🧠 模型發佈/更新
1. 美團 LongCat-2.0 正式發佈：國產算力集群訓練的萬億參數大模型
美團於6月30日發佈新一代萬億參數大模型LongCat-2.0並開源。總參數1.6T，平均激活約48B，原生支持1M超長上下文，在五萬卡國產算力集群上完成全流程訓練與推理。採用LSA稀疏注意力、零計算專家、ScMoE及MOPD多專家融合（Agent/Reasoning/Interaction三組專家）架構。評測中SWE-bench Pro獲59.5，SWE-bench Multilingual獲77.3。預覽版已通過OpenRouter和longcat.ai開放，月調用量躋身OpenRouter全球前三。
TIP來源：公眾號：龍貓LongCat（美團）
2. NVIDIA 發佈 Nemotron-Labs-TwoTower 開放權重擴散語言模型
NVIDIA 發佈 Nemotron-Labs-TwoTower，基於凍結的自迴歸骨幹 Nemotron-3-Nano-30B-A3B 的擴散語言模型。採用雙塔架構：上下文塔凍結，降噪器塔訓練，通過層對齊交叉注意力和狀態播種協作。在 2×H100 上 BF16 評估，保留 98.7% 的 AR 基線質量，生成吞吐量提升 2.42 倍（γ=0.8，塊大小 S=16）。降噪器在約 2.1T token 上訓練，骨幹使用 25T token 預訓練。總參數約 60B，每 token 活躍參數約 3B/塔。支持擴散、模擬 AR 和 AR 三種解碼模式。
TIP來源：MarkTechPost（RSS）
🚀 產品發佈/更新
3. xAI 發佈 Voice Agent Builder 測試版
xAI 推出 Voice Agent Builder 測試版，這是一個基於 Grok Voice 的無代碼平臺，可在兩分鐘內創建生產級語音智能體。它集成電話、知識檢索、工具、MCP、Guardrails 及可觀測性，支持連接現有 SIP 號碼、API 和 WebSocket，採用語音到語音路徑。在 τ-voice Bench 上，Grok Voice Think Fast 1.0 得分 67.3%，領先 Gemini 3.1 Flash Live（43.8%）和 GPT Realtime 1.5（35.3%）。定價為每分鐘音頻 0.05 美元、電話費 0.01 美元，提供 80+ 種語音及聲音克隆，每個賬戶附贈一個免費電話號碼。
TIP來源：xAI：News（網頁）
4. Google Cloud Workbench Notebooks 擴展發佈：在 VS Code 中連接雲端 Jupyter 環境
Google Cloud Workbench Notebooks 擴展正式上線，開發者可在 VS Code 中直接連接可擴展的雲端 Jupyter 環境，無需切換上下文即可利用高性能 Google Cloud 基礎設施完成機器學習全流程。該擴展已完全開源，可在 GitHub 和 VS Code Marketplace 獲取。
TIP來源：Google Developers Blog（RSS）
5. 智譜推出GLM-5.2官方開發環境ZCode
推出 ZCode，GLM-5.2 的官方開發環境 - GLM Coding Plan 訂閱用戶：現可在 ZCode 獲得 1.5 倍使用配額 - 支持 BYOK：可與您現有的訂閱和 API 配合使用 - 適用於 macOS、Windows 和 Linux 立即下載：https://zcode.z.ai/en
TIP來源：X：智譜 Z.ai (@Zai_org)
6. Claude Code v2.1.198 發佈
Claude Code v2.1.198 更新。Claude in Chrome 現已全面可用。為 claude agents 新增後臺智能體通知（agent_needs_input / agent_completed）。新增 /dataviz 技能，提供圖表與儀表盤設計指導及配色驗證器。Gateway 增加 AWS 上的 Claude Platform 作為上游提供商。後臺智能體在 worktree 中完成代碼後自動提交、推送並創建草稿 PR。內置 Explore 智能體現繼承主會話模型（上限 opus）。修復網絡短暫斷開導致響應中斷、後臺任務卡在“Running”狀態、智能體團隊隊友因 API 錯誤失敗等問題。
TIP來源：Claude Code：GitHub Releases（RSS）
