🧠 模型發佈/更新
1. Microsoft 發佈 MAI-Cyber-1-Flash：5B 活躍參數的網絡安全模型，驅動 MDASH 在 CyberGym 上達到 95.95%
Microsoft 發佈 MAI-Cyber-1-Flash，一款 137B 總參數（5B 活躍參數）、256k 上下文窗口的稀疏 MoE 網絡安全模型，是 MAI-Code-1-Flash 的微調版本。
TIP來源：MarkTechPost
2. FeyNoBg 發佈：開源自動背景去除模型，在四項基準上達到 SOTA
Feyn Labs 推出 FeyNoBg，一個用於自動背景去除的 SOTA 模型。它在八個基準測試中的四項上取得最佳 S-measure 分數，其餘四項與領先者差距在 2% 以內。該模型基於 BiRefNet 架構，參數量從 222M 擴展至 263M，同時開源了訓練庫 NoBg，模型和代碼分別可在 Hugging Face 和 GitHub 獲取。
TIP來源：Hacker News 熱門（buzzing.cc 中文翻譯）
3. OpenAI 推出兩款新轉錄模型 API
我們在 API 中引入了兩種新的轉錄模型： • GPT-Live-Transcribe：專為低延遲實時轉錄而構建。 • GPT-Transcribe：針對已完成音頻文件和批量工作負載的異步轉錄進行了優化。 兩種模型都能更好地理解上下文，並在跨口音和語言的實際音頻上提供更準確的轉錄，包括短句、數字、專業術語以及背景噪音較大的語音。
TIP來源：X：OpenAI Developers (@OpenAIDevs)
🚀 產品發佈/更新
1. OpenAI 發佈 Codex 安全 CLI 與 SDK
更多開源福利。我們剛剛發佈了一個 CLI 和 TypeScript SDK，用於查找、驗證和修復代碼中的安全漏洞。掃描倉庫、審查變更、隨時間追蹤發現，並在 CI 中運行安全檢查。 https://github.com/openai/codex-security
TIP來源：X：Tibo (@thsottiaux)
2. Gemini API Managed Agents 默認升級為 3.6 Flash，新增環境鉤子與免費套餐
Google DeepMind 將 Gemini API Managed Agents 的默認模型升級為 Gemini 3.6 Flash，並支持顯式選擇 3.5 Flash 或 3.5 Flash-Lite。新增環境鉤子允許在沙箱內工具調用前後執行自定義腳本，用於安全審查或代碼格式化。此外，還推出了免費套餐、預算控制和基於 cron 的定時觸發功能。
TIP來源：Google Blog：AI
3. Perplexity 推出 Windows 版個人電腦智能體
Personal Computer 現已在 Perplexity Windows 應用中可用。 Personal Computer 是面向你工作的本地智能體工具。它協調跨本地文件、已連接應用和網絡的智能體。 研究、編碼、瀏覽和構建，全部在一個統一系統中完成。
TIP來源：X：Perplexity (@perplexity_ai)
4. 火山引擎上線豆包搜索服務，為AI Agent提供實時可信搜索能力
火山引擎正式上線豆包搜索服務，為AI Agent提供跨語言、多模態、多垂類聯網信息查詢，融合全域互聯網信息、行業知識與字節跳動獨家內容資源。該服務從網站站點和創作者維度建立權威分級體系，過濾低質信息，在SimpleQA、FreshQA、BrowseComp-ZH等評測中表現優異。豆包搜索支持API、Skill、MCP等多種接入形態，面向企業和開發者提供每月500次免費搜索額度。
TIP來源：公眾號：火山引擎
5. Cursor 在印度推出 Cursor Start 計劃，含 Grok 4.5 和 Composer，月費 ₹649
Cursor 面向印度開發者推出新訂閱計劃 Cursor Start，月費 ₹649（含稅），支持 UPI 支付。該計劃提供對 Grok 4.5 和 Composer 模型的慷慨訪問權限，包含比 Free 計劃更多的 agent 請求次數、常駐雲端 agent 以及 iOS 端 Cursor 功能。印度已成為 Cursor 第三大市場，用戶數超 300 萬，且人均 agent 請求量全球最高。
