Trajectory 与 UC Berkeley Sky Lab 和 Anyscale 合作，构建了一个用于持续学习的并发多 LoRA 训练栈。该方案将每个强化学习实验映射到始终热运行的引擎上的专用 LoRA 适配器，相比单租户基线实现了 2.81 倍的端到端实验吞吐量提升，且无奖励回归。代码已在 NovaSky-AI/SkyRL 开源。这一进展解决了持续学习中多实验并行效率低下的问题，对强化学习研究和工程团队有直接价值。
伦敦初创公司 Kaikaku.AI 推出名为 Epicure 的三个 AI 模型，首次明确区分食材搭配是基于食谱还是化学分子。模型基于 414 万条多语言食谱和 FlavorDB 风味数据库训练，不同变体给出不同推荐。纯化学模型在口味和营养价值分类上甚至优于食谱模型，尽管从未直接接触这些信息。这项研究揭示了 AI 在食品科学中的新应用方向。
Arena.ai 宣布 Grok-Imagine-Video-1.5-Preview (720p) 在 Image-to-Video Arena 中排名第一，相比前代 Grok-Imagine-Video (720p) 提升了 52 分，超越了 Seedance-2.0 和 HappyHorse 等顶级模型。这是 xAI 在视频生成领域的重要突破，展示了 Grok 系列模型的持续进化能力。该模型在图像到视频的转换质量上取得了显著进步，为 AI 视频生成树立了新标杆。
Claude Opus 4.8 在 DeepSWE Bench 上取得 58% Pass@1 的成绩，排名第二，仅次于 GPT-5.5。该模型在原始分数上略逊一筹，但在多个最新基准测试中展现出最高的可靠性和效率。这一结果延续了近期趋势：模型在追求极致性能的同时，更注重实际应用中的稳定性和资源效率。对于关注 AI 编程和模型选型的开发者来说，这是一个值得关注的信号。
DeepSWE 对 Opus 4.8 的评分显示，该模型在性能上优于 Opus 4.7，且成本更低、效率更高，但相比 GPT5.5 仍有明显差距。作者表示尚未深度使用 4.8，仍在使用更便宜的 4.6 版本，并指出对基准测试已逐渐祛魅，更看重推特上的真实用户评价。目前普遍认为 GPT5.5 仍是大多数用户的最强模型。
Anthropic 发布了一篇详细的技术文章，介绍了如何在 Claude.ai、Claude Code 和 Claude Cowork 三个产品中实现沙箱隔离。文章解释了不同产品使用的沙箱技术：Claude.ai 使用 gVisor，Claude Code 在本地运行并使用 macOS 的 Seatbelt 和 Linux 的 Bubblewrap，而 Claude Cowork 则运行完整的虚拟机。文章还披露了一些之前未公开的安全风险，例如通过 api.anthropic.com/v1/files 进行数据泄露的漏洞。这篇文档填补了行业在沙箱产品文档化方面的空白，让用户能更清楚地评估其安全性。
小米MiMo模型近期大幅降价，背后是团队对推理系统的彻底重构。他们采用Hybrid Sliding Window Attention架构，将KVCache存储压缩至全注意力的约1/7。团队针对SWA缓存难题重新设计了KVCache管理、层级缓存和prefix-cache tree，并优化了调度策略与Prefill/Decode流水线。在真实生产流量下，有效KVCache容量提升近5倍，缓存命中率稳定在93%-95%。结合MoE配置调优和多模态推理优化，最终实现了长上下文推理成本的降低，支撑了此次降价。
特斯拉车主戴维·莫斯团队完成全球首次全程无人工干预、横穿加拿大的自动驾驶之旅，全程 6051 公里，历时 4 天 21 小时，所有操作均由 FSD V14.3.3 版本完成，包括高速行驶、复杂施工路段、自动泊车等。该版本整合了 2026 春季软件更新，优化了路径规划和驾驶员监测。此前莫斯已实现美国东西海岸 4345 公里零干预行程，累计零干预里程近 2 万公里。这一里程碑表明无监督 FSD 落地已不远。
Simon Willison 通过 Claude Opus 4.8 的帮助，成功让 Python ASGI 应用（如 Datasette）在浏览器中通过 Pyodide 和 Service Worker 运行。此前使用 Web Worker 的方案无法执行 HTML 中的 <script> 标签，限制了插件功能。新方案利用 Service Worker 拦截网络请求，使得 JavaScript 代码能够正常执行，从而支持更多 Datasette 插件。目前已有基础 ASGI FastCGI 演示和 Datasette 1.0a31 演示，未来将升级 Datasette Lite。
