🧠 模型發佈/更新
1. Fun-ASR-Realtime 發佈：單模型支持30種語言與16種方言，識別準確率領先
通義實驗室發佈Fun-ASR-Realtime實時語音識別模型。單模型覆蓋30種語言及16種方言，針對東亞、東南亞地區重點優化。在工業級方言測評inhouse上取得87.8%的語義準確率，大幅領先，多地方言接近人工水平。引入上下文理解與動態熱詞注入，實現同音詞、品牌名等語義消歧。流式識別首字延遲控制在百毫秒級，準確率接近離線水平，支持多語言無縫切換。API已上線阿里雲百鍊平臺。
TIP來源：公眾號：通義實驗室（千問）
🚀 產品發佈/更新
1. OfficeCLI：為AI智能體設計的開源Office套件
OfficeCLI是全球首個專為AI智能體設計的開源Office套件，以單二進制文件運行，無需安裝Office或任何依賴。它內置HTML渲染引擎，可將.docx/.xlsx/.pptx轉換為HTML或PNG，形成“渲染→查看→修復”的視覺閉環，使AI代理能自主創建、讀取和修改Word、Excel、PowerPoint文檔。支持公式、圖表、條件格式、RTL佈局、修訂追蹤、表格、數據透視表等複雜功能。提供CLI命令和基於自然語言的桌面應用AionUi，並可一鍵安裝到Claude Code、Cursor、Windsurf、GitHub Copilot等AI編碼工具中。
TIP來源：Hacker News 熱門（buzzing.cc 中文翻譯）
2. Synthetic Sciences 發佈 OpenScience：面向機器學習、生物學、物理學和化學研究的開源模型無關 AI 工作臺
Synthetic Sciences 推出開源（Apache 2.0）AI 科研工作臺 OpenScience，覆蓋機器學習、生物學、物理學、化學。它運行從文獻、假設、代碼、實驗到分析與撰寫的完整科研循環，支持按請求切換任意模型（Claude、GPT、Gemini、GLM、Kimi、DeepSeek 及本地微調模型）。內置 250 餘項可編輯技能和 UniProt、PDB、ChEMBL、arXiv 等約 30 個科學數據庫作為智能體工具。用戶可自帶 API 密鑰在自己的基礎設施上免費運行，安裝命令為 npm install -g @synsci/openscience，運行 openscience 啟動瀏覽器工作臺。另提供可…
TIP來源：MarkTechPost（RSS）
3. xAI 為 Grok Voice 新增 21 個旗艦語音
xAI 發佈 21 個新旗艦語音，加入原有的 5 個語音。所有新語音均支持多語言，已在實時 Voice Agent API、Text to Speech API 及新推出的 Grok Voice Agent Builder 中可用。每個語音針對客服、角色、解說、廣告、教育等場景定製，支持通過 [pause] 等語音標籤控制表達。原始 5 個語音（Ara、Eve、Leo、Rex、Sal）經重訓練後，節奏、措辭和重音的自然度提升。所有語音原生支持 Grok Voice 的 25 種以上語言。
TIP來源：xAI：News（網頁）
4. Claude Code v2.1.202 發佈
Claude Code v2.1.202 在 /config 中新增“Dynamic workflow size”設置，可控制動態工作流的 agent 數量規模（小/中/大），作為指導性建議而非硬性上限。工作流派生的 agent 現在會發射 workflow.run_id 和 workflow.name 的 OpenTelemetry 屬性。修復了 mTLS 握手失敗、遠程控制發送命令失敗、移動端發送無說明圖片被靜默丟棄、語音聽寫在麥克風故障時無限重試（改為暫停輸入）、重載已有技能導致重複指令等問題。改進了工作流 agent 列表佈局，MCP 錯誤消息更清晰。/review <pr> 恢復為快速單次審查，多 agen…
TIP來源：Claude Code：GitHub Releases（RSS）
5. OpenClaw 登陸 HuggingFace 本地應用