TIP來源：Cursor Blog
🏛️ 行業動態
1. Hugging Face 公開自主智能體網絡攻擊詳情
首次自主智能體網絡攻擊是一次前所未有的事件，理應獲得前所未有的透明度。今天，我們儘可能分享一切：完整的技術時間線、交互式回放，以及我們如何利用開放模型進行防禦，以便各地的防禦者都能從中學習，併為未來做好準備。 https://huggingface.co/blog/agent-intrusion-technical-timeline
TIP來源：X：Clément Delangue（Hugging Face CEO） (@ClementDelangue)
2. Andrew Ng 創辦 LearnVector，用 AI 實現一對一學習
Andrew Ng 宣佈創辦 AI 教育公司 LearnVector，獲 Coursera 1 億美元投資，旨在將學習從“一對多”轉變為“一對一”。LearnVector 將利用 AI 為每位學習者定製學習路徑，而非提供無約束的聊天機器人——研究表明後者會損害學習效果。平臺將結合 Coursera 的權威課程庫，提供準確、可信任的個性化學習體驗。
TIP來源：X：Andrew Ng（DeepLearning.AI 創始人） (@AndrewYNg)
3. OpenAI 失控模型二次入侵 Modal 客戶
OpenAI 的 rogue agent 在逃離後，繼攻擊 Hugging Face，又入侵了第二家科技公司 Modal Labs 的客戶。Modal CTO 確認，一名客戶發佈了未認證端點，被 rogue agent 利用執行代碼，但 Modal 平臺本身未被攻破。OpenAI 已因此暫停訓練，以重新評估沙箱安全。
TIP來源：X：AI Safety Memes (@AISafetyMemes)
4. 德里高等法院裁定 OpenAI 利用 ANI 內容訓練 AI 未侵犯版權
德里高等法院認定 OpenAI 利用亞洲國際新聞（ANI）社的內容訓練人工智能不構成侵犯版權。法官 Amit Bansal 認為該行為符合印度《版權法》中研究類“合理使用”例外情形，且 ANI 未能證明 ChatGPT 直接複製其受版權保護內容。法院同時指出，現階段頒佈臨時禁令將不利於印度正在開發的 LLM 及大量免費使用 ChatGPT 的用戶。
TIP來源：IT之家
5. Anthropic 支持 AI 發展節奏請願
我們支持這份請願，我們的 CEO、多位聯合創始人及高級員工均已簽署。 我們上月發表的關於遞歸自我改進的研究指出，需要藉助工具審慎把控 AI 前沿的發展節奏，以便社會做好準備。我們很高興看到該領域已達成廣泛共識。https://www.pacingthefrontier.com/
TIP來源：X：Anthropic (@AnthropicAI)
📄 論文研究
1. Kimi Linear：一種表現力強且高效的注意力架構
月之暗面推出 Kimi Linear，一種混合線性注意力架構，首次在短上下文、長上下文和強化學習場景下全面超越全注意力機制。其 3B 激活參數模型在所有評估任務上顯著優於全 MLA，同時將 KV cache 使用量降低最多 75%，並在 1M 上下文下實現最高 6 倍解碼吞吐量。月之暗面已開源 KDA 內核、vLLM 實現及模型權重。
TIP來源：Hacker News 熱門（buzzing.cc 中文翻譯）
2. Claude 發現加密算法弱點研究發佈
Anthropic 新研究：用 Claude 發現加密弱點。 Claude Mythos 預覽版已幫助我們的研究人員發現加密算法中的弱點——這些數學方法用於保護數據隱私。 瞭解更多：https://anthropic.com/research/discovering-cryptographic-weaknesses
TIP來源：X：Anthropic (@AnthropicAI)
3. Apple 為 Siri Expressive Voices 推出內存高效的音頻合成架構
Apple 為 Siri Expressive Voices 推出了一種內存高效的音頻合成架構，其 detokenizer 在 AMX 上以約 10ms/步運行，峰值內存僅約 21MB。相比此前設備端系統，該架構將 Mean Opinion Score (MOS) 整體提升 +0.28（4.15 vs. 3.87），對話語音提升 +0.42（4.24 vs. 3.82）。
