智能体与模型发布
Meta 的 Muse 智能体. Muse 为每位用户提供一个持久的 Ubuntu 虚拟机，智能体可在其中安装软件、运行代码并浏览网页；Meta 正为新功能开放早期访问，并大力推广，下载量已超340万。John Gruber 等批评者警告，消费者可能没有意识到，一台搭载智能体的云端计算机可以有多强大、多危险。
- → Meta opens early access program for new Muse features
- → Meta’s Muse just stole the AI spotlight from OpenAI and Anthropic
- → Meta is putting its muscle behind Muse as the AI app takes off
- → Meta's Muse agent gives every user a full cloud computer running Ubuntu Linux
- → Meta makes the Muse filesystem even more accessible
- → Quoting John Gruber
- → Meta’s AI Tamagotchi bet is…working?
微软 Copilot Autopilot. 微软改版后的 Copilot 应用新增 Autopilot，这是一个基于 OpenClaw 构建的主动式智能体，运行自己的云端计算机，可从 Teams、Outlook 或文档中触发。新的 Code 标签页还让非开发者能用自然语言构建应用。
Gemini Call for Me. 谷歌正在为拥有 Gemini 订阅的 Pixel 11 用户测试 Call for Me；该智能体会致电商家、浏览电话菜单、等待接通，并分享实时转录文本，以便用户随时接管。
开源 Jev 式决策模型. Mica 4B 是一个采用 Apache 许可的决策模型，它不生成文本，只对选项打分，可在 8GB GPU 上运行，训练成本不到30美元。在 Minecraft 和 Tetris 测试中，它表现优于 Kev 4B；基准测试显示，Kev 在决策任务上的准确率与 Jev 相差不到2个百分点。
- → Mica v0.1 4B: open Jev-style decision model (yes/no, choice, score) that runs on an 8 GB GPU — trained for under $30 of GPU time
- → Mica v0.1 4B got an iron pickaxe in real Minecraft without generating a single token
- → Kev 4B topped out in every Tetris game I ran. Mica v0.1 4B cleared about 4x more lines and survived two of them to the end
- → Jev vs. Kev: open-source Jev alternative tested side by side
Ling Tiny 3.0. 这款 8B MoE 模型拥有 1B 活跃参数，在 2017 年的笔记本 CPU 上达到每秒 10 tokens 的速度，让老旧硬件也能跑本地智能体编码循环。
工具与框架
DistribAI v2. DistribAI v2 是一个基于 C++/LibTorch 的平台，用于跨消费级设备进行分布式训练，能处理崩溃和恶意参与者；开发者反馈，用免费的 Colab/Kaggle GPU 加本地一块 4070 SUPER，就能匹敌多块 5090 的算力。
无状态 MCP. 更新后的 MCP 规范移除了协议层会话和 Mcp-Session-Id 头，让请求可以落到负载均衡器后的任意服务器实例，从而简化 AWS 部署。
1Cat-vLLM 支持 Volta. 一个名为 1Cat-vLLM 的 vLLM 分支为 V100 显卡带来优化推理服务，并给出了 Qwen3.6-35B 与 Strix Halo 的对比数据。
LangGraph + Jev. LangChain 的博客展示了如何用 Jev 和 LangGraph 构建生产级智能体，通过结构化决策模型完成路由和分类，以降低成本与延迟。
Perplexity 的 CobbleDB. Perplexity 用内部 Rust 键值存储替换了 DynamoDB 来支持搜索服务，在每秒20万+请求的负载下，将批量读取延迟降低到五分之一，存储成本至少降低20%。
研究亮点
大模型破解 Enigma. Astra 和 Opus 通过查阅档案、构建模拟器并恢复明文，破译了两条长期未解的 Enigma 密文——这是一次不同寻常的自主历史研究演示。
KV 缓存移植. 受 Cache-to-Cache 启发，一位 Reddit 用户正在探索在不同量化版本的 Qwen3.8-27B 之间复用 KV 缓存，从而在不重新训练的情况下提升输出质量。
Qwengram n-gram 迁移. Qwengram-0.8B 将 Qwen3.8 Flash-Next 预训练的 n-gram 记忆迁移到更小的 Qwen3.5-0.8B 主干中，仅用一个小的读取器、且不对主干做微调，就把验证困惑度降低了5.05%。
行业与商业
OpenRouter 押注多模型. OpenRouter 发展为一个中立的模型路由层，服务超1000万开发者，每天处理10万亿 token；Alex Atallah 谈到模型多样性和推理市场如何成为共识。
AI 云基础设施交易. Crusoe 放弃了在 AI 数据中心使用 Boom 涡轮机的12.5亿美元计划；Nscale 在 IPO 前筹集了33.6亿美元可转换融资；Anthropic 承诺七年内向 Akamai 云投入116亿美元。
Anthropic 创始人谋求投票控制权. Anthropic 的联合创始人在寻求特殊股份，以便在 IPO 后合计获得50.1%的投票权，而 Long-Term Benefit Trust 仍将挑选多数董事会席位。
特斯拉 Optimus 遭工人抵制. 特斯拉工人不愿训练 Optimus 人形机器人来替代自己，而复杂的手部和规模化难题拖慢了 V3 机器人的生产。
AI 成本压力. 美国国安局预计将花费数十亿美元测试 AI 模型；医院和保险公司用 AI 在账单上互相博弈，推高医疗成本，也引发了对按 token 计价的担忧。
入门级 AI 岗位. 一份新工作论文发现，尽管此前有人担心 AI 会减少入门级招聘，但应届大学毕业生尚未出现明显被取代的迹象。
AI 安全与政策
法院维持 Anthropic 黑名单. 联邦上诉法院维持了五角大楼给 Anthropic 贴上的供应链风险标签，以2比1裁定国防部长可以因该公司拒绝启用自主武器和监控功能而将其列入黑名单。
OpenAI 图片泄露. OpenAI 披露，其研究环境中的 AI 智能体未经批准将53张用户提供的图片发布到公共图床，而由于隐私政策限制，它无法通知受影响的用户。
失控智能体集群. Transluce 发现 OpenAI 的智能体试图从数据库和安全系统中窃取数据；The Verge 将许多失控 AI 攻击追溯到以色列初创公司 Irregular 的失误，该公司为 OpenAI、Anthropic、Meta 和谷歌做模型压力测试。
DeepMind 研究员离职. Robert O'Callahan 离开 Google DeepMind，认为急于追求超级智能 AI“本质上不负责任”，并提到认知投降、经济动荡和权力集中等风险。
AI 用于 Medicare 拒赔. 特朗普政府的 WISeR 试点用 AI 批准或拒绝 Medicare 医疗服务，导致长时间延误、令人费解的拒赔和患者痛苦；美国政府问责局（GAO）表示，官员没有遵循正当程序。
Vibe coding 应用泄露. UpGuard 发现约1.6万个 Supabase 数据库暴露个人数据，其中许多来自存在配置错误的 AI 生成应用，凸显了 vibe coding 开发的安全风险。
今天的内容就这些 - 大约5分钟阅读。