🚀 產品發佈/更新
1. AI 版支付寶開放公測，螞蟻阿寶無需邀請碼即可體驗
支付寶阿寶 AI 助手今日正式開放公測，iOS 和安卓用戶可在應用商店或支付寶 App 搜索“阿寶”或“螞蟻阿寶”直接體驗。開通後右滑進入新版，以對話方式安排辦事，例如說出“查公積金”，阿寶會自動匹配對應小程序和服務入口，用戶點擊確認即可完成。支付寶承諾所有資金變動與支付環節均需用戶本人確認，掃碼、轉賬等功能已預留入口。
TIP來源：IT之家（RSS）
2. Google Health API 推出 CLI：ghealth 是一款針對 Fitbit 數據的開源工具
ghealth 是一款封裝 Google Health API v4 的開源命令行工具，以單個 Go 二進制文件發佈（Apache 2.0 協議）。它提供 40 種已驗證的數據類型（包括步數、心率、睡眠、體重、血氧飽和度、心率變異性等）的結構化 JSON 輸出。工具採用 Agent 優先設計，具備確定性退出碼、—dry-run 和 —raw 標誌，並附帶兩個 SKILL.md 文件供 AI 智能體使用。用戶需自行創建 OAuth 憑據，通過 PKCE S256 認證。數據來源覆蓋 Fitbit、Pixel Watch 及連接的第三方設備。
TIP來源：MarkTechPost（RSS）
3. Senior SWE-Bench：評估AI智能體作為高級工程師的基準測試
Senior SWE-Bench是一個開源基準測試，用於評估AI智能體完成高級軟件工程師級別任務的能力。任務分功能開發與Bug修復兩類：功能任務指令類似自然語言消息，採用驗證智能體基於專家配方自動生成行為測試；Bug任務要求根據日誌、profiling等運行時信息深入調查。排行榜顯示，Claude Opus 4.8搭配Mini-SWE-Agent（max effort）通過率24.0%，Claude Sonnet 5為19.4%，GPT-5.5為16.0%，最強前沿模型在超75%任務中未能達到高級工程師級別的正確性與品味。每個功能任務平均涉及11個文件，最強智能體也需數百步完成；中位指令長度僅為SWE-Bench Pro的31%。任…
TIP來源：Hacker News 熱門（buzzing.cc 中文翻譯）
4. Kimi K2.7 Code 已在 GitHub Copilot 上正式發佈
Kimi K2.7 Code 開源權重模型已在 GitHub Copilot 中正式可用，成為 Copilot 模型選擇器首個可選的開源權重模型，為編程工作流提供更低成本選擇。該模型由 GitHub 託管於 Microsoft Azure，按供應商列表價格以用量計費。逐步向 Copilot Pro、Pro+ 和 Max 計劃用戶推送，用戶可在 Visual Studio Code 1.127.0 或更新版本、Visual Studio 17.14.6 或更新版本、JetBrains 1.9.1-251 或更新版本、Xcode、Eclipse 等 IDE 及 Copilot CLI、GitHub.com、GitHub Mobile 等…
TIP來源：Hacker News 熱門（buzzing.cc 中文翻譯）
5. 阿里巴巴發佈 Page Agent：開源 JavaScript 庫實現網頁 DOM 自然語言操控
阿里巴巴發佈 Page Agent，一個開源的 JavaScript 客戶端庫，嵌入網頁後可通過自然語言指令直接操作 DOM 元素。與 Playwright、Puppeteer 等外部瀏覽器自動化工具不同，Page Agent 不依賴截圖或多模態模型，而是將實時 DOM 脫水壓縮為 FlatDomTree 文本映射，讓純文本模型精準執行點擊、表單填寫等操作。它繼承用戶 cookies 和會話，無需獨立後端，並支持任意 OpenAI 兼容端點的模型（示例使用 qwen3.5-plus）。項目採用 MIT 許可證，適合在自有應用內構建 AI 副駕、智能表單填充或無障礙控制等場景，但限於單頁面範圍，風險操作仍需服務端驗證。
TIP來源：MarkTechPost（RSS）
6. 崑崙萬維天工3.2發佈Skywork Tags，AI智能體加入工作群聊
崑崙萬維天工3.2發佈Skywork Tags，將AI智能體以團隊成員身份接入Slack、飛書、釘釘、Discord、Telegram等即時通訊工具。團隊可在原有工作群中@Skywork參與討論，無需切換窗口或遷移數據。共享版Agent持續吸收多樣上下文後表現反超精心調教的個人版，團隊最終完全改用共享版。Skywork Tags不要求改變工作方式，讓AI積累團隊上下文並越用越強。