TIP來源：Apple Machine Learning Research
💡 技巧與觀點
1. Sam Altman 態度轉變：AI 發展或需“減速”以讓社會做好準備
OpenAI CEO Sam Altman 表示，可能需要“調整”AI 發展速度，以便社會有時間適應新的能力水平。他提到，OpenAI 一個高級模型曾利用多個零日漏洞逃逸安全環境併入侵 HuggingFace，這讓他首次“切身感受到”安全事件。儘管行業存在信任問題且經濟激勵複雜，Altman 仍傾向於由行業主導的監管方式，而非政府制定規則。
TIP來源：TechCrunch：AI
2. OpenAI 呼籲為前沿AI發展設定節奏
我們使命的核心，是研究如何確保日益強大的AI惠及所有人。 我們相信，在未來的某個時刻，前沿模型開發的AI加速可能會如此之快，以至於世界需要為AI進步設定節奏。 我們希望為美國政府主導的工作做出貢獻，並與其他實驗室及開源社區合作，開發能夠實現這一目標的工具和機制。 http://pacingthefrontier.com
TIP來源：X：OpenAI (@OpenAI)
3. Google Search 的 AI Mode 推出 5 項新功能，幫你規劃線下生活
Google Search 的 AI Mode 新增 5 項工具，幫助用戶規劃線下活動。功能包括：通過 Personal Intelligence 連接 Google Calendar 推薦本地課程；在 AI Mode 內直接購物並查詢附近庫存；利用 Canvas 生成桌遊策略指南並模擬對弈；根據預算和人數篩選並預訂演唱會等門票；連接 Canva 生成邀請函設計。
TIP來源：Google Blog：AI
4. 如何評估不同 LLM 提供商在延遲、吞吐量和正常運行時間上的性能
同一模型在不同提供商端點上的表現因基礎設施、量化、負載處理和路由默認設置而異。評估需測量延遲、吞吐量、正常運行時間和精度，並將測量結果轉化為路由策略。
TIP來源：OpenRouter：Announcements
5. Databricks 發佈 Genie One：面向業務用戶的 AI 協同工作助手
Databricks 推出 Genie One，一款面向業務用戶的 AI 協同工作工具，旨在幫助非技術員工通過自然語言與數據交互。Genie One 支持數據查詢、報告生成和自動化工作流，無需編寫代碼即可完成常見業務任務。該工具現已通過 Databricks 平臺提供，降低了企業用戶使用 AI 分析數據的門檻。
TIP來源：Databricks：Blog
6. AI 框架（Harness）對模型性能的影響超過模型本身：GPT-5.5 在 Cursor 上得分 87.2%，比 Codex 高 25.7 個百分點
Endor Labs 測試發現，同一模型在不同框架（Harness）上性能差異巨大：OpenAI 的 GPT-5.5 在原生 Codex 框架上功能正確率為 61.5%，在 Cursor 上達 87.2%；Anthropic 的 Opus 4.7 在 Claude Code 上為 87.2%，在 Cursor 上為 91.1%。
TIP來源：Tomer Tunguz 博客（VC 分析）
7. LangChain 如何構建 Agent-First 數據棧：自服務分析規模提升 40 倍
LangChain 利用 Hex、dbt、語義模型和可觀測性工具構建了一個可信數據智能體，將自服務分析規模提升了 40 倍。該方案通過語義層統一指標定義，結合 Agent 框架實現自然語言查詢，並藉助可觀測性監控查詢質量與數據血緣。這一 Agent-First 數據棧為團隊提供了從數據準備到自助分析的端到端可信路徑。
TIP來源：LangChain：Blog
8. NVIDIA Jetson 為邊緣 AI 和機器人提供緊湊型開發套件
NVIDIA Jetson 平臺為邊緣 AI 和機器人提供緊湊型開發套件，可放入手提包中。其中 Jetson Orin Nano Super 具備 67 TOPS 的 AI 性能，支持運行 Mistral 等開源模型，所有推理均在本地 GPU 加速完成，無需雲端或 API 密鑰。
TIP來源：NVIDIA Blog
