Ornith-1.0 开源，xAI 用 Cursor 数据训练 v9，BigQuery 推 AI.AGG

1️⃣ 大晓机器人赛博机器狗沪津上岗：搭载A1超级大脑，7×24巡逻#

• 核心发布：大晓机器人正式将”晓途”自主作业系统落地上海西岸和天津，机器狗开启7×24小时城市巡逻，覆盖滑板广场、台阶、人车混流等开放场景。
• 技术突破：机器狗搭载具身超级大脑模组A1，采用端到端一体化网络架构打通感知、决策、规控全流程，具备“即视即行”能力，不再依赖预设轨道或高精地图。
• 落地表现：在黄浦江滨江步道自动识别践踏草坪、遛狗不系绳等不文明行为并语音劝导；面对与地面同色的石砌台阶，通过多模态三维感知计算几何参数自主调整步态。深夜时分通过高动态范围成像穿透黑暗，捕捉江边危险靠近等风险并预警。
• 云端管理：一个人可远程统筹多只机器狗，系统自动生成含事件统计的巡逻简报。值守结束可自主回充，通知其他“同事”替班。
• 行业意义：这标志着具身智能从“PPT和实验室”正式进入“真实城市街区”的常态化服务，机器狗变身为智能基础设施，而非表演性景观。 🔗 爱范儿报道

2️⃣ Google发布BigQuery AI.AGG：一行自然语言SQL，聚合分析百万行数据#

• 核心发布：Google Cloud宣布BigQuery的AI.AGG()函数进入预览阶段，支持用自然语言指令在一行SQL内对百万行非结构化或多模态数据进行总结、聚合和趋势分析。
• 工作原理：AI.AGG()自动将输入数据分批、聚合各批次结果，最终合成综合回答，用户无需手动管理上下文窗口。支持文本和图像输入（通过外部对象表传递URI）。
• 场景验证：可分析数百万条系统日志中的隐藏效率瓶颈（如内存抖动、时钟漂移），而不必标记为FATAL错误；可自动从产品名称和描述中提取分类体系，并通过AI.CLASSIFY()等函数完成全量标签化。
• 最佳实践：建议明确指定模型端点（如gemini-2.5-flash）；若结构化字段含NULL整行会被跳过，需用IFNULL()提供后备值。
• 行业意义：把基于LLM的智能分析能力直接嵌入数据分析师最熟悉的SQL界面，大幅降低从非结构化数据中提取洞察的工程门槛。 🔗 Google Cloud Blog

3️⃣ Ornith-1.0开源：自脚手架Agent编程模型，9B-397B全系列覆盖#

• 核心发布：DeepReinforce-AI正式发布Ornith-1.0系列，基于Gemma 4（Apache 2.0）和Qwen 3.5（Apache 2.0）后训练，采用MIT许可开源。目前可以通过LM Studio配合GGUF文件（如ornith-1.0-35b-Q4_K_M.gguf）在本地运行。
• 性能亮点：在Terminal-Bench 2.1、SWE-Bench Verified、ClawEval等多项agentic coding基准上，387B MoE版本超越Claude Sonnet 4.6等闭源模型。Simon Willison实测显示其能流畅执行多轮工具调用的代理任务。
• 创新训练策略：模型采用自改进强化学习，不仅生成代码方案，还会自动生成和优化task-specific scaffolding（脚手架），使模型在agentic coding中产出更高质量的解决方案。
• 规格覆盖：提供9B Dense、31B Dense、35B MoE和397B MoE四种规格，满足从边缘部署到云端推理的不同需求。
• 行业意义：这是目前最完整的开源agentic编程模型全家桶。399B MoE版本在多项编码基准上超越闭源模型，小参数版本的强表现证明了后训练优化技术的进步。 🔗 Simon Willison博客 | Hugging Face

