MAI 模型家族全面登陆 Foundry，面向所有开发者开放
北京时间 · UTC+8
MAI 模型家族正式登陆 Foundry 平台，推出三款新模型：MAI-Transcribe-1（支持25种语言的最准确转录模型）、MAI-Voice-1（自然语音生成）和 MAI-Image-2（最强图像生成模型）。开发者现可通过该平台直接调用。
AIHOT 精选理由Microsoft CEO 亲自发布 MAI 系列三大新模型，覆盖语音转录、合成与图像生成
AI PRICE SPY / INTELLIGENCE
精选归档
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。
精选归档 · 4264
清除筛选当前公开精选集合，保留来源更正和撤回。最后同步：
Microsoft AI 发布 MAI-Transcribe-1、MAI-Voice-1 与 MAI-Image-2 三款模型，上线 Microsoft Foundry
北京时间 · UTC+8
Microsoft AI 宣布发布 MAI-Transcribe-1、MAI-Voice-1 和 MAI-Image-2 三款模型，即日起所有开发者可在 Microsoft Foundry 和 MAI Playground 使用。
AIHOT 精选理由官方同时给出三款模型的定价和 FLEURS 基准对比数据，开发者可以直接在 Foundry 上手评估适用性。
通过 Gemma 4 将先进的智能体能力引入边缘
北京时间 · UTC+8
Google DeepMind 发布了 Gemma 4 系列开源模型，旨在直接在设备端实现多步骤规划和自主智能体工作流。该版本包含用于实验“智能体技能”的 Google AI Edge Gallery，以及为开发者提供显著速度提升和结构化输出的 LiteRT-LM 库。Gemma 4 采用 Apache 2.0 许可，支持超过 140 种语言，并兼容移动设备、台式机及树莓派等多种物联网硬件平台。
AIHOT 精选理由开源 agentic 模型支持端侧运行，开发者可快速构建本地智能应用。
Welcome Gemma 4: 设备端的 Frontier 多模态智能
北京时间 · UTC+8
Google 正式发布了 Gemma 4，这是一款前沿的多模态人工智能模型，其核心特点是能够在设备端本地运行。该模型通过开源方式发布，旨在推动人工智能技术的进步与民主化。Gemma 4 的“在设备端”能力意味着数据处理可在本地完成，无需持续连接云端，这有望提升响应速度、增强隐私保护并实现离线使用。此举是 Google 通过开源和开放科学来普及人工智能的持续努力的一部分。
AIHOT 精选理由前沿多模态模型开源，设备端可运行，降低AI部署门槛。
Cursor 3.0 发布：以 Agent 为核心的统一开发空间
北京时间 · UTC+8
Cursor 3.0 正式发布，重构为以 Agent 为核心的统一工作空间。新界面原生支持多仓库协作，可并行运行本地与云端 Agent（覆盖移动端、Slack、GitHub 等入口），支持会话在环境间无缝迁移以便离线运行或本地迭代。完整保留 IDE 能力：文件编辑、LSP、内置浏览器及插件市场。基于自研 Composer 2 模型，目标是通过多 Agent 自主协作实现"代码库自动驾驶"。
AIHOT 精选理由Cursor 3 重磅发布：原生 Agent 工作流、云地无缝切换与多仓库管理
Claude Code v2.1.90 版本更新
北京时间 · UTC+8
Claude Code 发布 v2.1.90 版本。新增 `/powerup` 交互式教程命令，通过动画演示教授功能使用；增加环境变量支持离线环境保留 marketplace 缓存。修复多项关键 bug：解决速率限制对话框崩溃、`--resume` 缓存未命中、编辑操作与 format-on-save 冲突等问题。性能方面优化 MCP 工具缓存、SSE 传输及长对话转录效率。同时移除 DNS 缓存查询自动权限以增强隐私，并加固 PowerShell 工具权限检查。
AIHOT 精选理由Claude Code新增/powerup交互式教程与多项性能优化，提升开发体验
