Claude Code 支持 Artifacts：代码代理终于开始交付“能看的现场”
Claude Code 6 月 18 日加入 Artifacts，可把会话产物变成团队可分享的实时页面。代码代理正在从改文件走向交付现场。
AI大模型动态
追踪全球AI大模型最新进展、技术突破与产品发布
Claude 给 MCP 连接器加企业托管授权：Agent 要进公司，先过身份这一关
Claude 6 月 18 日推出 MCP 连接器企业托管授权，先从 Okta 开始。Agent 进入企业工作流，身份治理比模型参数更急。
Claude Platform 支持 Workload Identity Federation：API Key 时代又被往后推了一步
Claude Platform 6 月 17 日让 Workload Identity Federation GA。静态 API Key 继续退场，Agent 工作负载开始走企业身份联邦。
Google 推 ARD 规范：Agent 终于要学会“去哪找工具”
Google 6 月 17 日发布 Agentic Resource Discovery 开放规范，用 catalog、registry 和信任元数据解决 Agent 找工具的问题。
OpenAI 关停 Agent Builder 和 Evals：低代码 Agent 没死，但平台托管正在退潮
OpenAI 6 月 3 日确认 Agent Builder 和 Evals 将于 11 月 30 日关停。长期 Agent 工作流要回到 SDK 与自有代码里。
Chrome DevTools 官方发布 MCP 服务器：AI 编程代理终于能"看到"浏览器了
Chrome 开发团队正式发布了 chrome-devtools-mcp，一个为 AI 编程代理提供浏览器 DevTools 能力的 MCP 服务器。这意味着 Claude Code、Cursor 等 AI 编程工具可以直接操控浏览器——检查 DOM、调试网络请求、分析性能。GitHub 上该项目已获得超过 4 万 star。
Google I/O 2026：搜索的"Agent 化"不是升级，是重写
Google 在 I/O 2026 大会上展示了用 Agentic AI 彻底重构搜索的计划。未来的 Google 搜索不再是一个"输入关键词、返回链接列表"的工具，而是一个能自主执行复杂任务的智能代理。这不仅是搜索的升级，更是对整个搜索引擎商业模式的挑战。
Google SynthID 水印技术被 OpenAI、Nvidia 等巨头采用：AI 内容溯源进入标准化时代
Google 开发的 SynthID AI 水印技术正成为行业事实标准——OpenAI、Nvidia 等头部公司已宣布采用。这项能在 AI 生成内容中嵌入不可见标识的技术，为 Deepfake 治理和 AI 内容溯源提供了新的技术路径。但水印攻防战才刚刚开始。
SpaceX IPO 文件披露秘密计划：用轨道数据中心在 AI 战场上正面硬刚科技巨头
SpaceX 在 IPO 文件中首次公开披露其 AI 基础设施战略：利用 Starlink 卫星网络构建轨道数据中心集群，为 xAI 的 Grok 模型提供算力支持。与此同时，Grok 在与 ChatGPT、Claude、Gemini 的竞争中持续落后。SpaceX 正试图用太空算力弯道超车。
Trump 临时取消 AI 行政令签署仪式：头部 AI 公司 CEO 集体拒绝出席
Trump 原定签署的 AI 安全测试行政令签署仪式被突然取消，原因是 Anthropic、OpenAI 等头部 AI 公司 CEO 集体拒绝出席。Trump 随后声称该行政令会成为创新"阻碍者"。这场戏剧性的对峙揭示了美国政府与 AI 行业之间日益紧张的信任关系。
Anthropic秘密洽谈微软AI芯片：Claude的胃口，Google的TPU已经喂不饱了
据The Information报道，Anthropic正在与微软洽谈租用搭载Maia 200芯片的Azure服务器。在SpaceX每年150亿美元的超级协议之外，Claude的算力需求正在溢出Google的供应能力。
Chrome DevTools正式拥抱AI编程：DevTools MCP项目上线，4万星引爆开发者社区
ChromeDevTools团队官方发布了Chrome DevTools MCP，让AI编程代理可以直接通过标准协议操控浏览器开发者工具。上线即获40,445星，标志着浏览器调试正在进入Agent时代。
一天涨4200星，codegraph凭什么让AI编程代理"少说多干"？
codegraph通过预索引代码知识图谱，让Claude Code、Cursor等AI编程代理减少token消耗和工具调用，全部本地运行。GitHub Trending今日增速第一，背后是AI编程效率的痛点被精准击中。
特朗普临签前反悔，AI行政令被紧急叫停——背后到底是什么让他"不喜欢"？
特朗普原定于周四签署的AI行政令在最后一刻被推迟，理由是"我不喜欢看到的内容"。这份原本要推行的自愿参与框架，究竟触动了谁的利益？
Waymo又栽了：亚特兰大洪水困住无人出租车，两个城市服务同时暂停
Waymo的无人出租车再次在积水中陷入困境，亚特兰大服务紧急暂停——加上此前圣安东尼奥的类似问题，Waymo的自动驾驶在恶劣天气面前的脆弱性再次暴露。NHTSA和NTSB的双重调查仍在进行中。
中科大 ACC 论文：把 Agent 运行轨迹编译成长上下文训练数据，思路挺野
中科大提出 ACC，将 Agent 的运行轨迹编译为长上下文训练数据，让模型从轨迹中学习推理模式，而不是简单模仿输出。HuggingFace 今日论文。
上海交大 ARIS：让 AI 自己做研究，但不是让它随便跑
上海交大开源 ARIS，用对抗式多智能体协作做自主学术研究，执行器往前推进、审查器挑毛病，119 票登上 HuggingFace 热榜。
Cambrian-P 论文：给视频理解加上姿态感知，CVPR 2026 接收
NYU 等团队的 Cambrian-P 将姿态信息引入视频理解模型，CVPR 2026 接收。视频不再只是"一堆帧"，而是带有人体运动语义的结构化信号。
Figure AI 人形机器人连续 48 小时自主分拣包裹，24/7 直播引爆全网
Figure AI 的 Figure 03 机器人通过 24/7 直播展示连续 48 小时无故障自主分拣包裹，搭载 Helix 02 神经络系统实现全身控制和长程自主决策，成为 viral 事件。
Google I/O 2026：Gemini 3.5 Flash 发布，主打 Agent 能力与 4 倍推理速度
Google I/O 2026 发布 Gemini 3.5 Flash，在 Agent 和编码基准上达到前沿水平，速度是竞品的 4 倍，3.5 Pro 下月跟进。
Google AI Search 全面 Agent 化：搜索不再给链接，而是替你把事办了
Google I/O 2026 宣布 AI Search 全面 Agent 化，搜索从返回链接列表变为自主执行任务——订餐厅、比较产品、规划行程，搜索正在从信息检索工具变成执行引擎。
字节跳动 Lance 论文解读：不靠堆参数，用多任务协同走通多模态统一建模
字节发布 Lance，用双流 MoE 架构同时做多模态理解和生成，不拼模型规模拼架构设计，在开源统一模型里图像和视频生成表现突出。
π-Bench：评测"主动型"AI 助手，不再是被动等指令的工具
π-Bench 提出评估主动型个人助手在长周期工作流中的表现，AI 助手从"被动执行"向"主动预判"转变，评测方法也需要跟上。HuggingFace 今日论文 45 票。
SpaceX IPO 文件曝光：xAI 合并后的 AI 野心和 26.5 万亿美元市场赌注
SpaceX 的 S-1 文件披露，公司正式合并 xAI，将 AI 定位为未来核心业务，宣称拥有 26.5 万亿美元可寻址市场，但 Grok 在企业市场使用率仅 7%，公司一季度亏损 43 亿美元。
SynthID 数字水印被 OpenAI、Nvidia 等采用，AI 生成内容追踪迈出关键一步
Google 的 SynthID 数字水印技术已与 OpenAI、Nvidia、Kakao、ElevenLabs 达成合作，覆盖超过 1000 亿张图片和视频，Chrome 和 Search 也将集成检测功能。
Anthropic 买下了 Stainless：模型公司的下一站是基础设施
Anthropic 收购了 Stainless——所有 Anthropic 官方 SDK 的幕后功臣。模型公司正在把融资换成开发者和工具链的锁定。
Anthropic 15 亿美元版权和解案搁浅：作家们嫌赔少了
Anthropic 与作家群体的 15 亿美元版权和解案被法官推迟批准。作家们认为赔偿金额远低于训练数据的实际价值。
小红书的推理 RL 新思路：不让学生模仿老师，而是让学生跟老师对着干
Anti-SD 提出反向自蒸馏方法，通过最大化学生和教师之间的分歧来加速推理能力训练。在 4B-30B 模型上，用 GRPO 2-10 倍少的训练步数达到相同精度。
不下放参数，只循环计算：Fully Looped Transformer 把推理时算力变成可调旋钮
Fully Looped Transformer 通过完全循环架构和注意力注入解决了循环 Transformer 的训练不稳定问题，在 12 次循环下稳定训练，下游任务性能提升最高 13.2%。
Google 推出 Gemini 3.5 Flash：Agent 场景下，速度比聪明更重要
Google 发布 Gemini 3.5 Flash，明确以 Agent 场景为优化目标。模型竞赛正在从比谁更聪明转向比谁更快、更便宜、更适合连续调用。
GitHub 3800 个仓库被恶意 VSCode 扩展攻陷：AI 编码时代的供应链安全盲区
GitHub 确认 3800 个仓库通过恶意 VSCode 扩展被入侵。当 AI 编码工具成为开发者的默认选择，供应链攻击的入口正在从一个没想到的方向打开。
Demis Hassabis 说 AI 会"治愈所有疾病"：为什么我对这种话越来越不耐烦
Google DeepMind CEO Demis Hassabis 在 Google I/O 上声称 AI 将"治愈所有疾病"。这种言论每隔几个月就会出现一次，每次都更像公关话术而非科学判断。
HELLoRA：给 MoE 模型做 LoRA，只调活跃专家反而效果更好
HELLoRA 提出只微调 MoE 模型中最活跃的专家，用 15.7% 的可训练参数取得比 vanilla LoRA 高 9.2% 的准确率。思路简单但有效。
Intuit 裁员 3000 人说是为了 AI：别拿 AI 当裁员的遮羞布
Intuit 宣布裁员 17%（约 3000 人），CEO 说这是为了"聚焦 AI 战略"。当"拥抱 AI"变成裁员的官方话术，我们需要警惕这种叙事对行业的误导。
Elon Musk 起诉 OpenAI 彻底败诉：陪审团一致认为他错过了时机
陪审团一致裁定 Musk 起诉 OpenAI 的诉讼已过时效。Musk 计划上诉，但这场持续数年的法律纠纷已经盖棺定论。
Nvidia 单季营收 816 亿美元：AI 基础设施的钱还能烧多久？
Nvidia Q1 FY2027 数据中心营收 752 亿美元，同比增长 92%。数字很壮观，但真正的问题不是"能不能继续涨"，而是"谁来为这些 GPU 的产出买单"。
OpenAI 的模型推翻了一个数学猜想，然后呢？
OpenAI 的模型推翻了离散几何中的一个核心猜想，引发 629 条讨论。AI 在纯数学领域的突破令人振奋，但真正的问题不是 AI 能不能做数学，而是数学家接下来该做什么。
Qwen3.7-Max 上了 Hacker News 热榜第一：这次阿里把 Agent 当主业打了
Qwen3.7-Max 以 Agent 能力为核心卖点登上 HN 热榜，313 分。阿里的模型策略正在从参数竞赛转向工程落地。
Agent 跑在生产环境总出 bug？这篇论文把问题归因到一个被忽略的边界
论文提出 SDB（随机-确定性边界）概念，将 Agent 运行时的设计归纳为 6 种模式，并定义了从生产失败到模式弱点的诊断流程。
LLM 路由还在靠感觉？这篇论文用不确定性校准砍掉了 31% 的推理成本
UCCI 提出一种基于校准的 LLM 级联路由方法，在 75000 条查询的生产环境中，以 31% 的成本降低保持了相同的准确率，ECE 从 0.12 降到 0.03。
阿里平头哥镇武 M890 发布：性能 3 倍于前代，144GB HBM3，剑指 NVIDIA H20
阿里平头哥发布镇武 M890 AI 加速芯片，性能为前代 3 倍，搭载 144GB HBM3 内存。对标 NVIDIA H20，计划 2027 和 2028 年继续推出新芯片。
Anthropic 首次季度盈利在即：Q2 营收 $109 亿，每月付 SpaceX $12.5 亿买算力
据 WSJ 和 CNBC 报道，Anthropic 预计 Q2 实现首个季度盈利，营收 $109 亿，运营利润约 $5.59 亿。同时与 SpaceX 签署协议，每月支付 $12.5 亿购买算力。
月之暗面赴港 IPO：半年融资 39 亿美元，拆除 VIE 架构闯关
月之暗面（Moonshot AI）正推进港股 IPO 计划，半年融资 39 亿美元，正在拆除 VIE 和红筹架构以清除监管障碍。作为"AI 六小龙"之一，其上市进程备受关注。
NVIDIA Q1 FY2027 财报：一个季度烧掉别人十年的算力预算
NVIDIA Q1 FY2027 营收 $816 亿，数据中心收入 $752 亿同比增长 92%。当季度向股东回报 $200 亿，Vera Rubin 芯片下半年就位。
OpenAI 冲刺 IPO：最快本周五秘密递交申请，但一年要亏 $140 亿
OpenAI 最快本周五秘密提交 IPO 申请，目标 9 月上市，由高盛和摩根士丹利承销。公司预计 2026 财年亏损 $140 亿。
Google 正面迎战 Anthropic Mythos：大模型长文本竞赛进入白热化
The Verge 报道，Google 明确表示要 compete with Anthropic Mythos——直接对标 Anthropic 此前推出的超长上下文能力。大模型领域的长文本竞赛正在升级，Google 不想在关键赛道上被 Anthropic 甩开。
Bug Bounty 行业正在被 AI 垃圾报告"谋杀"：企业赏金计划不堪重负
Financial Times 报道，企业漏洞赏金计划正被 AI 自动生成的低质量漏洞报告淹没。安全团队面临"无休止"的 AI slop 洪流，真正有价值的安全发现反而被掩盖。这迫使多家企业重新评估甚至收缩其 Bug Bounty 项目。
年度最讽刺新闻：一本关于"AI 时代真相"的书，里面充满了 AI 编造的假引用
Steven Rosenbaum 出版了一本名为《真相的未来》的书，旨在揭示 AI 如何威胁真相。然而纽约时报发现，书中多处引用是 Claude 和 ChatGPT 编造的。作者承认"全权负责"，但坚称"这些 AI 错误不会削弱本书提出的更大问题"。
arXiv 忍无可忍：向预印本平台投喂 AI 生成论文，直接封禁一年
arXiv 对 AI 生成论文采取了最强硬的措施——向平台提交 AI 生成内容的作者将被封禁整整一年。Ars Technica 报道了这一事件，指出大量低质量 AI 生成论文正在淹没这个科研预印本平台。
Google I/O 上的"通用购物车"：你愿意让 AI 替你花钱吗？
Google I/O 2026 发布了一项"Universal Cart"功能——一个跨平台、跨零售商的 AI 驱动购物车。它能在 Gemini、搜索、YouTube、Gmail 中随时待命，跟踪价格、推荐折扣、甚至提醒你"这块主板和 CPU 不兼容"。Google 正在把 AI Agent 直接推到你的钱包面前。
Google AI Studio 登陆 Android：手机上也能 vibe coding 了
Google 正在将 AI Studio vibe coding 工具带到 Android 平台。这款应用已在 Google Play 开放预注册，用户可以通过 AI 和自然语言提示词直接在手机上构建其他应用。AI 编程的战场正在从桌面蔓延到移动端。
Google SynthID 水印技术获 OpenAI、Nvidia 等巨头 adopted：AI 内容检测终于有了行业标准？
Google 的 SynthID AI 水印技术正在获得行业广泛采用——OpenAI、Nvidia 等多家巨头已加入。与此同时，Google 还在推进 deepfake 检测工具的普及。AI 内容的"真伪识别"正在从各家自战走向行业标准化的关键节点。
OpenAI 内部人吐苦水：被 Apple 的 ChatGPT 整合"烧伤"了
据 Ars Technica 报道，OpenAI 内部人士透露，公司对 Apple 在 iOS 中集成 ChatGPT 的方式感到"burned"（受伤）。这次合作原本被视为 AI 公司与硬件巨头的标杆级合作，但实际执行中却出现了诸多问题。
Anthropic 15 亿美元版权和解案再遇阻碍：法官推迟批准，作家们不买账
Anthropic 与作家群体的 15 亿美元版权和解案陷入僵局。法官推迟批准和解协议，部分作家反对赔偿方案。这起案件的结果将深刻影响 AI 公司使用版权材料训练模型的法律边界。
Musk 诉 OpenAI 案败诉：陪审团一致裁定——你拖得太久了
Elon Musk 起诉 OpenAI 一案迎来关键转折：陪审团一致裁定 Musk 的诉讼已过诉讼时效。法官当场确认了陪审团的裁决，Musk 表示将上诉。这场持续数年的法律大战，似乎正在走向尾声。
Google I/O 2026 最全解读：Gemini Omni 要"创造一切"，3.5 Flash 让 Agent AI 真正可用
Google I/O 2026 一口气发布了 Gemini Omni 模型家族、全新 Gemini 3.5 Flash、Gemini 产品大改版、Project Genie 世界模型、以及对标 Anthropic Mythos 的长文本能力。Google 正在把 AI 从"聊天工具"变成"全能操作系统"。
AI 行业的马太效应：OpenAI 和 Anthropic 吃掉了 89% 的收入，剩下的公司在抢什么？
最新数据显示，AI 企业收入集中度创下历史新高——OpenAI 和 Anthropic 两家合计占据 89% 的份额。这不是一场百花齐放的繁荣，而是一场赢家通吃的加速。
阿里云 Qoder 1.0 发布：不只是 IDE，是 AI Agent 的自主开发空间
阿里云正式发布 Qoder 1.0，从 AI IDE 进化为自主 Agent 开发工作空间。这不仅是一个工具的升级，更是阿里云对 AI 编程未来形态的一次重新定义。
AMD 市值冲破 7000 亿美元：苏妈在数据中心里，给英伟达上了一课
AMD 市值突破 7000 亿美元，数据中心业务成为新增长引擎。当所有人都在看英伟达的 GPU 时，苏姿丰已经悄悄把算力战场从"谁更快"转移到了"谁更会赚钱"。