7. Cloudflare 推出全新AI流量管理選項：區分搜索、智能體與訓練爬蟲，保護廣告頁面
Cloudflare 為所有網站所有者提供更精細的AI流量管控選項，取代一刀切的屏蔽方式。用戶可輕鬆區分並管理搜索爬蟲、AI智能體爬蟲和訓練爬蟲，同時新增保護廣告變現頁面的能力。
TIP來源：Cloudflare Blog
8. 用 Genkit 構建智能體全棧應用
開源框架 Genkit 推出 Agents API，將消息歷史、工具循環和流式傳輸封裝為單一接口，簡化對話 AI 開發。該 API 支持服務器或客戶端管理的狀態持久化，可實現歷史分支、長時間運行的分離任務及多智能體協調等高級工作流，並通過統一線協議連接前後端。目前以 TypeScript 和 Go 預覽版發佈，集成 Genkit Developer UI，開發者無需編寫客戶端代碼即可測試、調試和檢查智能體快照。
TIP來源：Google Developers Blog（RSS）
9. Cloudflare 推出 Monetization Gateway：通過 x402 協議為任何資源收費
Cloudflare 開放 Monetization Gateway 候補名單，允許對 Cloudflare 背後的任何網頁、數據集、API 或 MCP 工具收費。費用通過 x402 開放協議以穩定幣結算，用戶無需自建支付棧。
TIP來源：Cloudflare Blog
10. 我們為何構建ADK 2.0
Google官方博客闡述了構建ADK 2.0的動機——包括核心特性與升級理由，並解釋了開發者應考慮遷移的原因。該文章發佈於ADK 2.0正式上線次日。
TIP來源：Google Developers Blog（RSS）
🏛️ 行業動態
11. Claude Code 相關地區識別爭議：社群質疑透明度
有社群文章指稱 Claude Code 曾出現地區識別與提示格式標記相關爭議，涉及本地環境資訊、加密清單比對與輸出格式差異等做法。相關討論主要聚焦於透明度、可審計性與用戶信任，後續仍需以官方說明與可驗證證據為準。
TIP來源：公眾號：數字生命卡茲克
12. Meta效仿SpaceX，將過剩AI算力變現
據Bloomberg報道，Meta正計劃推出雲基礎設施業務Meta Compute，對外出售AI計算能力和模型訪問權限，直接與AWS、Google Cloud及Azure競爭。Meta已承諾未來幾年投入1829億美元建設AI基礎設施，其中俄亥俄州數據中心（規模如曼哈頓）將於今年上線。新業務由基礎設施主管Santosh Janardhan、Meta超級智能實驗室負責人Daniel Gross和總裁Dina Powell McCormick領導。Meta可能效仿CoreWeave出售裸計算能力，並像AWS一樣託管AI模型（包括近期發佈的閉源模型Muse Spark）。扎克伯格此前已表示雲業務“definitely on the tabl…
TIP來源：TechCrunch：AI（RSS）
13. OpenAI論文揭示GPT-5.6三個Pro變體，打破單一頂級策略
OpenAI論文首次列出GPT-5.6的三個Pro變體：Luna Pro、Terra Pro和Sol Pro，取代以往單一Pro模式。在基因組學基準中，Sol Pro通過率31.5%居60個測試模型之首，領先標準Sol（28.7%）和Claude Opus 4.8（16.0%）。Pro相比標準版本提升逐級遞減：Luna Pro提升7.1個百分點（16.5%→23.6%），Terra Pro提升5.2（23.3%→28.5%），Sol Pro僅提升2.8（28.7%→31.5%）。Terra Pro（28.5%）幾乎與標準Sol（28.7%）持平。論文未披露Pro運行的token用量，也不清楚該分層是否會在ChatGPT中實際推出。
TIP來源：The Decoder：AI News（RSS）
14. 亞馬遜 AWS 砸 10 億美元，派遣工程師進駐客戶公司
亞馬遜 AWS 宣佈設立新部門，組建前置駐場工程師團隊，先期投入 10 億美元（約 67.97 億元人民幣）。團隊分批派駐客戶企業，每批 5-6 組工程師，駐場週期 45 天，協助客戶落地人工智能軟件與智能體應用。該模式在 Palantir、Salesforce、Anthropic、谷歌雲等企業已有先例，領英數據顯示 2023 至 2025 年間同類崗位需求增長 42 倍。新部門員工規模將達數千人，首批客戶包括 NBA 與理光。
TIP來源：IT之家（RSS）
15. Runway 宣佈與 Bertelsmann 達成創意合作
