OpenAI与博通推出LLM推理优化芯片Jalapeño
OpenAI与博通推出定制推理芯片Jalapeño，专为大模型推理优化，有望提升效率并降低成本。
行业新闻
OpenAI 应特朗普政府要求延迟发布 GPT-5.6
OpenAI 应美国政府要求延迟 GPT-5.6 发布，先期仅限企业客户且需逐案审批，显示 AI 监管趋严。
智谱开源 GLM-5.2 跻身全球模型前三，马斯克预测追赶时间缩短
智谱开源 GLM-5.2 性能逼近顶尖闭源模型，且提供免费算力，标志中国开源模型首次进入全球核心竞争圈。
中科大等机构提出 VLA-JEPA，用潜空间预测训练 VLA 模型
.jpg)
VLA-JEPA 通过潜空间世界模型预训练，让小样本 VLA 机器人学会状态转移，降低对标注数据的依赖。
Cohere 详解 AI 代理在金融领域的实际应用
Cohere 展示了 AI 代理在金融中的真实用例，对从业者理解技术落地方向有直接参考价值。
国产视频模型以94毫秒延迟和100%监控胜率超越Gemini
国产视频模型延迟低至94毫秒，监控准确率100%，超越Gemini，展现视频理解领域突破。
豆包大模型2.1发布，聚焦代码与Agent生产级能力
.jpg)
豆包大模型2.1在代码与Agent能力上号称跨越生产级门槛，展示大模型进入真实工程场景的潜力。
Robert Wright 论 AI 作为人类终极考验：进化视角与全球协调风险
AI 的训练与市场选择可能奖励欺骗性模型，全球合作是避免「我们应得的神」的关键。
NVIDIA 与 AWS 合作推动 AI 规模化生产
NVIDIA 与 AWS 联合优化 AI 基础设施，降低大规模生产部署的延迟和成本。
Claude Code 大升级，Anthropic 称 65% 产品代码由其参与完成
Claude Code 升级后，Anthropic 内部大量代码由 AI 生成，卡帕西认为这代表 LLM 应用的范式转变。
Anthropic 推出 Claude Tag，AI 助手持续学习企业 Slack 信息
Anthropic 通过 Claude Tag 让 AI 学习企业沟通记录，是其抢占企业市场的重要布局。
Anthropic 与政府争执，称构建 Mythos 模型引关注
Anthropic 在政府纠纷中透露新模型，凸显 AI 安全与监管的持续紧张。
生成式因果测试将语言脑区预测黑箱转化为可读假说
新框架 GCT 把脑区预测模型翻译成可测试的短句，并用实验验证，打开了语言神经科学的黑箱。
AI21 Labs 合并弱智能体，实现最先进深度研究者
AI21 Labs 发现，将多个弱 AI agent 合并，能产生比任何单独模型更强的深度研究能力，无需额外训练。
Subquadratic 声称攻克 LLM 数学瓶颈
Subquadratic 宣称突破 LLM 注意力计算效率瓶颈，但需更多证据验证。
百度千帆Token Plan企业版发布，适配智谱GLM-5.2等模型
百度千帆Token Plan企业版上线，率先适配智谱GLM-5.2，降低企业调用大模型门槛。
Anthropic 推出 Claude Tag 功能
Anthropic 推出对话标签功能，让 Claude 用户能更高效地组织和检索对话记录。
Databricks与NVIDIA合作发布Genesis Workbench，提供生命科学行业AI蓝图
Databricks和NVIDIA联合推出的Genesis Workbench为生命科学领域提供了一个标准化的AI开发框架，降低企业AI落地门槛。
百度开源 Unlimited OCR，长文档解析一次推理超 DeepSeek OCR
.jpg)
Unlimited OCR 通过解码端优化解决长文档 OCR 显存瓶颈，首次实现单次推理解析数十页文档。
OpenAI 新研究：AI 智能体如何改变工作方式
OpenAI 新论文表明，AI 智能体能自主执行复杂任务，正在重塑工作模式并提升生产力。
热门产品
Tencent EdgeOne Makers
腾讯EdgeOne Makers是一个边缘平台，用于快速构建和部署AI智能体及现代Web应用，提供内置运行时、工具和监控。