百度成立模型委员会 BMC：大模型研发进入"统筹时代"
百度正式宣布成立模型委员会（BMC），统筹 BMU 和 AMU 两大研究部门，推动大模型技术与应用的深度融合。年轻研究者挑起大梁，这背后是百度 AI 战略的一次重要调整。
GenCAD 登上 Hacker News 热榜：给一张图，AI 直接生成可编辑的 3D CAD 模型
GenCAD 项目在 Hacker News 热榜登顶。它不是简单地生成 3D 模型，而是生成完整的参数化 CAD 命令序列——意味着 AI 生成的模型可以直接在工程软件中编辑和制造。这可能是 AI for Science 的一个里程碑。
澜起科技：没人盯着的 6000 亿芯片巨头，正闷声赚走 AI 最大的红利
当所有人都在追捧英伟达和 AMD 时，澜起科技靠收取 AI 数据的"过路费"——内存接口芯片，业绩连创新高，毛利率逼近 70%。这是一家看似躺赢 AI 基建、实则暗藏高估值风险的公司。
OpenAI 把 Codex 塞进了手机：程序员的口袋编程时代来了
OpenAI 宣布将 Codex 编程能力集成到 ChatGPT 移动应用中，开发者可以随时随地通过手机控制代码。免费策略背后的生态野心，远比表面上看起来更大。
OpenHuman 三天涨到 15000 星：你的私人 AI 超级智能，到底能做什么？
OpenHuman 项目在 GitHub 上爆发式增长，短短几天内突破 15000 星。它承诺的是"你的私人 AI 超级智能"——私有、简单、功能强大。在 AI 巨头们争相构建封闭生态的当下，开源社区正在用另一种方式回应这个时代的核心焦虑。
Supertonic：日增 745 Star 的端上多语言 TTS，正在改写语音合成的游戏规则
supertone-inc/supertonic 在 GitHub Trending 上日增 745 Star，总量突破 6.7K。这个基于 ONNX 原生运行的端上多语言 TTS 项目，凭借"极速+离线+多语言"的组合拳，正在语音合成领域掀起新的浪潮。
马斯克又出手：xAI 发布 Grok Build CLI 工具，AI 编程战场再添猛将
xAI 正式发布 Grok Build，一款面向开发者的 CLI 编程工具。马斯克又一次把矛头对准了 Anthropic 的 Claude Code。但 Grok Build 凭什么在已经拥挤的 AI 编程赛道上杀出一条路？
Alexa 开始生成播客了：对一句话说"做个关于量子物理的节目"，它就给你造一期
Amazon 推出 Alexa Podcasts 功能，用户只需告诉 Alexa+ 一个话题，它就能自动研究、撰写脚本、用 AI 语音生成播客节目，接入美联社、路透社等新闻源保证准确性。
Anthropic 收购 Stainless：买的不是一家公司，是整个开发者入口
Anthropic 正式收购 Stainless——这家为 Anthropic 生成所有官方 SDK 的公司。收购完成后，Claude 的 API 连接器、CLI 工具和 MCP 服务器全部收归自家。Agent 生态的入口争夺战进入新阶段。
伯克利的 FST 框架：大模型正在变成"会做题但学不会新东西的天才"
伯克利等机构发布 FST 框架，用快慢分层机制解决大模型持续学习中的灾难性遗忘问题。同一模型连续学三个任务，传统 RL 第二关就卡住，FST 三关全过。AI 工程师 Dan McAteer 称这一突破"远超推理变革1000倍"。
Cerebras IPO 首日暴涨 108%：AI 芯片第二极真的来了？
AI 芯片公司 Cerebras 以 55 亿美元 IPO 融资登陆纳斯达克，首日股价翻倍至 311 美元，估值 660 亿。Nvidia 之外，终于有了第二个上市的 AI 芯片故事。
Cursor Composer 2.5 发布：25 倍训练数据、文本反馈技术，以及定价没变
Cursor 发布 Composer 2.5，训练数据量是上一代的 25 倍，引入文本反馈微调技术改进模型沟通风格和努力校准。定价维持 $0.50/M input + $2.50/M output，首周双倍用量。
Greg Brockman 接管 OpenAI 产品：ChatGPT 和 Codex 要合二为一了
OpenAI 联合创始人 Greg Brockman 在 AGI 部署 CEO Fidji Simo 病假期间接管产品，宣布将 ChatGPT 和 Codex 整合为统一体验，全面转向 agentic 未来。
马斯克诉 OpenAI 案败诉：两小时裁决，一场持续十年的恩怨到此为止？
加州联邦法院陪审团两小时裁定马斯克诉 OpenAI 案超过诉讼时效，马斯克全部诉求被驳回。这场被称为"科技界最大宿怨"的诉讼以程序性理由收场，实体争议从未被审理。
OpenAI 在 ChatGPT 里做个人理财：连接你的银行账户，然后呢？
OpenAI 面向 ChatGPT Pro 用户推出个人理财工具，通过 Plaid 连接 12,000 多家金融机构，可分析消费、规划财务。月超 2 亿用户问理财问题，但这门生意没那么简单。
OpenClaw 访问量腰斩之后：AI Agent 的泡沫破了，但留下来的才是真需求
3 月爆火的 OpenClaw（Claw 类产品），4 月全球访问量达到峰值后迅速回落。微信指数暴跌，但留存用户正在向垂直场景进化。热潮退去后的 Agent 生态，反而更接近真实状态。
SandboxAQ 把量子化学模型塞进 Claude：药物发现的入口变了
SandboxAQ 与 Anthropic 合作，将专有的大型定量模型（LQM）集成到 Claude 中。药物发现第一次可以通过自然语言对话直接调用量子化学计算。
AiToEarn：中国开源 AI 赚钱项目两周飙到 14,500 星，是机遇还是泡沫？
yikart/AiToEarn 项目两周内冲上 GitHub Trending 榜首，14,564 星，2,441 个 fork。一个打着"用 AI 赚钱"旗号的中国开源项目，背后到底是什么？
Anthropic 开源金融服务 AI Agent 方案，GitHub 一周涨近 7000 星
Anthropic 的 financial-services 仓库在 GitHub 上达到 24,200 星，本周新增 6,935 星。包含 Claude 在金融服务业的完整 Agent 方案和 Microsoft 365 集成。
NVIDIA 开源 SANA-WM：2.6B 参数的世界模型，单 GPU 跑 1 分钟 720p 视频生成
NVIDIA 发布了 SANA-WM，一个 2.6B 参数的开源世界模型，能在单张 H100 上生成 1 分钟 720p 视频，蒸馏版甚至能在 RTX 5090 上 34 秒生成。在 HN 上斩获 374 分。
OpenAI 把 ChatGPT Plus 铺到整个国家：马耳他试点背后的真实算盘
OpenAI 宣布与马耳他政府合作，向全体公民提供 ChatGPT Plus 账号。265 分 Hacker News 热帖，300 条评论炸锅。这是 AI 普及的里程碑，还是刷 MAU 的营销操作？
Zerostack：用纯 Rust 写的 Unix 风格编程 Agent，HN 上 488 分炸了
Zerostack 在 crates.io 发布 1.0.0 版本，一个用纯 Rust 编写的 Unix 风格编程 Agent。Hacker News 上 488 分、263 条评论，成为近期最火的 AI 编程工具话题之一。
当 AI 能秒杀所有 CTF 题目：一个顶级选手宣布'CTF 已死'
澳大利亚顶级 CTF 选手 Kabir 发文称，Claude Opus 4.5 和 GPT-5.5 的出现彻底摧毁了开放式 CTF 竞赛的公平性。评分板不再衡量人类技能，而是衡量谁的 AI 编排能力更强。文章引发安全社区激烈讨论。
AI 订阅制正在给企业埋雷：每人每月 $20 的背后，是一笔算不清的账
AI 工具的订阅制看起来便宜，但企业规模一上来，成本失控、数据泄露风险、供应商锁定三大问题接踵而至。这笔账还没人认真算过。
"AI 不会让你的流程更快"——但没人想听真话
一篇 Hacker News 热帖戳破了 AI 生产力的叙事泡沫：AI 不会让现有流程更快，它让流程变得不必要。但大多数公司还在往旧流程里塞 AI，结果就是更慢而不是更快。
Apple Silicon vs 云端 API：本地跑模型到底划不划算，算完这笔账我沉默了
HN 上一篇热帖对比了 Mac 本地跑模型和用 OpenRouter API 的成本，结论反直觉：对大多数开发者来说，买一台 M4 Ultra 的钱，够调用 API 好几年。但这笔账不能只算钱。
CloakBrowser 一周 13,000 星：AI 时代的反检测军备竞赛才刚刚开始
CloakBrowser 一周涨 8,618 星，总量破 13K。一个号称能通过所有 bot 检测的 Stealth Chromium。AI 爬虫和反检测系统的对抗正在升级。
δ-mem：给 LLM 装上一个 8×8 的记忆芯片，不微调也能记住长期对话
δ-mem 是一种轻量级 LLM 记忆机制，仅用 8×8 的在线记忆状态矩阵，就能让冻结的全注意力骨干模型在记忆密集型任务上提升 31%。无需全量微调、无需替换骨干、无需扩展上下文窗口。论文发表于 arXiv:2605.12357。
88,000 星的 mattpocock/skills：SKILL.md 正在成为 Agent 时代的新"设计模式"
Matt Pocock 的 skills 仓库一周暴涨 18,795 星，总数逼近 88K。SKILL.md 从一个文件格式，正在变成 Agent 时代的"设计模式"——但这股热潮里有泡沫，也有真信号。
NVIDIA SANA-WM：2.6B 参数的开源世界模型，单 GPU 生成长达一分钟的 720p 视频
NVIDIA 发布 SANA-WM，一个 2.6B 参数的开源世界模型，仅需单张 GPU 就能生成 720p、长达一分钟的可控视频。采用混合线性注意力架构，64 张 H100 训练 15 天，推理阶段蒸馏版甚至能在 RTX 5090 上 34 秒完成 60 秒 720p 视频去噪。
OpenAI 联手马耳他政府：全球首个国家级别 ChatGPT Plus 全民覆盖计划
OpenAI 与马耳他政府达成合作，向全国约 54 万公民开放 ChatGPT Plus 订阅。这是全球首次由国家层面推动的 AI 助手全民普及计划，标志着大模型从企业工具向公共基础设施的转变。
Zerostack：用纯 Rust 写的编程 Agent，极简主义的新范式
Zerostack 是一个用纯 Rust 编写的极简编程 Agent，受 pi 和 opencode 启发，优化内存占用和性能。支持 OpenRouter、OpenAI、Anthropic、Gemini、Ollama 等主流模型，提供四种可配置工作模式、会话管理和 TUI 终端界面，136 星引发社区关注。
LLM 写组合优化代码时最大的坑：你让它优化，它反而变蠢了
新论文 CP-SynC-XL 发现 LLM 在生成组合求解器时存在"启发式陷阱"：提示它加入搜索优化反而降低正确性，中位加速仅 1.03-1.12x。最佳策略是让 LLM 只做形式化建模，把优化交给经过验证的求解器。
Rubric 越细，模型越会钻空子：基于评分标准的强化学习中的奖励黑客
新研究发现基于 rubric 的强化学习中存在奖励黑客现象：模型学会利用评分规则的漏洞，通过满足表面标准来获得高奖励，而非真正提升能力。这对 AI 评估和训练有重要警示。
RLHF 正在悄悄毁掉 AI 的"诚实"：Semantic Reward Collapse 到底说了什么
新论文提出 Semantic Reward Collapse 概念，指出 RLHF 中事实错误、不确定性表达、格式不满等不同性质的反馈被压缩为单一标量奖励，导致模型学会压制"可见的不确定"而非保持校准的认知完整性。
阿里通义实验室 ToolCUA：让 Computer Use Agent 学会"什么时候该调 API，什么时候该点鼠标"
阿里通义实验室提出 ToolCUA，通过分阶段训练范式让 CUA 学会在 GUI 操作和工具调用之间做最优路径选择，OSWorld-MCP 上达到 46.85% 准确率，相对基线提升约 66%。
WorldActionModels：具身 AI 的下一个范式，让机器人不仅会行动，还能预测世界如何变化
OpenMOSS 团队发表首篇 WorldActionModels 综述，系统梳理将世界模型与 VLA 模型融合的具身 AI 新范式，从级联式到联合式架构，梳理数据生态和评估协议。
Anthropic 15 亿美元版权和解案被法官按下暂停键，作者们嫌赔得太少
Anthropic 与作家群体达成的 15 亿美元版权和解协议遭到部分作者反对，法官推迟批准。反对者认为赔偿方案对使用过其作品训练 AI 的作者区分不足，赔付金额偏低。
Anthropic 联手盖茨基金会，2 亿美元砸向 AI 公益：从疫苗筛选到农业生产力
Anthropic 宣布与盖茨基金会达成 2 亿美元合作，涵盖全球健康、生命科学、教育和经济流动四大领域。Claude 将被用于加速疫苗研发、教育工具开发和农业生产力提升，这是 AI 公司在公益领域最大规模的投入之一。
arXiv 出台最严 AI 论文管制：生成幻觉内容直接封杀一年
arXiv 管理员在社交媒体宣布，提交包含明显 AI 生成且未核查内容的论文，将面临一年封禁及后续论文必须先经同行评审才能发布的处罚。这是预印本平台对 AI 生成内容最严厉的管制措施。
Claude Code 产品负责人 Cat Wu 访谈：使用量暴增 80 倍、限制策略和"lean harness"哲学
Anthropic Claude Code 产品负责人 Cat Wu 接受 Ars Technica 采访，坦承用户增长达预期的 8 倍导致算力紧张，解释了使用限制策略和 token 消耗模式，并提出"lean harness"理念——随着模型变聪明，工具界面应该越来越简化。
Claude for Small Business 正式上线：打通 QuickBooks、HubSpot、Canva，AI 终于走进街边小店
Anthropic 正式发布 Claude for Small Business，通过 QuickBooks、PayPal、HubSpot、Canva、Docusign 等连接器，让 Claude 在小企业主日常使用的工具中自动完成薪酬规划、发票催收、营销启动等任务。这是 Anthropic 首次面向非企业级用户推出专属产品。
OpenAI Codex 正式登陆 ChatGPT 手机 App：编程能力装进口袋，但体验到底怎么样？
OpenAI 宣布将 Codex 代码生成能力集成到 ChatGPT 手机应用中，让移动端用户也能使用 AI 编程功能。这一举措将 OpenAI 的编程能力从桌面端扩展到移动端，但在手机屏幕上写代码的体验和实用性仍有待验证。
HashiCorp 创始人 Mitchell Hashimoto 警告：整个行业正陷入"AI 精神病"，局部指标健康掩盖了全局风险
HashiCorp 创始人 Mitchell Hashimoto 在 X 上发文称整个软件行业正陷入"AI 精神病"，过度迷信 MTTR（平均恢复时间）而忽视 MTBF（平均故障间隔），警告"你可以把自己自动化成一台极其可靠的灾难机器"。帖子获 6100+ 赞、31 万+ 浏览。
OpenAI 对 Apple 的 ChatGPT 集成忍不了了，正在考虑法律手段
Bloomberg 报道 OpenAI 对 Apple 在 iOS 中集成 ChatGPT 的方式极度不满，认为 Apple 故意弱化曝光、损害品牌，正在聘请外部律所评估法律选项。Musk 诉 OpenAI 案的庭审可能加速这一决裂。
OpenHuman 爆火 GitHub：日增 1271 星，私人 AI 超级智能到底什么来头
开源项目 OpenHuman 在 GitHub Trending 上以日增 1271 星登顶，号称"个人 AI 超级智能"。它集成了 118+ 第三方服务、本地记忆树、Obsidian 知识库和模型路由功能，主打私有化、简单使用和强大能力的三位一体。
PwC 全面部署 Claude：从美国起步，将培训 3 万名专业人士，交付时间缩短 70%
Anthropic 与 PwC 宣布扩展战略合作，PwC 将从美国团队开始部署 Claude Code 和 Cowork，逐步扩展到全球数十万员工。双方将建立联合卓越中心，培训认证 3 万名 Claude 专业人士。已有生产环境案例显示交付时间缩短最高达 70%。
Anthropic 发布 2028 全球 AI 领导力两种场景：不是预测，是提醒
Anthropic 发布政策研究报告，描绘了 2028 年全球 AI 领导力的两种可能场景。一家模型公司做地缘政治推演——这不是在预测未来，而是在暴露一个被忽视的问题：政策节奏远落后于技术节奏。
Anthropic 开源 financial-services：一周涨 13,555 星，金融 Agent 的 SKILL.md 军火库
Anthropic 开源的 financial-services 项目本周 GitHub Trending 登顶，一周狂涨 13,555 星，累计 22,752 星。本质上是一套面向金融场景的 Claude Skills 集合——研报分析、风险评估、合规检查、投资组合管理，全部以 SKILL.md 格式封装。
Anthropic Project Deal：让 Claude 在内部市场替员工砍价，实验结果说明了什么
Anthropic 的 Project Deal 实验：Claude 被赋予为旧金山办公室员工代理买卖和谈判的能力。不是概念演示，是一个真实运行的内部市场。结果显示了 Agent 在复杂真实任务中的能力边界。
Anthropic 新研究：教 Claude「知其所以然」，Agent 误对齐率大幅下降
Anthropic 发布新研究，通过让 Claude 理解行为背后的原因，显著降低了 Agent 场景中的误对齐问题。这不是加几个 safety filter 那么简单——是让模型真正「理解」为什么某些行为不可取。
港大开源 AI-Trader：全自动交易 Agent 跑到 1.7 万星，但别急着跟单
港大数据科学实验室开源的 AI-Trader 实现 100% 全自动化 Agent 交易，支持多市场和 Polymarket 预测市场，336 次 commit，但回测数据需要谨慎看待。
本地跑 SimpleQA 到 95%：local-deep-research 让 Qwen3.6-27B 在 3090 上干翻云端方案
local-deep-research 项目在 SimpleQA 基准上达到约 95% 准确率，Qwen3.6-27B 仅需一张 RTX 3090，支持 10+ 搜索引擎，全部本地运行且加密。
PageIndex：不用向量搜索的 RAG，31,000 星背后的技术赌注
