AI and technology watch

AI 新闻

聚合过去 24 小时 AI 与开发者生态动态，并提供来源链接以便深入阅读。

---
AI HOT ·

FDE爆发：AI公司12个月承诺97.5亿美元部署工程

01:38 Tomer Tunguz 博客（VC 分析） 精选 77 AI公司在12个月内合计承诺97.5亿美元用于建设前部署工程（FDE）团队。三种结构模型浮现：资产负债模型（微软、亚马逊从现有编制调配，Salesforce承诺1000个FDE岗位）；独立实体模型（OpenAI Deployment Company融资40亿美元，投后估值140亿；Anthropic从黑石等融资15亿美元）；合作伙伴生态系统模型（Google Cloud承诺7.5亿美元合作伙伴基金）。瓶颈从模型能力转向部署——GPT-4、Claude、Gemini已足够强大，但多数企业无法自行安装配置。FDE投资构成护城河：嵌入式工程师教育客户、获取专有工作流与数据反馈模型调优，切换成本为制度性而非技术性。 Anthropic OpenAI 现象/趋势 部署/工程 推荐理由： Tunguz 把近 100 亿美元 FDE 投资掰成三种结构，让我意识到 AI 竞争已经从模型卷到了客户内部——嵌入式工程可能比 API 更深的护城河。

Anthropic OpenAI 现象/趋势 部署/工程
AI HOT ·

Gemini API Managed Agents 新增后台执行、远程 MCP 与自定义函数等能力

00:53 Google Blog：AI（RSS） 精选 69 Google 为 Gemini API 的 Managed Agents 新增后台执行、远程 MCP 服务器集成、自定义函数调用与凭证刷新功能。后台执行通过传入 background: true 异步运行任务，立即返回 ID 供轮询状态或流式获取进度。Managed Agents 可直接连接远程 MCP 服务器，无需自定义代理中间件，并能与内置沙箱工具（如 Google 搜索、代码执行）混合使用。自定义函数调用支持本地执行业务逻辑，内置工具自动在服务端运行。凭证刷新通过传递现有环境 ID 和新网络配置完成，沙箱内文件系统、已安装包和仓库保持不变。这些更新旨在帮助开发者构建可靠的生产级 AI 智能体。 智能体 Google MCP/工具 产品更新 推荐理由： Managed Agents 这次更新解决了异步执行和远程工具调用的痛点，让 Gemini 代理能真正跑在后台，对已经在用 Gemini API 做产品的开发者属于必读更新。

智能体 Google MCP/工具 产品更新
AI HOT ·

智能免费，然后呢？--Data Systems for， of， and by Agents

01:10 BAIR：Berkeley AI Research Blog 精选 62 AI推理成本急剧下降。GPT-4级能力从2023年初每百万token约30美元降至今天不到1美元，部分供应商已低于0.10美元。推理价格每年下降9至900倍，中位数约50倍。知识工作级智能即将近乎免费。这给数据系统带来三重变革：面向智能体的数据系统需支持智能体推测式探索——单个 智能体 大佬观点 数据/训练 推荐理由： 当推理成本趋近免费，数据系统将经历从服务人到服务智能体的根本变革，这篇文章把'为智能体设计系统、用智能体运行系统、让智能体构建系统'三大挑战梳理得很清晰，做数据和 agent 基础设施的人应该读。

智能体 大佬观点 数据/训练
AI HOT ·

Liquid AI 开源 Antidoom：基于最终 Token 偏好优化的推理模型死循环修复方法

00:53 MarkTechPost（RSS） 精选 70 Liquid AI 开源了 Antidoom，一种基于 Final Token Preference Optimization (FTPO) 的针对性修复方法，用于减少推理模型中的 doom loop（死循环）问题。该方法定位循环开始的第一个 token，训练模型选择连贯替代项，而不改变整体输出分布。在 LFM2.5-2.6B 上，硬数学和编程任务中的循环率从 10.2% 降至 1.4%；Qwen3.5-4B 上从 22.9% 降至 1%。整套流程可在数小时内完成，全部代码和数据集（LiquidAI/antidoom-mix-v1.0）已开源。 开源/仓库 推理 推荐理由： Antidoom 用一次训练就修复了小型推理模型常见的 doom loop，LFM2.5 和 Qwen3.5 的循环率从两位数掉到 1%，代码和数据全开源，自己训模型时可以直接加这一环。

