追踪 AI 更新，查看事件时间线和原始信源；需要做购买决策时，再去比价。
当前公开精选集合，保留来源更正和撤回。最后同步：
微软与 OpenAI 解除了独家合作协议。次日，亚马逊云科技（AWS）便在其 Bedrock 平台上推出了三项新的 OpenAI 服务，其中包括一项双方共同构建的智能体服务。此举标志着 OpenAI 模型正式结束了在微软 Azure 云上的独家托管状态，开始通过 AWS 向更广泛的客户提供。
AIHOT 精选理由微软独家协议刚解除，OpenAI就立马登陆AWS并合作推出Agent服务，云AI的阵营格局这下真的松动了，创业公司选平台不再被单一绑定。
埃隆·马斯克与OpenAI CEO山姆·奥特曼之间备受关注的审判在奥克兰联邦法院开庭，焦点是OpenAI从非营利组织转向营利性公司的争议。双方在法庭上陈述了关于该AI实验室早期历史的截然不同版本：马斯克指控OpenAI违背了最初的非营利使命，而奥特曼则辩护称转型是为了更有效地推进人工智能发展。此案涉及AI伦理与商业化的核心辩论，可能对行业监管和未来创新方向产生深远影响。
AIHOT 精选理由Musk 和 Altman 的法庭对决第一天，两边都在重写历史，但真正有料的是后面可能公开的邮件和账目——这些比判决本身更值得追。
FlashQLA是基于TileLang开发的高性能线性注意力内核，专为提升个人设备上智能体AI性能而设计。它实现了2-3倍的前向传播加速和2倍的反向传播加速。其核心技术包括门控驱动的片上自动计算与通信重叠、硬件友好的代数重构，以及TileLang融合的Warp专用内核。该设计通过自动片上通信重叠显著提升了流处理器利用率，在张量并行、小模型和长上下文任务中效果突出。尽管在大批量处理时，其将GDN流程拆分为两个内核的策略会带来额外内存开销，但在边缘设备和长上下文实际场景中性能更优。反向传播部分通过构建16级、严格片上内存限制下的Warp专用流水线，实现了超过2倍的内核级加速。
AIHOT 精选理由Qwen 把线性注意力的推理效率压到了新台阶，2-3 倍加速对想做本地 Agent 的开发者是实打实的，不是论文灌水，是能跑在设备上的代码。
FlashQLA是基于TileLang构建的高性能线性注意力内核，专为个人设备上的智能体AI设计。其核心创新包括门控驱动的自动片内计算并行、硬件友好的代数重构以及TileLang融合的Warp专用内核，通过提升流处理器利用率，在前向传播上实现2-3倍加速，反向传播实现2倍加速。该技术在小模型、长上下文工作负载和张量并行设置中效果显著，虽然在大批次处理时内存I/O开销略高，但在边缘设备和长上下文场景中实际性能更优。反向传播通过16级Warp专用流水线在严格片上内存限制下实现了核心级加速。相关资源已开源。
AIHOT 精选理由2 倍加速的背后是 Warp 特化流水线和自动 Copy 策略，像给手机 GPU 开了条专用跑道，做端侧 Agent 的可以直接拉代码试试。
运行 `stripe projects add openrouter/api` 即可从命令行创建 OpenRouter 账户、获取 API 密钥并配置 Stripe 计费。AI 智能体同样可自动化完成该操作，无需手动注册。
AIHOT 精选理由OpenRouter 把注册和计费全塞进一条 CLI 命令，Stripe Projects 加持，agent 都能自己开户了，重度 API 玩家可以省点事，不过就一工具链缝合，不打开也知道。
Cursor 正式推出 SDK 公开测试版，开发者仅需几行 TypeScript 代码即可构建和部署智能体。该 SDK 提供与 Cursor 应用相同的运行时、框架及前沿模型（如 GPT-5.5）支持，并允许将智能体部署于本地或 Cursor 云的专用虚拟机。借助其生产级云基础设施，如安全沙箱和持久状态管理，智能体正从个人工具演变为组织的可编程基础设施。许多团队已将其集成至 CI/CD 流水线、工作流自动化及核心产品中。