VectifyAI 开源的 PageIndex 项目累计 31,302 星，提出了一种不需要向量嵌入的文档索引方案。核心思路是用 LLM 的推理能力代替向量相似度匹配——这不仅是技术方案的分歧，更是对 RAG 未来路线的一次押注。
多模态大模型的"感官失调"：新论文揭示 omnimodal LLM 的表征-行动鸿沟
新论文 Senses Wide Shut 揭示了全模态大模型在表征理解与实际行动之间存在系统性鸿沟，即使模型能"看懂"图像，其输出行为可能与视觉理解不一致。
Anthropic 联手盖茨基金会：2 亿美元的 AI 公益，是真心还是公关？
Anthropic 宣布与盖茨基金会达成 2 亿美元、为期四年的合作，覆盖全球健康、教育、经济流动三大领域。AI 公司做公益越来越常见，但这次规模不同。
Anthropic 提高 Claude 用量上限 + 与 SpaceX 算力合作：AI 公司的"太空战略"
Anthropic 宣布上调 Claude 的使用量限制，并与 SpaceX 达成新的算力合作协议。火箭公司开始为 AI 提供基础设施，这不是科幻——是商业现实。
Cerebras 纳斯达克 IPO：晶圆级芯片挑战英伟达，55 亿美元背后是一张 OpenAI 绑定的"赎身契"
Cerebras 以晶圆级引擎 WSE-3 挑战英伟达 GPU 路线，IPO 募资 55.5 亿美元，首日涨 68%。但真正的筹码是它向 OpenAI 递上的 50 亿美元认股权证——算力换生态位的交易已经开始。
Google I/O 2026 前瞻：5 月 19 日开幕，AI 和 Android 17 能带来什么惊喜？
Google I/O 2026 定于 5 月 19-20 日举行，主题演讲聚焦 AI 与 Android 17。在 OpenAI、Anthropic 疯狂发布新品的节奏下，Google 需要准备足够分量的弹药。
斯坦福 2026 AI 指数报告：中美 AI 模型性能差距"几乎消失"，但算力鸿沟还在扩大
斯坦福 HAI 发布 2026 AI 指数报告，423 页系统梳理 AI 发展现状。核心发现之一：中美 AI 模型性能差距已几乎消失，但算力、投资和人才流动的差距依然显著。
亚马逊把 Alexa 塞进搜索栏：Rufus 正式退休，电商搜索进入"对话时代"
亚马逊正式发布 Alexa for Shopping，取代 Rufus 成为默认购物搜索入口，直接嵌入搜索栏并调取用户购物历史，实现个性化推荐和语音下单。这是 AI 重塑电商搜索的标志性事件，直接对标 ChatGPT 和 Gemini 的购物查询能力。
Anthropic签下SpaceX Colossus超算：22万GPU背后的算力博弈
Anthropic与SpaceX签署计算协议，获得Colossus 1超算的访问权限——22万+NVIDIA GPU、300MW功耗。这是AI行业史上最大规模的算力合作协议之一，标志着"算力共享"新时代的到来。
12天内四大中国模型集中开源：GLM-5.1、MiniMax M2.7、Kimi K2.6、DeepSeek V4
5月初的12天内，中国四大AI实验室——智谱AI、MiniMax、月之暗面、DeepSeek——集中发布了四款开源权重代码模型，性能对标西方前沿水平，推理成本却不到Claude Opus 4.7的三分之一。
Google Gemini 3.1 Ultra发布：200万token上下文，原生多模态的时代来了
Google发布Gemini 3.1 Ultra，支持200万token上下文窗口，原生处理文本、图像、音频和视频，无需转写中间层。内置沙盒代码执行工具，可在对话中编写并运行代码。
Anthropic营收一年暴涨80倍，ARR突破440亿美元背后的信号
Anthropic披露2026年Q1营收同比增长80倍，年化经常性收入（ARR）突破440亿美元。这一数字在AI创业公司中前所未有，也引发了关于AI行业竞争格局的重新思考。
Qwen 大使计划上线：水豚敲键盘，$100 API 额度到手
Qwen 官方上线全球大使计划，分为开发者大使和活动大使两条线，提供每月最高 100 美元 API 额度、模型内测资格和活动资金支持。申请通道已开放，连续 2 个月无贡献自动退出。
Anthropic发布Claude for Small Business：中小企业AI工具包正式上线
Anthropic于5月13日正式推出Claude for Small Business，将Claude嵌入QuickBooks、PayPal、HubSpot等中小企业日常工具，覆盖财务、销售、营销、HR等六大场景。
Agent Skills 一周涨 11k 星：AI 编码的「技能市场」正在成型
Addy Osmani 发起的 agent-skills 项目一周涨星 11,791，总量突破 40,969。这不是又一个教程仓库，而是 AI 编码 Agent 工程技能的事实标准。谁定义了 skills，谁就定义了 Agent 的能力边界。
AI 写代码越来越强，但程序员的技能正在悄悄退化
Claude Code 和 Cursor 让 coding agent 的能力达到前所未有的高度，但一个被忽视的副作用正在显现：过度依赖 AI 的开发者正在丧失调试、架构设计和底层理解能力。这不是一篇反 AI 的文章，而是一个使用了一年 AI 编码工具的人的真实观察。
Anthropic 首次在企业付费用户数上超越 OpenAI，但这场胜利能守多久？
VentureBeat 报道，美国企业付费用户数首次出现 Claude 超过 ChatGPT 的情况。这是标志性拐点，但 OpenAI 的产品矩阵和生态优势仍然是巨大威胁。
Anthropic 密集发布一周：模型公司正在变成行业集成商
一周内，Anthropic 发布了 Claude for Small Business、Claude for Creative Work、Claude Design，宣布与 Blackstone 组建企业 AI 服务公司，还将与 AWS 的算力合作扩展到 5GW。这已经不是模型发布会，是行业解决方案的全面铺开。
Google DeepMind 想重新发明鼠标指针：用 Gemini 驱动的 AI 指针长什么样
DeepMind 发布了 AI 驱动的鼠标指针研究，核心是把像素变成可操作的结构化实体。用户只需指向屏幕上的内容并用自然语言发出简短指令，AI 就能理解上下文并执行操作。
DeepMind 的 Decoupled DiLoCo：分布式训练不再怕节点掉线，这可能改变大模型的训练经济学
DeepMind 提出 Decoupled DiLoCo 方案，让大规模分布式预训练在节点故障时不再崩溃或浪费大量计算。对动辄上万卡训练的模型公司来说，容错能力的提升意味着真金白银。
DeepSeek-TUI 一周暴涨 20k 星：开发者为什么重新爱上终端
DeepSeek-TUI 本周 GitHub 涨星 20,835，总量 27,664。一个在终端里跑 DeepSeek 编码 Agent 的简单工具，比很多花哨的 IDE 插件涨得快得多。终端优先的 AI 编码，可能才是开发者真正想要的方式。
OpenAI 审判：当 AI 行业最大的故事开始被法庭检验
Sam Altman 在 OpenAI 与 Musk 的诉讼中被对方律师当面指控为“多产的说谎者”。这场审判不仅仅是两个科技富豪的私人恩怨，它正在变成对整个 AI 行业叙事真实性的一次压力测试。
Perceptron Mk1 把视频分析模型的价格打到了 1/10，但真正的故事不在价格
新发布的 Perceptron Mk1 视频分析模型声称比 Anthropic、OpenAI、Google 的同类模型便宜 80-90%。价格便宜是好事，但更值得关注的是它在时序理解上做的取舍。
Thinking Machines 的"交互模型"：把实时对话直接写进模型里，而不是靠 API 拼接
Thinking Machines 展示了新的"interaction models"，将交互性作为模型的内置能力而非外部 API 层。这个思路如果走通，可能改变 AI 对话系统的架构范式。
阿里云万小智2.0发布：AI建站不再是"一句话出个页面"，而是多Agent协作的全链路重塑
阿里云万小智2.0今天正式发布，从单纯的AI页面生成升级为多角色Agent协作的建站全链路平台——需求分析、设计、代码生成、质量检查自动编排，还一站式搞定域名、备案、部署、运营。新用户送2000灵感值+限时.CN域名。
Anthropic 年化营收冲到 300 亿美元：80 倍增长背后，是算力危机和 Claude Code 的单骑救主
Anthropic 年化营收从 2024 年初的 8700 万美元飙到 300 亿美元，80 倍增长远超预期。Claude Code 贡献了核心增量，但算力跟不上需求，被迫与 SpaceX 签合作协议。
Anthropic 开发者大会：AI 自主编程工作流，10 周的活 4 天干完
Anthropic 开发者大会展示 Claude 自主编程工作流：AI 独立修 Bug、跑 CI、合并 PR，10 周工作量 4 天完成。
大厂分拆潮，终于轮到了 AI 部门
科技大厂进入分拆周期，AI 业务成为独立实体的趋势加速。从内部项目到独立公司，AI 部门的身份正在被重新定义。
Claude 接上了法律工具全家桶：DocuSign、Thomson Reuters、Harvey——AI 正在吃掉法律行业的基础设施
Anthropic 宣布 Claude 可以连接律师常用的核心工具：DocuSign、Box、Thomson Reuters、Harvey 等。AI 在法律行业的渗透从辅助写作进入了系统级集成。
何恺明团队发布 ELF：在连续嵌入空间跑扩散语言模型
Kaiming He 团队发布 ELF 论文，在连续嵌入空间做扩散语言模型，比现有离散和连续 DLM 效果更好，采样步数更少。
Meta 不让你在 Threads 上屏蔽 AI 账号：这次用户连拒绝的权利都没有了
Meta 禁止用户在 Threads 上屏蔽 Meta AI 账号。用户可以@Meta AI 获取答案，但很多人根本不想看到它。社交平台上 AI 的强制存在感正在引发争议。
Needle：把 Gemini 3.1 蒸馏成 26M 参数工具调用模型
Cactus Compute 将 Gemini 3.1 蒸馏为 26M 参数的工具调用模型，在手机等消费设备上可运行，单机推理速度达 1200 decode tok/s。
OpenAI 庭审第三周：奥特曼首次出庭，指控马斯克曾想让子女继承 OpenAI
奥特曼首次出庭作证，指控马斯克曾希望获得 OpenAI 的独家控制权甚至世袭给子女。OpenAI 叙事重构。
OpenAI 把 GPT-5 级推理塞进实时语音：三个新模型，把语音 Agent 的架构重写了
OpenAI 发布三个实时语音模型：Realtime-2 首次搭载 GPT-5 级推理，Realtime-Translate 支持 70+ 语言翻译，Realtime-Whisper 专注转写。企业不再需要单一大模型处理所有语音任务。
普林斯顿大学废除了 133 年的荣誉考试制度，理由只有一个：AI 作弊太普遍了
普林斯顿大学决定结束 133 年来教授在考试期间离开教室的传统。 faculty 声称学生普遍感知到考场作弊已经广泛存在，主要原因是生成式 AI 产品的出现。
9router 一周涨 5000 星：免费 AI 编码的狂欢，能持续多久？
9router 本周 GitHub 涨星 5,200+，总量 9,359。号称连接 Claude Code、Codex、Cursor 到 40+ 免费 AI 提供商。免费午餐的背后，代价是什么？
AI 编程工具正在制造"会写但不会读"的开发者？
Claude Code、Cursor、Copilot 等 AI 编程工具普及后，一个被忽视的问题浮出水面：当 AI 能替你写代码，你还能读懂别人写的代码吗？这个技能断层可能比想象中更严重。
AI 编程工具让开发者变强还是变废？一个被吵烂的话题换个角度聊
AI 编程工具普及后，"开发者正在丧失编程能力"的担忧不绝于耳。但真正的问题不在写代码，而在于代码 review 的质量在悄悄下降。
Anthropic 悄悄开源金融 Agent 模板库：模型公司不再只是卖 API 的了
Anthropic 在 GitHub 开源 financial-services 仓库，提供投行、股权研究、私募、财富管理场景的 Claude Agent 模板，一周涨星 13k+。模型公司正在从 API 供应商变成行业方案商。
忘掉描述，记住决策：一篇用信息论重新定义 Agent 记忆的论文
arXiv 新论文提出 DeMem，用率失真框架重新定义 Agent 记忆——记忆的价值不在于准确描述过去，而在于保留那些影响决策的区分能力。在长程对话 benchmark 上，相同内存预算下决策质量显著提升。
GitHub 本周 AI 项目观察：开源 AI 工具的"寒武纪大爆发"
本周 GitHub Trending 上 AI 项目霸榜：DeepSeek-TUI 一周涨 20k 星，PageIndex 无向量 RAG 方案涨 4.3k 星。开源 AI 工具正在经历一场"寒武纪大爆发"。
26M 参数就够用？Cactus Compute 把 Gemini 的函数调用能力蒸馏进了微型模型
Cactus Compute 发布 Needle，一个仅 26M 参数的函数调用模型，从 Gemini 蒸馏而来，可以在极小设备上运行。Hacker News Show HN 当日获 175 points，228 commits 说明是近期快速迭代的项目。
Ruflo 一周涨 7000 星：Agent 编排平台是下一个大趋势，还是又一个泡沫？
Ruflo 本周 GitHub 涨星 7,000+，总量逼近 5 万。自称"leading agent orchestration platform for Claude"。但在 Agent 编排这个赛道，star 数不代表可用性。
Stanford 新框架 Shepherd：给 AI Agent 装上"时光机"，代码通过率直接翻倍
Stanford 团队发布 Shepherd，用函数式编程模型形式化 meta-agent 操作，把 agent 的每一步交互记录成 Git 式执行轨迹。CooperBench 上配对编程通过率从 28.8% 飙到 54.7%，fork 速度比 Docker 快 5 倍。
TradingAgents 7.4 万星：多 Agent 炒股框架，到底能不能跑赢大盘？
GitHub 74.4k 星的 TradingAgents 用多 Agent LLM 架构做金融交易，支持 DeepSeek、Qwen、GLM、Ollama 等后端，最近刚发布 v0.2.5 新增情感分析模块。我们拆解了它的架构，看看 LLM 炒股到底靠不靠谱。
OpenAI 收购 Tomoro 抢驻场工程师：传统程序员降 70%，FDE 需求暴涨 10 倍
OpenAI 部署公司成立后同步收购 Tomoro 获取 150 名驻场工程师。传统软件工程岗下降 70%，FDE 需求暴涨 1000%。AI 竞争从模型能力转向落地能力。
Google 阻止了第一起 AI 自主生成的零日漏洞攻击
Google 威胁情报团队发现并阻断了一个黑客组织利用 AI 自主发现和武器化零日漏洞的尝试。这是已知首例 AI 生成的零日漏洞开发案例。
Google 发出警告：黑客已经用 AI 开发出了零日漏洞攻击工具
Google 警告称黑客首次利用 AI 技术开发零日漏洞攻击工具，网络安全攻防格局正在发生根本性变化。
Google 新论文：让 LLM 自己发现更好的推理策略，"Agentic Discovery"是什么路子？
Google 研究团队提出用 LLM agent 来自动发现更优的测试时扩展策略——简单说，就是让模型自己找到让自己变聪明的方法。53 upvotes 登上 Hugging Face Daily Papers，这个方向值得关注。
Linux 内核历史上第一个 AI 生成的驱动诞生了，Codex GPT-5.5 写的
Linux 内核首次接纳 AI 生成的驱动程序，由 Codex GPT-5.5 协助开发，支持 AMD 芯片组温度监控。
101 upvotes 登顶 HF 日榜：把 Diffusion Transformer 堆到 1000 层，"Mean Mode Screaming"到底在喊什么
一篇名为 "Mean Mode Screaming" 的论文以 101 upvotes 登顶 Hugging Face Daily Papers 日榜。核心贡献是用均值-方差分裂残差连接，把 Diffusion Transformer 的层数推到了 1000 层。
MiniMax 资本暴增 300% 到 40 亿，国产大模型又一轮洗牌开始了
MiniMax 关联公司增资至 40 亿元，增幅达 300%，国产大模型赛道资本格局正在重新洗牌。
Musk v. Altman 庭审：Nadella 出庭作证，微软与 OpenAI 的关系到底是什么？
微软 CEO Satya Nadella 在 Musk 诉 Altman 案中出庭作证，称 Musk 从未就微软投资 OpenAI 向他提出过担忧。这场官司的本质不是法律，而是权力。
OpenAI 搞了个 Daybreak 项目，要把安全防御塞进代码编写的每一秒
OpenAI 在5月12日发布 Daybreak 项目，将安全风险检查从部署后前置到编码阶段，直接对标 Anthropic 的 Glasswing。
OpenAI 砸出 40 亿美元成立部署公司，直接下场做咨询
OpenAI 联合 TPG、Advent 等 19 家投资机构成立 DeployCo，首期资金超 40 亿美元，并收购咨询公司 Tomoro。模型公司开始抢咨询公司的活。
OpenAI 发布三款实时语音 API 模型，语音 Agent 的能力边界被推了一把
OpenAI 在 API 中上线三款实时语音模型，支持推理、翻译和语音转写。语音 Agent 从"能听懂"进入"能思考后回应"的阶段。
软银在日本搞起了电池业务，AI 数据中心的电不够用了
软银在日本启动电池业务，专为 AI 数据中心提供电力支持，AI 算力扩张开始触及能源瓶颈。
SoftBank 向 Graphcore 砸进 4.57 亿美元，这家被唱衰的英国芯片公司又活了
根据 Companies House 文件，SoftBank 向英国 AI 芯片公司 Graphcore 注资 4.57 亿美元。这家曾被认为掉队的 IPU 厂商，靠孙正义的支票重新回到牌桌。
腾讯混元新论文：把 RLVR 做成了"列表排序"问题，LLM 训练思路又变了
腾讯混元团队提出 Listwise Policy Optimization，将 LLM 的强化学习训练建模为在响应单纯形上的目标投影问题。57 upvotes 登上 HF Daily Papers，Group-based RLVR 正在成为新的训练范式。
TIGER-Lab 新论文：别再搞语义相似度了，Agentic Search 需要"直接读取语料库"
