🧠 模型發佈/更新
1. 阿里發佈 Qwen-UI-Agent，主打讓模型真正“會用”每一塊屏幕
阿里巴巴正式推出 Qwen-UI-Agent，一個以真實世界為中心的 GUI 智能體基座模型，覆蓋移動端、電腦端、網頁端及深度搜索（DeepSearch）環境。
TIP來源：IT之家
2. Hugging Face 發佈 LFM2.5 系列 DSpark 草稿模型，推理速度最高提升 3.18 倍
Hugging Face 發佈 LFM2.5 系列三款模型的 DSpark 草稿模型檢查點，通過投機解碼在不改變輸出質量的前提下，GPU 吞吐最高提升 3.18 倍，端側最高 2.87 倍。草稿模型約 300M 參數，LFM2.5-2.6B 函數調用延遲平均降低 57%，已開源支持 llama.cpp 和 SGLang。
TIP來源：Hugging Face：Blog
🚀 產品發佈/更新
1. Mistral 推出 Agentic Search：多步檢索提升 AI 系統複雜文檔查詢準確率
Mistral 發佈 Agentic Search，通過 search、open、navigate、read、grep 五工具的多步檢索循環，讓模型在長文檔與多來源中查找、定位並驗證信息。
TIP來源：Mistral AI：News（網頁）
2. AlloyDB ScaNN 如何將向量搜索擴展到 100 億向量
AlloyDB 的 ScaNN 索引現已支持超過 100 億向量的規模，通過全新的四層樹架構（預覽版）實現，將查詢複雜度從 O(N^1/2) 降至 O(N^1/4)。內部測試中，該架構在 100 億向量規模下可實現 p95 延遲不超過 51 毫秒、召回率達 95%。該功能可通過快速入門指南部署，新用戶可享受 30 天免費試用。
TIP來源：Google Cloud：Databases
3. Claude Platform 正式上線 Computer Use、Skills API 與 Files API，新增瀏覽器操作工具
Anthropic 宣佈 Computer Use、Skills API 與 Files API 在 Claude Platform 全面可用，並新增瀏覽器操作工具，讓智能體可操作軟件、調用團隊技能並返回成品文件。
TIP來源：Claude：Blog（網頁）
4. Anthropic 如何開展 AI 教學
Anthropic 發佈 Claude Academy，為全球數百萬用戶提供 AI 教學資源，幫助其安全、有效地使用 AI。該學院課程借鑑其內部員工培訓方法，包括 4D AI Fluency Framework 及“ever-boarding”持續學習項目，並強調以問題為中心、培養持久思維模式而非特定操作行為。
TIP來源：Claude：Blog（網頁）
5. Mooncake 如何為 Miles 強化學習系統實現高效批量 Rollout 數據傳輸
大規模 LLM 強化學習採用解耦架構後，rollout 數據從推理側到訓練側的傳輸成為瓶頸。Mooncake 針對 Miles 系統中異構、碎片化的 rollout 數據（如 list[np.ndarray] 形式的 tokens、loss_masks、rollout_log_probs），通過批量 I/O 優化實現高效傳輸，同時滿足效率、正確性、可擴展性、靈活性和可預測的交接延遲等要求。
TIP來源：LMSYS：Blog（Chatbot Arena 團隊）
6. Claude Code v2.1.238 發佈：新增 readline 鍵位、插件市場 headersHelper 與多項 Remote Control 修復
Claude Code v2.1.238 發佈，新增 keybindingFlavor 設置（可設為 “readline” 使 Ctrl+W 刪除至前一個空白符），併為插件市場引入 headersHelper 以生成 HTTP 頭。
TIP來源：Claude Code：GitHub Releases
7. Claude Code v2.1.237 發佈：修復 LLM 網關提示詞緩存，新增“簡潔”輸出風格