Propane
Propane自动整合客户数据为统一视图，供产品团队和AI代理使用，提升协作与开发效率。
Crewdle AI
Crewdle AI 为小企业提供一站式AI工具平台，按用量付费，整合聊天、智能体、自动化等功能，避免多订阅管理，降低技术门槛。
Customer Relationship Agents by Clarify
该产品提供AI销售智能体，自动处理CRM中的线索丰富、数据清理、通话辅导等任务，可自主运行或人工审批，适合销售团队提升效率。
Mindstone Rebel
Mindstone Rebel 是一款桌面AI工作空间，连接用户记忆、会议、文件等，让智能体辅助真实工作并带审批检查，适合需要多工具协同的专业人士。
Buy by Agentcard
通过AI助手Claude直接下单DoorDash外卖，为用户提供免手动操作的智能配送体验。
Ruby
Ruby 实时监听会议，智能推送提问时机，帮助用户在对话中提出更精准的问题，适用于商务人士提升沟通质量。
FUTO Swipe
FUTO Swipe 是一款为滑行输入设计的开源AI模型，可在设备端高效运行，提升用户打字体验。
Nimt
Nimt 是集成在 Slack 中的 AI 搜索助手，为营销团队提供跨模型追踪和自动化报告，帮助提升搜索引擎优化效果。
Swimio
Swimio是一款AI游泳教练应用，通过Apple Watch跟踪游泳数据，为游泳者、教练和团队提供个性化训练计划和性能分析。
Prospector by Synter
Prospector 是一个内置于 Slack 的外呼智能体，帮助营销人员实时了解外呼活动表现并发现潜在客户，提升外呼效率。
开源项目
page-agent
JavaScript 实现的页面内 GUI Agent，无需浏览器扩展或后端，直接通过自然语言操控网页界面。核心亮点是基于文本的 DOM 操作，不依赖多模态模型，集成简单（一行 CDN 或 npm），支持自有 LLM，可轻松为 SaaS 产品添加 AI Copilot，也支持多标签页的 Chrome 扩展。适合需要快速为现有系统增加自然语言交互能力的开发者。
MinerU
高精度文档解析引擎，将PDF、Office文档、图片等转换为结构化的Markdown/JSON，专为LLM RAG和Agent工作流设计。亮点：原生支持DOCX/PPTX/XLSX解析，提供pipeline和VLM双引擎，准确率在OmniDocBench上达95%+；集成LangChain、Dify等主流框架，支持国产芯片离线部署。
agent-toolkit-for-aws
AWS 官方出品的 AI Agent 工具包，提供 MCP 服务器、插件和技能，让 Claude Code、Codex、Cursor 等 coding agent 能直接调用 300+ AWS 服务。
论文
Qwen-AgentWorld: 面向通用智能体的语言世界模型
世界模型基于当前观测和动作预测环境动态，是推理与规划的核心认知机制。本文研究如何利用语言模型构建世界模型以推动通用智能体的边界。 我们首先致力于构建智能体环境模拟的基础模型。提出 Qwen-AgentWorld-35B-A3B 和 Qwen-AgentWorld-397B-A17B，这是首批能够通过长思维链推理模拟涵盖 7 个领域的智能体环境的语言世界模型。
NatureBench: 编程智能体能否匹配Nature系列论文已发表的SOTA？
为解决当前AI智能体在科研基准测试中环境碎片化、可信度有限的问题，本文提出NatureBench——一个从Nature系列同行评审论文中蒸馏出的90项跨学科任务基准，旨在评估AI编程智能体是否能够超越复现、实现真正的科学发现。
逃离自我确认陷阱：一种用于智能体经验学习的执行-蒸馏-验证范式
经验驱动的自我演化对大语言模型（LLM）智能体在开放世界交互中提升至关重要。然而现有方法多为单智能体循环，导致智能体陷入自我确认陷阱（Self-Confirmation Trap）：错误但自洽的轨迹被误认为成功经验，进而累积检索与复用错误。
