Qwen团队直接训练了一个语言世界模型Qwen-AgentWorld，核心目标是从头建模环境而非仅训练Agent行为。模型需预测终端输出、网页变化及代码执行后状态，而非单纯学习操作。利用该模型作为模拟器进行可控Sim RL，在某些任务上模拟训练的Agent性能甚至超过真实环境训练的Agent。此外，仅做环境预测的预训练能力可直接迁移到多轮Agent任务，在多个benchmark上取得显著提升，包括未见领域。Qwen开源了35B MoE版本及对应基准。
Gradium推出两个实时语音翻译模型stt-translate和s2s-translate，覆盖英语、法语、德语、西班牙语、葡萄牙语共20个语言对。模型采用双阶段架构，将传统三模型级联简化为两个：单次转录+翻译后连接Gradium TTS，通过单个双工WebSocket运行。据Gradium报告，该模型在准确性和延迟上优于gpt-realtime-translate和gemini-3.5-live-translate。模型还支持输出语音选择和语音克隆功能。
Tripo AI 推出 Project Eden 世界模型，与传统逐帧预测方案不同，它先构建包含几何、物体位置等真实状态的地图，再根据地图生成画面。该架构解决了传统模型遗忘问题，物体离开视线后仍存在于地图中，并支持多人/智能体共存与编辑。公司刚完成两轮近 2 亿美元融资，将在 SIGGRAPH 2026 展示。
NVIDIA 发布 Metropolis Blueprint for Video Search and Summarization (VSS) 3，允许用自然语言提示分析实时流和视频库。新版本包含16种智能体技能，如搜索、摘要、警报、报告和片段审查。提供统一开源仓库，附带 Docker 和 Helm 部署配置以加速部署。支持多视频报告，集成 Nemotron 3 Nano Omni 模型实现跨视频和音频的规模化洞察。3D 多摄像头追踪达到生产就绪级别，并取得 SOTA 性能。
智谱AI的GLM-5.2在Snowflake的103项编程任务基准测试中，性能接近Claude Opus 4.7，但每输出token成本仅为后者的五分之一。不过GLM-5.2每任务消耗的token数量几乎是Opus 4.7的两倍。这一价格差异对Anthropic和OpenAI构成压力，可能影响西方AI实验室的估值。
OpenAI推出自研AI芯片Jalapeño，专用于推理（Inference）场景，设计制造仅用9个月，并由AI辅助完成。该芯片由Broadcom负责生产，目标是将推理成本降低约50%（Broadcom CEO原话）。早期性能数据显示，其性能功耗比显著优于NVIDIA Blackwell和Google TPU。首批样片已到手并开始测试。
NVIDIA 发布了 NeMo AutoModel，基于 Hugging Face Transformers v5 为混合专家 (MoE) 模型提供原生支持。通过 Expert Parallelism、DeepEP 和 TransformerEngine 内核，仅需几行代码即可应用优化。实测显示 NeMo AutoModel 将主流 MoE 模型训练吞吐量提升 3.4 到 3.7 倍。该工具是 NeMo 框架的一部分，专为大规模模型构建设计。
OpenAI推出新版GPT-5.5 Instant，对话体验更风趣。模型能更好理解用户问题意图并动态调整回应。它处理复杂约束更可靠，购物和本地推荐也更实用。今天向付费用户开放，明天免费用户可用。
Notion 宣布在其平台中集成 Claude 智能体，允许用户创建定制化的 AI 助手。这些智能体可专门用于数据分析、编程、制作电子表格和幻灯片等任务。用户可以将智能体放置在共享任务板上，与团队成员一起协作。智能体之间能够链式工作、互相传递任务，实现24小时不间断自动运行。
Mirendil AI 完成 2 亿美元种子轮融资，由 a16z 和 Kleiner Perkins 联合领投，NVIDIA 参与投资。该公司正构建一个专精 AI 研发的自主系统，类似为研究设计的编码智能体，可自行控制 GPU 并循环执行科研与工程任务。创始团队 20 人来自 Anthropic、xAI、Google DeepMind 和 OpenAI。
6月12日美国商务部以国家安全为由，对 Anthropic 的 Fable 5 和 Mythos 5 模型发布出口管制令，因亚马逊研究团队声称找到绕过安全护栏的方法。Anthropic 被迫关闭这两款模型，影响数亿用户。多轮谈判后，白宫态度转暖，原因之一是联合创始人 Tom Brown 取代了难以沟通的 Amodei。Tom Brown 是 GPT-3 首席工程师，目前负责计算基础设施。国会两党四名众议员要求商务部解释管制依据，回复截止 6 月 26 日。