OpenClaw 登陸 @huggingface 本地應用 🦞🤝🤗 1. 在 hf 上挑任意 GGUF/MLX 模型 2. 複製 openclaw onboard 設置 3. Voila，你得到一個完全本地的工具調用智能體。無雲端、無密鑰、無人監控。 讓你的 claw 本地化到極致。抵抗是徒勞的 🦞
TIP來源：X：OpenClaw (@openclaw)
6. SGLang 集成 DSpark 推測解碼：置信度驅動的可變長度驗證
SGLang 團隊將 DSpark 推測解碼算法集成到開源推理引擎中。該算法採用半自迴歸塊起草器一次生成一組 token，並利用置信度頭與順序溫度縮放（STS）為每個請求動態分配可變驗證長度，從而在高負載下裁剪無效驗證成本。SGLang 支持密集模型（如 Qwen3）和稀疏模型（如 DeepSeek-V4），通過全 CUDA 圖處理不規則的每請求驗證長度。提供三種驗證模式：static（全長）、compact（生產路徑）和 cap-accept（接受上限測量）。還引入了零開銷調度、基於離線成本表的在線調度器、融合 Triton 核等優化。在 H200 上使用 DeepSeek-V4-Flash 的測試中，DSpark 在…
TIP來源：LMSYS：Blog（Chatbot Arena 團隊）
🏛️ 行業動態
1. 2026年科技公司AI裁員名單：Microsoft、Oracle、GitLab等十家公司裁減數千崗位
2026年以來，多家科技公司以AI為由大規模裁員。Microsoft裁減約4800崗位（2.1%），Oracle裁減21000人（13%），GitLab裁減350人（14%）以投資AI基礎設施，Google Cloud持續裁減員工（外界估計1500-3000+工程師），Intuit裁減3000人（17%），Meta裁減8000人（10%）並轉崗7000人至AI，Cisco裁減近4000人（5%），Cloudflare裁減1100人（20%），GM裁減500-600 IT崗位，Coinbase裁減700人（14%）。據Layoffs.fyi統計，2026年累計已裁約12萬個技術崗位。
TIP來源：TechCrunch：AI（RSS）
2. Meta 被曝讓外包人員偽裝未成年人，誘導競爭對手 AI 聊敏感話題
據《連線》報道，Meta 通過外包公司 Covalen 開展代號“Cannes”的項目，讓數百名外包人員偽裝成未成年人，向 OpenAI ChatGPT、谷歌 Gemini 及 Character.AI 發送涉及自殺、自殘、進食障礙等高風險提示詞，以測試競品聊天機器人的安全攔截機制。項目持續至 4 月 21 日，單輪測試發送超 4.5 萬個提示詞，外包人員創建 18 歲以下虛假賬號並上傳藥片、刀具等圖片。Meta 稱這是常規安全測試，且不會用競品測試數據訓練自家模型。
TIP來源：IT之家（RSS）
3. SK 海力士將啟動 280 億美元美股上市，有望成史上第二大 IPO
SK 海力士於本週一啟動規模約 280 億美元的美股上市計劃，將在納斯達克通過存託憑證發行 1779 萬股新股，每 10 份存託憑證對應 1 股普通股。發行價區間週一公佈，最終發行價週四敲定，股票週五掛牌交易。受益於全球人工智能熱潮，該股年內漲幅超 270%。本次募資規模預計為史上第二大新股發行，僅次於上月 SpaceX 的 857 億美元 IPO。SK 海力士是高帶寬內存芯片核心供應商，產品用於英偉達、谷歌等 AI 設備。
TIP來源：IT之家（RSS）
4. Runway 宣佈設立巴黎辦公室
原文正文僅包含網站 Cookie 設置說明，未提供關於巴黎辦公室的部門、規模、職能或開業時間等具體信息。
TIP來源：Runway：News（網頁）
5. 阿爾伯塔省用Claude進行政府系統安全審查
阿爾伯塔省技術與創新部自2025年起使用Claude Code掃描全部27個省級部門的系統。50個智能體在20小時內並行審查4.66億行代碼，發現傳統自動化工具遺漏的漏洞並直接生成修復方案，傳統方法估計需約6.5年。團隊還構建了紅隊/藍隊審查代理。通過阿爾伯塔AI學院，已培訓數千名政府員工和超1萬名公眾。省技術部計劃繼續用Claude Code將185個遺留生產應用整合為16個可複用應用。