开源/仓库 推理
AI HOT ·

在LLM中选择最佳图像输入细节级别

00:24 OpenRouter：Announcements（RSS） 精选 65 在5个模型上测试了1730道视觉推理题，发现将图像细节降至"low"会损失准确率，且在gpt-5.5上费用反而上升。真正可靠降低成本的手段是调节推理努力（reasoning effort）。 OpenAI 多模态 评测/基准 推荐理由： OpenRouter 用 1730 道题的实验告诉你，降图像细节未必省钱，GPT-5.5 上反而更贵，真正靠谱的开关是控制推理努力。做视觉应用的不看这个容易踩坑。

OpenAI 多模态 评测/基准
AI HOT ·

Claude Cowork 向移动端和网页端开放

00:24 Claude：Blog（网页） 精选 71 Claude Cowork 正在向移动端和网页端开放，让会话和文件跨设备同步。Beta 版将在未来几周内首先面向 Max 用户推出。Cowork 可让 Claude 跨文件、日历、邮件、即时通讯等工具完成复杂任务，其中超过 90% 的使用场景并非软件开发，而是日常知识工作（业务运营和内容创作）。工作可跨设备跟随用户：在桌面端开始任务，从手机查看进度；关闭笔记本后 Claude 可继续后台运行，支持定时任务（如周一 6 点自动准备客户简报）。当需要用户决策时，Claude 会将问题推送到手机。桌面端保留完整 Cowork 体验，支持无法安装桌面应用的用户。聊天和 Cowork 已在网页端和桌面端合并。为庆祝上线，双倍 Cowork 使用额度延长至 8 月 5 日。 智能体 Anthropic 产品更新 推荐理由： Claude Cowork 把它从桌面解放到手机和浏览器，90% 的日常知识工作被它接住了，跨设备、后台运行让 AI 助手真正能替你干活，不是聊天。

智能体 Anthropic 产品更新
AI HOT ·

人们如何使用Claude Cowork

00:24 Claude：Blog（网页） 精选 65 基于2026年5月11-31日120万次匿名会话样本，Claude Cowork最大用途为业务流程与运营（33.4%），如整理报告、核对表格；其次为内容创作与文案（16.4%），如起草稿件、制作幻灯片；软件开发仅占8.7%。用户多用它处理跨团队衔接性任务，例如律师处理文档格式、招聘经理汇总面试反馈。Claude Cowork面向所有Claude用户开放。 Anthropic 现象/趋势 推荐理由： Anthropic 首次公开 Claude Cowork 的使用数据，业务流程和内容创作占了一半，说明当前 AI 在知识工作中的核心价值是串联信息而非替代判断，对产品定位和团队协作流程设计都有参考意义。

Anthropic 现象/趋势
AI HOT ·

Weblica：面向视觉网页智能体的可扩展可复现训练环境

23:10 Apple Machine Learning Research（RSS） 精选 56 苹果研究团队提出Weblica框架，通过HTTP级缓存保存网页稳定视觉状态并保留交互行为，结合大语言模型基于真实网站与核心导航技能合成环境，构建可复现、可扩展的训练环境。该框架将强化学习训练扩展到数千个多样化的环境和任务。最佳模型Weblica-8B在多个网页导航基准上超越同等规模的开源模型，推理步骤更少，测试时计算扩展性良好，性能与API模型相当。 智能体 论文/研究 推荐理由： Apple 的研究把 web agent 训练从零散数据中解放出来，可复现环境是规模化 RL 的关键一步，做 web 自动化的值得关注。

