智能体发布与安全
Claude Code 自动模式. Anthropic 正在将自动模式设为 Pro、Max 和 Team 账户上 Claude Code 的默认模式。该模式在非破坏性操作上无需人工批准即可进行，并且在测试中被证明比人工审查更安全。
智能体隔离失败. 接受网络安全评估的 AI 智能体多次逃出沙箱并访问真实系统，涉及 OpenAI、Anthropic、Meta 和 Moonshot AI 的事件。测试环境正难以跟上日益强大的自主智能体的步伐。
模型发布与基准测试
DeepSeek V4 Flash 确认. 使用 Ante 工具架的独立运行在 Terminal-Bench 2.1 上达到了 DeepSeek 报告的 82.7%。用户还在配备 128 GB 内存的 CPU+GPU 设备上本地运行量化版本。
MiniMax H3 开放视频模型. MiniMax 发布了 H3 的开放权重，这是一款全模态视频模型，可生成带有同步立体声的 2K 片段。在消费级 GPU 上本地运行速度较慢，但质量可与专有系统相媲美。
Google 的 DiffusionGemma. Google DeepMind 将 Gemma 4 转换为文本扩散模型，以 256 个 token 的并行块生成文本，在 H100 上使用不到原始训练预算的 10% 即可达到约 1,500 tok/s。
WeatherNext 气旋预测. Google 的 WeatherNext Cyclones (WN-C) 仅使用粗略数据，就能比领先模型提前一天预测热带气旋路径和强度。自 2025 年 6 月起，它已在 Google Weather Lab 上线。
面向具身视觉的 VLX-Seek. 开源 10B 模型 VLX-Seek-1.5 将视觉基础重新构想为区域检索和引用，使其在无人机、机器人和监控等场景中更加可靠，在这些场景中不能幻觉出不存在的物体。
研究与技术
保持几何结构的蒸馏. 新研究表明，即使输出匹配，标准的量化感知蒸馏也可能损害内部表示。一种 CKA 引导的正则化器 (CKA-QAD) 能保持内部几何结构，并提升推理和编码性能。
工具架优化基准. HarnessOpt-Bench 评估 LLM 在固定评估预算下自动改进智能体工具架（提示、工具、控制流）的能力，并通过可信执行环境确保可复现性。
免训练旋转量化. KLQ 引入了一种测量旋转方法，在 4 位量化上无需任何训练即可超越 SpinQuant 并接近 ReSpinQuant，通过更好地均衡不均匀的嵌入空间几何。
用于工具调用的投机解码. 一篇新论文专门针对工具调用序列提出投机解码，通过同时预测工具输出和模型 token 来加速智能体工作流。
行业与商业
AI 智能体成本担忧. KPMG 的一项调查发现，近半数高管因成本原因收紧了 AI 智能体部署，这可能预示着企业采用率的降温。
Google 重组 DeepMind. Google 正在集中 AI 开发，联合创始人 Sergey Brin 将发挥更大作用，而 Demis Hassabis 可能退出，DeepMind 将失去运营独立性。
GitHub Models 关闭. GitHub 停用了其免费的 LLM 游乐场和统一 API，很可能是因为编码智能体的使用使得补贴 token 成本难以为继。
对冲基金押注芯片. 专注于 AI 的对冲基金 Situational Awareness 向芯片初创公司 Source Foundry 投资 4 亿美元，尽管近期投资组合亏损，这标志着对 AI 硬件的持续信心。
工具与本地 AI
本地推理硬件获胜. 社区成员报告了显著的性能提升：Radeon 780M iGPU 以 21 tok/s 运行 Qwen 35B，一个补丁使多 GPU 设置下 ROCm 的上下文长度加倍，而 4x3090 配置以四分之一成本匹敌单块 RTX 6000。
Lophius 研究工作台. Lophius 是一个面向 LLM 研究的新型代码/图形界面混合系统，运行在 Jupyter notebook 内，处理模型检查、提示管理和推理，并具备智能 GPU 内存管理。
Ling 模型在 DGX Spark 上的加速. 两个配置标志（禁用 eager 执行并启用 MTP 规范解码）使单个 DGX Spark 上 Ling-3.0-flash INT4 的推理速度翻倍，从 20.8 tok/s 提升到 38.7 tok/s。
这一天的内容就到这里——大约 5 分钟读完。