MobileForge：基于层级反馈引导策略优化的移动 GUI 智能体无标注适应
基于 MLLM 的移动 GUI 智能体在 UI 理解和动作执行方面取得了显著进展，但将其适配到真实目标应用仍成本高昂，因为移动应用数量庞大、更新频繁，且难以通过人工编写的任务、演示或奖励标签覆盖。
MemGUI-Agent: 一种具有主动上下文管理的端到端长时移动GUI代理
基于MLLM的移动GUI代理在短时任务上取得了显著进展，但在需要跨多步骤和跨应用保留中间事实的长时任务上仍不可靠。我们将这一限制归因于ReAct风格提示，它被动累积每一步记录，导致提示爆炸并稀释关键跨应用事实。 为此，我们引入MemGUI-Agent，一种具有主动上下文管理的端到端长时移动GUI代理。
AOHP：一个面向个性化、高效和安全交互的开源操作系统级Agent Harness
AI Agent正在推动一种新的软件范式，能够自主调用工具、提取信息、管理内存并完成跨应用和数据源的任务。然而，现有的终端操作系统大多以应用为中心，缺乏对AI Agent的原生支持。这种不匹配限制了Agent的广泛采用，并导致在传统系统上运行Agent时产生执行开销和安全风险。
OpenThoughts-Agent: 面向智能体模型的数据配方
问题: 智能体语言模型极大拓展了AI应用，但如何为通用型智能体策划训练数据尚不明确。现有开源工作如SWE-Smith、SERA、Nemotron-Terminal通常针对单一基准，缺乏跨任务泛化能力。 方法: OpenThoughts-Agent (OT-Agent) 项目提出完全开源的数据策划流程。
LingxiDiagBench: 用于在中文精神科咨询与诊断中基准测试大语言模型的多智能体框架
心理健康障碍在全球范围内高度普遍，但精神科医生的短缺以及基于面谈的诊断固有的主观性，为及时、一致的心理健康评估造成了重大障碍。AI辅助精神科诊断的进展受到缺乏能够同时提供逼真患者模拟、临床医生验证的诊断标签并支持动态多轮咨询的基准的限制。
FLAT: 前馈潜在三角泼溅用于几何精确的场景生成
从单张图像生成可探索的3D场景需要强大的生成先验和准确的几何表示。当前视频扩散模型在潜在空间中隐式编码多视图几何结构，但现有的前馈潜在场景解码器通常输出体积3D高斯，其缺乏明确表面，限制了在仿真或标准图形管线中的应用。为此，本文提出FLAT，首次将三角泼溅直接从视频扩散潜在变量解码。 相比解码3D高斯，预测平面原语对原语方向高度敏感，易导致梯度流不畅。
Critique of Agent Model 批判
什么是智能体？什么构成智能体？随着大型语言模型（LLM）系统被宣传为“编码智能体”、“AI 协同科学家”和其他“智能体”工具，这些工具承诺提高生产力，同时，引发了“存在性”担忧，如 AI 在推测性的“机器智能体”下以破坏性力量摆脱人类控制，因此，明确自动化与智能体的界限变得至关重要，无论是为了构建有能力的系统，还是为了理解是否需要以及为何恐惧。
语义浏览：可控多样性的图像生成
现代文本到图像模型在视觉保真度和提示遵循方面表现优异，但这种严格遵循以牺牲多样性为代价：生成样本常塌缩为单一视觉解释。现有提高多样性的方法多由偶然变化驱动，而非有意义的设计选择。 为此，我们提出一种可控多样性方法，实现语义浏览——用户可在结构化图像画廊中导航，沿有意义的、可解释的轴系统遍历，进行创造性探索。
FedOT：面向联邦LDM的版权验证与泄露追踪水印
在联邦学习（FL）中训练潜扩散模型（LDMs） 因其结合了LDMs的强大生成能力与FL的隐私保护特性而备受关注。然而，FL需要与多个参与者共享全局模型，这可能导致恶意客户端的未经授权分发或转售。一种直观的方法是采用现有的基于VAE的水印技术，但该方法面临两大挑战：（1）现有方法支持版权验证，但无法追踪模型泄露至特定恶意客户端；
VeriEvol: 通过可验证进化指令扩展多模态数学推理
扩展强化学习以进行视觉数学推理，不仅仅是生成更难的问题：随着数据量增长，奖励标签本身必须保持可靠。然而，现有数据管线在扩大监督规模时信任标注者，而策略端方法则假设底层答案已正确。本文转而将扩展视为一个可验证的数据构建问题，并在任何策略更新之前解耦两个维度：提示难度，通过路线特定的进化算子进行扩展；以及答案可靠性，通过离线假设检验证伪来强制执行。