Runway 宣佈與 Bertelsmann 建立創意合作伙伴關係。雙方將在創意內容領域展開合作，具體合作細節尚未披露。
TIP來源：Runway：News（網頁）
16. Google 2026年6月AI更新彙總
Google在6月發佈多項AI更新：推出Gemini 3.5 Live Translate實時語音翻譯；
TIP來源：Google Blog：AI（RSS）
17. 紐約市教育界和行業領袖齊聚Google AI教育峰會 共議AI課堂未來
Google與New York Jobs CEO Council、Urban Assembly聯合舉辦AI教育峰會，150名教育及行業領袖參與。通過aiEDU的“Vibe Coding”和Google的“Meet LEA”實踐環節，與會者探索了Google AI mode和NotebookLM如何激發好奇心、提升AI素養。行業領袖指出，AI的真正價值在於賦能問題解決，而適應性、協作、批判性判斷等“人類技能”愈發關鍵。與會者一致同意，需堅守隱私和公平訪問原則。最終共識：技術創新必須與學校合作，而非繞開學校。
TIP來源：Google Blog：AI（RSS）
💡 技巧與觀點
18. mattpocockuk 的 /writing-great-skills：編寫可預測 AI Skill 的指南
mattpocockuk 的 /writing-great-skills 成為其最常調用的 Skill，指導如何編寫穩定可預測的 AI Skill。核心：以過程可預測為目標；區分 model-invoked（自動觸發）與 user-invoked（用戶調用），description 應作觸發器；採用三層信息結構（主步驟、參考、外部文件）實現漸進式披露；每步驟需明確完成標準；拆分 Skill 是為了控制模型注意力；利用 leading word 壓縮行為要求。同時診斷五種失敗模式：Premature completion、Duplication、Sediment、Sprawl、No-op，並提供 No-op 測試作為判斷句子是否有效的…
TIP來源：X：邵猛 (@shao__meng)
19. Meta 大規模 AI 存儲藍圖
Meta 運營數百 EB 級存儲集群，基於 Tectonic 分層存儲層構建 BLOB 存儲架構，以應對兩大挑戰：最大化 GPU 利用率與研究迭代速度。傳統 BLOB 架構的多層元數據查詢可導致數百毫秒延遲，使 GPU 因 I/O 等待停頓。新架構將訓練棧逐步遷移到 BLOB 存儲接口上，利用閃存提供可預測的低 pMax 延遲，避免單 GPU 慢速拖慢整批任務。同時，統一的數據湖訪問支持地理分佈 GPU 間的數據高速注入與跨區移動，提升研究效率。
TIP來源：Meta Engineering Blog（RSS）
20. 構建AI智能體應優先設計路由
構建AI智能體時，應優先設計路由（router）而非選擇模型。路由決定每個請求由哪層模型處理。正確路由可使70-80%流量運行在免費本地模型或異步推理上，將AI開銷降低90%+。Brian Armstrong指出Coinbase通過更好的默認設置、路由和緩存，在token使用量增長的同時將AI支出減半。路由分三層：技能分類器、路由器、模型選擇器。本地計算近乎零成本，異步批量推理比實時推理便宜兩個數量級。大多數工作無需秒級返回。同步預測器標記複雜任務，夜間批量評估器更新路由權重。技能蒸餾後，非編碼類任務中70-80%智能體流量可由本地模型處理。
TIP來源：Tomer Tunguz 博客（VC 分析）
21. 關於AI重大問題的獲獎徵文
Dwarkesh Patel舉辦的AI徵文比賽評選出三位獲獎者。第一名Jassi Pannu主張OpenAI基金會應投入數十億美元終結空氣傳播疾病，利用AI加速自主生物學發現，可帶來超1萬億美元年GDP增長並消除災難性流行病風險。第二名Ege Erdil建議AI供應鏈外的國家通過強產權、低資本稅和開放監管政策抓住增長機會。第三名Michael Li類比香港地鐵商業模式，提出AI實驗室可通過收購互補性資產盈利。
TIP來源：Dwarkesh Patel：Podcast & Blog（RSS）
22. 內容獨立日一週年：構建智能體互聯網的商業模型
內容獨立日宣佈一年後，一個付費內容的動態市場已正式形成。自主AI智能體的興起正在顛覆傳統搜索推薦模式，構建可持續的網絡經濟需要一套全新基礎設施來支撐。
TIP來源：Cloudflare Blog