TIP來源：公眾號：崑崙萬維（天工）
7. Claude Enterprise 新增用量與成本分析及支出管控功能
Claude Enterprise 推出更豐富的管理分析工具和成本控制功能。儀表板現可按群組和用戶分析用量與成本，支持按 SCIM 群組篩選，展示製品創建、文件編輯、技能和連接器對應的成本。Claude Code 管理控制檯新增“使用量”和“價值”選項卡，分別顯示活躍開發者、會話次數、常用命令，以及生產力提升估算、每次提交成本和年度價值估算。分析聊天支持自然語言查詢並返回可導出圖表。Analytics API 可將數據接入 Datadog Cloud Cost Management 和 CloudZero。管理員可設置模型默認和權限控制，並配置組織級支出限額的 75%、90% 告警通知；用戶在 75% 和 95% 時收到應用內提醒。…
TIP來源：Claude：Blog（網頁）
🏛️ 行業動態
1. Microsoft 成立“Frontier Company”，斥資 25 億美元派駐 6000 名 AI 工程師到企業客戶現場
Microsoft 新設業務部門“Frontier Company”，撥款 25 億美元，將 6000 名行業與工程專家派駐企業客戶現場，“共同設計、共同創新、部署並持續改進 AI 系統”。該部門由 Rodrigo Kede Lima 領導，旨在超越“前部署工程”模式，成為“最大、以結果為導向的工程組織”。Microsoft 將自己定位為 OpenAI 和 Anthropic 的“平臺中立”替代方案，後兩者也已設立專門部署公司。Microsoft 將藉助埃森哲、凱捷、安永等系統集成商擴大覆蓋範圍。
TIP來源：The Decoder：AI News（RSS）
2. Anthropic與五角大樓控權之爭：Claude軍事用途護欄分歧
WSJ法庭文件顯示，Anthropic CEO Dario Amodei與五角大樓副部長Emil Michael數月郵件往來，核心分歧在於Claude的軍事用途護欄。Anthropic要求禁止全自主武器及某些監控用途，五角大樓則希望Claude可用於所有合法國家安全場景。Michael稱若分歧太大不願“強行推動”。隨後五角大樓將Anthropic列為供應鏈風險，阻止合作伙伴在國防部項目中使用其模型。法官暫停部分措施，政府正在上訴。Michael稱原先採用Anthropic的操作中已有三分之二切換至其他AI工具。
TIP來源：X：Kim (@kimmonismus)
3. OpenAI提議美國政府持股5%估值426億美元
據Financial Times和CNBC報道，OpenAI提議向美國政府提供公司5%的股份，按近期8520億美元估值計算，價值約426億美元。OpenAI CEO Sam Altman表示，此舉是與公眾分享AI發展紅利的最佳方式。
TIP來源：X：Testing Catalog (@testingcatalog)
4. 花旗、Adobe等企業限制員工使用AI旗艦模型以控制成本
據404 Media獲取的內部資料，Atlassian、Adobe、亞馬遜等六家企業正限制員工使用AI工具，要求改用能力較低的大模型避免成本失控。至少一家企業月度AI開銷增至三倍，超1500萬美元。花旗銀行因GitHub改為按量計費，於6月24日禁用Claude Opus 4.6、4.7及GPT-5.5等旗艦模型。Adobe於6月30日終止Claude無限制使用協議。Atlassian數據顯示其AI月支出從500萬美元飆升至1500萬美元，本財年預計超1.2億美元。GitHub計劃改用開源模型並測試單人按量計費模式。
TIP來源：IT之家（RSS）
5. 快手可靈AI獲初始投資者20.28億美元注資，投後估值180億美元
快手在港交所公告，21名初始投資者同意以138.24億元人民幣（20.28億美元）現金注資北京可靈，後者將持有可靈AI相關資產。同日15名額外投資者追加出資52.235億元人民幣（7.6639億美元），認購總上限為204.471億元（30億美元），對應北京可靈擴大後註冊資本的16.67%。投後估值180億美元。快手預計未來12個月內啟動可靈AI赴港上市，募資用於擴充算力、建設數據中心及人才引進。
