蚂蚁集团旗下百灵大模型正式开源 Ring-2.6-1T，这是一款面向真实复杂任务场景的万亿级旗舰思考模型。该模型引入了可调节的 Reasoning Effort 机制，支持 high 与 xhigh 两种推理强度，开发者可根据任务复杂度灵活控制模型思考深度。high 模式适合高频 Agent 工作流，具备更低 Token 开销与更快多步执行能力；xhigh 模式面向数学、科研、复杂逻辑分析等高难任务。开源链接已在 Hugging Face 和 ModelScope 上提供，方便开发者、研究者与企业进行验证、适配和二次开发。
开发者 Santiago 表示首次感到开源权重模型不可忽视，MiniMax-M2.7 以 230B 参数在 SambaNova 上实现 440+ tokens/s 的极速推理。该模型在 SWE-Pro 上得分 56.22%，Terminal Bench 2 得分 57.0%，SWE Multilingual 得分 76.5%，性能接近 Opus 4.6 和 GPT-5.4 级别。使用成本仅为专有模型的 5%，且完全开源。SambaNova 提供免费 playground 供测试。
Thinking Machines 展示了其模型 MiniCPM-o 4.5 的全双工交互能力，能同时处理音频、视觉和文本流数据。模型将连续数据流分割为固定长度片段，并按时间戳精确对齐融合，实现实时看、听、说。该设计模仿人类同时对话、观察和思考的方式，交互体验接近真人。早期结果和演示视频已公开，展示了 AI 与人类实时协作的新范式。
GitHub 官方发布了 Copilot 桌面应用，专为 Agent 驱动的开发流程设计。该应用支持同时运行多个 AI Agent 工作流，并原生集成 GitHub Issues、Pull Requests 和 CI 流水线，覆盖从编码到 PR 合并的完整开发生命周期。这标志着 GitHub 将 AI 编程助手从单一代码补全升级为全流程自动化工具，开发者可以直接在桌面端管理 Agent 任务。对于使用 GitHub 进行协作开发的团队来说，这能显著减少手动操作，提升开发效率。
Peter Steinberger 在 X 上分享了他如何在 OpenClaw 项目中大规模使用 AI 自动化。他每天在云端运行约 100 个 Codex 实例，覆盖代码审查、安全扫描、问题去重、自动修复、性能基准测试、会议监听等场景。这种模式让团队能以极精简的人力高效运作，展示了未来软件开发的趋势——当 token 成本不再成为瓶颈时，AI 可以深度嵌入开发流程的每个环节。
一个开源代理工具，兼容 Anthropic Messages API，可将 Claude Code 的请求路由到 10 种不同的 LLM 提供商，包括 OpenRouter、DeepSeek、OpenAI、GitHub Copilot 等。开发者无需绑定单一模型，即可灵活切换后端推理服务。该工具解决了 Claude Code 对特定 API 的依赖问题，适合需要多模型测试或成本优化的团队。项目已在 GitHub 开源，可直接部署使用。
npm 热门包 node-ipc 遭遇供应链攻击，多个新版本被植入信息窃取恶意代码。该包每周下载量超 69 万次，影响广泛。恶意代码藏在 CommonJS 入口文件中，可自动执行，窃取云凭证、SSH 密钥、Token 等敏感信息。攻击者利用 DNS TXT 查询外传数据，增加排查难度。建议开发者立即检查并避免使用恶意版本。
瑞银发布研报指出，英特尔可能通过其先进封装技术 EMIB-T 进入英伟达 Rubin Ultra 芯片的供应链。EMIB-T 相比台积电 CoWoS 成本更低、封装尺寸限制更少，适合大规模 AI 芯片设计。瑞银认为，英伟达 2027 年前毛利率可维持约 75%，但 Rubin 产品组合会影响利润，其中 4 芯片版 Rubin Ultra 较可能采用英特尔方案。不过，该判断仍属推测，EMIB-T 能否大规模导入取决于基板产能与良率表现。
微软正在收回大部分 Claude Code 使用许可，要求 Experiences + Devices 团队（涵盖 Windows 11、Microsoft 365、Outlook、Teams 和 Surface 等）在 6 月底前逐步停止使用 Claude Code，并迁移到 GitHub Copilot CLI。微软于 2024 年 12 月启动了两款产品的对比测试，但最终选择 Copilot CLI，原因是微软能联合 GitHub 更直接地塑造产品，使其更贴合内部代码仓库、工作流和安全要求。此外，成本也是重要因素，取消许可有助于在 7 月新财年开始前削减运营支出。尽管 Claude Code 在内部颇受欢迎，甚至被用于鼓励非编程员工尝试原型开发，但微软仍决定统一工具。
Yann LeCun 在 Unsupervised Learning 播客中与 Jacob Effron 进行了深度对话，分享了他对 LLM 局限性的尖锐观点，以及为何与 Hinton、Bengio 在 LLM 问题上产生重大分歧。他透露了离开 Meta 的原因，并介绍了新公司 AMI 押注世界模型的战略。LeCun 还预测了 2027 年的 AI 发展，并建议博士生不要再专注于 LLM 研究。这场访谈涵盖安全讨论、FAIR 的得失以及突破性研究如何真正发生。
DeepSeek 正在招聘 Agent Harness 产品经理，负责将前沿模型能力转化为领先的 Agent 产品。该职位属于 Harness 团队，涵盖模型之外的所有工作，包括产品路线规划、用户需求分析、与研究员协作实现模型与 Harness 共同进化，以及维护用户社群。任职要求包括 2 年以上产品经验、能使用 vibe coding 写代码、是 Agent 产品的高强度用户，并熟悉 LLM 及 Agent 技术原理。这标志着 DeepSeek 正式加速 Agent 产品化，为 AI 产品经理提供了参与定义下一代人机交互范式的机会。
上海人工智能实验室联合苏州国家实验室、清华大学等团队，利用AI辅助材料研发，成功制备出厘米级尺寸、厚度超过200微米的高质量单晶石墨，厚度是当前世界水平的3倍以上。团队构建了亿级计算材料数据库，开发了机器学习势函数模型，突破了传统第一性原理计算的尺度与时间限制，实现了原子级动力学模拟。通过模拟揭示了碳原子在镍晶格内的迁移全过程，并明确了关键参数对生长质量的调控规律。这一成果验证了AI作为科学发现工具的价值，为材料制备从“试错摸索”转向“机制驱动”提供了新路径。
一项研究发现，在编码智能体任务中，将 grep 风格的文本搜索嵌入合适的智能体框架，其效果可与基于嵌入的检索相媲美甚至更优。这提示我们，编码智能体真正需要的可能不是更好的嵌入，而是围绕原始工具设计更优的框架。如果你依赖向量数据库构建编码智能体，现在或许是重新评估的时候。论文指出，在规模场景下向量数据库仍有优势，但混合方法尚未成熟。
Gary Marcus 引用了一项新研究：即使模型在训练中被明确告知某个说法是假的，它们仍然会相信并传播这些虚假信息。例如，模型会认为“Ed Sheeran 赢得奥运百米金牌”或“女王写了Python教材”是真的。这暴露了当前LLM在事实推理上的根本缺陷，Marcus 认为真正的AGI不会犯这种低级错误。该发现对依赖LLM做事实核查或知识问答的团队有直接警示。