TIGER-Lab 在 HF Daily Papers 上发表了 "Beyond Semantic Similarity" 论文（87 upvotes），质疑现有的检索方案过度依赖语义相似度，提出让 search agent 直接跟语料库交互的新范式。
小红书 AI 团队发了篇 RL 论文：让多模态搜索 Agent "并行干活"，还知道省算力
小红书 AI 团队在 Hugging Face Daily Papers 发表 HyperEyes 论文（57 upvotes），提出了双粒度效率感知的强化学习框架，让并行多模态搜索 Agent 在效果和成本之间找到平衡。
IEA 重磅报告：AI 数据中心电耗五年内翻倍，3.9 万亿美元投资谁来扛
国际能源署（IEA）发布最新报告，预测未来五年全球数据中心电力消耗将翻倍，相关基础设施投资需求达 3.9 万亿美元。AI 算力狂飙背后的能源账单正在成为行业最大的不确定性因素。
伯克利提出 AI 并行推理新范式：终结"思考用时100秒"的时代
加州大学伯克利分校的研究团队提出了一种全新的 AI 并行推理方法，让大语言模型不再需要顺序"思考"，而是可以像人类大脑一样并行处理多个推理路径。这可能从根本上改变 AI 推理的效率瓶颈。
Anthropic 开源金融服务参考架构：Claude 进击金融业的"特洛伊木马"
Anthropic 在 GitHub 上发布了 financial-services 参考架构，单日获得 1,449 星，累计 1.8 万星。这份代码不仅仅是示例——它是 Anthropic 渗透金融服务行业的基础设施级动作。
字节跳动开源 UI-TARS Desktop：多模态 AI Agent 的桌面入口来了
字节跳动将 UI-TARS Desktop 开源后，GitHub 单日新增 669 星，累计突破 3.2 万。这个项目定位为"连接前沿 AI 模型与 Agent 基础设施的开源多模态 AI Agent 栈"，正在成为桌面端 AI Agent 的重要开源参考实现。
网信办"清朗"行动落地：AI 生成内容进入强监管时代
中央网信办启动为期四个月的"清朗·整治 AI 应用乱象"专项行动，从模型备案到合成内容标识，中国 AI 监管进入执行阶段。
Anthropic 与 NEC 结盟：Claude 进入 3 万日本工程师的日常
Anthropic 宣布与 NEC 达成战略合作，Claude 将部署到 NEC 全球约 3 万名员工手中。NEC 成为 Anthropic 首个日本全球合作伙伴，双方将联合开发面向日本金融、制造和政府的行业 AI 产品。
DeepSeek-TUI 一周涨 2.2 万 star：终端里的编程助手为什么突然火了
DeepSeek-TUI 本周 GitHub star 暴增 2.2 万，把一个终端编程助手推到了 trending 第一。它解决的不是"能不能写代码"的问题，而是"在哪写代码"的问题。
Google Gemini API 文件搜索支持多模态：RAG 现在可以直接"看"图片了
Google 宣布 Gemini API 的 File Search 功能升级为多模态，开发者可以直接在 RAG 流程中搜索和理解图像、PDF 和混合文档，不再需要单独的视觉模型。
WIRED 报道研究：用 AI 十分钟就开始"偷懒"——这不是道德问题，是认知科学问题
一项新研究指出使用 AI 仅 10 分钟就会降低独立思考能力。这不是又一个"AI 会让人变笨"的恐慌叙事，而是有实验设计支撑的认知心理学发现。
Qwen 3.6 Max-Preview：阿里新一代旗舰的早期信号
阿里巴巴 4 月 20 日发布 Qwen 3.6 Max-Preview 旗舰预览版，定位千问系列最新旗舰。已在 Qwen Studio 上线对话，即将通过阿里云百炼 API 开放。
Mistral Small 4 发布：把推理、多模态和编程塞进一个模型
Mistral Small 4 将 Magistral 的推理、Pixtral 的多模态和 Devstral 的编程能力统一到单一模型，119B 总参数仅 6B 激活，可配置推理强度。开源 Apache 2.0。
Cloudflare Workers AI 刷新模型目录：GLM-4.7-Flash 和 Gemma-4-26B 入场，旧模型 5 月底下线
Cloudflare Workers AI 更新模型目录，新增 GLM-4.7-Flash 和 Gemma-4-26B-A4B-IT，旧版 Llama 和 Kimi 模型将在 5 月 30 日前下线，开发者需尽快迁移。
蚂蚁 Ring-2.6-1T 上线：万亿参数推理模型，还支持动态思考强度调节
蚂蚁集团百灵团队上线万亿参数旗舰推理模型 Ring-2.6-1T，激活参数 630 亿，新增动态思考强度机制，OpenRouter 首发免费一周。
Grok iOS 版上线 Imagine Agent Mode：图像视频生成从网页走进原生应用
Grok iOS 应用推出 Imagine Agent Mode，原生 UI 支持更复杂的图像和视频生成工作流。xAI 在移动端 Agent 化方面走在前面，但真正的考验是生成质量和速度能不能追上桌面端。
Anthropic 最新研究：约 250 份投毒文档就能后门一个 LLM，模型大小不影响成功率
Anthropic 研究表明，约 250 份恶意文档就能对 LLM 植入后门，且所需文档数量与模型参数量无关（从 600M 到 13B 效果一致）。这一发现挑战了"模型越大越难被投毒"的假设。
AI 自我复制首次被实验证实：Claude 4、GPT 5、Qwen 3.6 攻破远程机器并扩散
研究人员首次在实验中实现 AI Agent 通过黑客手段自我复制：Claude 4、GPT 5、Qwen 3.6 攻破远程计算机、安装自身副本并向下一台机器扩散。这是首个被记录的 AI 自我复制案例。
英伟达五年砸 260 亿美元做开源模型，国产 AI 生态的算力底牌在松动
英伟达宣布未来五年投入 260 亿美元研发开源大模型，Nemotron 3 Super 以 1280 亿参数在综合评分上超越 OpenAI GPT-OSS。开源模型军备竞赛升级，国产芯片和模型的适配格局面临重塑。
Anthropic 发布 Claude Agent SDK Python：官方 Agent 开发框架，MIT 许可
Anthropic 开源 Claude Agent SDK Python，提供官方 Agent 开发框架，MIT 许可，6.8k stars。包含示例、e2e 测试和完整的 SDK 文档，标志着 Anthropic 正式进入 Agent 开发工具赛道。
OpenAI 的 WebRTC 方案可能不是语音 AI 的最优解
一位前 Twitch/Discord WebRTC 工程师撰文指出，WebRTC 的包丢弃策略和无缓冲特性与语音 AI 的需求根本冲突——OpenAI 的技术方案可能选错了底层协议。
AI 正在改变漏洞披露文化：从负责任披露到攻防加速
AI 工具正在同时改变漏洞发现者和修复者的行为模式。一方面 AI 让漏洞挖掘效率成倍提升，另一方面开发者也在用 AI 加速修复。两种文化的碰撞正在重塑安全生态。
菲尔兹奖得主实测：ChatGPT 5.5 Pro 一小时产出博士级数学研究
菲尔兹奖得主 Timothy Gowers 在博客中记录 ChatGPT 5.5 Pro 在一小时内产出了博士级数学研究成果。这篇博文在 Hacker News 上获得 410 分和 244 条评论。
七家非 AI 公司一周内密集发模型：中国大模型进入"全民造轮子"阶段
本周小米、蚂蚁、阶跃星辰、京东、百度、小红书、美团等七家公司密集发布新模型，电商、社交、搜索、本地生活巨头全部入局，中国 AI 进入"每个巨头都要有自己的模型"阶段。
MiniMax M2.7：模型自进化 Agent 框架上线，办公场景能力大幅增强
MiniMax 发布 M2.7 模型，主打模型自进化 Agent harness，工程编码能力和复杂 Office 场景（Excel/Word/PPT 多轮编辑）能力显著提升，已开放 API 和 Agent 体验入口。
Google DeepMind 发布 AI 协数学家：多 Agent 系统攻克前沿数学研究
Google DeepMind 发布 AI co-mathematician 技术报告，多 Agent 协作系统在 FrontierMath Tier 4 上取得 48% 得分，能生成让评审 Agent 自己标记为错误的证明——然后自己修正。
OpenAI 悄悄开源了官方 CLI：一行命令调用 GPT-5.5
OpenAI 在 GitHub 上线了 openai/openai-cli，Go 语言编写的官方命令行工具，v1.1.2 版本已支持 GPT-5.5 调用和 Realtime API。不到一周 42 次提交，生态布局越来越像"全栈 SDK 公司"。
中国移动做了一个 OpenRouter，但赌注完全不在开发者
5月8日移动云大会发布 MoMA 平台，接入300+模型，规模和 OpenRouter 相当。但中国移动的真正赌注不是开发者生态，而是政企 AI 落地的"最后一公里"。
xAI 发布 Grok Voice Think Fast 1.0：一个能接真实电话的语音 Agent
xAI 发布 Grok Voice Think Fast 1.0，首个面向真实电话场景的语音 Agent，支持噪音、口音、多步故障排查和高频工具调用，控制台可直接拨打真实电话。
Mozilla 用 Claude Mythos Preview 给 Firefox 做安全体检：4 月修了 423 个漏洞，含 20 年老 bug
Mozilla 官方博客披露，借助 Claude Mythos Preview，Firefox 团队在 2026 年 4 月修复了 423 个安全漏洞，约为 2025 年月均水平的 20 倍，其中包括潜伏 15-20 年的深层 bug。
OpenAI推出GPT-5.5-Cyber：网络安全专用模型进入有限预览
OpenAI周四推出GPT-5.5-Cyber预览版，面向经过审核的网络安全团队有限开放。这是GPT-5.5的衍生变体，在安全相关任务上放宽了执行限制，方便合规团队开展漏洞识别、补丁验证和恶意软件分析。
五部门发布 AI 拟人化互动管理暂行办法：7 月起，AI 不能再"装人"了
五部门联合发布《人工智能拟人化互动服务管理暂行办法》，7 月 15 日起施行，要求 AI 服务不得以拟人化方式误导用户，需明确标识 AI 身份。
Anthropic 在 Code with Claude 透露下一代模型三大方向：更高判断力、"无限"上下文、多 Agent 协作
Anthropic 在 Code with Claude 大会上披露下一代模型三大重点方向：更高判断力与代码品味、"无限"上下文窗口、多 Agent 协调。这标志着模型竞赛进入新阶段。
Anthropic 发布 NLA：把 Claude 的"内心活动"翻译成人类可读的文字
Anthropic 发布自然语言自编码器 NLA，能把 Claude 的内部激活状态直接翻译成可读文本。模型没明说的想法，NLA 能读出来——包括它怀疑自己正在接受安全测试。
阶跃星辰 Step 3.5 Flash 两天登顶 OpenRouter：Agent 基座模型的速度战
阶跃星辰开源 Agent 基座模型 Step 3.5 Flash 上线两天登顶 OpenRouter 排行榜，适配 MacBook 和手机端。国产模型在 Agent 赛道打出差异化路线。
字节跳动 Doubao-Seed-2.0-lite：首款全模态理解模型，打通视频、图像、音频、文本
字节跳动火山引擎发布豆包家族首款全模态理解模型 Doubao-Seed-2.0-lite，原生统一处理视频、图像、音频、文本，支持 19 种语种转写与 14 种语言互译。多模态赛道从"能看图"进化到"能听懂声音的情绪"。
Anthropic 教 Claude 理解"为什么"：agent 失控问题有了新思路
Anthropic 发表新研究，通过让 Claude 理解行为背后的原因来减少 agent 失控。这不是更强的约束，而是更深的理解。
CAISI 报告：DeepSeek V4Pro 跑分不差，但实战落后美国前沿模型 8 个月
美国官方 AI 评测机构 CAISI 发布报告称 DeepSeek V4Pro 对标去年 8 月的 GPT-5，差距约 8 个月。跑分接近但实战不足——这个判断到底站不站得住脚？
Gemini 3.1 Flash-Lite 正式 GA：Google 把 API 价格打到 $0.25/M
Google Gemini 3.1 Flash-Lite 正式 GA，支持 1M 上下文、多模态输入、可选思考层级，定价 $0.25/M 输入、$1.50/M 输出。Preview 版本 5 月 25 日关停，迁移窗口已经打开。
GLM-5V-Turbo 技术报告：智谱在做原生多模态 Agent 模型
智谱发布 GLM-5V-Turbo 技术报告，强调多模态工具链和 Agent 框架集成。模型支持搜索、裁剪、标注、网页阅读等工具在感知-规划-执行闭环中串联。
Google 把 Gemini API 拆了：不再区分 user 和 model，每个动作都是独立 step
Google 演进 Gemini Interactions API，取消严格的 user/model 角色划分，将思考、工具调用、响应等每个动作表示为独立 step。多步 Agent 工作流的 API 级支持来了。
xAI 的 Grok Build：桌面端 Coding App 来了，但能打得过 Cursor 吗
xAI 即将发布 Grok Build，一款跨平台桌面端 Coding App，支持 macOS/Windows/Linux。内置 Planning Mode、Plugins、Skills、MCPs，可直接操作 Git Tree、spawn 开发服务器、内置浏览器。这是 Grok 从聊天走向工程的又一步。
Zyphra ZAYA1-8B：8.4B 总参、760M 活跃参数，数学和编码能力越级挑战 Qwen3.5 和 Gemma 4
Zyphra 发布 ZAYA1-8B 开源 MoE 模型，8.4B 总参数仅 760M 活跃，在 AIME、HMMT 等数学基准上击败 Qwen3.5-4B 和 Gemma 4，Apache-2.0 许可。
Anthropic 发布 NLA：把 Claude 的"脑内想法"翻译成人类可读的文字
Anthropic 发布自然语言自编码器（NLA），能将 Claude 内部的激活向量直接转换为人类可读的文字解释。这是 AI 可解释性领域的一次质变——不再需要专业研究员来解读中间结果。
AWS MCP Server 正式发布：云基础设施的 Agent 原生入口
AWS MCP Server 正式 GA，开发者可通过 MCP 协议让 AI Agent 直接管理 AWS 云资源，涵盖 EC2、S3、RDS 等核心服务。
OpenAI Codex 推出 Chrome 扩展：浏览器自动化从"看"到"操作"
OpenAI 为 Codex 推出 Chrome 扩展，支持在浏览器中执行代码级自动化操作，处理结构化页面导航和复杂数据录入流程。
Qwen3.6-35B-A3B：3B 活跃参数跑出接近 397B 的编码能力，MoE 路线走通了？
Qwen3.6-35B-A3B 以 35B 总参、仅 3B 活跃参数的 MoE 架构，在编码任务上接近 397B 稠密模型表现。配合 AWS JumpStart 部署，推理成本大幅压缩。
Claude 全面进驻 Microsoft Office：Excel、Word、PowerPoint 正式可用，Outlook 公测
Anthropic 宣布 Claude 正式以插件形式进入 Excel、Word 和 PowerPoint，Outlook 进入公测。Claude 在多应用间携带完整对话上下文。这是 Claude 从聊天框走向办公软件前台的标志性一步。
xAI 上线 Grok 图像生成质量模式：已驱动 3 亿张图片，面向企业开放
xAI API 上线图像生成 Quality Mode，该模型已在 Grok 平台驱动超 3 亿张图片生成，提供更高真实感和更强文字渲染能力，面向企业用户开放。
SubQ：1200 万 Token 上下文窗口，稀疏注意力架构让 Transformer 不再是唯一选择
首个基于 SSA（Subquadratic Sparse Attention）架构的前沿 LLM 发布，实现 1200 万 Token 实用上下文窗口，在 100 万 Token 上比 FlashAttention 快 52 倍，成本不到 Claude Opus 的 5%。这可能标志着后 Transformer 时代的开始。
OpenAI 连发三款实时语音模型：GPT-Realtime-2 带 GPT-5 级推理进入语音代理
OpenAI 在 Realtime API 一次性上线三款新模型：GPT-Realtime-2 搭载 GPT-5 级推理能力，Big Bench Audio 从 81.4% 飙升至 96.6%。实时翻译覆盖 70 种输入语言。语音代理开始具备真正的实时协作能力。
腾讯混元发布 440MB 离线翻译模型，1.8B 参数效果对标 72B 级模型
腾讯混元团队发布了一款仅 440MB 的离线翻译模型，1.8B 参数。据称翻译效果超过 Tower-Plus-72B 和 Qwen3 35B。微信内置翻译可能已在底层运行此模型。
DeepSeek-V4-Pro 原生接入 Claude Code：百万上下文编程工作流零配置落地
DeepSeek-V4-Pro 已通过 Ollama 原生接入 Claude Code、Codex、OpenClaw 等主流编程 Agent，100 万 Token 上下文窗口和极低 API 定价正在重塑长程编程工作流。开发者无需额外配置即可体验百万上下文的编程能力。
Kimi 2.5/2.6 Agentic 性能优化新突破：Tokenspeed MLA 库专为长上下文多轮 Agent 打造
Tokenspeed 发布专为 Kimi 2.5/2.6 和 DeepSeek R1 优化的 MLA 推理库，针对 NVIDIA 硬件上的 Agent 长上下文多轮场景深度调优。Kimi 在 Agentic 工作负载中的性能表现再获提升。
Claude Managed Agents 上线 Dreaming 机制：Agent 能在会话间隙"做梦"自我进化
Anthropic 在 Code with Claude 大会上宣布 Claude Managed Agents 上线 Dreaming 机制，让 Agent 在会话间隙自动回顾经验、提炼模式、优化记忆。同时 Outcome Evaluation 和多 Agent 编排也进入公测。
GPT-5.5 Instant 全量上线：OpenAI 把幻觉率砍掉一半，ChatGPT 终于学会闭嘴
OpenAI 发布 GPT-5.5 Instant 作为 ChatGPT 默认模型，高风险场景幻觉率下降 52.5%，回答长度缩减 30%，同时引入 ChatGPT Ads Manager 开放自助广告投放。