Claude Code v2.1.237 修復了使用 LLM 網關或自定義 base URL 的會話中的提示詞緩存問題，並新增內置“簡潔”輸出風格。該風格下 Claude 直接給出結果，跳過開場白和敘述，但工作完成度不變，可在 /config 的 Output style 下選擇。
TIP來源：Claude Code：GitHub Releases
8. LangSmith 預覽構建：如何在合併前測試智能體變更
LangSmith 預覽構建讓團隊在合併智能體變更前，於臨時的、類生產環境的部署中測試拉取請求分支。該功能旨在降低變更上線風險，使智能體改動驗證更貼近真實運行條件。
TIP來源：LangChain：Blog
🏛️ 行業動態
1. 消息稱 OpenAI 首席財務官告知員工：公司最遲將於 2027 年上市
OpenAI 首席財務官薩拉·弗里亞爾在全員大會上告知員工，公司最遲將於 2027 年完成上市，若業務持續向好也可能更早。OpenAI 已於 6 月秘密提交 IPO 招股書，本季度整體年化營收增長 35%，企業級業務年化營收增長 50%，AI 編程與辦公產品周活躍用戶突破 2000 萬。
TIP來源：IT之家
📄 論文研究
1. 數據受限下的多語言知識遷移：Apple 提出基於詞彙干預的新方法
Apple 研究團隊提出一種基於詞彙干預的多語言知識遷移方法，旨在解決低資源語言訓練數據不足時，模型難以從高資源語言獲取科學推理、常識推斷和世界知識的問題。該方法無需大量平行語料、翻譯系統或輔助模型，為數據受限場景下的跨語言知識遷移提供了更高效的替代方案。
TIP來源：Apple Machine Learning Research
2. 數據約束下的混合預訓練縮放定律
蘋果機器學習研究團隊通過2000餘次語言模型訓練實驗，系統研究了稀缺目標數據與通用數據混合預訓練中的權衡問題。研究發現，目標數據佔比過低會導致模型對目標領域暴露不足，而佔比過高則因重複樣本過多引發收益遞減乃至過擬合，為數據約束下的混合預訓練策略提供了量化依據。
TIP來源：Apple Machine Learning Research
💡 技巧與觀點
1. Claude Code 初創公司指南：五大規則與創始人洞見
Anthropic 發佈面向初創公司的 Claude Code 使用指南，基於對十餘家高增長公司的調研，總結出“人人皆可交付、自動化繁瑣工作、信任但驗證、為重構而構建、原型-自用-產品化”五大規則。
TIP來源：Claude：Blog（網頁）
2. OpenAI 推出 AI Futures 博客，探討自由社會如何應對變革性 AI
OpenAI 新設 Strategic Futures 團隊並推出博客 AI Futures，核心問題是自由社會應如何重構以在變革性 AI 出現時保障個人權利與自主權。團隊認為，自主系統和機器智能的進步可能使國家無需依賴人力即可投射力量、徵收稅收並自動化官僚體系，從而削弱民眾在談判桌上的地位。文章主張借鑑美國開國元勳“以權力制衡權力”的思路，尋求建立並維持適當的權力平衡，而非徹底去中心化。
TIP來源：OpenAI：官網動態
3. Leopold 的愚蠢：一個年輕人如何象徵一個時代
作者以“空頭支票”式騙局為類比，指出生成式 AI 行業存在類似循環融資的投機成分，如以 OpenAI 股份為抵押貸款再購入更多股份。文章認為這些債務能否償付高度不確定，可能最終帶來數萬億美元利潤，也可能落空，並呼籲需要不同的分析框架。
TIP來源：Gary Marcus：The Road to AI We Can Trust
4. 共和黨因與大型科技公司關係陷入恐慌
共和黨正因與大型科技公司的關係而陷入恐慌，原因是他們意識到大型AI議程在美國民眾中極不受歡迎。特朗普已從反對AI監管轉向強烈鼓勵對前沿AI模型進行自願預檢測試。新成立的超級政治行動委員會Guardrails Alliance指出，共和黨因早前向AI行業妥協而面臨困境，正急於挽回局面。
TIP來源：Gary Marcus：The Road to AI We Can Trust
