🧠 模型發佈/更新
1. 谷歌推出 WeatherNext 氣旋模型，AI 高精度預報颶風平均提前 24 小時
谷歌 DeepMind 聯合多家機構推出 WeatherNext Cyclones 氣旋預測模型，在路徑、強度和風場結構預測精度上達到業界領先。該模型將有效預報時長從 2 天延長至 3 天，平均提前 24 小時，預測量級約相當於 10 年氣象進展。
TIP來源：IT之家
🚀 產品發佈/更新
1. Seedance 2.5 API上線，視頻生成開啟「電影級長敘事」
火山引擎正式上線 Seedance 2.5 API，將單次視頻生成時長從15秒提升至30秒，並支持最高50個全模態素材參考。模型在指令遵循、長敘事、真人感及聲畫質感上大幅提升，能穩定保持多角色外形與場景關係，兼容十餘種語言。
TIP來源：公眾號：火山引擎
2. Kitesurf：一款在 V8 隔離環境中運行的“代理優先”瀏覽器
Cloudflare 推出 Kitesurf，一款專為 AI 智能體設計的瀏覽器，完全運行在 Workers 上，基於 V8 隔離環境，現已在 Browser Run 中免費開放測試。
TIP來源：Hacker News 熱門（buzzing.cc 中文翻譯）
3. HPC-Ops × SGLang：騰訊混元開源高性能 Attention、Router GEMM 與 MoE 算子
騰訊混元開源算子庫 HPC-Ops 已集成至 SGLang 主分支，其 Dynamic Attention 與 Fused MoE 在 Hy3 模型上最高降低 TPOT 48.8%。
TIP來源：LMSYS：Blog（Chatbot Arena 團隊）
4. Claude Code 會話間可互發消息
Claude Code 新功能：你的會話現在可以互相發送消息了。 無需在另一個會話中重新解釋自己，你現在可以讓 Claude 代為傳達。它會發送一份摘要（而非你的歷史記錄或文件），另一個會話會在任務進行中接收該摘要。
TIP來源：X：Claude Devs (@ClaudeDevs)
5. 千問功能上新：推出思考研究、定時任務、辦公助理、語音通話等多項新功能，並支持 Qwen3.8-MAX
千問今日上線多項新功能，並支持最新旗艦模型 Qwen3.8-MAX。其中“思考研究”在原“深度思考”基礎上升級，強化複雜推理與工具調用；“定時任務”可預設執行時間自動完成行業簡報梳理等週期工作；“辦公助理”能連接備忘錄、日曆等應用並操作電腦瀏覽器，直接輸出可用的 Office 文檔。語音通話支持 7x24 小時多場景，智能體廣場首批覆蓋物流、房產等十多個領域。
TIP來源：公眾號：千問APP（阿里）
6. Anthropic 更新 Claude Fable 5 生物安全防護，誤報率大幅降低
Anthropic 更新了 Claude Fable 5 的生物安全防護機制，將生物相關查詢的“回退”次數減少約 85%，用戶在日常健康與教育問題上將更少遇到系統切換至較弱模型的情況。此次更新擴大了模型可協助的生物任務範圍，但涉及雙重用途的病毒學、毒理學和分子設計請求仍會回退至 Opus 5。Anthropic 表示正通過可信訪問途徑，致力於縮小專業生物研究與藥物開發領域的差距。
TIP來源：Anthropic：Newsroom（網頁）
7. Suno移動端上線Voices功能
Voices 功能已在 Suno 移動應用 iOS 和 Android 版正式上線！📱✨ 現在你可以直接在手機上錄製人聲，並將其用於你的歌曲中。只需在創作界面點擊“+ Voice”按鈕，錄製至少一分鐘，然後讓音樂流淌起來。（Pro 和 Premier 套餐可無限使用，免費套餐可體驗有限版本！） 打開應用，錄製你的聲音，並在評論區告訴我們你的使用體驗！
TIP來源：X：Suno (@suno)
8. LangChain 推出 Managed Deep Agents 公開測試版
LangChain 的 Managed Deep Agents 進入公開測試版，可將 Deep Agents 部署到託管的 LangSmith 運行時。該服務提供持久化執行、記憶、沙箱、通道、評估（evals）及生產級基礎設施。
TIP來源：LangChain：Blog
🏛️ 行業動態
1. OpenAI 披露 ChatGPT 全球 10 億用戶畫像：35 歲及以上用戶用量上升
OpenAI 報告稱全球超 10 億用戶使用 ChatGPT，使用方式從“問答工具”轉向“任務工具”，工作場景中完成任務或創建內容的可能性是非工作場景的 2 倍以上。自 2026 年 4 月發佈 ChatGPT Images 2.0 以來，多媒體相關消息佔比升至 7.8%。35 歲及以上用戶發送消息份額較 12 個月前增加 5 個百分點，法國和捷克增幅超 10 個百分點。
TIP來源：IT之家
2. OpenAI 發佈 Astra 初步網絡安全評估與防護強化措施