4️⃣ [持续跟踪] xAI v9模型加入Cursor数据训练：Elon Musk透露2T训练预计8月发布#

• 前情提要：昨日Elon Musk宣布Grok 4.5已在SpaceX与Tesla进入私人内测，基于xAI 1.5T参数V9基础模型，早期评估显示性能接近甚至超越Claude Opus。
• 最新进展：Elon Musk在X平台进一步透露，xAI v9模型在补充训练中加入了Cursor团队的训练数据。Cursor团队不仅在训练数据上有独特贡献，还在v9的SFT和RL阶段做出了重大工程贡献。目前1.5T参数的v9运行中，Cursor数据以补充训练方式加入。而几周前已经开始的新一轮2T参数训练“在几乎所有领域的数据范围和质量上都有大幅改进”，预计7月下旬完成，8月正式发布。
• 行业意义：这是首次公开确认将Cursor（以Claude驱动的编程工具）的用户数据用于训练竞争模型。2T参数的新一代训练表明xAI正在快速迭代，可能进入每月发新模型的高频节奏。 🔗 Elon Musk推文 | eric zakariasson评论

5️⃣ [持续跟踪] Anthropic Mythos 5 仅对美国关键基础设施机构解禁#

• 前情提要：6月12日，Anthropic的Mythos 5和Fable 5网络安全模型被美国政府以出口管制为由强制下线。
• 最新进展：今日消息确认，Mythos 5已部分解禁，但仅限美国关键基础设施机构使用。面向普通用户的Fable 5仍未解禁，谈判仍在继续。
• 行业意义：同一模型因太危险被下架、又因太有用被请回，凸显政府在模型安全与商业利益间的摇摆。对非美国用户和开源社区而言，这进一步强化了寻找替代方案的紧迫性。 🔗 AI Will推文

6️⃣ Memora记忆系统发布：ICML 2026，长时任务SOTA减少98%上下文token#

• 核心发布：Microsoft Research发布Memora记忆系统（ICML 2026），专为长周期Agent任务设计，在LoCoMo和LongMemEval基准上刷新SOTA，相比全上下文推理使用最高98%更少的token。
• 核心机制：Memora通过解耦“存储什么”（丰富记忆内容）与“如何检索”（轻量抽象和线索锚点），实现抽象与具体之间的平衡。每个记忆条目包含一个primary abstraction（6-8字短语）和完整的memory value。
• 性能数据：在LoCoMo上达86.3% LLM-judge准确率，LongMemEval上达87.4%，优于RAG、Mem0和全上下文推理。多跳推理场景增益最大。
• 行业意义：当前AI Agent的“无状态”问题是规模化部署的核心瓶颈。Memora提供了一个可落地的架构方案，让Agent在数月甚至数年的时间跨度内维持稳定的上下文记忆。 🔗 Microsoft Research Blog

7️⃣ Cloudflare Windows/macOS客户端GA发布：新增DNS搜索后缀、硬件注册和紧急断开#

• 核心发布：Cloudflare One Client同时发布Windows和macOS的GA版本（2026.6.822.0），将多项beta功能带入稳定版。
• 关键更新：
  • DNS搜索后缀：按设备策略推送DNS搜索域列表，自动补全单标签查询。
  • 硬件设备注册：Windows使用TPM 2.0+，macOS使用Secure Enclave生成注册token，增强防设备冒用能力。
  • 本地紧急断开信号：除HTTPS轮询外，支持监控本地文件触发紧急断开，即使Cloudflare和自身基础设施同时不可达也能生效。
  • Dash管理客户端版本：管理员可从Zero Trust仪表板直接升级或降级已注册设备的客户端版本。
• 行业意义：安全客户端向零信任策略的进一步深化，硬件级设备身份注册和本地故障隔离为远程办公环境提供了更强的安全底座。 🔗 Windows GA公告 | macOS GA公告

