京东发布并开源了实时视频视觉语言交互模型JoyAI-VL-Interaction，这是全球首个全栈开源的interaction模型和系统，获得vLLM-Omni的day-0原生支持。该模型能持续观察视频流，自主判断何时响应，而非被动等待用户提问。在58个真人盲评案例中，JoyAI-VL-Interaction对比豆包视频通话助手胜率77.6%，对比Gemini视频通话助手胜率87.9%。它支持摄像头、直播流、监控流等多种视频输入，并具备后台智能体委托能力。
日本Sakana AI发布了Fugu和Fugu Ultra模型。Fugu Ultra采用多智能体编排系统，整合多种模型协同工作。在多个基准测试中，Fugu Ultra达到Fable和Mythos模型的性能水平。模型通过单一API提供，声称可规避出口管制风险。
MoonMath AI 开源了一个基于 HIP 的注意力内核，针对 AMD MI300X GPU 进行了优化。该内核采用单指令汇编包装器和八波流水线架构，在所有形状和舍入模式下均击败了 AMD 官方实现的 AITER v3。基准测试结果显示，新内核在 MI300X 上的性能显著领先，未出现任何退化情况。
百川智能与清华大学联合发布医疗增强大模型 Baichuan-M4。该模型在 HealthBench 综合得分 68.6，超越 GPT-5.5 超 10 分，幻觉率低至 3.3%。在 SCAN-bench 动态问诊评测中初诊 79.0、复诊 74.7，均领先 GPT-5.5、DeepSeek-V4-Pro 和 Claude Opus 4.7。M4 还具备全病程记忆功能，长上下文临床记忆得分 86.9，较上一代 M3 提升 21.1 分。其证据锚定机制使循证引用精度达到 90.0，远超 GPT-5.5 的 54.7。
X用户koltregaskes发现字符串"claude-sonnet-5"出现在某个位置，暗示Anthropic可能即将发布新模型。Claude Sonnet系列是Anthropic的中端模型，上一代为Claude Sonnet 4（2024年发布）。本次发现意味着Sonnet 5可能已在内部测试或即将进入公开阶段。目前Anthropic尚未官方确认该模型的存在或发布时间线。
英伟达于6月22日发布NVIDIA Halos for Robotics，这是业界首套整合AI算力与安全能力的全栈机器人安全系统，面向物理AI的开发、验证及工业部署。人形机器人企业Agility将率先采用，为其工业人形机器人加入完整安全能力。系统包含硬件层（IGX Thor和Holoscan Sensor Bridge）、软件层（Halos OS及Halos Core、外部感知安全蓝图）和认证实验室（全球首个获ANSI认可覆盖物理AI功能安全与AI安全）。面向IGX的Halos Core已向注册开发者提供早期访问，开源外部感知安全蓝图已在GitHub开放。
微软因AI推理token成本飙升，宣布Copilot Cowork产品改为基于使用量的定价模式。为控制成本，微软选择整合开源模型DeepSeek V4作为替代方案。这一决策反映了大型企业在大规模AI部署中面临的经济压力，以及开源模型在成本效率上的竞争力。DeepSeek V4的参数量与性能表现接近GPT-4级别，但推理成本可降低80%以上。
LangSmith LLM Gateway 位于代理和LLM提供商之间。它强制实施支出上限，避免超支。在请求到达模型前自动编辑个人身份信息（PII），从源头阻止隐私泄露。该网关不是事后记录，而是提前阻断问题。更多细节可查看官方博客。
LiteParse v2.1 发布，可将PDF转换为Markdown，速度比Screen Studio放大动作还快。它在olmOCR0-bench、opendataloader-bench、ParseBench三个基准测试上准确率超过pymupdf4llm、opendataloader等工具。完全开源（Apache 2.0），支持CLI、Rust、Node、Python、WASM。可从LlamaIndex官网或GitHub获取。
Cloudflare 宣布支持通过 `npx wrangler deploy --temporary` 命令创建临时 Workers 项目，无需注册 Cloudflare 账户即可部署应用。该临时部署将在 60 分钟后自动失效。开发者可用 GPT-5.5 xhigh 等工具构建测试应用，例如用于追踪 HTTP 重定向的工具。部署后可通过提供的 URL 在 60 分钟内认领项目以延长保留时间。