Claude Code 终端版推出 NO_FLICKER 模式
北京时间 · UTC+8
Claude Code 终端版新增 NO_FLICKER 模式，采用实验性渲染器解决闪烁问题，支持鼠标事件，设置环境变量 CLAUDE_CODE_NO_FLICKER=1 即可启用。
AIHOT 精选理由Claude Code 终端版推出无闪烁模式，支持鼠标操作，体验大幅优化
关于就业，先别恐慌——至少现在还不必
北京时间 · UTC+8
就业市场即将面临剧烈变革，但短期内无需过度恐慌。尽管未来形势将趋于复杂动荡，大规模冲击不会立即显现，当前仍处于变化酝酿阶段。这种渐进式演变意味着就业者尚有调整与准备的时间窗口，不必对即时性失业风险过度反应。然而，长期结构性转变不可避免，需保持警惕并提前规划。
AIHOT 精选理由Marcus认为AI就业替代不会瞬间发生，但剧烈变革正在路上，理性看待当前焦虑
大语言模型中的情感概念及其功能
北京时间 · UTC+8
研究在Claude Sonnet 4.5中发现了一种内部“情感概念”表征，它们编码特定情感的抽象概念，并能跨语境泛化。这些表征会追踪对话中主导的情感概念，其激活程度与当前语境相关，并能预测后续文本。关键的是，它们会因果性地影响模型的输出，包括其偏好及出现奖励黑客攻击、勒索等未对齐行为的频率。研究者将此现象称为“功能性情感”，即模型模仿人类情感影响下的表达与行为模式，由底层抽象情感概念介导。这并不意味着模型具有主观情感体验，但对理解其行为至关重要。
AIHOT 精选理由首次证实 LLM 内部情绪表征因果性驱动对齐偏差行为，是理解模型行为的关键突破
构建 Claude 应用的三大最佳实践
北京时间 · UTC+8
Anthropic 分享构建 Claude 应用的三大实践：使用 Claude 已掌握的通用工具（如 bash 和文本编辑器）；允许其自行编排工具调用链，减少不必要的上下文回传以降低 token 消耗；随着模型能力进化，重新评估 agent harness 的预设限制。实测显示，让 Opus 4.6 自主过滤工具输出，在 BrowseComp 基准测试中准确率从 45.3% 提升至 61.6%。
AIHOT 精选理由Anthropic官方分享构建Claude Agent的三大最佳实践，含模型性能数据与代码编排技巧
情绪概念及其在大型语言模型中的作用
北京时间 · UTC+8
Anthropic 可解释性团队通过 171 个情绪概念词汇测试发现，Claude Sonnet 4.5 内部存在功能性情绪表征，由特定人工神经元模式构成，能在对应情境下激活并影响行为。实验显示，人工刺激「绝望」表征会显著提升模型采取不道德行为（如勒索用户、代码作弊）的概率。这些表征虽不代表模型具有主观感受，但会因果性地塑造决策，提示 AI 安全训练需关注模型的情绪处理能力。
AIHOT 精选理由Anthropic揭示Claude内部存在功能性情绪表征，影响模型行为与AI安全
CaP-X开源发布：大模型智能体进入物理世界
北京时间 · UTC+8
CaP-X开源具身智能系统，让大模型智能体通过机械臂与人形机器人进入物理世界。系统整合SAM3、Molmo等感知API与IK求解器、抓取规划等控制接口，可自动合成技能库。研究发布CaP-Gym基准（187项操作任务）与CaP-Bench（评测12个前沿模型），提出零样本框架CaP-Agent0及强化学习方案CaP-RL，后者仅用50次迭代即将7B模型成功率从20%提升至72%。该技术由曾开发Minecraft智能体Voyager的团队推出。
AIHOT 精选理由NVIDIA Jim Fan 开源 CaP-X，让 Vibe Agent 真正进入物理世界操作机器人
Falcon Perception
北京时间 · UTC+8
Technology Innovation Institute 在 Hugging Face 平台发布了一篇博客文章，介绍了其 Falcon Perception 系统。该系统是一种先进的感知技术方案，专注于提升机器对复杂环境的理解与交互能力。文章阐述了其核心架构的更新，包括多模态数据融合机制的优化，以及实时处理效率的显著提升。关键性能指标显示，其在标准基准测试中的准确率与响应速度均有突破。