8️⃣ 中国信通院开源AISHPerf：首个智算运维智能体评测基准#

• 核心发布：中国信息通信研究院（信通院）正式开源AISHPerf，这是全球首个面向AI基础设施运维场景的智能体评测基准，无问芯穹重点参与技术建设。
• 数据基础：团队从无问芯穹成立以来积累的百亿条真实运维数据中筛选，涵盖2024年至2026年初全部用户工单、即时通信、运维文档及线上集群监控告警，最终形成103个高保真评测用例。
• 评测方式：不采用“笔试”式的知识问答，而是实操——故障模拟注入后，智能体需自行调用工具、查看日志、执行命令，在探索中完成问题定位和修复。明确规定智能体必须与环境发生真实交互，仅靠猜测不得分。
• 实测结果：包括Claude在内的多款主流模型测试得分全部低于50分。三类典型失败模式：稳定性不足（工具格式错误）、推理链质量不足（止于表面现象）、安全性问题（执行危险命令）。
• 行业意义：为AI Infra运维Agent的研发提供了“有标可依”的评估框架，尤其覆盖了天数智芯、壁仞科技、华为昇腾等国产算力平台，对国内智算生态建设具有参考价值。 🔗 智东西报道

⭐ GitHub 趋势#

📊 类别速览

项目	类别	Stars
Unclecheng-li/VulnClaw	AI Agent + 安全工具	1.1k
0xNyk/council-of-high-intelligence	AI Agent / 多模型编排	1.9k

---

1. Unclecheng-li/VulnClaw ⭐ 今日 +129#

语言/许可： Python / MIT
总 Stars： 1,115
仓库： GitHub

项目定位：
面向安全测试人员的 AI 驱动渗透测试 CLI 工具，将自然语言指令自动转换为「信息收集 → 漏洞发现 → 利用 → 报告生成」的全流程工作流。

核心功能：

• 目标驱动求解引擎：抛弃固定轮数循环，基于黑板图状态空间搜索，以“目标达成 / 探索耗尽”为终止条件，避免无效空转
• 证据级反幻觉闸门：只采信真实工具输出中逐字符出现的 flag/结论，拒绝模型编造的虚假胜利
• 支持 13 个 LLM Provider（OpenAI / DeepSeek / 千问 等）一键切换，内置 MCP 工具链（fetch、memory、chrome-devtools、burp）
• 21 个渗透 Skill（含 CTF Web/Crypto/Misc）及可扩展漏洞检测插件体系，结果自动归入报告链路

技术亮点：
基于黑板图 + OODA 循环的状态空间搜索架构，结构上杜绝重复探索；自适应反思引擎按 L0-L4 渐进升级 payload 绕过策略。

---

2. 0xNyk/council-of-high-intelligence ⭐ 今日 +331#

语言/许可： Shell / CC0-1.0
总 Stars： 1,869
仓库： GitHub

项目定位：
面向决策者的多 LLM 辩论框架，通过 18 个预设思想家角色（亚里士多德、费曼、卡尼曼等）跨模型提供商进行结构化多轮审议，输出含分歧分析的决策报告。

核心功能：

• 三种审议模式：Full（3 轮独立分析→交叉质询→终局）、Quick（2 轮快速分析）、Duo（极性配对两角色辩证）
• 内置 20 个领域专用三人小组（Triad，如架构、风险、AI 安全），通过 --triad 参数直接调用
• 多提供商自动路由：成员按配置分布在 Claude、OpenAI、Gemini、Ollama 上，确保模型多样性而非单模型变装
• 反群体思维机制：早期同意率 >70% 时强制两名成员对立方论证，并设置异议配额与新颖性门控