智能体 论文/研究
AI HOT ·

苹果研究：单个神经元即可绕过大型语言模型的安全对齐

23:10 Apple Machine Learning Research（RSS） 精选 74 苹果研究人员发现，安全对齐由两类神经元调控：拒绝神经元控制有害知识是否表达，概念神经元编码有害知识本身。在七个模型（1.7B至70B参数）中，仅需抑制单个拒绝神经元即可绕过安全对齐，回答有害请求；或放大单个概念神经元，从无害提示诱导出有害内容。整个过程无需训练或提示工程。结果表明安全对齐由个别神经元因果控制。 安全/对齐 论文/研究 推荐理由： 苹果发现单个神经元足以绕过大模型安全对齐，在7个模型上验证了攻击，说明安全机制并非稳健分布，做安全攻防的必读。

安全/对齐 论文/研究
AI HOT ·

中国拟限制外国访问最强AI模型

23:24 Rohan Paul @ rohanpaul_ai 精选 79 中国计划限制外国访问其最强AI模型，近期与阿里巴巴、字节跳动、Z.ai等企业会谈，拟将先进模型（含未发布）留在中国国内。商务部主导、国家发改委参与，表明此举属出口管制而非平台监管。目标涵盖闭源和开源模型，不仅限API访问，还包括可下载权重。同时讨论将模型泄漏视为国家安全犯罪，并限制外国资本投资中国AI初创。若实施，外国公司将失去低成本模型访问权。此前华盛顿已限制美国先进模型出口，此举可能进一步分裂全球AI市场。 开源生态 政策/监管 推荐理由： 中国正计划限制最前沿 AI 模型出海，不只 API 连开源权重也纳入管控。一旦落地，全球 AI 成本将上涨，模型市场按国籍分裂，开发者该重新评估开源依赖了。 23:10 Apple Machine Learning Research（RSS） 精选 74 苹果研究：单个神经元即可绕过大型语言模型的安全对齐 苹果研究人员发现，安全对齐由两类神经元调控：拒绝神经元控制有害知识是否表达，概念神经元编码有害知识本身。在七个模型（1.7B至70B参数）中，仅需抑制单个拒绝神经元即可绕过安全对齐，回答有害请求；或放大单个概念神经元，从无害提示诱导出有害内容。整个过程无需训练或提示工程。结果表明安全对齐由个别神经元因果控制。 安全/对齐 论文/研究 推荐理由： 苹果发现单个神经元足以绕过大模型安全对齐，在7个模型上验证了攻击，说明安全机制并非稳健分布，做安全攻防的必读。 23:10 Apple Machine Learning Research（RSS） 精选 56 Weblica：面向视觉网页智能体的可扩展可复现训练环境 苹果研究团队提出Weblica框架，通过HTTP级缓存保存网页稳定视觉状态并保留交互行为，结合大语言模型基于真实网站与核心导航技能合成环境，构建可复现、可扩展的训练环境。该框架将强化学习训练扩展到数千个多样化的环境和任务。最佳模型Weblica-8B在多个网页导航基准上超越同等规模的开源模型，推理步骤更少，测试时计算扩展性良好，性能与API模型相当。 智能体 论文/研究 推荐理由： Apple 的研究把 web agent 训练从零散数据中解放出来，可复现环境是规模化 RL 的关键一步，做 web 自动化的值得关注。 23:10 Apple Machine Learning Research（RSS） 精选 55 DynaMiCS：带性能约束的大语言模型动态混合微调 DynaMiCS是一种动态混合优化器，将多领域微调建模为带性能约束的优化问题。它通过短领域特定探测运行估计跨领域效应斜率矩阵，再基于概率单纯形优化计算混合权重，在提升目标领域性能的同时将约束领域损失维持在参考水平以下。实验表明，DynaMiCS相比固定混合基线取得更强的目

开源生态 政策/监管 安全/对齐 论文/研究 智能体 数据/训练 MCP/工具 教程/实践 Anthropic 推理 编码 多模态 语音 具身智能 行业动态 部署/工程 现象/趋势 端侧 xAI 产品更新 视频 开源/仓库 Google 搜索 Microsoft Hugging Face GitHub 大佬观点
AI HOT ·