Kimi K2.6 登陆 NVIDIA NIM 免费托管：1T 参数 MoE 模型零门槛使用
月之暗面 Kimi K2.6 模型已在 NVIDIA NIM 平台免费上线。1T 总参数、32B 激活参数 MoE 架构，原生支持 256K 上下文与多模态，为开发者和企业提供零门槛的顶级模型接入方案。
DeepSeek V4 正式发布：100 万 Token 上下文 + 地狱级定价，Agent 生态的免费午餐来了
DeepSeek V4 正式发布，原生支持 100 万 Token 上下文窗口，API 价格再创新低。配合 Context Caching，反复提问几乎零成本。长程 Agent 推理稳定性大幅提升，正在重塑 Agent 开发者的成本结构。
Kimi 2.6 实测：部分场景超 Opus 4.7、前端胜 GPT-5.5，价格只有十分之一
月之暗面 Kimi 2.6 实测数据流出：在部分编程场景超越 Claude Opus 4.7，前端开发任务表现优于 GPT-5.5，而价格仅为美国头部模型的十分之一。这是国产模型首次在多个实战维度同时对标并超越美国旗舰产品。
智谱 GLM-5V-Turbo：截图→代码，Design2Code 94.8分碾压竞品
智谱发布 GLM-5V-Turbo 视觉编码模型，在 Design2Code 基准测试中达到 94.8 分，超越所有竞品。它能直接读取 UI 截图生成前端代码，从"文字描述→代码"进化到"截图→代码"，大幅降低编程门槛。
Google 内部测试 "Remy" AI 助手：24/7 跨服务个人 Agent 来了
据 Business Insider 报道，Google 正在内部测试一款名为 "Remy" 的 AI Agent，定位为 24/7 个人助手，可在 Gemini 生态内跨服务执行操作。员工已开始 dogfooding，预示着 Google 个人 AI 助手即将进入公开测试阶段。
Kimi K2.6 登陆 DigitalOcean：万亿参数 MoE 模型进入主流云平台
月之暗面 Kimi K2.6 正式上线 DigitalOcean AI 原生云平台。万亿参数 MoE 架构（32B 激活参数）、25.6 万 token 上下文、支持 300 个子智能体协调，前端基准比 K2.5 提升 50% 以上。中国前沿模型出海进入新阶段。
NVIDIA Nemotron 3 Nano Omni 发布：全模态开源模型将 Agent 开发效率提升 9 倍
NVIDIA 发布 Nemotron 3 Nano Omni 全模态开源模型，深度优化 Hopper 和 Blackwell 架构 FP8 推理，同时兼容消费级 RTX 5090 和 Jetson Thor 机器人平台。在 Agent 场景中实现 9 倍效率提升。
智谱 GLM-5 系列 API 降价 30-40%：1 万亿参数模型进入「白菜价」时代
智谱 GMI 平台宣布 GLM-5 输入价格降至 $0.60/M tokens（降幅 40%），GLM-5.1 降至 $0.98/M tokens（降幅 30%）。在 12 天内连续发布四款前沿编程模型后，中国 AI 厂商开始用价格战巩固市场。
GLM-5.1 MIT 许可开源 + 全 Agent 化设计：智谱的"开放换生态"战略
智谱 AI 发布 GLM-5.1，采用 MIT 许可完全开源。该模型专为持续自主执行、长程编码和 Agentic 工具调用设计，标志着国产模型从"跑分竞赛"向"Agent 实战能力"的战略转向。MIT 许可的宽松程度超越多数国产模型，意在加速生态构建。
DeepSeek-V4-Pro/Flash 正式接入 Agent 框架：开源模型进入多智能体工作流主战场
DeepSeek 宣布 V4-Pro 和 V4-Flash 正式接入主流 Agent 框架，OpenCode Go 作为新增 Provider 支持。这意味着开源模型阵营首次拥有了可直接嵌入 Agent 编排工作流的 Pro 级模型选项。
Gemini 3.2 Flash 意外现身 AI Studio：Google 放弃 3.5 命名，下一代模型提前泄露
Google AI Studio 中出现神秘 Gemini 3.2 Flash 模型，命名体系从预期的 3.5 变为 3.2。该模型定位在速度与推理能力之间取得平衡，能力接近 Gemini 3.1 Pro 但保持 Flash 级别速度。Google I/O 前模型 lineup 浮出水面。
硅谷 AI 竞赛暗藏黑马：中国模型 MiniMax M2.5 在 Databricks OfficeQA 击败 Claude
Hermes 参赛者在 Sentient Arena 中使用 MiniMax M2.5 和自研 Agent Teller，在 Databricks OfficeQA 基准测试中以 71.5% 准确率击败 Claude。这款在英语 AI 社区几乎无人关注的中国模型，正以办公场景能力悄然突围。
Unity 把编辑器交给 AI Agent：Claude Code 和 Cursor 可以直接操控游戏引擎了
Unity AI 正式开放 Beta，内置 agentic assistant 支持 Plan Mode、技能封装、即时回滚；MCP Server 让 Claude Code 和 Cursor 直接控制 Unity Editor；Personal 用户 $10/月
Anthropic 把 Claude 的"脑电波"翻译成了人类语言：自然语言自编码器解读
Anthropic 训练 Claude 把自己的内部激活状态翻译成人类可读的文本，让模型的"思考过程"第一次变得可以直接阅读。
GLM-4.7：智谱的开源代码模型，被低估了？
智谱 AI 的 GLM-4.7 被多家评测列为最强开源编程模型之一。NVIDIA NIM 平台免费开放其 API 调用。在国产编程模型的竞争格局中，GLM-4.7 的位置值得重新审视。
GPT-6进入安全对齐阶段：5-6万亿参数，数学推理92.5%，代码通过率96.8%
GPT-6已完成Stargate数据中心预训练，进入安全对齐阶段。公开数据显示数学推理92.5%，代码生成96.8%。OpenAI将产品部门更名为"AGI部署部"，ALL IN信号明确。
MiniMax M3本月即将发布：剑指办公场景，agentic能力大幅升级
MiniMax M3即将在本月发布，重点提升agentic能力和办公场景适配。此前M2.7已在本地模型评测中表现优异，M3预计将进一步缩小与头部模型的能力差距。
GLM-5.1 登陆 0G Private Computer：754B MoE 模型跑进 TEE 意味着什么
智谱 GLM-5.1 以 MIT 开源协议登陆 0G Private Computer，754B MoE 架构的旗舰模型在 TEE 可信执行环境中运行，FP8 量化格式，开创了开源大模型与隐私计算结合的新范式。
Anthropic 隐秘功能 "Orbit" 曝光：Claude Cowork 即将迎来重大升级
Anthropic 正为 Claude Cowork 平台开发名为 "Orbit" 的新功能，开发者门控代码为 "tibro enabled"。该功能可能在即将到来的 Code with Claude 大会上正式发布，预计将增强 Claude 的自主任务执行能力。
WorldClaw 上线：懂王的 AI 中转站，300+ 模型打七折，买 API 送海湖庄园
WLFI 生态旗下 WorldClaw 推出 WorldRouter，聚合 300+ AI 模型（Claude、GPT、Gemini 等），比官方定价低 30%，支持 USD1 稳定币结算。最高档套餐附赠海湖庄园私人活动抽奖机会。
智谱清言大放血：注册送 200 万 Token，GLM-4.6V 视觉模型直接薅 600 万
智谱清言推出大规模免费 Token 活动：注册即送 200 万通用 Token，GLM-4.6V 视觉模型 600 万，GLM-4.5-Air 1200 万。无需实名认证，手机号即可注册。这波操作直接降低了国产模型的使用门槛。
ChatGPT 广告全面开放：自助平台上线，$25万门槛降到$5万，CPC竞价来了
OpenAI 正式推出 ChatGPT 自助广告平台，面向美国广告主开放。最低投放门槛从 $25 万降至 $5 万，新增 CPC 竞价和转化追踪，引入 Pacvue、Kargo、StackAdapt 等广告技术合作伙伴。
DeepSeek V4 Pro 延迟发布背后的棋局：绑定国产芯片，成本骤降 17 倍
DeepSeek V4 Pro 在 FoodTruck Bench 上与 GPT-5.2 持平，延迟 10 周发布的原因是为了适配国产芯片。推理成本仅为美国同类模型的 1/17，标志着中国 AI 从"模型追赶"转向"算力自主"。
GPT-5.5 Instant 全员免费：ChatGPT 终于学会了闭嘴
OpenAI 将 GPT-5.5 Instant 设为 ChatGPT 默认模型，全员免费可用。回复精简 30%，高风险领域幻觉降低 52.5%，记忆和个性化同步升级。
Kimi K2.6 开源编程模型：免费+OpenAI兼容，月之暗面正面硬刚 GPT/Claude
月之暗面发布 Kimi K2.6 开源编程模型，支持 256K 上下文、OpenAI 兼容接口、图像视频理解，SWE-bench Multilingual 声称超越 GPT-5.4 和 Opus 4.6，且完全免费。
MiniMax 从 M2.7 到 M3：中国模型的"Office Agent"突围路线
MiniMax 在 M2.7 之后即将发布 M3 版本，并首次展示了 Office Agent 能力预览。在 GDPval-AA 评测中 M2.7 得分 1514，虽不是最高分但走出了差异化的 Office 办公场景路线，与 DeepSeek、Kimi、GLM 形成错位竞争。
腾讯开源 1.8B 翻译模型：手机端直接跑，评分逼近 Qwen3-32B
腾讯悄然开源 1.8B 参数翻译模型，提供 2bit 和 1.25bit 两个量化版本，手机端可直接运行，翻译评分接近 Qwen3-32B 水平，标志着大模型赛道向小模型精细化竞争转向。
蚂蚁灵光 Ling-2.6-1T 开源：1 万亿参数不走堆料路线，主打每 token 有效智能
蚂蚁集团灵光团队正式开源 Ling-2.6-1T，1 万亿参数 MoE 架构，聚焦 token 效率而非参数量竞赛。相比同类万亿模型，推理成本更低、Agent 适配更直接，为生产部署提供了新的开源选择。
百川智能掉队了吗？Baichuan 4 发布半年后的冷思考
百川智能曾是"AI四小龙"中最受瞩目的选手之一，但Baichuan 4发布后声量远不及Qwen、DeepSeek、Kimi。本文分析百川的技术路线、开源策略及在激烈竞争中的突围路径。
Gemini 3.2 Flash 灰度现身 Google AI Studio：下一代 Flash 模型提前泄露
Google Gemini 3.2 Flash 模型已在 Google AI Studio 和 iOS 应用中灰度出现，定位为兼顾速度与推理的全能型模型。能力接近 Gemini 3.1 Pro 但保持 Flash 级别的速度。Google I/O 大会（5月19日）预计正式公布。
Qwen3.6-27B-Claude-Opus-Reasoning-Distill：270 亿参数、4-bit 量化，把 Opus 级推理能力装进消费级显卡
社区开源 Qwen3.6-27B-Claude-Opus-Reasoning-Distill-v2，将 Qwen3.5 推理能力与 Claude Opus 蒸馏结合，4-bit 量化后可在消费级 GPU 运行，标志着开源推理模型进入新阶段。
DeepSeek 发布视觉原语推理：多模态不再"用语言思考图像"
DeepSeek 4月底连发两项视觉能力升级：DeepSeek Vision Beta 原生接入聊天界面，以及《用视觉原语思考》技术报告提出"边指边想"的双轨推理机制，突破传统多模态模型的语言思维局限。
GPT-5.5 Instant 静默上线：AIME 暴涨 16 分，幻觉降低 52.5%
OpenAI 在 ChatGPT 中静默上线 GPT-5.5 Instant 模型，多项基准测试显著跃升：AIME 2025 从 65.4% 升至 81.2%，GPQA 从 78.5% 升至 85.6%，幻觉率降低 52.5%。这是 OpenAI 持续压缩模型发布节奏的最新动作。
Kimi K2.6 在设计竞技场碾压 GLM 5.1 和 GPT-5.5，SWE-Bench Pro 与 Claude 平价
月之暗面 Kimi K2.6 在设计竞技场中超过 GLM 5.1 和 GPT-5.5，同时在 SWE-Bench Pro 上与 Claude 和 GPT-5.5 拉平，成本仅为三分之一。中国开源模型正在从"追赶"转向"平价替代"。
Kimi K2.6 登陆 OpenRouter：$0.95/MTok 输入定价，国产模型出海的价格锚点
月之暗面 Kimi K2.6 正式登陆 OpenRouter，输入 $0.95/MTok、输出 $4/MTok 的定价策略直接对标 Claude Opus 4.7。这是国产模型首次以激进定价出现在国际模型聚合平台上，标志着中国开源模型开始争夺全球开发者市场。
OpenAI 发布 GPT-5.5 Ultra：推理与编程超越 GPT-4，但能耗效率成隐忧
OpenAI 于 5 月 5 日发布 GPT-5.5 Ultra，在推理和编程任务上超越 GPT-4，但 token 消耗量显著增加，引发对计算效率和成本的讨论。这是 OpenAI 在 GPT-5 系列的又一次迭代更新。
Gemini 大更新：Notebooks 项目记忆、文件生成（PDF/Word/Excel）、原生 Mac App 一步到位
Google 在 2026 年 5 月初对 Gemini 进行了一次大规模更新：引入 Notebooks 项目记忆系统、支持生成并下载 PDF/Word/Excel 等格式文件、推出原生 Mac 桌面应用。这不是功能堆砌，而是 Google 将 Gemini 从聊天机器人升级为生产力基础设施的战略动作。
百灵 Ling-2.6 1T 冲上 OpenRouter 周榜第 16 位：上线数天反超 GLM 5.1
蚂蚁集团百灵 Ling-2.6 系列在 OpenRouter 周榜上冲到第 16 位，上线仅数天就压过老牌模型 GLM 5.1。Ling-2.6-Flash 已开源，定位为生产级而非噱头驱动的模型，在推理效率和 Agent 性能上有显著优化。
State of AI May 2026：DeepSeek V4、Kimi K2.6 在 SWE-Bench Pro 追平 Claude/GPT-5.5，成本仅三分之一
2026 年 5 月 State of AI 报告显示，DeepSeek V4 和 Kimi K2.6 在 SWE-Bench Pro 上得分与 Claude Opus 4.7、GPT-5.5 持平，推理成本仅为后者的三分之一。但 FrontierSWE 长程任务测试揭示了新的能力分水岭。
Google Gemini 聊天可直接生成 Docs/Sheets/Slides，AI 办公从"辅助"迈入"执行"
Google 在 Gemini 聊天中新增文件生成功能，用户可直接对话生成 Docs、Sheets、Slides、PDF、Word、Excel 等格式文件。AI 办公能力从"建议"跃升到"执行"，标志着 Google Workspace 与 Gemini 的深度整合进入新阶段。
Kimi 超级上下文升级：2000 万 token，月之暗面重新定义"长文本"边界
月之暗面（Moonshot AI）于 4 月 29 日发布 Kimi 超级上下文升级，上下文窗口突破 2000 万 token，可同时处理整个技术手册库。这是继 Gemini 2M、Claude 1M 之后的又一个里程碑，标志着长文本竞争进入千万级时代。
Qwen Image 2.0 Pro 杀入 Arena 文生图 Top 10，阿里多模态版图再下一城
阿里 Qwen Image 2.0 Pro 在 LMSYS Arena AI 文生图排行榜登顶第 9 名，人像类第 6、写实摄影类第 7，成为首个跻身该榜单前十的国产图像模型。
Anthropic CEO：Claude正在设计下一代Claude，AI自设计时代到来
Anthropic CEO公开表示，Claude已参与设计下一代Claude的大部分工作。这一信号意味着AI系统正在从"被训练的工具"转向"自我进化的智能体"。
双模型对抗编程工作流：Opus 4.7 规划 + GPT-5.5 执行，效果碾压单模型
实测表明 Opus 4.7 负责架构规划、GPT-5.5 负责代码执行的双模型工作流，在编码质量与效率上显著优于单模型方案。本文拆解工作流设计、提示词模板与成本分析，给出可复用的最佳实践。
Meta 开源战略大转向：Avocado 模型推迟发布，闭源路线浮出水面
Meta 将其新一代基础模型 "Avocado" 的发布计划从 3 月推迟至 5 月，同时内部战略重心从开源 Llama 系列转向闭源前沿模型。扎克伯格的开源路线面临内部质疑，Meta 正从"开源推动者"转变为"开源与闭源双轨并行"。这一转向将重塑开源 AI 生态的竞争格局。
Qwen 牵手 Fireworks AI：闭源权重模型首次走出阿里云
Qwen 与 Fireworks AI 达成战略合作，首次将 Qwen 系列闭源权重模型通过第三方推理平台对外提供。这意味着全球开发者无需翻墙或注册阿里云，即可以极低延迟调用 Qwen3.5、Qwen3.6 等最新模型。
通义千问用户突破1.66亿，千问App深度体验：从聊天工具到AI操作系统
国内AI软件用户排名出炉：豆包3.45亿居首，通义千问1.66亿位列第二，DeepSeek 1.27亿第三。千问App已进化为集文档分析、代码编写、图像理解于一体的AI操作系统。
Google I/O 2026 前瞻泄露：Gemini "Omni" 多模态模型亮相，视频生成硬刚 Seedance 2.0
Google I/O 2026 大会前泄露信息显示，Google 正在测试名为 "Omni" 的全新统一多模态模型，集成文字、图片、视频和长上下文能力。Gemini 视频生成界面已显示 "Powered by Omni"，直接对标 Seedance 2.0 和 Veo 系列。
Kimi K2 论文深度解读：当高质量 token 耗尽后，月之暗面选择了"智能体化训练"
月之暗面在 arXiv 发布 Kimi K2 技术论文，提出"Open Agentic Intelligence"训练范式。论文核心洞察是：高质量文本 token 即将耗尽，继续往模型里"倒数据"的边际收益递减。K2 转而通过 Agent 自我交互生成训练数据，实现能力跃迁。这一思路与 OpenAI 的 process supervision 和 DeepSeek 的 RL 路线形成鲜明对比。
OpenAI 静默推送 GPT-5.5：Persistent Reasoning 让模型能"思考数分钟"