技术亮点：
基于极性配对的设计确保认知多样性；结构化问题重述门控（Problem Restate Gate）在分析前强制所有成员重构问题，暴露问题本身的歧义。

🟧 Hacker News 热议#

Qwen 3.6 27B is the sweet spot for local development#

546 pts · 476 comments · quesma.com

📌 内容总结

• 作者对比 Qwen 3.6 的 27B（dense）和 35B A3B（MoE）两个变体，认为 27B 在编码代理场景下质量更高，牺牲速度但更可靠。
• 提供完整的本地部署方案：选用 llama.cpp，推荐 8-bit 量化 + MTP（多 token 预测），在 M5 Max 128GB 上测得约 32 tok/s。
• 实测性能：27B 8-bit 在 M5 Max 上约 32 tok/s，35B A3B 约 105 tok/s；对比 MLX 和 llama.cpp 表现，后者在 Apple Silicon 上更快。
• HN 关注点:
  • 硬件门槛：基准测试基于 128GB 统一内存 MacBook（约 $6,700+），多数用户不具备此配置。
  • 与替代方案的比较：Gemma 4 31B、DeepSeek V4 Flash（DwarfStar）、Qwen 3.5 122B 各有优劣。
  • 实际编码体验分歧：部分用户认为“第一款可以真正作为通用智能的本地模型”，另一部分认为对复杂代码库仍不够用。

💬 讨论总结

• 硬件门槛争议：

  • 共识：27B 模型可在 64GB/48GB 上以较低量化运行（4-bit 约 18GB），但交互速度和上下文窗口受限。
  • 部分用户认为“买 128GB MacBook 花 $6k+”不合理，不如用 API 或购买多卡桌面 GPU（如 3090）。
  • 工程经验：Mac Mini M4 64GB / Intel Arc B70 32GB 是成本更低的替代方案；也可以通过分体式服务器（如 DGX Spark）或老旧 GPU（1080 8GB + 系统 RAM）勉强运行 Qwen 3.6 35B Q4。

• 模型能力评价：

  • 正面：大量用户报告 Qwen 3.6 27B 在 24GB VRAM（4090）上以 Q4_K_M 量化可取得 50+ tok/s，编码能力接近中期 2025 的 frontier 模型。
  • 反面：部分经验用户指出“零样本绿色项目容易，但修改现有代码库时仍需指导”或“工具调用参数易幻觉”。
  • 还有用户坚持认为本地模型完全不如 Claude/OpenAI，但主流共识是“对隐私敏感或避免供应商锁定的场景值得”。
  • 提到 Qwen 3.5 122B-A10B 在 SWE-Bench 上表现与 27B 相当甚至更好，说明规模与质量的 Pareto 前沿尚有空间。

• 对手框架的批评：

  • 作者推荐 avoid Ollama on ethical grounds，但多数用户对此不关注，更关心实际集成难度。
  • 对比 MLX vs llama.cpp：实测 llama.cpp 更快且支持 MTP，而 MLX（特意针对 Apple Silicon）反而落后。

• 个别异议：

  • “Local models are a waste of time”被多人反驳，但确实有用户测出工具调用失败。
  • 热管理：M5 Max 满负荷下笔记本电脑会变得滚烫且风扇噪音巨大，建议用 Mac Mini 或独立服务器运行。

🔗 原文 · HN 讨论页

Ornith-1.0: self-improving open-source models for agentic coding#

139 pts · 30 comments · github.com/deepreinforce-ai

📌 内容总结

• 作者（DeepReinforce 团队）推出基于 Qwen 3.5 和 Gemma 4 的系列模型（9B dense / 35B MoE / 397B MoE），声称通过 RL 联合优化 scaffold 与 rollout 实现“自我改进”。
• 提供完整 benchmark（Terminal-Bench、SWE-bench、NL2Repo 等），显示在同等参数量下明显优于基础模型，部分指标接近 Claude Opus 4.8。
• 支持 vLLM/SGLang/llama.cpp 部署，256K 上下文窗口，MIT 许可证。
• HN 关注点:
  • “自我改进”是训练阶段的强化学习，不是模型使用阶段的特性。
  • 实际性能：基准测试结果被怀疑是“benchmaxxed”，社区用户实测发现长会话工具调用质量下降。

💬 讨论总结

• 对“自我改进”标题的批评：

  • 多数评论认为这是误导性标题：模型本身不会在使用中自我改进，只是训练时用 RL 优化了 agent 的 scaffold。
  • 有用户直接评价“clickbait title”。