TIP來源：Anthropic：Newsroom（網頁）
6. Cursor 成立 CFO Council，聚焦 AI 支出新經濟學
2025 年全球 AI 支出達 1.5 萬億美元，但麥肯錫研究顯示僅 39% 組織能追蹤至 EBIT 影響。Cursor 成立 CFO Council，旨在建立讓 AI 支出可衡量、可預測且與價值掛鉤的框架。BCG 分析發現，token 用量最高分位公司收入同比增長 16.5%，最低僅 5.1%。2025 年末模型改進後，開發者每週 agent 消息增加 44%，高複雜度工作增加 68%。p99 開發者 AI 輔助代碼行數為中位數 46 倍，合併 PR 多 15 倍。不同模型族間請求成本相差近 9 倍，每行接受代碼成本相差約 7 倍，84% 重度用戶每週使用多個模型。首次會議定於 8 月舉行。
TIP來源：Cursor Blog
📄 論文研究
1. 用可解釋性理解標註者安全策略
標註分歧可源於操作失敗、政策模糊或價值多元。Annotator Policy Models（APMs）是一種可解釋模型，僅從標註行為學習標註者內在的安全策略，無需額外負擔。驗證表明模型準確率超過80%，能忠實預測反事實編輯並恢復已知差異。將APMs應用於LLM和人類標註者，可揭示不同標註者對安全指令解釋的差異（政策模糊）以及不同人口群體在安全優先級上的系統性差異（價值多元），支持更具針對性、透明和包容的安全策略設計。
TIP來源：Apple Machine Learning Research（RSS）
2. Apple 提出專用小型 seq2seq 模型用於 ASR 糾錯
Apple 機器學習研究團隊採用緊湊的 seq2seq 模型進行 ASR 糾錯，訓練數據來自真實和合成音頻的 ASR 錯誤。通過級聯 TTS 和 ASR 構建合成語料，關鍵在於匹配真實錯誤分佈的多樣性。模型採用 correction-first 解碼，生成候選後利用 ASR 聲學分數重新排序。與 LLM 相比，該模型參數少 15 倍，在 LibriSpeech test-clean/other 上分別達到 1.5% 和 3.3% 的詞錯誤率（WER），優於 LLM，並能泛化至 CTC、Seq2seq、Transducer 等多種 ASR 架構，在低錯誤率場景中提供精確糾錯。
TIP來源：Apple Machine Learning Research（RSS）
3. TopoPrimer：預測模型中缺失的拓撲上下文
TopoPrimer 框架將序列群體的全局拓撲結構作為顯式輸入加入預測模型。通過持續同調與譜座標預計算，可部署為全訓練模型的 per-token 輸入或預訓練骨幹的輕量適配器。在 Chronos 和 TimesFM 的四個基準上，TopoPrimer 在 ECL 上最高提升 7.3% MSE，零樣本與微調效果相近。面對季節性需求峰值，傳統模型誤差退化達 50%，TopoPrimer 控制在 10% 以內；冷啟動場景下 MAE 降低 27%。
TIP來源：Apple Machine Learning Research（RSS）
💡 技巧與觀點
1. AI顛覆初級程序員就業市場：斯坦福數據揭示年輕開發者就業銳減19%
斯坦福數字經濟實驗室基於ADP薪資數據發現，美國22-25歲軟件開發人員就業較2022年峰值下降19%，而41-49歲增長14%。入門級崗位招聘減少28%，計算機科學畢業生失業率達6.1%，高於文科專業。核心推手是2024-2025年興起的智能體編程（Agentic programming）。總程序員就業增長4.4%，但全部來自年長群體。GitHub一年新增3600萬賬號，80%新用戶一週內使用Copilot。編程工作未消失，但“初級程序員”頭銜正在消亡。
TIP來源：Hacker News 熱門（buzzing.cc 中文翻譯）
2. Google 更新隱私設置，默認用媒體數據訓練 AI，用戶可手動退出