AIHOT 精选理由Cursor 把自家产线拆出来给外部用，对于想把 AI 代理嵌入 CI/CD 或产品的团队，省掉了自建完整 agent 栈的麻烦，对做自动化编码的开发者是个必看的更新。
运行 `stripe projects add openrouter/api` 命令，即可直接从命令行创建 OpenRouter 账户、获取 API 密钥并开通 Stripe 计费功能。该操作支持自动化代理执行，实现了账户开通与支付配置的一站式集成。
AIHOT 精选理由OpenRouter 把账户创建搬到了 CLI，你的 agent 也可以直接开号了，这对于需要自动化计费流程的开发者是个便利小更新，但普通用户几乎感受不到变化。
ElevenLabs 发布 AI 音乐平台 ElevenMusic，将听歌、混音和原创创作整合在同一系统内，现已可在 App 和网页端使用。平台上线时已有超过 4,000 名独立和新兴艺术家在上面创作，并同步推出包含 Danger Twins、Justin Love 等艺人曲目的 Eleven Album Vol. 2，用户可对曲目换风格、调节奏或重新演绎。
AIHOT 精选理由原文给出了平台的核心玩法和创作者收益机制，读者可以了解听歌、混音与创作如何被整合为一条链路。
是的，SenseNova U1 现已在 Hugging Face 和 GitHub 上发布！ 探索它如何以语义精确性和像素级保真度实现复杂的 #信息图 创作。 Hugging Face: https://huggingface.co/collections/sensenova/sensenova-u1 GitHub: https://github.com/OpenSenseNova/SenseNova-U1 Discord: https://discord.gg/cxkwXWjp
AIHOT 精选理由SenseNova U1 开源了，能生成像素级精准的信息图，对于做电商和可视化的人是个直接可用的工具，值得跑一下看看实际表现。
OpenAI 发布了一份旨在强化 Intelligence Age 网络安全的五点行动计划。该计划的核心是推动 AI 驱动的网络防御民主化，并保护关键基础设施系统。OpenAI 强调，面对日益复杂的网络威胁，必须广泛普及 AI 安全工具，以提升整体防御能力。
AIHOT 精选理由网络安全是 AI 军备竞赛的下半场，OpenAI 这份行动框架把威胁模型和方法论都摆出来了，做安全的人可以把它当 checklist。
👀 🚀 🙌 [引用 @SiliconFlowAI]：开发者们正在用他们的 token 投票 🔥 SiliconFlow 现已成为日 token 使用量排名第一的第三方模型提供商 在 @OpenRouter 上， • 每日约 280B token • 每月约 1.9T token • 33 个前沿模型：DeepSeek V4 系列、GLM 5.1、Kimi K2.6 等 衷心感谢每一位与我们共同构建的开发者 更多精彩即将到来🚀
AIHOT 精选理由如果你在选模型API，这个数据比任何benchmark都有说服力。每天280B token的真金白银投票，国产模型厂商里硅基流动已经跑出来了。
一个很棒的Codex教程： 这些是7种知识工作能力... 在超级应用Codex内部 00:00 介绍 02:19 能力1 - 完整文件访问 07:41 能力2 - 持久记忆 10:46 能力3 - 插件 13:52 能力4 - 技能 19:22 能力5 - GPT图像访问 21:03 能力6 - 浏览器与计算机使用 23:58 能力7 - 自动化 25:31 额外功能 - 编年史 27:21 总结
AIHOT 精选理由Greg Brockman 亲自推荐，Riley Brown 这个 28 分钟速览把 Codex 的 7 大能力拆得干净利落，想做复杂自动化的开发者看完就能直接上手。
Together AI 上线 DeepSeek-V4 Pro，Serverless 推理提供 512K token 上下文窗口，模型级支持 1M 上下文，可迁移至专用基础设施获得完整 1M 上下文与预留容量。