英伟达CEO黄仁勋在6月24日股东大会上表示，AI产业已进入智能体AI阶段，物理AI将驱动下一轮增长。他称数据中心为AI工厂，强调企业需部署机器人、自动驾驶等物理AI系统。过去1年营收增长65%，营业利润增长60%，2026财年自由现金流超960亿美元。黄仁勋计划将50%自由现金流用于股票回购和分红。
Databricks 联合创始人 Matei Zaharia 和 Reynold Xin 在播客中解释了公司为何切入企业智能体的基础设施层。他们介绍了 Omnigent 如何为编码智能体和自定义智能体创建共享框架。两人还讨论了 LTAP 和 Lakebase 如何重构操作型与分析型数据库的分离。此外，他们强调智能体安全需要上下文策略和支出控制，并认为未来软件的核心是让数据就绪并在此基础上运行智能体。
SignalFire 追踪超 8000 万家企业数据，2025 年工程岗位招聘降幅仅 11%，远低于科技行业整体 25% 的降幅。12 家头部科技巨头新入职员工中工程师占比从 2019 年的 46% 升至 2025 年的 55%。Anthropic CEO 曾预警 AI 将淘汰半数入门白领岗位，但该公司首席经济学家称未观测到显著冲击。英伟达 CEO 黄仁勋表示工程师因 AI 工具反而更忙碌，印证杰文斯悖论。
Google Research提出'Thinking to Recall'假设，认为链式思维（Chain-of-Thought）推理的本质是组合LLM参数中分散存储的知识片段。基于PaLM 2模型的实验显示，在GSM8K和MATH等数学推理基准上，推理步骤让模型更有效地调用习得的知识。该工作揭示了注意力机制在定位和整合参数化知识过程中的关键作用。
Eric Xing 等人在 arXiv（编号 2606.23991）发表论文，尝试界定 agent 与 agency 的边界。论文基于笛卡尔哲学和科幻作品，提出分析 agent 架构的五个维度：目标、身份、决策、自我调节和学习。作者认为真正的自主性要求这些结构以特定方式整合。该研究为区分简单的工具调用循环与真正的智能体提供了概念框架。
本文教程演示如何将Snowflake语义视图与Amazon Quick集成，实现自然语言BI查询。通过加载S3中的电影评论数据到Snowflake，使用SQL定义语义视图，再通过Cortex Analyst进行自然语言查询。最后自动化生成Amazon Quick数据集和仪表板，使得BI团队能用自然语言访问受治理的数据层。整个过程可手动或通过脚本完成，确保响应反映一致业务逻辑。
本文手把手教你从零搭建一个OpenHarness风格的智能体运行时，包含工具调用、类型化工具模式、权限控制、生命周期钩子、记忆模块、技能系统、上下文压缩、重试逻辑、成本追踪以及多智能体协调共10个核心组件。所有代码均可直接运行，无需API密钥或额外基础设施。通过暴露完整控制流，你将理解框架内部机制而非将其当作黑盒。
NVIDIA 发布 NeMo AutoModel，通过自动化模型并行、混合精度训练和梯度检查点，简化 Transformer 模型微调流程。该工具可自动检测硬件配置，支持多 GPU 分布式训练，无需手动调整参数。在微调 BERT-base 模型时，相比标准 PyTorch 实现，NeMo AutoModel 将训练时间缩短约 40%，并保持相同精度。
这篇教程展示了如何利用Amazon Nova 2 Sonic和Amazon Bedrock AgentCore构建一个语音预约提醒助手。该助手能够通过语音验证患者身份，处理确认、取消或改约操作，并收集就诊前健康信息。当需要时，助手会将问题升级给人工客服。教程包含一个浏览器界面用于测试，若要连接真实电话线路，需集成Amazon Connect等电话服务。
Milvus团队指出LLM在RAG中频繁引用了不支持的来源。引文失败分为两类：忠实性错误（生成内容与检索文档不符，如模型声称150W功耗但文档只说低功耗）和引文准确性错误（元数据映射错误、缺失引用、幽灵引用、弱支持引用、过度引用）。其中幽灵引用常因索引重建后ID过期导致。修复方案因错误类型而异：忠实性问题调整生成层约束或基座模型，引文准确性问题需工程层修复元数据管理。
LangChain 创始人 Harrison Chase 将于6月24日举办网络研讨会“The Agent Development Lifecycle 101”，阐述构建可靠智能体的五步循环：构建、测试、部署、监控、改进。他强调了首次发布仅是开始，需要可重复的迭代流程来提升智能体性能。该研讨会面向所有构建智能体的团队，提供从工具、上下文、提示到评估的全流程指导。