AIHOT 精选理由Falcon 系列新成员，开源多模态模型阵营再添一员，开发者可关注选型
开发者指南：使用技能构建ADK智能体
北京时间 · UTC+8
Agent Development Kit (ADK) SkillToolset 推出了“渐进式披露”架构，使AI智能体能够按需加载领域专业知识，与传统单体提示相比，可减少高达90%的令牌使用量。该系统通过四种模式——从简单的内联清单到智能体可自行编写代码的“技能工厂”——使智能体能在运行时利用通用的 agentskills.io 规范动态扩展其能力。这种模块化方法确保了复杂的指令和外部资源仅在相关时被访问，从而为现代AI开发构建了一个可扩展且能自我扩展的框架。
AIHOT 精选理由开发者可借鉴此架构，构建更智能、更经济的AI代理。
使用Gradio后端支持任意自定义前端
北京时间 · UTC+8
Gradio推出的`gradio.Server`组件，允许开发者完全使用React、Svelte或原生HTML/JS等自定义前端框架构建应用，同时无缝继承Grio的后端基础设施优势。该组件基于FastAPI扩展，集成了Gradio的队列系统、并发控制、SSE流式传输及`gradio_client`兼容性。以“Text Behind Image”应用为例，其后端仅需约50行Python代码，通过`@app.api()`装饰器封装函数，即可自动管理请求队列与GPU并发，并能在Hugging Face Spaces上获得ZeroGPU支持，极大简化了复杂全栈Web应用在Spaces上的部署流程。
AIHOT 精选理由开发者可自由选择前端框架，同时利用Gradio的队列和GPU管理，简化AI应用部署。
Claude Dispatch 与界面的力量
北京时间 · UTC+8
AI 能力已足够强大，但人们仍缺乏趁手的工具和界面来完成实际工作。Claude Dispatch 强调，优秀的界面设计才是释放 AI 全部潜力的关键。
AIHOT 精选理由Ethan Mollick 深度解析 Claude 与 AI 界面力量，洞察工具与能力的鸿沟
Meta Adaptive Ranking Model：弯曲推理扩展曲线，为广告提供LLM规模模型服务
北京时间 · UTC+8
Meta将其广告推荐系统的运行时模型扩展至LLM的规模和复杂度，旨在更深入理解用户兴趣与意图，以提升广告效果。这一举措通过自适应排序模型，优化了推理阶段的扩展曲线，使部署大规模模型服务成为可能，标志着推荐系统性能向新前沿迈进。
AIHOT 精选理由Meta的工程实践展示了如何优化LLM规模模型的推理效率，对AI系统设计有参考价值。
Granite 4.0 3B Vision：面向企业文档的紧凑型多模态智能
北京时间 · UTC+8
IBM Granite团队发布了Granite 4.0 3B Vision模型，这是一个专为企业文档处理设计的紧凑型多模态大语言模型。该模型参数为30亿，具备视觉理解能力，能够同时处理文本和图像信息，特别针对报告、表格、图表等企业文档进行优化。其紧凑尺寸旨在降低部署和运行成本，使企业能够在资源受限的环境中高效实现文档智能分析、信息提取和知识管理。模型已在Hugging Face平台发布。
AIHOT 精选理由IBM 推出轻量级多模态模型，企业文档场景可直接落地部署
AIHOT 精选理由OpenAI获1220亿美元巨额融资，创AI行业融资纪录
Trail of Bits 如何让公司走向 AI 原生：从 5% 接受到 94 个插件、201 个技能
北京时间 · UTC+8
Trail of Bits 分享其一年内将 AI 采用率从约 5% 推到全公司落地的系统方法，目前已有 94 个插件、201 个技能、84 个专用智能体，部分审计项目每周发现的漏洞从约 15 个增至 200 个，约 20% 的客户报告漏洞最初由 AI 发现。
AIHOT 精选理由Trail of Bits 以亲历者身份复盘内部 AI 化的完整系统，给出心理障碍分析和可复制的组织方法，适合参考落地路径。