AIHOT 精选理由原文给出架构、上下文窗口、推理模式和逐项定价，读者可据此评估该模型是否适合长上下文工作负载。
Factory 对 13 个模型在来自 Sentry、Grafana、Keycloak、Discourse 和 Cal.com 的 50 个真实 PR 上做了代码审查基准，每个模型至少跑 3 次。
AIHOT 精选理由原文给出13个模型在50个真实PR上的F1与成本数据，读者可按预算直接挑选代码审查模型。
2026年第一季度，三大云服务巨头资本支出合计1120亿美元。谷歌云以63%的同比增长率领跑，远超微软Azure的40%和亚马逊AWS的28%。谷歌增长主要受企业AI解决方案驱动，云服务积压订单环比翻倍至超4600亿美元。客户通过API每分钟处理160亿个令牌，同比增长60%。为满足需求，谷歌将2026年资本支出指引上调至1800-1900亿美元，超过微软的约1200亿美元。谷歌凭借全栈自研的Gemini模型和TPU芯片，在增长速度和结构优势上表现突出。
AIHOT 精选理由三家云厂一个季度砸了 1120 亿美元搞 AI 基建，Google 靠自研模型增速冲到 63%，全栈整合的优势这次用财报坐实了，做 AI 创业的得重新想想云选型。
AI推理市场正快速分化，各模态如文本、图像、视频和音频发展出独立推理技术栈。自ChatGPT发布后，NVIDIA数据中心收入三年内增长17倍，凸显市场爆发。分化根本原因在于工作负载差异：图像视频生成需高计算力，长上下文消耗更多内存，边缘设备则受功耗限制。市场按延迟分为实时、近实时和批量三层；按模态分为文本、图像视频音频；按部署分为云端和边缘。Hugging Face上已有超9万个图像生成模型，整个AI推理市场规模预计约1000亿美元，这种专业化趋势正为各细分领域创造领导者机会。
AIHOT 精选理由Tomer 把推理市场跟数据库市场做类比，碎片化的逻辑讲得很透，做 AI 基础设施的朋友能直接用来梳理自己的赛道，普通人知道这么回事就行。
AIHOT 精选理由虽然只是 Suno 的官方教程，但这 60 秒的视频把生成伴奏这件事儿讲得明明白白，对于想快速出 demo 的音乐创作者来说，是个能立刻用上的实用技巧。
NVIDIA Nemotron™ 3 Nano Omni 已在 OpenRouter 上线。 这是一个用于智能体工作流的开源 30B-A3B 多模态模型：文本、图像、视频和音频输入 → 文本输出，拥有 256k 上下文窗口和高效的 MoE 架构，适用于计算机使用、文档和音视频推理。
AIHOT 精选理由Nemotron 3 Nano Omni 是 NVIDIA 在开源多模态模型上的新动作，30B 参数 MoE 架构、256k 上下文、四模态输入，做 Agent 工作流的开发者值得试一下，尤其文档和音视频推理场景。
LlamaIndex 重构了 LlamaParse MCP（https://mcp.llamaindex.ai/mcp），重心从存储检索转向由 Parse、Classify。
AIHOT 精选理由官方复盘了 MCP 服务器的鉴权、文件上传与限流设计，方法可直接迁移到类似的服务器搭建中。
自去年秋季推出实证研究辅助（ERA）工具以来，谷歌研究团队已将其应用于多个科学领域以解决实际问题。在流行病学中，它助力流感与新冠预测；在宇宙学里，协助分析星系数据以探究暗能量；在大气监测方面，提升了二氧化碳排放的追踪精度；在神经科学领域，则用于解析大脑活动数据。这些实践表明，ERA能帮助科学家生成专家级的实证软件，其成果超越了黑箱模型，可发现兼具可解释性与机制准确性的解决方案，从而有效加速科学发现进程。
AIHOT 精选理由Google 把自家 ERA 工具在流行病学、宇宙学、气候监测、神经科学四个方向的实战案例摊开讲，虽然不是新模型发布，但对做 AI for Science 的人来说，这是一份难得的「AI 科研助手到底能干嘛」的全景参考。
