上：AFM 3 Core 是 30 亿参数的密集模型，质量比上一代好；AFM 3 Core Advanced 是 200 亿参数的稀疏模型，但每次只激活 10 到 40 亿参数，靠的是把...
推荐理由：苹果这次一口气发了五款模型，分设备端和服务器端两条线，还拉上 Google 做定制，信息量够硬。30 亿参数的密集模型和 200 亿参数但每次只激活一小部分的稀疏模型，思路很明确：在手机上跑得动，在云端也能控成本。正文没给具体跑分和定价，所以我会先打个折，但官方发布本身就有分量，尤其对做端侧推理和隐私计算的人。
OpenAI 准备给 ChatGPT 做上线以来最大的一次改版，从聊天机器人转成一个能直接干活的 Agent 平台。它会整合自家的编程工具 Codex、图像生成，还会接入 Canva、Booking 这类第三方应用。高管放话说“聊天已死”，目标是做成跨平台的个人 AI 助手，以后甚至不用你手动输入提示词。改版预计几周内在网页和手机端上线。商业压力不小：...
推荐理由：这条消息把改版讲得挺清楚，但来源只是一条 X 帖子，正文没披露正式上线时间、开放范围和定价，我会先打个折。高管那句“聊天已死”听着唬人，实际产品还没交付，这点先别太激动。整体判断是：方向重要，落地细节还缺，所以放在 84 分这个位置。
一位 Reddit 用户分享了自己在笔记本上跑通 Qwen3.6 35B-A3B 的体验。他的机器是华硕 Zenbook Pro 14，配了 RTX 4060 8GB 显存和 64GB 内存。用 llama.cpp 加载 unsloth 的 IQ3_XXS 量化版模型，在 3.2 万 token 上下文时生成速度约 27 token/秒，拉到 25.6...
推荐理由：这是单个用户的 Reddit 实测，不是官方发布或论文，但硬件、量化方式、上下文长度和速度都给得很具体，对想在自己机器上跑大模型的人有直接参考价值。我会先打个折，因为只有一台机器的数据，不代表普遍表现，但信息密度够上 featured，分数放在 72–77 这个区间合理。
北海道农民富安弘毅把 ChatGPT 和 Codex 当工程师用，做了 8 件事：拍照识别西兰花病害、用卫星 NDVI 数据看作物长势、拿 ESP32 加 LINE 机器人远程开关温室卷帘、给农场群聊写了个管温度和排期的机器人、从聊天记录里自动统计播种数量、研究 RTK-GPS 自动转向原理并算了自建要花多少钱、用 Airtable 搭了农场管理数据库...
推荐理由：我会先打个折：全文只有一个人、一个农场，没有产量对比或省了多少工时的数字，所以不能当行业证据用。但它的价值不在严谨，而在把 AI 写代码这件事从屏幕拉到了泥地里——一个农民没找外包、没学编程，直接用 Codex 做出了 8 个能跑的工具。这种'非程序员用 AI 写代码干物理世界的活'的案例现在还很少，对国内做 agent 和 coding 方向的人是个挺新鲜的参照。
FT 这篇报道的正文被付费墙和安全验证挡住了，只拿到了一个摘要片段。里面提到 OpenAI 正在筹划 ChatGPT 自发布以来最大规模的一次改版，想把聊天机器人重新定位成通往更高利润产品的入口，为可能的 IPO 铺路。公司估值写的是 8500 亿美元。至于这次改版到底会加什么功能、什么时候上线、怎么收费、产品机制是什么，正文都没披露，这些关键信息目前...
推荐理由：FT 这篇报道的正文被付费墙和安全验证挡住了，只拿到一个摘要片段。里面提到 OpenAI 正在筹划 ChatGPT 自发布以来最大规模的一次改版，想把聊天机器人重新定位成通往更高利润产品的入口，为可能的 IPO 铺路。公司估值写的是 8500 亿美元。至于这次改版到底会加什么功能、什么时候上线、怎么收费、产品机制是什么，正文都没披露，这些关键信息目前是空的。所以这条消息的新闻价值在于信号本身——OpenAI 在认真考虑把 ChatGPT 从免费流量池变成付费产品管道——但具体怎么落地、靠不靠谱，现在完全没法判断。我会先打个折，等有功能细节和定价策略...
OpenAI 给 ChatGPT 加了一个叫 Lockdown Mode 的开关，主要给处理敏感数据的商业用户和个人用。打开后，ChatGPT 会禁用实时网页浏览（只能读缓存内容）、从网页抓取和显示图片、深度研究以及让模型进业务流程干活的 agent 模式。这么做的目的是降低一种叫“提示注入”的攻击风险——攻击者会把恶意指令藏在网页或文件里，诱导模型把...
推荐理由：OpenAI 把提示注入防御做成了一个用户可操作的开关，不是后台补丁，而是直接限制四个高风险功能。对处理敏感数据的企业和个人来说，这是个实打实的安全选项，虽然会牺牲一部分能力，但换来了更可控的环境。安全/产品类新闻里算有分量，但比不上模型发布或重大能力更新。
GitHub 把 Spec Kit 开源了，专门解决 AI 编程里一个常见毛病：需求还没说清楚，模型就开始写代码，结果边界漏了、反复返工。这个工具包把流程倒过来——先写产品功能规范，再让 AI 根据规范去澄清差距、做技术计划、拆任务，最后交给 agent 执行。规范本身成了可执行的开发合约，不是一份看完就扔的文档。目前支持 Copilot、Claude...