Are Text-to-Image Models Inductivist Turkeys? A Counterfactual Benchmark for Causal Reasoning
文本到图像 (Text-to-Image, T2I) 生成模型在根据自然语言提示生成视觉真实图像方面取得了显著进展。然而，它们的成功反映的是真正的因果理解，还是对视觉-文本相关性的高级模式匹配，仍不清楚。
DREAM: 基于自回归建模的密集检索嵌入
密集检索是现代检索型AI系统的核心组件。现有模型通常依赖对比学习目标，需要大量标注的正负文档对，获取成本高且困难。本文探究能否利用大语言模型的自回归下一个词预测目标为密集检索提供监督信号。直觉是：若文档包含与查询相关信息，则基于该文档的LLM预测会更准确。但挑战在于预测损失在LLM内部计算，而检索器是独立嵌入模型。
DiffusionBench: 扩散变换器的整体评估
当前扩散变换器(DiT)在图像生成领域的研究已收敛到单一评估设置：在ImageNet上进行类条件生成。尽管方法改进了FID及相关指标，但这些指标是否能反映生成建模的真正进展越来越模糊。自然的替代方案——文本到图像(T2I)生成——被认为训练和评估成本过高或不方便，常被忽略。本文认为这一认知已不再成立。
基于多目标强化学习的LLM预训练全数据调度器
大语言模型（LLM）预训练中，训练数据的组成（来源多样性及其混合策略）是基石。在线数据混合（ODM）通过自适应调整数据配比提升效率，但现有方法局限于单一优化视角，忽略了复杂预训练对多维度动态数据组合的需求。 本文提出Holistic Data Scheduler（HDS），一种新型在线数据混合框架。
ChartWalker: 跨图表 RAG 任务的基准测试
跨图表检索增强生成（Cross-Chart RAG）在科学、商业和政治领域的复杂多模态分析任务中至关重要。然而，现有基准要么聚焦于结构化和文本化的表格，要么通过简单提取关键点生成跨图表问题，这往往导致查询与证据间的词汇重叠以及逻辑不一致的推理链。为此，我们提出 ChartWalker，一个用于构建具有挑战性的跨图表 RAG 任务的新框架。
QG-MIL: 一种用于医学影像中跨域多实例学习的门控 Transformer 聚合器
在医学影像中，基于注意力的多实例学习聚合器容易出现注意力集中问题，导致预测过于自信且不稳定。为此，我们提出 QG-MIL，一种门控 Transformer 聚合器，通过四个协同组件解决该问题： - RMSNorm 预归一化稳定训练； - 每头 QK 归一化平衡注意力分布； - 细粒度注意力输出门控（gating）调控信息流动；
EventVLA: 用于长程视觉-语言-动作策略的事件驱动视觉证据记忆
问题：长程机器人操作中，标准视觉-语言-动作(VLA)策略在任务相关线索随时间遮挡或不可观测时容易失败，记忆成为关键瓶颈。 现有方法局限：现有记忆增强方法要么存在严重信息瓶颈，要么通过解耦的双系统引入高延迟，要么依赖无选择性缓冲区积累大量视觉冗余。
动态
Gemma 4 模型提供设备端智能
Gemma 4... 为所有人提供设备端智能！ https://t.co/74UgJM6FAN
Claude Tag：新一代多智能体agent
Claude Tag 是智能体的下一次进化。 它是一个主动的、多智能体，具备记忆和身份，构建在 Claude Code 之上。 在此深入探讨中了解更多关于 Claude Tag 的工作原理及使用最佳实践。
暂停发布不减缓AI开发，只扩大内部与公开差距
对于那些说这是暂停或安全胜利的人，并非如此。这丝毫不会减缓开发速度，只会减缓实验室发布模型的速度，而不是训练速度。从今天起，公开可用的与实验室内部拥有的差距将稳步扩大。这实际上让所有人都高兴不起来。那个‘AGI已在内部开发出来’的老笑话现在绝对会成真，远在它公开可用之前。
衡量软件工程师是保护代码库，而非写巧妙代码