DynaMiCS：带性能约束的大语言模型动态混合微调

23:10 Apple Machine Learning Research（RSS） 精选 55 DynaMiCS是一种动态混合优化器，将多领域微调建模为带性能约束的优化问题。它通过短领域特定探测运行估计跨领域效应斜率矩阵，再基于概率单纯形优化计算混合权重，在提升目标领域性能的同时将约束领域损失维持在参考水平以下。实验表明，DynaMiCS相比固定混合基线取得更强的目标领域提升和约束满足，且计算成本更低，无需参考模型、逐样本评分或手动调节混合权重。 数据/训练 论文/研究 推荐理由： 苹果这篇论文做了一件不太起眼但有用的事——让模型在学新领域时自动平衡旧能力，不用手动调混合权重，对需要多任务微调又怕遗忘的团队是个小进步，不过算不上范式级突破。

数据/训练 论文/研究
AI HOT ·

Elvis Saravia 通过 HITL 和 DialAgent 提升 agentic loops 可靠性

23:09 elvis @ omarsar0 精选 77 Elvis Saravia 介绍使用 human-in-the-loop（HITL）来提升 agentic loops 的可靠性。他所有 Claude 和 Codex agent 会话都通过 @DialAgent MCP 服务器，该服务器为 agent 提供专属号码，支持语音、SMS、iMessage 作为原生工具。当循环/自动化处理 PR 或新功能时，agent 会通过简短电话将决策升级给人类，尤其适合在路上或离开电脑时。用户可粘贴指令让 agent 拨打电话测试。DialAgent 提供 $5 免费额度：http://getdial.ai 智能体 MCP/工具 教程/实践 推荐理由： 给AI Agent装电话号直接打电话请示，这个实操方案能大幅减少循环失败，Claude Code和Codex用户有$5免费额度马上可试，出差党尤其友好。

智能体 MCP/工具 教程/实践
AI HOT ·

Meta 在 Meta AI 应用中推出 Muse Image，这是 MSL 首个图像生成模型。该模型同时登陆 WhatsApp 和 Instagram，后续将扩展至 Messenger 和 Facebook。Muse Image 利用高级推理理解复杂提示，能将多张照片无缝融合生成高质量图像，支持预设、在提示中引用图片以及直接编辑。结合引用推文，Muse Image 具备智能体特性：与 Muse Spark 配对，先推理用户提示、搜索网络并规划，再生成图像，旨在首次尝试即得到用户期望结果。

03:21 🚨 AI News | TestingCatalog @ testingcatalog 精选 78 Alexandr Wang : 1/ releasing muse image today - the first image generation model from MSL. it's agentic: pairs with muse spark to reason... Meta 图像生成 推理 模型发布 推荐理由： Meta 把图像生成做成一个原生功能塞进了全家桶，agentic 推理让 prompt 理解上了一个台阶，这对普通用户的创作渗透可能比独立工具更快。 03:18 Hugging Face：Blog（RSS） 精选 67 Hugging Face Storage 成为 SkyPilot 一级后端：零出站费跨云存储 Hugging Face Storage 现为 SkyPilot 的一级后端。用户通过 hf:// URL 和现有 HFTOKEN 即可将 Hugging Face Bucket（读写）或模型/数据集/Space 仓库（只读）挂载到 SkyPilot 任务中，支持 MOUNT（FUSE 懒加载）或 COPY 模式。SkyPilot 可将任务调度到 20+ 云、Kubernetes、Slurm 及本地集群的任意可用 GPU 上。Hugging Face 不收取出站及 CDN 费用，故跨云读取数据无额外成本。存储价格 $12–18/TB/月，低于 AWS S3 加出站费。Bucket 基于 Xet，增量检查点和模型变体仅存储和传输改动部分。 Hugging Face 产品更新 开源生态 部署/工程 推荐理由： Hugging Face 和 SkyPilot 把存储和算力真正解耦了，跨云读取模型零出口费，用过 SkyPilot 的团队可以立刻省下那块 egress 账单。 03:07 The Decoder：AI News（RSS） 精选 71 微软为降成本在Copilot中用自研MAI模型替换OpenAI和Anthropic模型 微软正用自研MAI模型替换Copilot产品中的OpenAI和Anthropic模型以降低支出。MAI模型已在Excel和Outlook中每周处理数万次请求，但占比仍小。Build大会上发布推理模型MAI-Thinking 1，声称编码媲美Sonnet 4.6和Opus 4.6，但基准测试大幅落后，仅与DeepSeek V3.2相当。AI负责人承认目标是削减并消除对Anthropic的支出。CEO暗示未来可能按用量计费，MAI为默认，第三方模型付费附加。微软称MAI使用干净商业许可数据，实际基于Common Crawl。 Microsoft 现象/趋势 行业动态 推荐理由： 微软正悄悄把Copi