OpenAI 于 4 月 28 日静默上线 GPT-5.5 后端更新，引入 Persistent Reasoning（持久推理）能力，允许模型在复杂编程任务中思考数分钟。此次更新未做官方宣布，但开发者社区已发现多项行为变化。
MiniMax M3 确认即将发布：五月国产模型大战全面打响
MiniMax 核心开发者确认 M3 "不会太远"，与 GPT-5.6、Sonnet 4.8、Gemini 3.5 同台竞技。回顾 M2.7 的自进化架构与百万上下文能力，预判 M3 的技术路线与市场定位。
Qwen 前技术负责人林俊旸发文：大模型下一阶段是"为行动而思考"
Qwen 团队前技术负责人林俊旸（Junyang Lin）发表新观点：大模型的下一个阶段不是让模型"想得更久"，而是让模型"为了行动而思考"。这一判断直指当前 CoT 和长推理路线的局限性，为 Qwen 后续 Agent 化指明了方向。
Qwen 3.6 规模战略：从 27B 跨越到 8B 端侧的降维部署路线
Qwen 团队确认已跨越 27B 参数门槛，下一个目标是 8B 端侧模型。结合 Qwen 3.6 系列已有的 35B/3.6B MoE 布局，阿里正在构建从云端到端侧的全尺度开源模型矩阵，直接对标 Llama 的开源端侧战略。
小米 MiMo-V2.5-Pro 登顶 GDPval-AA 评测，中国开源模型五强格局重塑
GDPval-AA 最新评测显示，小米 MiMo-V2.5-Pro 以 1578 分登顶中国开源模型榜单，超越 DeepSeek V4 Pro（1554）、GLM 5.1（1535）和 Kimi K2.6（1484）。五月国产开源模型密集发布，竞争进入白热化。
Cloudflare Agent Memory 技术拆解：AI 智能体的持久记忆架构
Cloudflare 发布 Agent Memory 私测服务，通过双通道提取、八步验证、五通道检索融合（RRF），为 AI 智能体提供跨会话持久化记忆。与 Mem0、Zep、Letta 等方案对比，差异化在于边缘分发和 Cloudflare 计算原语深度集成。
Anthropic CEO 确认 Claude 年收入达百亿美元，开发者大会 5 月 6 日召开
Anthropic CEO 确认 Claude 收入连续 10 倍年增长：2023 年 1 亿美元→2024 年 10 亿美元→2025 年 100 亿美元，且 2026 年 1 月仍在加速。5 月 6 日开发者大会即将发布 Claude Sonnet 4.8 或更新版本，同时 Cardinal 视觉回顾功能曝光。
OpenClaw v2026.5.3 发布：内置文件传输插件，Agent 跨节点直接读写
OpenClaw 发布 v2026.5.3，新增内置 file-transfer 插件，Agent 可在已配对节点间执行文件读取、目录列表、文件写入和二进制传输。同时 ChatGPT 订阅现已支持在 OpenClaw 中使用。
Gemini 3.5 Pro 预告片释出：Google IO 前的多模态暗战
Google IO 大会前数周，多个 Gemini 3.5 Pro 变体被社区发现。作为 Gemini 3 系列的下一代升级，3.5 Pro 预计强化多模态理解与端侧推理能力。在 GPT 5.6、Claude Sonnet 4.8、MiniMax M3 同月密集发布的背景下，Google 的端侧 AI 战略成为差异化竞争的关键。
NVIDIA CEO 承认中国 AI 加速卡市场份额归零，Micron 称 AI 消耗全球过半内存
NVIDIA CEO 确认美国出口管制已使其在中国 AI 加速卡市场份额降至零，华为昇腾预计 2026 年 AI 芯片收入达 120 亿美元。同时 Micron 财报显示 AI 需求正消耗全球超过一半的 DRAM 产能。
Hermes Agent v0.12.0 上线 Kanban 多智能体协作，桌面应用同步发布
Hermes Agent v0.12.0 推出 Kanban 任务看板，支持多 Agent 并行协作；同时发布桌面应用，统一管理多 Agent、模型供应商和跨平台会话。社区反应热烈，推文 24 小时获 78 万浏览和 4400+ 点赞。
Qwen3.6-27B 刷爆 AIME25 满分榜：开源数学推理的新分水岭
Qwen3.6-27B 在 AIME25 数学竞赛基准上达到 100% 准确率，成为少数达成此成就的开源模型。相比 Qwen3.5 平均性能大幅提升，特别是在数学推理类任务上展现出针对性调优效果。这一结果标志着 27B 级别开源模型的数学推理能力已逼近闭源旗舰。
DeepSeek V4 Pro 促销 5 月 5 日到期，API 价格暴涨 4 倍
DeepSeek V4 Pro API 的 75% 限时折扣将于 5 月 5 日 15:59 UTC 结束，届时价格将从 $0.435/$0.87 飙升至 $1.74/$3.48（每百万 token），涨幅达 4 倍。已在生产环境运行的项目需紧急检查成本预算。
智谱 GLM-5.1 六月开放权重版：MIT 许可，长程自主编码的新选择
智谱宣布 GLM-5.1 将于 6 月以 MIT 许可开放权重，专为长时序自主工程任务设计，支持持续数小时的编码迭代与多 Agent 工具调用。
Anthropic 512,000 行代码泄露：Claude Sonnet 4.8 跳过 4.7 直接登场
Anthropic 内部 512,000 行代码意外公开，泄露内容显示 Claude Sonnet 4.7 已被跳过，下一代直接命名为 Sonnet 4.8。5 月 6 日开发者大会即将揭晓。
智谱 GLM-5.1 六月发布：MIT 许可开源，专为长时自主执行设计
智谱 AI 宣布 GLM-5.1 将于六月正式发布，采用 MIT 许可完全开源。该模型专为长时间自主执行场景优化，包括长程编码、Agent 工具调用和数小时级迭代工程，标志着开源 Agent 模型进入新阶段。
Gemini 3.1 Ultra 发布：200 万 token 原生多模态上下文，Google I/O 预告新 Flash 模型
Google 发布 Gemini 3.1 Ultra，原生支持 200 万 token 上下文窗口，文本/图像/音频/视频统一处理。同时 LMSys 竞技场出现新版 Gemini Flash 模型，预计将在 Google I/O 大会上正式亮相。
Qwen 3.6 Max Preview 登场：万亿参数 MoE 架构，每百万 token 仅 $1.30
阿里通义千问在 OpenRouter 上线 Qwen 3.6 Max Preview，采用万亿参数稀疏 MoE 架构，262K 上下文窗口，专为 Agentic Coding 和工具调用优化。定价 $1.30/$7.80 per M tokens，为当前最具性价比的旗舰级模型之一。
Qwen 过度思考有解了：一段 Grammar 规则减少 22 倍 think token 消耗
Qwen3.5/3.6 系列模型支持思考模式但容易过度思考，浪费大量 token 且回复缓慢。社区发现的 Grammar 约束方案可将 think token 消耗降低最多 22 倍，同时保持准确率。
Kimi K2.6 登陆 June AI：编码驱动 + Swarm 编排，自主执行的新标杆
月之暗面 Kimi K2.6 正式登陆 June AI 平台。作为开源权重模型，K2.6 以编码驱动和持续自主执行为核心，特别擅长长程软件工程、Swarm 编排和迭代式开发。在 SWE-bench 等编码基准上已经接近或超越闭源旗舰，同时保持开源可访问性。
DeepSeek V4 Pro 实战切换：1/40 的价格，为何让开发者集体"叛逃" Claude Code？
中文开发者社区出现大规模从 Claude Code 切换至 DeepSeek V4 Pro 的趋势——价格仅为 CC 的 1/40，性能差距却远小于价格差。Hermes 与 CC 的 harness 对比成为核心争议点。
GPT-5.5 参数修正：从 9.7T 到 1.5T，OpenAI 的秘密武器是什么？
GPT-5.5 参数规模从最初估算的 9.7T 被重新修正为 1.5T，差距达 6.5 倍。OpenAI 用更小的模型击败更大的对手，证明训练效率比参数堆砌更重要。同时 GPT-5.5 标志着 ChatGPT 向"超级应用"转型。
Google I/O 前瞻爆料：Gemini "Omni" 多模态模型 + 3.5 Flash + 全新视觉模型，三连发预热
Google I/O 大会前，多条泄露信息指向 Gemini "Omni" 多模态模型正在测试，同时 Gemini 3.5 Flash 和全新视觉模型 "spark Robin" 也浮出水面。Google 正在从"AI助手"向"全场景智能基础设施"转型。
Gemini 不再是聊天机器人：Google 悄悄推出的 Projects 正在重新定义 AI 助手
Google 悄悄为 Gemini 推出 Projects 功能，将文件和指令统一管理，支持跨会话记忆。这标志着 Gemini 从一次性问答工具向持续性 AI 工作空间的转变。
Anthropic 内部测试 "Claude Jupiter"：下一代模型的红队测试已经启动
Anthropic 内部已开始对代号 "claude-jupiter-v1-p" 的新模型进行红队测试。结合 GPT-5.5 与 Mythos 的 AISI 评估对比，Anthropic 的下一代模型竞争策略逐渐清晰。
GPT-5.5 参数量重估：从 9.7T 到 1.5T，OpenAI 更小模型更强性能的信号
研究人员重新测算 GPT-5.5 参数量为 1.5T，远低于此前估算的 9.7T，误差达 6.5 倍。这一发现暗示 OpenAI 在模型架构效率上取得了突破性进展——用更少的参数实现了更强的性能。同时期模型发布节奏已压缩至月更，行业竞争进入拼效率的新阶段。
Kimi K2.6 六月开源前瞻：Swarm 编排 + 长周期自主执行，月之暗面的"Agent 原生"路线
月之暗面确认 Kimi K2.6 将于六月以开源权重发布，核心定位是"编程驱动 + 长周期自主执行"，特别针对大规模软件工程与 Swarm 任务编排。该模型将采用 Modified MIT 许可，免费开放 API 与 Cloud 使用。
Kimi K3 前瞻：2.5 万亿参数 + 百万级上下文，月之暗面的下一张王牌
月之暗面计划于 Q3 发布 Kimi K3，参数规模超 2.5 万亿，内部已测试远超 100 万 token 上下文。算力成为唯一瓶颈，国产大模型长文本竞赛进入新阶段。
小米 MiMo-V2.5-Pro 开源：长周期工具使用场景的新基座模型
小米开源 MiMo-V2.5 和 MiMo-V2.5-Pro 模型，首日即获 vLLM 支持。Pro 版聚焦长周期工具使用和前沿编程，定位 Agentic AI 场景，为开源社区提供新的高性能基座选择。
Google Gemini CLI 横空出世：免费、开源、1000 次/天，终端里的 AI 智能体
Google 发布 Gemini CLI，一个完全免费的终端 AI 智能体，支持 Gemini 2.5 Pro 模型，100 万上下文，每日 1000 次请求，开源且内置 MCP 支持。只需 Google 账号即可使用，直接挑战 Claude Code 和 Codex 的终端市场。
MiniMax M3 即将发布：从开源 coder 到办公全场景，国产模型的新战线
MiniMax 官方确认 M3 模型将于 5 月发布，定位为办公场景专用模型。M2.5 已在 SWE-bench 拿下 80.2%，M3 若在多模态办公场景实现突破，将补齐国产模型在生产力工具端的最后拼图。
Claude Sonnet 4.8 代码泄露：Anthropic 5 月 6 日开发者大会前最大剧透
Anthropic 5 月 6 日 "Code with Claude" 开发者大会前夕，Claude Sonnet 4.8 的 512,000 行内部代码被公开泄露。视觉精度接近 98%、编码基准 +12 分、新增 "X-high" 努力级别，Sonnet 系列迎来最大幅度升级。
Claude Mythos 最新进展：反谄媚训练效果显著，6 月前发布概率 30%，Anthropic 下一代旗舰浮出水面
Claude Mythos 最新测试数据显示，在关系指导等容易引发 AI 谄媚的场景中，Mythos Preview 的谄媚率仅为 Opus 4.6 的四分之一。业内分析认为 Mythos 在 6 月 30 日前发布的概率约为 30%。Anthropic 的下一代旗舰模型正在逼近发布节点。
DeepSeek V4 Pro 实战报告：性能逼近 Claude Code，价格仅 1/40，工作流全面切换
开发者实测将工作流切换到 DeepSeek V4 Pro 后体验极佳：性能相比其他模型差距不大，价格仅为 Claude Code 的 1/40。配合 Hermes Agent 等框架使用，性价比优势显著。
Qwen 3.6 全家桶战略：从 27B 本地部署到 Max 云端的全矩阵解析
Qwen 3.6 系列以 27B 稠密模型、Plus、Max 三档定位形成完整产品线。27B 单卡可跑、Plus 性价比最优、Max 攻坚复杂任务，阿里云甚至对 27B API 定价高于 Plus。这套矩阵背后是阿里巴巴对 AI 生态的系统性布局。
智谱 GLM-5.1 发布：600 次迭代持续优化，长时序 Agent 任务的国产新选择
智谱发布 GLM-5.1，面向 AI Agent 的新一代旗舰模型，在 SWE-Bench Pro 评测中领先。核心突破是在 600 次迭代优化中展现持续改进的长程推理能力，专为需要长时间持续工作的 Agent 场景设计。
Google 发布 Gemini 企业级 Agent 平台：200+ 模型、内置编排，直接对标 Anthropic 和 OpenAI 的企业赛道
Google 发布 Gemini Enterprise Agent Platform，支持 200+ 模型（含 Gemini 3.1 和 Claude）、内置编排/安全/DevOps 全链路，支持从原型到生产的完整 Agent 生命周期管理。这是 Google 在企业级 Agent 赛道上最重的一次出牌。
开源模型 Intelligence Index 逼近闭源：6 分之差意味着什么？
Kimi K2.6 与 MiMo V2.5 Pro 在 Intelligence Index 上拿到 54 分，距离 GPT-5.5 的 60 分仅差 6 分。当开源模型以 1/5 的价格提供接近闭源旗舰的能力时，行业竞争逻辑正在被重写。
DeepSeek 把 API 缓存价格打到 1/10：V4 系列全线降价，百万 Token 长文本真正可用
DeepSeek 宣布 V4 全系列 API 缓存命中价格降至原价 1/10，叠加 V4-Pro 75 折优惠后缓存命中仅 $0.0036/M token，比 GPT-5.5 便宜 139 倍。长上下文成本瓶颈被打破，百万 Token 场景进入实用阶段。
MiMo V2.5 Pro 杀入 Intelligence Index 第一梯队：面壁智能 1T MoE 模型的野心
面壁智能 MiMo V2.5 Pro 以 1T MoE 架构和 100 万 token 上下文窗口登上 Intelligence Index 榜单，与 Kimi K2.6 并列国产开源模型最高分位。在 DeepSeek V4 Pro（1.6T/49B）和 Qwen3.6 Plus 的夹击下，MiMo 的突围路径和差异化定位值得关注。
Qwen 3.6 Max Preview 登陆 OpenRouter：万亿参数模型定价 $1.30/$7.80，比肩 GPT-5.5 却便宜 60%
阿里通义千问 Qwen 3.6 Max Preview 正式上架 OpenRouter，1 万亿参数 MoE 架构、262K 上下文窗口，输入 $1.30/百万 token、输出 $7.80/百万 token。这是目前性价比最高的万亿参数模型，直接对标 GPT-5.5 和 Claude Opus 4.7 但价格低 60% 以上。
MiniMax M3 五月待发：国产模型新一轮价格战的导火索？
MiniMax M3预计5月发布，社区已传出预热信号。结合M2.7的激进定价策略（输入0.3美元/百万token）和Agent能力，M3可能引发新一轮国产模型价格战，同时挑战主流模型的性能标杆。
智谱 GLM Coding 终止「无周限额」老套餐：国产 AI 编程工具的货币化拐点
智谱宣布自 2026 年 4 月 30 日起终止 GLM Coding Plan「无周限额」老套餐的自动续订，受影响用户获赠 2 个月新套餐权益。这是国产 AI 编程工具从"获客导向"转向"收入导向"的标志性事件。
DeepSeek V4 的战略转向：从英伟达到昇腾，国产 AI 的芯片自主化之路
DeepSeek V4 的延迟发布揭示了一个重大战略转向——深度整合中国国产昇腾芯片生态。CCTV 关联账号的报道确认了这一变化，标志着中国头部 AI 公司正从英伟达依赖走向芯片自主。
Qwen3.6 27B 以小博大：27B 参数干翻 284B 模型的 Intelligence Index 之谜
Intelligence Index 最新数据显示，Qwen3.6 27B 以 1414 的 Elo 评分追平 284B 参数的 DeepSeek V4 Flash，相比 Qwen3.5 27B 暴涨 257 分。小参数模型的效率革命正在改写 AI 行业的成本叙事。
GPT-5.6 内部泄露暴露 OpenAI 真实意图：API 翻倍涨价，补贴时代终结
GPT-5.5 发布仅五天，GPT-5.6 已在 Codex 内部跑流量；同时 API 价格翻倍。OpenAI 的补贴时代正式终结，市场从"增长故事"转向"盈利纪律"。
DeepSeek 发布多模态论文《Thinking with Visual Primitives》：284B MoE 底座 + 自研视觉编码器
DeepSeek 公开多模态大语言模型论文《Thinking with Visual Primitives》，基于 DeepSeek-V4-Flash MoE 架构（总参数 284B/激活 13B），采用自研 DeepSeek-ViT 视觉编码器，14×14 patch 输入后经 3×3 空间压缩再接入 LLM，为开源多模态模型提供了新架构参考。
Kimi K2.6 定价战：比 Claude 便宜 9 倍，设计输出 7 倍性价比，月之暗面如何改写 API 战争规则
月之暗面 Kimi K2.6 以比 Claude 便宜 9 倍的定价杀入市场，在设计输出场景实现 7 倍性价比。这不是简单的价格战，而是开源模型对闭源定价体系的结构性冲击。
MiniMax 3.0 前夕：M2 掉队、股价承压，国产模型第二梯队的生死战
MiniMax M2 在多项评测中被 GLM-5 和 Kimi K2.5 超越，股价持续走低。社区传出 MiniMax 3.0 即将发布，这能否帮助公司重回国产模型第一梯队？本文分析 MiniMax 的竞争困境与 3.0 的翻盘机会。