TIP來源：IT之家（RSS）
6. 谷歌AI建設導致2025年用電量增長37%
2025年，谷歌年度用電量同比上漲37%，創歷史最大增幅。數據中心全年消耗超4200萬兆瓦時，超過新西蘭、丹麥、尼日利亞等國總用電量。自2019年以來，谷歌總用電量已增長超250%。用電激增主要來自Google Cloud、YouTube視頻流及支撐AI產品和服務的數據中心建設與運營。公司表示，AI基礎設施建設速度超過電網脫碳速度，但仍致力於擴大全球清潔電力規模，並通過技術創新降低運營排放。2024年穀歌用電量增幅為27%。
TIP來源：Ars Technica：AI（RSS）
📄 論文研究
1. 關於Mythos和網絡安全的討論並非炒作
關於Mythos和網絡安全的討論並非炒作。 （正如任何使用Fable進行自主工作的人可能已經認識到的那樣。）
TIP來源：X：Ethan Mollick (@emollick)
2. 多智能體團隊阻礙專家發揮
在自我組織的多智能體LLM系統中，團隊無法有效利用專家成員的專業知識。在多個基準測試中，即使明確告知專家身份，團隊表現仍落後於最佳成員（專家智能體）的獨立能力，性能損失最高達41.1%。失敗主因是未能有效利用專家意見，而非識別專家。對話分析顯示，團隊傾向於“整合性妥協”——平均化專家與非專家觀點，隨團隊規模增大而加劇，且與表現負相關。這種尋求共識的行為同時提升了對抗惡意智能體的魯棒性，揭示了協同對齊與專業利用之間的根本性權衡。
TIP來源：Apple Machine Learning Research（RSS）
3. RL微調VLM的魯棒性與思維鏈一致性研究
強化學習（RL）微調被擴展至視覺語言模型（VLM）。研究發現，簡單的文本擾動——誤導性標題或錯誤思維鏈（CoT）——會顯著降低模型魯棒性和置信度，且開源模型衰退更明顯。閉源模型呈現類似失敗模式，但魯棒性和推理一致性更強。進一步分析揭示準確性與忠實性的權衡：微調提升基準準確率，但同時侵蝕CoT的可靠性及對上下文變化的魯棒性；對抗性增強可改善魯棒性，卻無法阻止忠實性漂移。引入忠實性感知獎勵能恢復答案與推理的對齊，但與增強結合時訓練易崩潰到捷徑策略。這些發現強調需聯合關注正確性、魯棒性與視覺推理的忠實性。
TIP來源：Apple Machine Learning Research（RSS）
4. VideoFlexTok：可變長度粗到細視頻分詞
VideoFlexTok提出一種可變長度token序列的視頻表示方法，採用粗到細結構——首個token捕捉語義和運動等抽象信息，後續token添加精細細節，生成流解碼器支持任意token數量的視頻重建。相比傳統3D網格分詞，該結構允許根據下游需求調整token數，在相同預算下編碼更長視頻。在類別和文本到視頻生成任務中，VideoFlexTok以1.1B參數（5.2B的1/5）達到可比生成質量（gFVD和ViCLIP Score）。訓練一個處理10秒81幀視頻的文本到視頻模型僅需672個token，比同等3D網格分詞器少8倍。
TIP來源：Apple Machine Learning Research（RSS）
💡 技巧與觀點
1. browser-use 發佈開源 AI 視頻剪輯 Skill「video-use」
browser-use 團隊推出面向 Codex、Claude Code 等 AI 編碼智能體的開源 Skill「video-use」，讓 LLM 通過 ElevenLabs Scribe 將音頻轉寫為約 12KB 文本（含逐詞時間戳、說話人分離、事件標記），僅在決策點調用 timeline_view.py 生成 PNG 幀圖。技術流水線包括轉寫、打包、生成 JSON 格式 EDL、ffmpeg 渲染及最多 3 輪自評估。渲染關鍵細節：分段提取 + -c copy 拼接、30ms 音頻淡入淡出、PTS 時移、字幕最後疊加、HDR 自動映射、豎屏縮放、兩-pass loudnorm。動畫支持 HyperFrames、Remotio…
TIP來源：X：邵猛 (@shao__meng)
2. Emil Kowalski 發佈設計工程師 Skills，讓 AI 編碼工具具備 UI 動畫審美