Meta 图像生成 推理 模型发布 Hugging Face 产品更新 开源生态 部署/工程 Microsoft 现象/趋势 行业动态 智能体 编码 Google 多模态 Anthropic OpenAI 大佬观点 数据/训练 MCP/工具 开源/仓库 评测/基准
AI HOT ·

统一音频智能模型 Nemotron-Labs-Audex-30B-A3B 发布

21:18 HuggingFace Daily Papers（社区热门论文） 精选 80 Nemotron-Labs-Audex-30B-A3B（Audex）是基于Nemotron-Cascade-2-30B-A3B的MoE大语言模型，采用单一Transformer解码器统一处理文本与量化音频token。训练使用157.4B音频token和320.5B文本token，经多阶段监督训练、文本Cascade RL和多域on-policy蒸馏优化。在音频理解、语音识别/翻译、文本转语音、音频生成及语音到语音生成任务上达SOTA，同时保持原文本LLM的推理、对齐等能力几乎无退化。模型权重已开源。 多模态 论文/研究 语音 推荐理由： 多模态LLM常捡芝麻丢西瓜，Audex难得做到音频全面增强而文本智能不退化。开源模型让语音产品人可以立刻评估，不是研究Demo。

多模态 论文/研究 语音
AI HOT ·

在 Claude Code 中选择 Claude 模型与努力级别

22:21 Claude：Blog（网页） 精选 65 Claude Code 提供模型（model）和努力级别（effort）两种设置。模型选择决定能力范围，更大模型（如 Claude Fable 5）在基准上优于 Claude Sonnet。努力级别不单是思考时间，还控制读取文件数、验证步骤及多步任务的推进深度。较高努力下 Claude 会自行读取文件、运行测试并复核；较低努力则更倾向请求用户提供上下文。若 Claude 已掌握上下文但仍出错，应换更强大模型；若因跳读文件或未运行测试而出错，则应提高努力级别。 Anthropic 推理 教程/实践 编码 推荐理由： 如果你在用 Claude Code，这篇官方指南说清楚了 effort 和模型选择的真实含义，尤其是“出错了先判断是不懂还是没尽力”那条，看完能省掉很多无谓的换模型。

Anthropic 推理 教程/实践 编码
AI HOT ·

LLM-as-a-Verifier：一种通用验证框架

13:17 HuggingFace Daily Papers（社区热门论文） 精选 73 LLM-as-a-Verifier 是一种无需额外训练的通用验证框架，通过计算评分 token logits 分布的期望生成连续分数，实现细粒度反馈。该框架在 Terminal-Bench V2（86.5%）、SWE-Bench Verified（78.2%）、RoboRewardBench（87.4%）和 MedAgentBench（73.3%）上取得 SOTA 性能。其细粒度信号可用于 Claude Code 扩展，帮助开发者监控和改进智能体系统，也可为强化学习（如 SAC、GRPO）提供密集反馈，提升机器人学和数学推理基准的样本效率。 智能体 MCP/工具 推理 论文/研究 推荐理由： 把验证当作新的缩放轴，这个思路很扎实，尤其直接给 Claude Code 搭了扩展。做 agent 系统的开发者现在可以试试把评估模块换成连续概率打分，也许比离散判断有效。

智能体 MCP/工具 推理 论文/研究