• benchmark 可信度质疑：

  • 第三方独立测试（Swelljoe 的 Will It Mythos?）显示 Ornith 在非工具场景下幻觉严重，且只找到大多数模型都能找到的单一 bug。
  • 另有评论指出 Ornith 397B 在某个排行榜上排名低于 Kimi K2.6，结果不一致，暗示可能存在过拟合或评测差异。

• 实际体验：

  • 少量正面：部分 LocalLLaMA 社区用户认为 Ornith-1.0 是“第一个不被立即拒绝的 Qwen 微调”，推荐当作轻量 agent 使用。
  • 大量负面：长会话工具调用容易陷入幻觉或错误参数，远不如直接使用 Qwen 3.6 或 3.5 122B。

• 对社区的分歧：

  • 有用户声称“LocalLLaMA 社区大部分人讨厌它”，只有少数新用户叫好。
  • 另一用户指出：“Qwen 模型本就是最被推荐的本地模型之一，Ornith 作为微调很难比原生更好。”
  • 关注到 31B dense 版本没有任何权重或 benchmark 发布，被批评为“画饼”。

🔗 原文 · HN 讨论页

Apple Neural Engine: Architecture, Programming, and Performance#

94 pts · 14 comments · arxiv.org

📌 内容总结

• 302 页逆向工程报告，覆盖 A11A18 和 M1M5 的 ANE，内容包括数据通路、Roofline 模型、编译器、权重压缩、固件与内核驱动协议。
• 核心发现：ANE 在 M1 上提供约 12 fp16 TFLOP/s，能效比 GPU 高 9 倍；但需通过 Core ML 调用，直接用户空间调用不稳定且无文档。
• 文章标注了测量、反编译与预测三类数据来源，并列出未解问题。
• HN 关注点:
  • 文本风格被批评为“AI 写作”。
  • 缺少对 M5 引入的 Neural Accelerators（Apple 版 Tensor Core）的描述。
  • ANE 对于 LLM 推理无实用价值。

💬 讨论总结

• 写作质量争议：

  • 第一条评论即为“这看起来很 AI 写的”，有用户指出大量使用“Performance begins with the roofline”这类套话，建议使用 vale 等工具校验。
  • 作者未回应，但文章中确有多处类似句式。

• 内容范围不足：

  • 一位用户指出报告未覆盖 Neural Accelerators —— Apple 的 Tensor Core 等效单元（仅 M5 引入），认为这是最重要但缺失的部分。
  • 回复澄清：Neural Accelerators 属于 GPU 而非神经引擎，所以不在本文范围。

• 对 ANE 实用性判断：

  • 有评论简评“这个神经引擎对 LLM 似乎没用，被困在错误的架构里”，未收到反驳，说明社区普遍认可 ANE 主要针对 CV、语音等模型，而非 Transformer 推理（因为其固定矩阵形状和有限的算子支持）。

• 未触及实质技术细节：

  • 有用户询问是否有非 AI 写作的信息源，希望获取 GPU/ML 微架构资料，未得到有效回复。

🔗 原文 · HN 讨论页

今日洞察#

xAI 调用 Cursor 数据训练 v9，模型训练的数据源博弈进入新阶段。 Elon Musk 公开确认 v9 模型在补充训练中加入了 Cursor 的工程数据，且 Cursor 团队参与了 SFT 和 RL 阶段。Cursor 是以 Claude 为默认后端的编程工具，这意味着开发者在日常使用中生成的数据，正在被用来训练与 Anthropic 竞争的模型。这条信息之所以值得关注，不是因为“xAI 用外部数据”本身，而是因为它是首个公开确认编程工具用户数据直接流向竞品模型训练的案例。二阶影响：开发者对编程工具的数据隐私敏感度将上升，尤其是 Claude 驱动的工具。如果 Claude 用户数据可能被竞品获取并反向提升对手模型，将促使更多企业寻求模型与数据隔离的托管方案。同时，Cursor 作为平台方，其在数据契约和模型中立性上的立场将受到审视——这次合作可能是双向的，但至少暴露了“工具层数据”的战略价值正在被模型层直接定价。