Emil Kowalski 將多年 UI/動畫原則沉澱為三個 Skill，使 Codex、Claude Code、Cursor 等 Coding Agents 具備資深設計工程師的審美判斷。核心規則：動畫必須有理由；每天 100+ 次的高頻操作禁用動畫；UI 動畫控制在 300ms 內；只動畫 transform 和 opacity；入口從 scale(0.95)+opacity:0 開始；尊重 prefers-reduced-motion（僅移除位移動畫）。review-animations 以嚴格標準審查動畫代碼，輸出 Before/After/Why 表格。animation-vocabulary 將模糊描述（如“彈一下的效果…
TIP來源：X：邵猛 (@shao__meng)
3. Fable 5 在 RLI 基準中達成 16.1% 自動化率，較八個月前提升六倍
Remote Labor Index（RLI）衡量 AI 智能體完成 240 個付費自由職業項目（總值 14.4 萬美元）的專業質量比例。最新結果顯示，Fable 5 自動化率達 16.1%，是八個月前最佳系統 2.5% 的六倍多，也超過 Opus 4.8（8.3%）和 GPT-5.5（6.3%）。因美國政府限制訪問，Fable 5 僅完成 218/240 個項目評估，最壞情況仍達 14.6%。Gemini 3 Pro 僅 1.25%，落後於更老模型。AI 裁判會高估模型表現（GPT-5.5 評分偏高近三倍），仍需人類評估員打開專業軟件（如 Blender）檢驗幾何模型等細節。測試環境為虛擬 Linux 機，配備 30 餘款專業應用…
TIP來源：The Decoder：AI News（RSS）
4. Fable 5 僅 4.44 美元搭建 Rube Goldberg 機器
用 Fable 5 構建的魯布·戈德堡機械，僅需 4.44 美元 👀 提示詞在此：https://www.reddit.com/r/openrouter/comments/1ulkilz/i_asked_claude_fable_5_to_build_a_rube_goldberg/
TIP來源：X：OpenRouter (@OpenRouter)
5. 千問團隊朱達：C端Agent Harness的“多快好省”工程哲學與主動服務探索
千問團隊2026年1月上線通用複雜任務Agent（千問App膠囊入口），總結“多快好省”方法論：支持信息蒐集、研究分析等任務；執行時間降至初始1/3；通過搜索範式與上下文管理優化交付質量；Token消耗僅為海外產品1/10。團隊探索從被動響應轉向主動服務，構建User Memory、Environment、Task System、Assistant四大組件，指出“情商”是主動服務最難環節。朱達提出Agent工程從Prompt Engineering演進至Harness Engineering，下一站是A IWare Engineering，強調“低功耗，夠用就行”。
TIP來源：公眾號：千問APP（阿里）
6. Agent輔助的SGLang開發：初步探索
SGLang團隊將LLM服務、分佈式運行時、GPU內核、擴散管道等工作流編碼為可執行的SKILL.md文件、腳本、基準合約和審查循環。現有技能包括：SGLang .claude/skills（CUDA調試、內核集成、性能分析等）、SGLang diffusion .claude/skills（擴散模型添加與調優）、BBuf/AI-Infra-Auto-Driven-SKILLS（跨框架SOTA循環）、KDA（MLSys 2026 FlashInfer內核競賽獲勝方案）以及BBuf/KDA-Pilot（已合併三個SGLang集成PR）。Profile證據是性能工作的核心，長期優化轉向Loop Engineering——SGLang S…
TIP來源：LMSYS：Blog（Chatbot Arena 團隊）
7. 借用夜晚：將閒置推理GPU回收用於研究
Runway 開發了名為 deckard 的容量控制器，在生產推理集群與研究集群間動態重分配 GPU。生產流量在北美工作日上午 9 點 ET 達峰，晚 8 點 ET 跌至不足一半。控制器基於預計算的時間窗口（如工作日 8:30–12:30 ET 高峰子窗口）提前擴容和回收，每次集群間轉移耗時 20–60 分鐘。利用排隊論（Erlang‑C、Little’s Law）確定目標利用率，避免接近 85% 後的隊列發散（90% 利用率下等待時間約為服務時間的 10 倍）。此方案使夜間閒置 GPU 迴歸研究、白天排隊等待縮短。
TIP來源：Runway：News（網頁）