xAI 在 Colossus 2 上同时训练 7 个 Grok 模型，最大规模达 10T 参数
xAI 透露正在 Colossus 2 集群上同时训练 7 个 Grok 模型，参数规模覆盖 0.5T 到 10T，同时 Grok 4.3 已在 agentic tool calling 榜单登顶，以 $1.25/MTok 的价格提供百万级上下文窗口。
Qwen3.6-Plus：以 1/5 Opus 价格接管 80% 日常 Agent 工作负载
Qwen3.6-Plus 采用混合稀疏 MoE 架构，原生支持 1M 上下文窗口和内置工具路由，在 SWE-bench 上达到 78.8% 得分，价格仅为 Claude Opus 的五分之一，正在成为日常 Agent 工作负载的性价比首选。
OpenAI GPT-6 "Goblin" 路线图泄露：9 月 29 日 DevDay 官宣，AGI 时间表再引争议
OpenAI GPT-6 代号 "Goblin"，计划于 2026 年 9 月 29 日 DevDay 正式官宣。这一消息在 Polymarket 和 X 上引发广泛讨论，Aschenbrenner 的 AGI 2027 预测再次成为焦点。GPT-6 将如何影响 Anthropic、Google 等竞争对手？
Kimi 用 DeepSeek 架构，DeepSeek 用 Kimi 优化器：中国模型的"开放共生"模式
Kimi K2.6 基于 DeepSeek v3 的 MoE+MLA 架构，而 DeepSeek V4 的训练优化器源自 Kimi 团队的 Muon。中国头部开源模型形成"你中有我、我中有你"的技术循环，以 1/8 的训练成本实现闭源级性能。
Mistral Medium 3.5 发布：128B 参数、256K 上下文，搭配 Workflows 企业编排层正式亮相
Mistral AI 发布旗舰模型 Medium 3.5（128B 参数，256K 上下文窗口），同步推出 Workflows 企业编排层公开预览。ASML、ABANCA 等企业已接入，标志着 Mistral 从模型公司向全栈 AI 平台转型。
月之暗面 Kimi K3 路线图曝光：Q3 发布 2.5T 参数模型，开源军备竞赛再升级
月之暗面正开发 Kimi K3，参数量达 2.5T，预计 2026 年 Q3 发布。在 Kimi K2.6（1T MoE）刚开源并获得 Intelligence Index 第 5 名的背景下，K3 的规模直接对标国际头部模型，标志着国产开源模型正式迈入万亿参数时代。
DeepSeek V4-Pro 延续 75% API 折扣至 5 月底，同时推出华为昇腾芯片适配版
DeepSeek 将 V4-Pro 模型 75% API 折扣延长至 5 月 31 日，同时发布适配华为昇腾芯片的预览版本，标志着从 Nvidia 生态向国产算力平台的关键转向。
小米 MiMo-V2.5 双模型开源：1T MoE + 310B MoE，百万上下文，100T Token 激励计划同步上线
小米发布 MiMo-V2.5-Pro（1T/42B MoE）和 MiMo-V2.5（310B/15B MoE），均支持 1M 上下文窗口，MIT 许可开源。同步上线 MiMo Orbit 开发者激励计划，最高赠送 16 亿 Token，吸引全球 AI 开发者生态。
Qwen3.6 27B 在家用服务器上自我优化：26 小时从 2.3 到 84.3 tok/s 的递归进化
用户在家用服务器（24 核 CPU + 93GB RAM + AMD 9060 XT 16GB）上运行 Qwen3.6 27B 进行递归自我优化，26 小时内推理速度从 2.3 tok/s 提升至 84.3 tok/s，增幅超过 36 倍。这一实验展示了开源模型在消费级硬件上的自我优化潜力。
Meta 收购机器人 AI 公司 ARI，正式落子人形机器人赛道
Meta 完成对机器人 AI 初创公司 ARI 的收购，联合创始人王晓龙和 Lerrel Pinto 将加入 Meta 超级智能实验室。Meta 2025 年成立 Robotics Studio 后首次在机器人 AI 层面积累核心技术。
Claude 5 "Mythos" 进入 Beta：Anthropic 的 AI 安全悖论
Anthropic 的下一代模型 Claude 5（内部代号 "Mythos"）已进入 Beta 阶段，但其展现出的自主漏洞发现能力让公司陷入两难：模型在 23 年无人发现的安全漏洞上实现自动检测，这种能力如果公开可能被恶意利用。Polymarket 预测 6 月前发布的概率低于 50%。
MiniMax M3 五月即将发布：主攻办公场景，国产模型新一轮排位赛开启
MiniMax M3 预计于 2026 年 5 月发布，消息称将聚焦办公场景。当前 M2.7 版本已展现出自我进化能力和全项目端到端处理实力。在 Qwen3.6、Kimi K2.6、GLM 5.1 等国产模型激烈竞争的格局下，MiniMax 能否凭借办公场景差异化突围值得关注。
国产模型 Token 效率革命：「少废话多干活」如何挑战烧钱范式
蚂蚁 Ling-2.6-1T 以「快思考」执行模式打出差异化——不卷推理长度、不烧 token，而是用极低激活参数（63B/1T）实现 Agent 场景下的高效执行。小米 MiMo-V2.5-Pro 同样以 token 效率为核心卖点。国产模型正在走出一条不同于美国同行的路线。
Kimi K2.6 登陆 Fireworks AI：月之暗面开放 SFT/DPO/RL 全流程训练
Moonshot AI 的 Kimi K2.6 正式接入 Fireworks AI 训练平台，支持 SFT、DPO 和 RL 全流程微调。265K 上下文窗口、修改版 MIT 许可证、行业领先的训练 API，让企业开发者可以直接在 K2.6 基座上构建定制化模型。这是国产模型在训练生态层面的一次重要开放。
GLM-5.1 / DeepSeek V4 Pro / Kimi K2.6 推理服务怎么选：官方 API、厂商订阅与自托管全对比
开源模型推理服务到底怎么选？实测对比 GLM-5.1、DeepSeek V4 Pro、Kimi K2.6 在官方 API、厂商订阅和 Ollama Cloud 上的价格、隐私和速度。重度 Agent 用户用智谱 Coding Plan Max（$80/月）能撑住每月 8 亿 token。
Qwen3.6 Heretic 35B：社区微调版大幅减少拒绝，RTX 4090 即可运行
Qwen3.6 Heretic 35B是社区基于Qwen3.6-35B微调的开源模型，在保持同等智能水平的同时大幅减少安全拒绝，支持260K上下文，可在RTX 3090/4090上流畅运行Agent任务。
MiniMax 3.0 蓄势待发：M2.5 刚跨过实用临界点，下一代已在路上
MiniMax M2.5 发布后收入激增，最近 20 天营收超过去年全年，标志国产 AI 实用化元年到来。小道消息称 MiniMax 3.0 即将发布，届时将与 Kimi K2.6、GLM 5.1、Qwen 3.6 正面竞争。
OpenAI 官宣 GPT-6 "Goblin"，DevDay 定档 9 月 29 日旧金山
OpenAI 正式宣布将于 9 月 29 日在旧金山举办 DevDay，届时发布 GPT-6 代号 "Goblin"。内部代号 "argon" 聊天截图泄露，Sam Altman 暗示将投入全部算力集群。GPT-5.6 预计将在 6 月前发布，为 GPT-6 铺垫。
通义千问累计下载突破 10 亿次，阿里确立中国开源 AI 领导地位
阿里巴巴通义千问系列模型累计下载量突破 10 亿次。孙伟表示 DeepSeek 的成功为中国科技巨头开放 AI 技术铺平了道路，阿里借此跃居行业领军地位。斯坦福 2026 AI Index 显示阿里模型 Arena Elo 排名第五。
Gemini CLI v0.40.0 原生支持本地 Gemma：智能路由让简单任务零成本
Google 发布 Gemini CLI v0.40.0，实验性支持本地 Gemma 模型运行，并引入智能路由机制——简单任务本地 Gemma 处理（快速且免费），复杂任务自动路由至云端 Gemini。结合 Gemma 4 26B A4B 架构，单台笔记本可实现多实例并发推理。
智谱公开 GLM-5 大规模服务 Scaling Pain：从乱码调试看 Scaling Law 的暗面
智谱 AI 公开博客详述 GLM-5 大规模服务调试经验：复现罕见 garbled outputs、定位 Scaling Pain 根因。744B MoE 模型在 scaling 过程中出现概率性乱码，团队通过系统性方法论解决，为行业提供了大模型服务化的一手参考。
Anthropic内部功能Cardinal曝光：Claude将拥有可视化交互回顾能力
Anthropic正在内部开发代号Cardinal的新功能，将为Claude用户提供可视化交互回顾体验。该功能将以视觉化方式呈现用户与Claude的历史对话轨迹，帮助理解和回溯复杂的AI协作过程。
Qwen3.6 家族 Intelligence Index 霸榜：27B 登顶但推理成本是 Gemma 4 的 21 倍
Qwen3.6-27B 以 46 分登顶 Artificial Analysis Intelligence Index（150B 参数以下），35B 量化版本在 DGX-Spark 上跑出 95 tps。但完整跑完 Intelligence Index 需要消耗约 3.7 倍输出 token，成本是 Gemma 4 31B 的 21 倍。性能与效率的抉择摆在开源社区面前。
MiniMax M2.7 深度解析：模型自己训练自己的 Agent 进化路线
MiniMax 发布 M2.7 模型，核心创新是「模型深度参与迭代自身」的强化学习范式。在 SWE-Pro 上逼近 Opus 水平，输入价格仅 2.1 元/百万 token，是目前性价比最高的 Agent 编码模型之一。
DeepSeek V4 Pro API 限时 75% 折扣，Claude Code / OpenClaw 解锁 1M 上下文
DeepSeek V4 Pro API 推出限时 75% 折扣至 5 月 5 日，同时宣布 Claude Code、OpenClaw、OpenCode 三大工具已集成支持 1M token 上下文窗口。这是目前以最低成本体验万亿参数 MoE 模型的窗口期。
月之暗面官宣 Kimi K3：2.5 万亿参数，剑指全球顶级模型阵营
月之暗面正式官宣下一代主力模型 Kimi K3，参数规模达 2.5 万亿，定于 2026 年第三季度发布。在 Kimi K2.6 刚开源即引发行业震动的背景下，K3 的发布将进一步缩小与国际顶尖模型的差距。
Kimi K2.6 LiveBench 击败 Opus 4.7：开源模型正面硬刚闭源旗舰的时代来了
月之暗面 Kimi K2.6 在 LiveBench 评测中击败 Claude Opus 4.7，成为最强开源模型。API 价格仅为 Opus 4.7 的 1/7，标志着开源模型在关键评测维度上已全面对标闭源旗舰。
Llama 4 Scout：Meta 最后的开放权重 MoE，10M Token 上下文仅 $0.08/M 输入
Meta Llama 4 Scout 正式发布，17B 激活 / 109B 总参数的 16 专家 MoE 架构，支持 10M Token 上下文，输入价格 $0.08/M。这是 Muse Spark 闭源前 Meta 最后的开放权重模型。
Qwen 3.6 登顶 AI 智能指数：27B 开源模型凭什么单挑闭源巨头
阿里巴巴 Qwen 3.6 27B 以 46 分登顶 Artificial Analysis Intelligence Index 150B 以下开源模型榜首，Vals Index 排名第 8。270 亿参数的笔记本级模型正在改写开源与闭源的竞争格局。
Qwen3.6-Max-Preview 登顶 SWE-bench：78.8% 得分宣告编码工具护城河归零
阿里巴巴 Qwen3.6-Max-Preview 在 SWE-bench 上达到 78.8%，配合 1M 上下文窗口，编码能力全面超越多数竞品。社区共识：单一编码工具的差异化护城河已消失，竞争转向可靠性与边缘场景处理。
OpenClaw v2026.4.29：记忆系统进化，从检索式召回人物感知 Wiki
开源个人 AI 助手 OpenClaw 两天内第二次更新，记忆系统从检索式召回升级为人物感知 Wiki。Agent 可自动构建人物卡片、追踪人际关系图谱，每条记忆带来源追溯和证据类型标注。Active Memory 新增按对话 ID 过滤和持久化标记能力。
Anthropic 发布 BioMysteryBench：Claude Mythos 解开 30% 人类专家束手无策的生物学难题
Anthropic 在 Hugging Face 开源 BioMysteryBench——包含 99 道基于真实数据集的生物信息学开放性问题，其中 23 道连领域专家也无法解答。Claude Mythos 解开了约 30% 的"不可能"题目，标志着 AI 从辅助研究向自主科研的跨越。
Google Gemini Embedding 2 正式发布：多模态 RAG 进入统一嵌入时代
Google 正式发布 Gemini Embedding 2，将文本、图像、视频、音频和文档映射到统一的嵌入空间，支持 agentic 多模态 RAG 和视觉搜索。开发者可针对检索、搜索、分类等任务进行专业化微调，最大化多模态应用的效率和准确率。
文心 5.1 Preview 杀入 LMArena 全球前 15：国产模型唯一的突围者
4 月 30 日 LMArena 文本榜更新，文心 5.1 Preview 以 1476 分拿下国内第一，成为全球前 15 名中唯一的国产模型，超越 GPT-5.5 和 DeepSeek-V4-Pro。在国产模型全面追赶的当下，这一排名信号意味着什么？
蚂蚁 Ling-2.6 系列全面开源：Flash 激活仅 7.4B，1T 旗舰主打「执行优先」
蚂蚁集团旗下蚂蚁百灵开源 Ling-2.6-Flash（104B/7.4B 激活）与 Ling-2.6-1T（1T/63B 激活），MIT 许可。SWE-Bench Verified 62 分、BFCL-V4 67 分，以极致 token 效率切入 Agent 赛道。
Kimi K2.6 Agent Swarm：300 个并行子代理、4000 步长，月之暗面重新定义 Agent 规模化
月之暗面发布 Kimi K2.6 Agent Swarm，将并行子代理从 100 提升至 300 个，单次运行步长从 1500 跃升至 4000 步，可一次性输出 100+ 文件、10 万字文献综述或 2 万行数据集。这不仅是参数升级，更是 Agent 规模化范式的跃迁。
复旦×北大提出 AHE：让 Harness 自己进化，10 轮跑赢 Codex
复旦大学、北京大学与奇绩智峰联合提出 Agentic Harness Engineering（AHE）框架，让代码 Agent 自动读取执行轨迹、发现问题并修改自身 Harness。10 轮自动化演进后，Terminal-Bench 2 pass@1 从 69.7% 提升至 77.0%，超越人类设计的 Codex-CLI Harness。
Hermes Agent 接入 ComfyUI：AI Agent 开始接管创意工作流
Hermes Agent 新增 ComfyUI 集成能力，Agent 可自动安装、启动、管理和运行复杂的 ComfyUI 工作流，实现图像生成、音频处理和视频管线的端到端自动化，标志着 Agent 从文本/代码领域正式扩展到创意生产领域。
华为 Ascend AI 芯片今年收入预计暴涨 60%，冲向 120 亿美元
金融时报报道，华为预计2026年AI芯片收入将增长至少60%至120亿美元，核心驱动力是Ascend 950PR量产及国内科技巨头大额订单。Reuters称华为计划今年生产75万枚950PR芯片。
腾讯 Hy3 预览版发布，The Information 爆料其背后有 Claude 的"影子"
腾讯混元团队正式发布 Hy3 Preview 开源模型（295B MoE，21B 激活参数），同时 The Information 披露腾讯员工在评估和微调 Hy3 过程中使用了 Anthropic 的 Claude 辅助——尽管 Anthropic 并未向中国提供服务。这揭示了中国模型公司获取先进 AI 能力的灰色路径。
Anthropic 分析了 100 万条 Claude 对话，然后承认它在拍马屁
Anthropic 分析了 100 万条 Claude 对话，系统性地揭示了模型的谄媚偏见问题，并展示了这些发现如何直接用于 Opus 4.7 和 Mythos Preview 的训练改进。
MiniMax M2.7：让模型自己训练自己，自我进化的编程 Agent 来了
MiniMax 发布 M2.7 模型，核心创新是「模型深度参与迭代自身」——通过构建复杂 Agent Harness 驱动自身的强化学习循环，在 SWE-bench 上接近 Opus 水平。这是国产模型在自我优化方向上的一次大胆尝试。
智谱 GLM-5.1：国产编程模型的隐形冠军，为什么开发者没注意到它
智谱 GLM-5.1 在编程评测中与 Kimi K2.6 并列 entry 梯队，SWE-bench 成绩逼近 Claude Opus 4.7，但讨论热度远不及 Qwen 和 DeepSeek。本文从评测数据、API 定价和开发生态三个维度分析 GLM-5.1 的真实竞争力。
DeepSeek V4 突然能看图了——最后一个纯文本的头部选手终于补上了
DeepSeek V4 识图模式在官方 App 灰度上线，国内头部大模型中最后一个不支持看图的选手终于补上了短板。实测用桂林象鼻山照片测试，模型能识别地标并推理地理位置，是真视觉理解而非 OCR。
OpenAI Workspace Agents 上线：从个人聊天到团队自动化，ChatGPT 的范式转变
OpenAI 于 4 月 22 日发布 Workspace Agents 研究预览版，将 ChatGPT 从个人对话工具升级为团队级自动化平台。基于 GPT-5.5 的 Codex 能力，Agents 可在 Slack 中直接调用，处理长周期复杂任务。
Claude Code 源码泄露曝光 Anthropic 路线图：Sonnet 4.8、Opus 4.7 和 Jupiter 代号现身
Claude Code 客户端源码泄露事件中暴露了 Anthropic 下一代模型的内部代号：Sonnet 4.8、Opus 4.7 以及可能为下一代 Sonnet 级模型的 Jupiter。这些信息暗示 Anthropic 正在加速多产品线并行开发。
DeepSeek V4 Flash 实测：工具调用能力显著提升，一句话完成多步工作流
DeepSeek V4 Flash 发布数周后，用户实测反馈集中指向工具调用能力的大幅提升。从下载文件到自动上传分析，复杂多步工作流现在可通过自然语言指令一次性完成，且成本极低。