Ornith-1.0 的发布与社区争议，暴露了开源 agentic 模型评测的信任危机。 模型在多个基准上超越 Claude Sonnet 4.6，但 HN 社区快速指出“self-improving”是训练阶段特性而非运行时能力，第三方独立测试（Will It Mythos?）显示非工具场景下幻觉严重，长会话工具调用质量下降。这些批评并非针对 Ornith 本身，而是指向一个长期问题：当开源模型用 RL 优化特定 benchmark 分布后，其泛化能力与其实用价值之间的差距被刻意掩盖。二阶影响：社区对开源 agentic 模型的态度正在从“欢迎替代品”转向“警惕包装”，用户更愿回归 Qwen/Gemma 基础模型或自行微调。对于开源生态而言，这种信任损耗会延长从“发布”到“被采用”的周期，并倒逼项目方提供更透明的运行时评估（如长会话压力测试、非工具场景通用能力测试），而非仅披露标准 benchmark 分数。

---

title: “美团 LongCat-2.0 发布，X 上线 MCP，DeepSeek V4 涨价” lead: “美团发布 LongCat-2.0（1.6T 参数 MoE，零英伟达训练）与 VitaBench 2.0 长期动态智能体基准；X 平台推出官方 MCP 服务器，AI 可直连实时数据；OpenAI 联合 Work Louder 发布 Codex Micro 编程键盘；DeepSeek V4 正式版上线并引入峰谷定价翻倍；Meta 发布非侵入式脑机接口 Brain2Qwerty v2，词准确率达 61%。” highlights:

• “美团 LongCat-2.0 1.6T MoE 零英伟达训练”
• “X 推出官方 MCP 服务器直连 AI”
• “Google AI 人才流失：Transformer 作者与 AlphaFold 核心离职”

1️⃣ 美团发布 LongCat-2.0 与 VitaBench 2.0：国产算力训练 1.6T MoE 模型#

• 核心发布：美团 LongCat 团队正式发布 LongCat-2.0 基础模型及 VitaBench 2.0 长期动态智能体评测基准。LongCat-2.0 采用 MoE 架构，总参数 1.6T，激活参数约 48B，支持 1M 上下文窗口，最大输出 128K。训练使用 5-6 万张中国国产加速卡，实现训练推理全程零英伟达依赖。
• 技术亮点：包含 N-gram Embedding 降低路由开销、LongCat Sparse Attention (LSA) 支撑 1M 上下文、自研底层算子弥补国产芯片生态短板。在 Terminal-Bench 2.1、SWE-bench Pro 等编码基准上超越 GPT-5.5。
• 定位与生态：专注 Agent + Coding 场景，已在 OpenRouter 以 Owl Alpha 代号提供预览，Claude Code / Hermes 生态采用度高。与 DeepSeek V4 同级别参数但路径不同，强调训推全链路国产化。
• VitaBench 2.0 基准：首个面向长期动态用户建模的 Agent 评测，包含 56 名真实特征用户、819 个复杂任务、超 2000 个动态偏好、66 个可执行工具。评测发现最强模型 Opus-4.6 平均分仅 0.5，个性化是当前 Agent 最大瓶颈。 🔗 LongCat-2.0 技术博客 | VitaBench 2.0 项目主页 | Meituan LongCat 推文

2️⃣ X 平台发布官方 MCP 服务器：AI Agent 首次直连实时社交数据#

• 核心发布：X 开发者团队正式推出托管 MCP 服务器，支持 Grok Build、Cursor、Claude、VS Code 等任意 MCP 客户端连接。包含两个官方服务器：X MCP（搜索推文、管理书签、获取趋势、发布文章）和 Docs MCP（即时搜索 X API 文档）。
• 使用与成本：开发者需注册 X API 并充值（按量付费），针对个人信息数据有优惠，单次调用约 0.01 美元。Elon Musk 亲自转发“Try it out”，社区实测配置简单。
• 行业意义：这是首个大型社交平台向 Agent 开放实时数据端口，标志着 MCP 协议从开发工具扩展至核心互联网服务，Agent 获取实时世界信息的能力大幅提升。 🔗 X Developers 公告 | 指南推文 | Musk 推文