Model Context Protocol (MCP) 正式被 Linux 基金会采纳为标准，为 AI 智能体连接工具和数据提供统一协议。该协议标准化了智能体与外部工具的交互方式，支持跨不同大语言模型提供商使用。AIZona ADK 已原生支持 MCP，开发者可通过单一注册中心管理所有工具，实现任意模型调用。这标志着 AI 智能体生态向互操作性迈出关键一步。
一位开发者构建 AI 代理市场后发现，当前主流框架（如 LangChain、CrewAI、AutoGPT）仅能编排自己编写的代理，但缺乏验证第三方代理可靠性、安全性和成本透明度的基础设施。信任问题成为代理间协作的核心障碍，市场需要新的信任机制。
研究人员发现，尽管AI编程工具已成为开发者不可或缺的助手，但其实际效率提升存在假象。METR实验室2025年研究显示，AI实际上拖慢了整体工作进度，因为开发者需花费大量时间排查和修复AI生成的漏洞。2026年，开发者已无法脱离AI工作，但词元滥用导致成本激增，亚马逊和优步等公司的高投入并未带来实质性效率增长。此外，AI生成的代码维护压力更大，44%的AI词元消耗用于修复自身漏洞，且AI代码出问题概率是人工代码的1.7倍。专家建议程序员需理解AI能力边界，并建立专门质检体系，软件架构等核心工作仍应由人类主导。
天风国际分析师郭明錤发文分析英伟达 N1/N1X 芯片前景，预计未来两年出货约 1000 万台，面向端侧 AI 算力重度用户。他指出，目前 PC 市场主流 AI 应用仍依赖云端，端侧 AI 尚未推动换机潮。2026 年 PC 产业两大热门事件（MacBook Neo 和 Mac mini）也与端侧 AI 几乎无关。端侧 AI 若想带动升级，关键在于操作系统（Windows）能否提供真正调度端侧算力的应用与工作流。N1X/N1 设备有望在 AI 算力、内存和便携性间取得平衡，为用户提供 Mac 之外的另一种选择。
哈尔滨工业大学的研究人员通过新基准测试LiveBrowseComp发现，主流AI搜索智能体（如GPT-5.4和Kimi K2.6）在标准测试中表现良好，但主要依赖训练记忆而非实时搜索。LiveBrowseComp仅询问过去90天内的事件，迫使模型无法依赖记忆。在此测试下，模型性能显著下降，现有排名被打乱。这表明AI搜索智能体存在“确认偏差”，即倾向于确认已知信息而非真正研究网络。该发现对依赖AI进行实时信息检索的用户和开发者具有重要警示意义。
Nicolas Bustamante 分享了基于 OpenAI Codex 构建的个人生活自动化 Agent 工具栈，整合了 Google 全家桶、WhatsApp、Telegram、浏览器自动化等工具，以及 Google Drive、Notion 等数据源。他提出了两个典型工作流：介绍邮件（跨5个工具的胶水活）和车牌更新（行政连续性），强调 Drive 作为 Source of Truth 的架构决策。工具优先级为 API/CLI > 本地文件 > 浏览器自动化 > 屏幕/UI 自动化，并通过 Skills（如 inbox-zero）实现操作品味的累积。反馈闭环和批准门控机制确保 Agent 的可靠性与安全性，其中“What did I miss?”工作流被视为杀手级应用。
atomic.chat 在 MacBook Pro M5 Max 64GB 上对比了本地 AI 智能体的工具调用能力。Liquid 的 LFM2.5-8B-A1B 模型（8B 参数，MoE 架构）在规划旅行任务中，成功完成所有 7 次外部工具调用（天气查询、货币转换、邮件和提醒），而 gpt-oss-20b 仅完成 3/7 次。LFM2.5-8B-A1B 运行速度达 266 tok/s，内存占用仅 4.8GB，而 gpt-oss-20b 为 146 tok/s 和 11GB。这表明工具调用本质上是控制问题而非语言问题，更小但训练更聚焦的模型可以胜过更大但泛化的模型。
SkillNet 是一个实用框架，用于发现、安装、检查、评估和组织可复用的AI技能。本教程展示了如何利用 SkillNet 构建技能增强型AI智能体，涵盖搜索、评估、图分析和任务规划等核心功能。该框架旨在解决AI技能碎片化问题，让开发者能更高效地组合和复用技能模块。通过 SkillNet，开发者可以快速集成预构建技能，提升智能体的灵活性和可扩展性。
Anthropic 官方推出 Prompting 101 课程，系统讲解从零搭建可落地 prompt 的五个核心步骤：语气背景、XML 结构、Few-shot 示例、输出格式化、预填充与拓展思考。博主 berryxia 制作了中文字幕并分章节总结，方便跳读。课程仅需 25 分钟，适合想系统学习提示词工程的开发者。
在开发网页程序时，服务端 API 交互代码出现故障或需要优化时，通常需要分析网络请求数据。本文介绍了两种让 AI 编程助手自动获取数据的方法：一是从 Chrome DevTools 导出 HAR 文件并交给 Codex 分析；二是安装 Codex 的 Chrome 插件，通过 @chrome 指令让 Codex 直接抓包调试。这些技巧能显著提升调试效率，避免手动复制粘贴的繁琐。