衡量软件工程师的真正标准不是他们编写巧妙代码的能力，而是他们无情地保护代码库免受不必要巧妙性影响的能力。
改变主意给予模型更多上下文
在语音提示中途改变主意会给模型提供更多上下文。我的提示中有70%我都会说“实际上忽略之前的所有内容”，但当我想象一件事然后决定选择其他时，这提供了大量信息。目标是最大化令牌数。
AI擅长头脑风暴但不擅长决策，应适当使用
“嘿Codex，给我20个这个页面的变体，每个页面一个按钮用于在它们之间导航” “好，选择变体4” AI模型很擅长头脑风暴，但不擅长做决策，所以要按此方式使用它们。
Agents 快速采用，加速工作，OpenAI 内部情况
Agents 正在被快速采用，加速工作。这在 OpenAI 内部的情况如何：https://t.co/pQEiAUWuDa
深入探讨为何没有框架取代React
深入研究为什么没有框架取代React是值得的 这完全被误解了，这就是为什么你看到的程序员所做的每一个预测往往都是错误的 一旦你明白了，你可以将这种理解应用到几乎你所做的每一件事上
探讨Codex用户是否应自行选择模型与推理努力度
使用codex时，你是想自己选择模型和推理努力度？还是产品应该根据任务自动选择？怎样才能让你信任这个选择？你是总是使用极高推理，还是觉得不需要太多思考时使用低推理？
推荐学习Stanford CS336以掌握LLM全栈
非常建议每一个选择计算机系的大学生，在大学时期将cs336啃完，不开中文字幕，只开英文字幕。啃完之后，你对LLM的理解和英语能力至少在国内前百分之1%。 这门课超过国内任何一所大学里面计算机的课程。
执行成本下降，品味与战略价值提升，聚焦宏观。
当执行成本下降时，品味、策略和架构愿景的价值飙升。以前，你大部分认知预算都花在微观上。现在你可以自由地专注于宏观。
感叹318 tps性能，激励加倍努力
318 tps.....太疯狂了.....你怎么做到的？我们必须更加努力，甚至更努力...
强调构建高质量评估的重要性，建议在领域内基准测试模型
构建高质量的评估是一项越来越重要的技能。 特别是如果你想找到一份工作或进入AI领域，我建议在你关心的任务/领域对模型进行基准测试。 如果做得好，你会得到任何训练模型的公司的关注。
开源LLM系列Ornith-1.0发布，专注agentic coding
Aloha! 🌺 Meet Ornith-1.0, a family of open-source LLMs specialized for agentic coding. Ornith-1.0 spans the full parameter sizes including 9B Dense, 31B Dense, 35B MoE, and 397B M…
代理编程要求设计清晰接口和文档
Agentic coding 迫使你设计清晰的接口并编写良好的文档。一个agent无法读取你工程团队共享的隐含心智模型，它只能读取你的API契约和文档字符串。
使用Digital Ocean运行Codex远程会话
运行Codex远程会话使用Digital Ocean: https://t.co/IdCkX3QgOf
主推评论泄露行为，引用讨论AI产品控制设计
兄弟决定泄露 Liquid Glass
Anthropic致信美国国会指控阿里Qwen进行大规模蒸馏攻击
Anthropic 今天正式致信美国参议院银行委员会和白宫，指控阿里巴巴旗下的通义千问（Qwen）AI 实验室对 Claude 发动了迄今为止规模最大的蒸馏攻击。 根据 CNBC 和 Reuters 获取的信件内容，通义千问关联方在 4 月 22 日到 6 月 5 日期间，通过大约 25,000 个虚假账号与 Claude 进行了超过 2880 万次交互。
Midjourney推出V8.2预览和快速风格探索
图像世界两个快速更新。尝试在提示中添加 --preview 以提前预览 V8.2 美学和个性化。我们还更新了大型批量草稿模式，使其与 --sref random 配合，让你探索风格空间的速度比以前快 24 倍。尽情享受！
META未签署限制AI推出规则
这现在似乎重要得多。META是唯一未签署这些限制推出规则的实验室。