3️⃣ OpenAI 联合 Work Louder 发布 Codex Micro 编程键盘#

• 核心发布：OpenAI 宣布将于 7 月 15 日推出 Codex 专属硬件——Codex Micro（与 Work Louder 合作），基于 Creator Micro 2 改造。配备 13 个机械按键、一个摇杆、触摸传感器，支持 RGB 背光，摇杆可弹出圆形快捷菜单，完全自定义映射。
• 定位与意义：这不是通用 AI 终端，而是“生产力桌面锚点”——针对 Codex 用户提供物理快捷键，一键调用 AI 编码、上下文切换等，增强开发者黏性。OpenAI 双轨策略：B 端务实（Codex Micro），C 端与 Jony Ive 合作探索下一代 AI 硬件。
• 定价参考：基础版 Creator Micro 2 售价 144 美元起，Codex Micro 定价待公布。 🔗 OpenAI Developers 预告 | 归藏详情 | 爱范儿分析

4️⃣ DeepSeek V4 正式版上线，引入峰谷定价机制工作时段涨价一倍#

• 核心发布：DeepSeek 昨日向 API 用户发送邮件，宣布 V4 正式版计划 7 月中旬上线，并同步引入峰谷定价机制。高峰时段（9:00-12:00, 14:00-18:00）API 价格调整为平时的 2 倍，非高峰时段维持现行价格。
• 具体定价：V4 Pro 高峰输出 12 元/百万 tokens，非高峰 6 元；V4 Flash 高峰输出 4 元，非高峰 2 元。官方称此举旨在合理分配算力资源、提升服务稳定性。
• 行业意义：DeepSeek 以“价格屠夫”形象入市，如今开始动态定价，表明其用户量增长快于算力扩张。峰谷机制是在不直接涨价前提下管理负载的聪明策略，同时变相鼓励夜间使用。 🔗 爱范儿早报 | 量子位报道

5️⃣ Meta 发布 Brain2Qwerty v2：非侵入式脑机接口实时解码句子#

• 核心发布：Meta 发布 Brain2Qwerty v2，是目前性能最强的非侵入式脑机接口实时句子解码系统。平均单词准确率 61%，最佳被试 78%，而此前非侵入式方法仅 8%。研究成果发表在《自然·神经科学》。
• 技术细节：训练数据来自 9 名志愿者，每人佩戴脑磁图（MEG）设备录制 10 小时打字内容，共 22,000 个句子。系统采用端到端深度学习处理原始脑信号，通过微调 LLM 引入语义上下文。
• 开源与实践：Meta 已开源 v1 和 v2 全部训练代码，合作方 BCBL 同步开放 v1 数据集。研究还发现解码准确率随数据量呈对数线性增长，有望继续缩小与侵入式方法的差距。 🔗 Meta AI 推文 | 代码开放声明

6️⃣ [持续跟踪] 谷歌 AI 人才持续流失：Noam Shazeer 与 John Jumper 双双离巢#

• 前情提要：Transformer 共同发明人 Noam Shazeer 2024 年 8 月被谷歌以 27 亿美元从 Character.AI“买回”，不到两年后于 6 月 18 日离职加入 OpenAI。AlphaFold 负责人、诺贝尔化学奖得主 John Jumper 于 6 月 19 日宣布离开 DeepMind 加入 Anthropic。
• 最新影响：两条消息叠加导致 Alphabet 股价单日暴跌约 5%，市值蒸发约 2250 亿美元。随后 Gemini 核心贡献者 Jonas Adler、Alexander Pritzel 也相继追随 Jumper 前往 Anthropic，一个月内谷歌至少流失 5 位顶级研究者。
• 根本原因分析：深度分析指出，谷歌的决策链条过长、计算资源内部分配博弈（Shazeer 项目算力被调给 DeepMind）、合而不融的团队融合是核心症结。SignalFire 统计显示 DeepMind 工程师跳槽去 Anthropic 的概率是反方向的 11 倍。
• 行业意义：谷歌正从“AI 人才高地”转变为“Anthropic 培训班”，暴露了大科技公司中研究型组织在规模膨胀后无法留住顶级人才的系统性问题。 🔗 创业邦深度文章 | Bloomberg 报道