推荐理由：我会先打个折：正文没披露这套流程在实际项目里能省多少返工时间，也没给出和直接让 Copilot 写代码的对比数据。但故事本身够硬——GitHub 把“先写规范再写代码”这个老规矩做成 AI 编码的入口，规范不再是看完就扔的文档，而是驱动 agent 执行的合约。支持 Copilot、Claude 等多模型，109K+ 星说明开发者对这套思路的认可度不低。这点先别太激动，但方向对，值得跟。
Anthropic 通过 Snorkel 的 Marlin 项目招募了约 1000 名软件工程师，专门审查 Claude 写的代码。每完成一单任务给 280 美元，工作流包括在 GitHub 仓库里提 Pull Request、对 AI 生成的两版代码做 A/B 对比，然后从正确性、安全性、可靠性和可维护性四个维度打分。正文没披露这些工程师的资历门槛、...
推荐理由：HKR 三项都成立：价格和人数有传播力，流程和评估维度够细，对做代码 Agent 的团队有参考价值。放在 featured 合适，但不到 p1，因为这不是新模型或新能力发布，更像一次数据标注合作的具体披露。正文没披露工程师资历门槛和任务一致性控制，这点先别太激动。
Google 把 Colab 搬进了终端。装一个命令行工具，就能在本地敲指令直接租用 A100 或 T4 这类高性能 GPU，把本地的 Python 脚本扔到云端跑，跑完再把模型、数据集和可回放的 notebook 日志拉回本地。它还给 AI 编程助手（比如 Antigravity、Claude Code）准备了现成的技能文件，让这些助手也能自己调 G...
推荐理由：Google 给 Colab 出了个命令行工具，不用开浏览器就能在终端里租 GPU 跑代码，跑完自动把模型和 notebook 日志拉回本地。还顺手给 Claude Code 这类 AI 编程助手配了技能文件，让助手也能自己调 GPU。对经常用 Colab 白嫖算力或者想给 agent 接远程执行环境的人来说，这比网页版灵活不少。不过正文没提价格变化和并发限制，实际租用体验还得看后续。
Gemini 应用里的 Live 模式加了实时生图和编辑功能。你打开摄像头，告诉它你想看到什么，它就能当场改画面，比如换墙色、加家具、把眼前场景变成梗图。正文没提生成一张图要多久、支持哪些画风，也没说免费额度怎么算。
推荐理由：Gemini Live 现在能边看边改图了，你开着摄像头说“把墙刷成蓝色”或者“加个沙发”，它当场给你变出来。这功能听着挺唬人，但正文没交代生成延迟、画风支持范围，也没提免费额度，所以实际用起来卡不卡、花不花钱，都得打个问号。HKR 全过：标题有实时交互的噱头，操作门槛低到只剩张嘴，而且直接冲着修图软件和创意工具去的，竞争味很浓。
General Instinct 开源了 InstinctRazor，一个专门给边缘设备用的模型压缩方案。他们拿 Qwen3.5-122B-A10B 开刀，这个模型原本是 BF16 格式的混合专家模型（MoE），体积大约 245GB。压缩后变成一个 48GiB 的 GGUF 文件，比 Gemma-4-26B-A4B 还小，但在 MMLU-Pro 和 G...
推荐理由：我会先打个折：这是 YC 的 Launch HN，不是独立评测，性能数据得等第三方复现。但亮点很实在——把一个 245GB 的 MoE 模型压到 48GiB，还能在消费级显存上跑 8k 上下文。正文没披露压缩后推理速度有多快，也没说 MMLU-Pro 具体掉了多少分，这点先别太激动。不过思路本身对想在本地跑大模型的团队挺省钱，所以放在 featured 合适。
Google 放出了 Gemma 4 的量化感知训练（QAT）检查点。简单说，就是在训练时就考虑压缩，而不是训完再硬压，这样模型在手机、笔记本上跑的时候占内存更小、速度更快。不过这篇公告只给了个标题和链接，正文没披露具体压到几比特、有哪些尺寸、跑分对比和发布时间。我会先打个折，等实际模型放出来再看效果。
推荐理由：Google 放出了 Gemma 4 的量化感知训练检查点，目标是在手机和笔记本上跑得更省内存、更快。但公告正文太薄，没给出具体压到几比特、有哪些尺寸、实测提升多少，也没说什么时候能拿到模型。信息缺口明显，只能先给 featured 底分，等实际模型和跑分出来再重新判断。
彭博社记者古尔曼爆料，苹果内部将新版 Siri 标记为“Beta 版”，意味着它不会被宣传成完全成熟的产品。苹果可能还会像当初推 Apple Intelligence 那样，给想尝鲜的用户设一个等待名单。另外，iOS 27 的部分 Siri 请求会转到 Google Cloud，调用授权版 Gemini 模型，并跑在谷歌的英伟达 Blackwell B...
推荐理由：HKR 三项都成立：Siri 标 Beta 是苹果自己的态度信号，Gemini 和 B200 的细节让爆料有料，苹果 AI 依赖外部算力和模型这件事本身就容易引发讨论。分数定在 82 合理，因为毕竟还是未发布产品的二手报道，不是官方发布或重大产品事件。