Google 於 6 月通過客戶郵件低調更新了搜索服務隱私設置，新增“搜索服務歷史”和“個性化推薦”兩項開關，默認將用戶上傳的圖片、文件、音頻和視頻錄製等媒體數據保存並用於訓練 AI 模型。該更新適用於搜索、地圖、購物、航班、酒店、翻譯、新聞等服務。用戶可通過取消勾選“保存媒體”框來退出，同時可設置數據自動刪除週期（3/18/36 個月）。此前獨立的網絡與應用活動設置不再影響搜索服務數據保留。Meta 等其他公司也在大規模收集用戶媒體數據用於 AI 訓練。
TIP來源：TechCrunch：AI（RSS）
3. 免費開源API中轉站監測網站tokhub.me上線
作者與姚老師合作開發中轉站評測網站tokhub.me，通過真實充值調用API進行模型監控，區別於單純速度評測。代碼完全開源，支持一鍵Docker部署，還可作為公司內部Token和網關管理系統，省去繁雜的API Key和Base URL管理。開源代碼見Github評論區。
TIP來源：X：Vista (@vista8)
4. AT&T 1956年專利法令：公共天才的私有化
1956年1月24日，全球最大私營公司AT&T簽署專利法令，將其7,820項未過期專利免費授權給所有美國企業，並承諾未來專利按“合理費率”許可。作為交換，AT&T得以保留Western Electric，但被禁止進入電信以外的業務。貝爾實驗室69%的非電信專利（涵蓋化學、半導體、光學等）迅速公開，在短短几年內催生了約35億美元衍生專利價值，並直接推動了肖克利半導體、仙童半導體及英特爾的誕生。戈登·摩爾稱該法令是“商業半導體行業最重要的進展之一”，為美國硅谷的起飛奠定了基礎。
TIP來源：Hacker News 熱門（buzzing.cc 中文翻譯）
5. 分享8個Claude Fable 5下線前必跑的超實用Prompt
Claude Fable 5即將下線，作者整理了8個經實戰驗證的提示詞：/goal提示語讓模型自主跑25次實驗（花費165美元，構建速度提高50%、token開銷降60%）；工作模式提示語將用戶習慣轉化為可複用Skills；行動規範提示語約束subagent行為；subagent分配提示語智能分配任務；25個定時循環工作流（含Shadow prompt loop做A/B測試）；自治運行+自動暫停提示語；記憶系統提示語保留錯題本；反向面試提示語確保95%把握再執行。這些提示詞可遷移至API計費後繼續使用，核心是讓模型研究用戶而非限制能力。
TIP來源：公眾號：卡爾的AI沃茨
6. Claude Code 團隊詳解四種智能體循環類型
Claude Code 團隊將“設計循環”定義為智能體重複工作直到滿足停止條件，劃分四種類型：1）回合循環——手動提示觸發，Claude 自判完成，適合短任務，可通過 SKILL.md 提升驗證；2）目標循環——/goal 手動觸發，達成目標或達最大輪數停止，需確定性完成標準（如測試通過數）；3）時間循環——/loop 和 /schedule 按間隔觸發，適合同步消息、檢查 PR 等重複任務，可雲端運行；4）主動循環——事件或計劃觸發，無人實時參與，每個子任務獨立退出。建議從最簡單方案開始，選擇性使用複雜循環。
TIP來源：X：Claude Devs (@ClaudeDevs)
7. Claude Fable實地指南：發現你的未知
Claude Fable是第一款要求用戶主動澄清未知才能獲得高質量工作的模型。與Claude Fable協作是一個在實現前後迭代發現未知的過程。通過將問題分解為已知的已知、已知的未知、未知的已知和未知的未知四類，用戶可以藉助Claude Fable和Claude Code進行盲點檢查、頭腦風暴、原型設計、實現筆記記錄以及答辯解釋，從而高效挖掘並解決深藏於代碼庫和設計與實現中的潛在問題。
TIP來源：Claude：Blog（網頁）
8. Google MaxText 彈性訓練：訓練中途終止 TPU，數秒內恢復
分佈式 AI 訓練常因單臺機器故障導致整個多節點作業崩潰，需耗時重啟。Google 的 JAX 生態通過 Pathways 實現彈性訓練，將硬件故障轉化為可捕獲的 Python 異常，使運行進程存活。測試中，訓練中途終止一個 TPU 後，系統自動替換損壞的節點、從 Cloud Storage 恢復最新檢查點並原地恢復訓練，總停機時間低於 2 分鐘，主控制器進程全程無需重啟。
TIP來源：Google Developers Blog（RSS）