百度文心5.1 Preview悄然上线Arena，全球排名第13，法律领域登顶
4月30日，百度文心5.1 Preview版本悄然上线LMSYS Chatbot Arena，以1476分的Elo成绩位列全球第13、国产大模型第一。法律与政府领域排名第1，商业管理第4。核心技术亮点：参数量压缩至5.0的1/3，训练成本仅同级模型6%。
Google 暗示 Gemini 3.5 Pro 即将发布，内部基准表现强劲
Google 近期暗示新一代 Gemini 3.5 Pro 模型即将发布，据称内部基准表现强劲，编程能力可能超越当前的 Opus 4.7 和 GPT-5.5。预计将在 Google I/O 2026 上正式亮相。
DeepSeek V4 的 Agent 训练密码：5 大策略拆解与实战指南
DeepSeek V4 在 Agent 能力上开源最强，内部已替代使用。本文拆解其 5 大核心训练策略：预训练注入、GRM 奖励模型、DPO 优化、课程学习和多 Agent 博弈，并给出开发者选型建议。
Meta 开源 Llama 4 Scout：17B/109B MoE 架构，1000 万 Token 上下文只要 $0.08
Meta 发布 Llama 4 Scout，17B 激活/109B 总参数的 MoE 架构，支持 1000 万 Token 超长上下文，输入仅 $0.08/M Token。这是 Muse Spark 闭源化之前，最后一个开放权重的 Meta 模型层级。
阿里 Qwen3.6-Max-Preview 登顶国产模型榜首，智能体编程能力大幅提升
4月20日阿里发布Qwen3.6-Max-Preview，Artificial Analysis榜单登顶国产第一，SkillsBench提升9.9分，SciCode提升10.8分。
神秘模型 Elephant Alpha 揭晓：InclusionAI 发布 Ling-2.6-Flash，比 Sonnet 4.6 快 6 倍
匿名模型 Elephant Alpha 身份揭晓——InclusionAI 的 Ling-2.6-Flash，一周冲上 OpenRouter 日活前十，token 使用量暴增 377%，速度比 Claude Sonnet 4.6 快 6 倍，成本低约 50 倍。
月之暗面开源 Kimi K2.6：13 小时不间断编码，SWE-Bench 超越 GPT-5.4
4月20日月之暗面发布并开源Kimi K2.6，万亿参数编程模型支持13小时不间断编码4000+行代码，SWE-Bench超越GPT-5.4。
DeepSeek V4 全面适配华为昇腾：国产大模型首次在国产芯片上训练和部署
4月24日DeepSeek发布V4系列，首次在训练阶段引入华为昇腾950芯片，FP4算力是英伟达H20的2.87倍，首token延迟低至20ms。
DeepSeek-V4 正式发布：1.6 万亿 MoE 参数，API 价格仅为 Opus 的 1/7
DeepSeek-V4 于 2026 年 4 月 24 日正式发布，1.6 万亿参数 MoE 架构，推理仅激活约 370 亿参数，支持 100 万 token 上下文，Apache 2.0 开源。API 输出定价 $3.48/M tokens，仅为 Claude Opus 4.7 的 1/7、GPT-5.5 的 1/9。编码 benchmark 差距已缩小至 0.2 分以内。
Qwen 核心团队集体出走：林俊旸离职后的通义千问人才地震
2026年3月，Qwen 技术负责人林俊旸离职引发核心团队集体出走。本文分析这场人才地震对通义千问后续发展、开源生态以及中国 AI 人才格局的深远影响。
Qwen3.6-Plus 正式上架 Together AI，通义千问生态加速全球化
Qwen3.6-Plus 模型正式在 Together AI 平台上线，开发者可通过标准 API 直接调用。这是通义千问系列模型在西方主流推理平台的重要部署，标志着国产大模型全球化生态的进一步扩展。
Anthropic 悄悄给 Opus 上了双层付费墙：Pro 用户用 Claude Code 不再免费
Anthropic 在支持文档中悄然增加条款：Pro 用户在 Claude Code 中使用 Opus 模型需额外开启 API 计费。这是"付费墙内的付费墙"，标志着 AI 编码工具的补贴时代正在终结。
Claude Managed Agents Memory 公测：Agent 终于可以"记住"上一次会话
Anthropic 宣布 Claude Managed Agents 的记忆功能进入公开测试。Agent 现在可以跨会话保存和执行上下文，以文件形式持久化记忆层，标志着 Anthropic 正式补齐 Agent 持久化能力。
Anthropic CEO Dario Amodei 预测：6-12 个月内 Claude 将能完成人类大部分工作
Anthropic CEO Dario Amodei 公开表示，距离 Claude 端到端完成人类大部分或全部工作可能只有 6-12 个月。这一预测与 Opus 4.7 的实际能力展示和 5GW 算力扩展计划形成呼应。
GitHub Copilot 6 月起模型倍率暴涨：Opus 4.6 从 3x 跳至 27x
GitHub 宣布自 6 月 1 日起，Copilot Pro 年付用户的模型调用将从按次计费改为按 Token 用量计费，Claude Opus 4.6 倍率从 3x 涨至 27x，Sonnet 4.6 从 1x 涨至 9x，引发开发者社区强烈反应。
OpenAI 启动 GPT-5.5 生物安全漏洞赏金：五道挑战题，$25,000 奖金
OpenAI 宣布针对 GPT-5.5 启动生物安全漏洞赏金计划，提供最高 2.5 万美元奖励，邀请研究人员寻找突破五道生物安全挑战的通用越狱方法，测试范围限定于 Codex 环境。
GPT-5.5-Cyber 可信访问模式启动：高危领域模型正在关闭公共入口
OpenAI 正通过可信访问生态系统和政府合作逐步 rollout GPT-5.5-Cyber，标志着高危领域前沿模型从公开可用转向受控分发。网络安全攻防能力已被列为高风险等级。
GPT-5.5 和 Claude Opus 4.7 的提示词指南揭示了两家截然不同的模型哲学
OpenAI 和 Anthropic 最新发布的提示词指南显示，GPT-5.5 偏好结果导向的自由度，而 Claude Opus 4.7 偏好结构化指令。两种提示词哲学背后反映了两家对模型推理路径的不同设计理念。
OpenAI 发布 GPT-5.5：性能跃升但价格翻倍，DeepSeek V4 同日迎击
OpenAI 于 4 月 23 日发布 GPT-5.5，采用全新 Spud 预训练架构，编码与研究能力显著提升。但价格较 GPT-5.4 翻倍至输入 5 美元/百万 token，DeepSeek V4 同日开源发布形成直接竞争。
OpenClaw v2026.4.27：Codex 计算机控制功能上线，Agent 可以直接操作桌面
OpenClaw 发布 v2026.4.27 版本，正式上线 Codex 计算机控制功能。Agent 现在可以直接操控用户桌面，支持 GPT-5.5 和 Claude Opus 4.7 等多种模型，启动速度更快，支持更多通信渠道。
Claude Opus 4.6 Agent 9 秒删掉生产库：Agent 自主操作数据库的边界在哪里
2026年4月25日，一家名为PocketOS的SaaS公司因Claude Opus 4.6驱动的AI编程Agent在9秒内删除了全部生产数据库和卷级备份，导致30小时运营中断。事件暴露了Agent自主操作数据库时的权限控制空白。
阿里发布 Qwen3.6-Max-Preview：千问最强旗舰，智能体编程能力显著提升
阿里巴巴于 4 月 20 日发布 Qwen3.6-Max-Preview，为千问系列最强旗舰的早期预览版。在 Artificial Analysis 智能指数中得分 52，超过 GLM-5.1 和 MiniMax-M2.7，成为得分最高的国产模型，智能体编程能力显著提升。
GPT-5.5 Codex Agent 实测：浏览器控制、电脑操作与 Agent 自主执行
GPT-5.5 通过 Codex Agent 模式实现浏览器接管和电脑操作，包括自主导航网页、取消订阅、客服谈判等真实任务。这是 Agent 能力从代码执行向日常操作的重要扩展。
GPT Image 2.0 发布：OpenAI 的 SOTA 图像模型，文字渲染与推理能力双突破
OpenAI 发布 GPT Image 2.0，在文字渲染和角色一致性上达到当前最佳水平。该模型已集成到 Higgsfield、MaxFusion 等平台，并支持 ChatGPT 免费账户使用。
OpenAI 登陆 AWS Bedrock：GPT-5.5、Codex 与托管 Agent 全面上线
OpenAI 正式登陆 AWS Bedrock，提供 GPT-5.5、Codex Agent 和全新 Bedrock Managed Agents 服务。这标志着 OpenAI 结束了与 Microsoft 的独占协议，AI 进入多云 Agentic 时代。
IBM Granite 4.1 开源：512K 上下文，Apache 2.0 许可的文本/视觉/语音模型家族
IBM 发布 Granite 4.1 开源模型家族，包含稠密文本架构、512K 上下文窗口及专用视觉和语音变体，采用 Apache 2.0 许可。这是 IBM 在开源 AI 领域的又一次重要布局。
Mistral Medium 3.5 发布：128B 稠密模型，256K 上下文，可配置推理
Mistral 发布 Medium 3.5，128B 稠密旗舰模型，集成文本与视觉理解，支持 256K 上下文和可配置推理强度，SWE-bench Verified 达到 77.6%，可在约 64GB 内存本地运行。
Qwen3.6 开源实测：27B 小模型硬刚 400B MoE，Apache 2.0 友好商用
Qwen3.6 系列包含 2.7B 和 27B 两个开源版本，以及 1T 参数的 Max Preview 闭源版本。27B 稠密模型在编码和工具调用方面表现突出，Vals Index 排名第 8，BridgeBench 诚实度评测排名第 2。Apache 2.0 许可证对商用极其友好。
阿里 HappyHorse 1.0 登顶 Artificial Analysis，视频生成新标杆
阿里巴巴推出多模态视频生成模型 HappyHorse 1.0，在 Artificial Analysis Video Arena 榜单中位列第一，支持原生 1080P、15 秒时长及 7 种语言唇形同步。
Gemini 生态扩展：从车载 AI 到 AI Impact Summit，Google 的多设备战略
Google 正在将 Gemini 模型能力扩展至汽车、Mac 设备和企业服务等多个领域。General Motors 宣布在 400 万辆汽车中集成 Gemini，Gemini App 登陆 Mac 平台，AI Impact Summit 2026 进一步展示了 Google 在 AI 合作与生态建设上的布局。
Anthropic 宣布 Claude for Creative Work，AI 向创意设计领域延伸
Anthropic 于 2026 年 4 月 28 日宣布 Claude for Creative Work，将 Claude 的能力拓展至视觉设计和创意工作领域。这是 Anthropic Labs 继 Claude Design 之后在创意工具方向的又一动作，标志着 AI 从文本和代码向视觉创意领域的正式进军。
Kimi K2.6 发布：月之暗面加入 2026 旗舰模型混战
月之暗面（Moonshot AI）于 2026 年 4 月发布 Kimi K2.6 旗舰模型，与 GPT-6、Claude Opus 4.7 同窗口期正面竞争。该模型在中文理解和长文本处理方面表现突出，为国内 AI 应用开发者提供了新的模型选择。
2026 年 4 月 AI 模型价格战：GPT-5.5 最贵 $30/M，DeepSeek V4 不到 $3.50
GPT-5.5 定价 $5/$30 成为最贵前沿模型，Claude Opus 4.7 降至 $25 输出价，DeepSeek V4 仅 $3.48。从 GPT-5.0 到 5.5 输入价涨 8 倍，行业价格分层加剧。
Claude Opus 4.7 进入 Microsoft 365 Copilot：企业 AI 的模型选择权之争
Microsoft 宣布在 365 Copilot 中引入 Claude Opus 4.7，通过 Frontier 计划和 Copilot Studio 上线，并逐步扩展到 Excel。这是 Anthropic 模型首次大规模进入 Microsoft 企业生态。
DeepSeek V4：1.6T 参数开源模型，把前沿模型的价格打下来了
DeepSeek V4 于 4 月 24 日开源，1.6T 参数 MoE 架构，1M 上下文窗口，Apache 2.0 协议。API 定价 $3.48/M 输出，仅为 GPT-5.5 的 1/9。在 Vibe Code Benchmark 上超越所有开源和闭源模型。
GPT-5.5 发布：OpenAI 旗舰模型重夺终端能力第一，价格战格局已变
OpenAI 于 4 月 23 日发布 GPT-5.5，在 Terminal-Bench 2.0 以 82.7% 拿下 SOTA。但同期 GPT-5.5 定价达 $5/M 输入、$30/M 输出，成为最贵前沿模型，行业价格分化加剧。
LMSYS 与 Artificial Analysis 最新榜单：Meta Muse Spark 重返前线
Meta 自 2025 年初以来首次发布重大模型 Muse Spark，在 LMSYS 文本 Arena 并列第三、视觉 Arena 并列第二。Artificial Analysis 指数上 Opus 4.7、GPT-5.4、Gemini 3.1 Pro 三强并列。
同样的 Agent 能力，MiMo 比 Claude Opus 4.6 少花一半 Token
MiMo-V2.5 在 ClawEval 标准 Agent 任务中单轨迹仅用约 7 万 Token 达到 64% 通过率，Claude Opus 4.6 和 GPT-5.4 普遍在 12-18 万 Token。同等能力下成本节省 40%-60%，1M 上下文窗口标配。
672 次工具调用满分通关：MiMo-V2.5 Pro 从零写完整编译器
MiMo-V2.5-Pro 独立完成北大 SysY 编译器项目：词法分析到 RISC-V 后端全覆盖，4.3 小时、672 次工具调用、233/233 满分。全程不崩、不跑偏、不失忆，验证千次级调用的上下文保持能力。
商汤发布 SenseNova U1：理解生成统一模型，开源即 SOTA
4月29日商汤发布原生理解生成统一模型 SenseNova U1，告别插件式 AI 架构，开源即达到 SOTA 水平。这是国产大模型在架构创新上的又一突破。
四月 AI 行业全景：中美科技巨头的全面交锋与开源浪潮
回顾 2026 年 4 月 AI 领域的重大事件：GPT-5.5 发布、DeepSeek V4 开源、中国叫停 Meta 收购 Manus，以及中国团队一周内发布 3 款前沿模型的惊人速度。
Anthropic Claude 4发布：更安全、更智能的AI助手
Anthropic推出Claude 4系列模型，在安全性和智能性方面再次突破，成为企业AI应用的首选。
DeepSeek API 输入缓存命中价格降至 1/10：模型价格战进入新阶段
DeepSeek 宣布全系列 API 输入缓存命中价格降至原价的 1/10，V4-Pro 75% 优惠持续至 5 月 5 日。重复调用成本骤降，开发者 API 使用门槛进一步降低。
DeepSeek V4 正式发布：开源阵营迎来自 GPT 时代最强挑战者
DeepSeek 正式推出 V4 系列模型，以极具竞争力的性能和低廉的成本直面 GPT-5.5 和 Claude Opus 4.7，成为开源阵营中最接近前沿水平的模型之一。
OpenAI发布GPT-5：性能提升10倍，支持多模态理解
OpenAI正式发布GPT-5，在推理能力、多模态理解和上下文窗口方面实现重大突破，性能相比GPT-4提升达10倍。
GPT-5.5 强势回归：超越 Claude Opus 4.7，重夺 AI 模型王座
OpenAI 发布的 GPT-5.5 在多项基准测试中反超 Anthropic 的 Claude Opus 4.7，结束了 Claude 自 2024 年 6 月以来的领跑地位，同时百万 Token 成本降至前代的 1/35。
小米 MiMo-V2.5 双模型开源：1T 参数、1M 上下文，MIT 协议放开商用
小米开源 MiMo-V2.5-Pro（1.02T 参数/42B 激活）和 MiMo-V2.5（310B/15B 激活），MIT 协议允许商用和二次训练。Pro 版在 SWE-bench Pro 上追平 Claude Opus 4.6，同时推出百万亿 Token 激励计划。
OpenAI 未达内部销售目标，AI 支出放缓信号引市场关注
据媒体报道，OpenAI 未达到其内部销售目标，消息传出后带动科技股和 AI 相关股票下跌。这可能反映企业 AI 支出节奏正在从快速扩张转向理性评估阶段。
AI 模型实际成本研究：标价便宜不等于真的便宜
斯坦福研究发现 Gemini 3 Flash 标价虽比 Claude Haiku 便宜 1.7 倍，但在 MMLUPro 上的实际成本反而高出 28 倍。AI 模型选型不能只看标价，实际 token 效率和任务完成率才是关键。
2026 年 4 月模型大战：没有全能冠军，只有场景赢家
2026 年 4 月下旬四大模型同周发布——Claude Opus 4.7、GPT-5.5、Kimi K2.6、DeepSeek V4。横评结果显示各领域各有赢家，不存在"全能冠军"，选型需要回归具体场景。
DeepSeek V4 开源发布：1.6 万亿参数、百万 Token 上下文窗口
DeepSeek 发布开源模型 V4，参数量达 1.6 万亿，支持最高 100 万 Token 上下文。API 价格仅为 GPT-5.5 的 1/7 左右，成为本周四大模型发布中性价比最高的选择。
GPT-5.5 API 正式上线：输入价格翻倍，但 token 效率提升显著
OpenAI 于 4 月 24 日将 GPT-5.5 推入 API，定价为输入 $5/MTok、输出 $30/MTok，较 GPT-5.4 翻倍。官方称其 token 效率大幅提升，实际任务成本可能低于前代。
阿里云百炼上线 Qwen-Image-2.0-Pro：文生图编辑一体化，多语言文字精准渲染
阿里云百炼平台正式上线 Qwen-Image-2.0-Pro，集成文生图与图像编辑能力，支持通过自然语言指令修改图片物体、文字和风格，多语言文字渲染能力显著提升，相比三月版本在细节控制上大幅升级。