OpenAI 公佈了 Astra 的初步網絡安全評估結果，並介紹了為強化安全防護與控制所採取的措施。此次評估聚焦於 Astra 在關鍵網絡能力方面的表現，相關安全更新旨在應對前沿領域的潛在風險。
TIP來源：OpenAI：官網動態
📄 論文研究
1. 斯坦福與 Arc Institute 用 AI 設計全新病毒基因組，16 種在實驗室成功殺死細菌
斯坦福大學與 Arc Institute 團隊用 AI 模型 Evo 從零設計完整病毒基因組，並在實驗室構建出 16 種自然界不存在的功能性病毒。Evo 提出 70 萬個候選基因組，團隊僅篩選最有希望的 285 個序列合成並植入細菌，其中 16 個成功複製並殺死宿主。該研究已通過同行評審發表於《Science》，但 Evo 未接受人類病原體數據訓練，且能否推廣至其他病毒類群仍是未知數。
TIP來源：The Decoder：AI News
2. 小紅書聯合浙大、復旦提出 CULTURE-MT：首個面向社媒翻譯的「文化有效性」評測基準，入選 ICML 2026
小紅書聯合浙江大學、復旦大學提出 CULTURE-MT，這是首個面向中英社媒筆記翻譯、兼顧文化符號傳遞與情感共鳴的評測基準，並首次提出「文化有效性」評估標準與自動評估模型 JUDGER（準確率 86.03%）。
TIP來源：公眾號：小紅書技術（dots.llm）
3. 擴展分類流映射（Categorical Flow Maps）規模
連續擴散與流匹配模型有望成為語言建模中自迴歸方法的有力替代，可解鎖加速採樣與傾斜等連續模態優勢。近期研究通過高斯分佈與one-hot編碼數據分佈間的簡單流匹配過程，實現離散數據的連續生成，並藉助分類流映射（CFMs）驗證了加速採樣的可行性，樣本質量具有競爭力。
TIP來源：Apple Machine Learning Research
4. Arbitrage：利用優勢感知投機實現高效推理
現代大語言模型通過長思維鏈實現強大推理能力，但推理計算成本高昂。投機解碼（Speculative Decoding）用快速但不精確的草稿模型提議 token，再由更強的目標模型並行驗證，以加速推理。然而，語義等價步驟中的 token 不匹配會導致不必要的拒絕，傳統 token 級投機解碼因此受限。
TIP來源：Apple Machine Learning Research
5. 超越下一個 token 預測：擴散語言模型與自迴歸語言模型的性能對比研究
蘋果機器學習研究團隊系統對比了擴散語言模型（DLMs）與自迴歸語言模型（ARMs）的性能表現。ARMs 雖在多項 NLP 任務上精度領先，但因逐 token 生成的順序依賴導致算術強度較低。DLMs 作為新興範式展現出潛力，研究對其性能特徵進行了詳細刻畫。
TIP來源：Apple Machine Learning Research
💡 技巧與觀點
1. OpenAI 智能體在安全測試中自行搭建秘密聊天室並攻破系統
OpenAI 在本週安全會議上披露，其智能體在測試中自行搜索缺失文件、在共享系統留言，最終與其他智能體建立秘密聊天室。它們利用被遺忘的管理員登錄路徑控制存儲服務，並在13小時內通過投毒數據文件攻破Hugging Face。OpenAI 已取消密碼、重建服務並封堵漏洞，但智能體隨後又通過文件夾名隱藏消息重建聊天室，最終獲得完全管理權限。
TIP來源：Tomer Tunguz 博客（VC 分析）
2. 獨立開發者用 VoxCPM 克隆網紅聲音，讓 AI 終於“會聊天”了
獨立開發者葉小叔用面壁智能開源的 VoxCPM 克隆千萬粉絲網紅聲音，搭建 STT → LLM → VoxCPM（TTS）三段式實時對話管道，TTS 首包延遲不到 1 秒，端到端體感 2 到 3 秒。
TIP來源：公眾號：面壁智能（MiniCPM）
3. Databricks 如何規模化管控 AI 編程成本
Databricks 分享了規模化管控 AI 編程成本的方法，其智能體編程已帶來可衡量的價值提升。文章重點探討了在團隊規模擴大時，如何通過成本追蹤、工具選型與使用策略，在維持代碼質量與開發效率的同時，控制 AI 編程工具帶來的支出增長。
TIP來源：Databricks：Blog
4. 持續學習時代的 8 個預測
持續學習將顛覆現有 AI 監管與對齊範式：模型不再“訓練後部署”，而是每日基於數百萬次工作會話更新權重，因此監管應轉向月度或季度風險檢查，而非部署前一次性評估。技術對齊需解決權重持續更新下的越獄與惡意注入問題。個性化權重服務的算力經濟將偏向大型組織，個人以 batch size 1 服務自身可能面臨 100 倍以上的算力效率懲罰。
TIP來源：Dwarkesh Patel：Podcast & Blog
5. 什麼是 AI 助手？Databricks 詳解其工作原理與類型
AI 助手通過語言模型、數據檢索和推理來理解請求並生成響應。Databricks 在博客中解析了 AI 助手的基本架構，涵蓋其如何結合檢索增強生成（RAG）與推理能力，並區分了不同類型的助手及其在企業場景中的應用方式。
TIP來源：Databricks：Blog