7️⃣ Semgrep 测试：开源模型 GLM 5.2 在安全漏洞检测中超越 Claude#

• 核心测试：Semgrep 安全研究团队发布基准测试，对比多个模型在 IDOR（不安全的直接对象引用）漏洞检测上的表现。结果显示，智谱 AI 开源模型 GLM 5.2 在仅给定提示、无专用框架辅助时，F1 达 39%，超越 Claude Code（32%）和 Claude Opus 4.8。但低于 Semgrep 专用多模态管道的 53-61%。
• 模型规格：GLM 5.2 为 MoE 架构，总参数 750B，每个 token 激活约 40B，采用 MIT 许可证开源，支持 128K 上下文。
• 行业意义：在网络安全这个高难度评测维度，开源模型首次全面超过顶尖闭源模型，标志着中国开源大模型在专项能力上已能与前沿闭源模型竞争。研究同时量化了模型自身能力与外围框架（Harness）的贡献差异。 🔗 Semgrep 博客 | HackerNews 讨论

8️⃣ Cursor iOS 版上线：云端 Agent 远程控制桌面开发#

• 核心发布：Cursor 今日正式推出 iOS 应用（付费用户 Beta），支持锁屏进度展示、远程控制电脑端 Agent，以及运行云端 Agent 在后台自动工作。Agent 完成后推送界面截图/视频供审核。
• 产品细节：iOS 端可与桌面端 Agent 交互，支持“always-on”云端 Agent，锁屏状态显示实时进度，相当于将编码 Agent 扩展到移动端协作场景。
• 行业意义：Cursor 的体验从桌面 IDE 外延至手机，意味着 Agent 可以长时间独立运行，开发者不再是直接操作者的角色，而是远程监督者，进一步模糊了全自动化与人工参与的边界。 🔗 Cursor 推文 | 归藏介绍

9️⃣ 西方公司集体迁移 AI 工作负载至中国模型：采购层面的“静默革命”#

• 核心趋势：社区汇总了一份西方公司迁移 AI 工作负载至中国模型的名单，涉及 Lindy、Cursor、Coinbase、Shopify、Airbnb、Siemens、Microsoft（测试）等知名企业。迁移对象包括 DeepSeek V4、Kimi K2.5、GLM-5.2、Qwen 等中国模型。
• 成本与质量：有开发者分享全栈置换实验：将 6 类任务全部换成中国模型，成本降低 87%，输出质量平均仅掉 4%，收入未受影响。强调开源权重可在本地运行、数据安全可控。
• 行业意义：这不是个别尝试，而是系统性的采购偏好转移。当中国模型在编码、推理、Agent 任务上差距缩小到 4-18%，而价格便宜 5-12 倍时，理性企业自然会转向。这正成为地缘技术博弈中最重要的商业变量。 🔗 名单汇总推文 | 全栈置换案例

🔟 斯坦福发布 R&B-EnCoRe：VLA 模型自学习有效思维链，无需奖励与人工标注#

• 核心发布：斯坦福 AI Lab 发布 R&B-EnCoRe，展示一种视觉-语言-动作（VLA）模型如何自主学会哪些思维链（CoT）真正有助于行动，全程无需奖励函数、验证器或人工标注。
• 技术路线：模型内部通过学习生成多种 CoT 候选，通过任务执行效果自动筛选有效的推理路径，实现自我改进。
• 行业意义：当前机器人策略学习严重依赖人工设计奖励或专家数据。R&B-EnCoRe 证明模型可以自我发现行动前的“思考方式”，为具身智能赋予真正的自主推理能力，是通往更通用机器人智能的关键一步。 🔗 Stanford AI Lab 推文 | SAIL Blog