英伟达宣布欧洲启动35台AI HPC超级计算机建设，覆盖国家级超算中心、AI工厂和高校机构，建成后将惠及超过300万研究人员。巴塞罗那MareNostrum5升级后AI训练性能达20EFLOPS，推理性能33EFLOPS。BavariaAI Blue Swan部署1000块GPU，训练性能11EFLOPS、推理22EFLOPS。IT4LIA配备超8000块GPU，训练82EFLOPS、推理164EFLOPS。所有系统采用英伟达全栈AI基础设施，服务于气候科学、医疗、清洁能源、量子计算等领域。
博睿康持有全球首个获批的侵入式BCI医疗设备，已于近期提交科创板上市申请。该公司计划通过IPO融资以推动进一步研发和商业化。博睿康将成为中国首家公开上市的脑机接口公司。
三星电子在全球范围内为员工部署了ChatGPT Enterprise和Codex，这是OpenAI截至目前最大规模的企业AI部署之一。超过10万名员工将获得访问权限，用于提升编程和日常工作效率。该部署涵盖三星的多个业务部门，包括半导体、消费电子和移动通信。
美光科技与Anthropic宣布战略合作协议，共同研究HBM、DRAM及SSD在AI训练和推理中的应用。双方签署长期内存和存储供应协议，为Anthropic未来算力扩张提供支持。美光已部署Anthropic的Claude模型，用于加速代码编写和智能化应用。美光还参与了Anthropic的H轮融资，深化下一代AI基础设施合作。
HD 现代正基于英伟达 Isaac Sim 平台研发实体 AI 机器人，计划率先用于船舶制造的焊接、涂装、板材折弯工序。Isaac Sim 依托英伟达 Omniverse 和 OpenUSD，采用实时光线追踪与 Newton 物理引擎，可在虚拟环境中生成数万种工况数据。HD 现代是全球首家在造船领域采用该平台的企业，目前已实现机器人完成基础焊接作业。该公司目标是在 2030 年建成“未来智能先进船厂”，并已与西门子、英伟达合作搭建数字孪生船厂。
该报告构建了五维分类法（对手方、载荷、交互状态、发现机制、模式灵活性），分析了九个活跃维护的开源智能体协议，包括MCP和A2A。报告发现每个智能体间协议都采用混合载荷与会话状态持久化组合，而去中心化发现机制仍属罕见。该研究映射了当前LLM agent通信层的标准化趋势，为选择通信层提供依据。论文地址：arxiv.org/abs/2606.19135。
论文提出Human-on-the-Bridge方法，将人类判断前置到可复用的评估资产中，用于生产环境下的AI Agent评估。Agent作为行为系统需要跨轮推理、调用工具、保持上下文和遵循策略，现有方法如静态Benchmarks、LLM-as-judge、红队测试各有局限。该方法由专家在测试前策划可复用的评估智能，而非在循环中逐条审查输出。论文编号2606.16871，展示了提升可扩展性的具体路径。
小米推出 MiMo-V2.5 端侧模型，参数量缩减至 1.5B 以适配手机芯片。华为则依赖 Pangu 系列，侧重多模态融合与本地推理效率。OPPO 采用 AndesGPT，vivo 推出蓝心大模型 1B 版本，均聚焦离线场景。各家竞争焦点集中于模型轻量化、隐私保护与响应速度，其中 MiMo-V2.5 在端侧推理延迟上较上代降低 40%。
前Meta/Microsoft/Atlassian主任工程师Kun Chen分享了一套完整的Agentic工程工作流，每天可ship 40-50个经测试的生产级PR。核心框架分为四层：造船（终端中心主义，使用WezTerm+tmux+Neovim）、训练船员（Memory+Skills，全局memory仅27行以避免token浪费）、与单个船员协作（语音输入OpenSuperWhisper，自创AXI标准比MCP节省3倍token和2倍延迟）、并行指挥（treehouse管理worktree，First Mate大副编排器）。验证环节采用no-mistakes流水线，在隔离worktree中执行对抗式review和E2E测试，大幅减少人工review耗时。该工作流强调将时间花在任务开头和结尾，中间全交给AI，瓶颈从agent执行力转移到战略思考。
该指南介绍了7种智能体记忆类型：工作记忆、语义记忆、情节记忆、程序记忆、检索记忆、参数记忆和前瞻记忆。每种记忆覆盖存储内容、存储位置和构建时机。包含对比表格和可运行的Python代码示例。
Tom Osman展示了一个在Codex中运行的自动化循环，用于遍历应用所有功能并生成用户故事与预期行为。该流程维护一个单源电子表格跟踪功能状态，然后切换到测试每个用户故事并记录所有错误。最后修复逻辑或UX错误后，再次测试所有用户行为。这个循环能处理数百个用户故事，展示了Codex的自动化测试能力。
Cloudflare 开源了一套 AI 安全审计技能，可将普通编码助手改造成系统化安全审计工具。审计流程包含六个阶段：情报收集摸清架构、多路并进攻击代码、换代理挑刺排除误报、生成人类可读报告与机器可读 JSON 结果，最后独立验证每项结论。该方法通过多代理协作和阶段性验证提升了审计准确性和可追溯性。