头条精讲
Hy4 正式发布，为真实生产力而生（在新标签页打开）
推荐理由腾讯 Hy4 正式版新增视觉与电脑操作，并在办公、金融和科研任务中验证长程执行能力。读这篇可区分已上线的产品能力、厂商内部测试与计划开源的权重，理解通用模型如何进入专业工作空间。也可据此建立自己的测试任务。
Hy4正式版发布，首次跻身最强开源模型之列，集成视觉能力和电脑操作，显著提升指令遵循、长文理解、科研与生产力等综合能力，并在金融、前端开发、科研等场景取得领先表现。
LongCat-2.5：面向智能体任务的原生多模态模型（在新标签页打开）
推荐理由美团 LongCat-2.5 用原生视觉 token、失败轨迹与长程强化学习提升工程任务能力。技术博客公开数据、奖励和训推一致性的取舍，能帮助模型研发者理解长任务效果如何由训练链路共同塑造。也可据此建立自己的测试任务。
美团发布参数 1.6 万亿、激活 480 亿的 LongCat-2.5 原生多模态模型，聚焦长程智能体任务，通过大规模长程强化学习提升复杂代码库开发能力，同时实现原生视觉理解与高效 W4A4 推理。
F3 Lightning：Meta 如何大规模加速广告机器学习特性投入生产（在新标签页打开）
推荐理由Meta F3 Lightning 将特性独立发布与共享计算解耦，使特性投入生产约快 3.6 倍且不增加计算成本。文章把编译、执行计划和内存布局逐层拆开，为大型机器学习系统提供兼顾迭代效率与运行效率的设计参照。也可据此建立自己的测试任务。
F3 Lightning 在 Meta 的广告机器学习特性框架中，将特性发布与共享执行解耦，通过 4 项关键优化，在保持计算效率的同时，使特性投入生产的速度提升约 3.6x。
今日精华
OpenAI 拟收购 Pierre，扩展 Codex 代码审查与存储工具（在新标签页打开）
推荐理由OpenAI 拟收购 Pierre，将代码导航、差异审查和 Git 存储进一步接入 Codex，适合持续观察智能体开发工作台的人了解工具层布局。
OpenAI 宣布收购 Pierre Computer Company, Inc.，该公司开发了 Code Storage 以及 Trees 和 Diffs 等开源开发者工具，此举旨在增强 Codex 在智能体驱动的软件开发方面的能力。
借助消息线程加快长时间运行的智能体（在新标签页打开）
推荐理由Claude 消息线程通过增量发送会话历史降低长任务首词延迟，适合 Agent 开发者核对接入方式、短期缓存期限与 token 计费保持不变的关系。
消息线程是 Messages API 的一项新功能，通过只发送新消息而非完整对话历史，降低长时间运行的智能体会话延迟；对于包含 500k 到 1M 个 token 的会话，TTFT 中位数可下降约 35%。
对话 Maxinsights：机器人第一视角数据的规模化与质量管线（在新标签页打开）
推荐理由具身智能数据供应商创始人拆解采集网络和质量管线，能帮助读者理解第一视角视频如何转化为可训练数据，以及规模增长为何依赖运营能力。
Maxinsights创始人袁宇光接受采访，详解250倍增长的机器人数据业务模式、DoorDash式的全球化采集运营、数据质量管控及行业护城河构建。
拆解小红书存储底座 02｜让 AI 成为团队的一员：存储数据库助理实践（在新标签页打开）
推荐理由小红书把存储助理接入群聊与业务系统，展示共享算力、独立会话、源码核实和权限检查如何组合，适合企业团队设计可持续运行的内部助理。
小红书存储数据库团队通过构建共享计算资源、代码图谱驱动的知识获取和严格的访问控制，让 AI 助理 SDBP 从答疑工具演进为团队协作成员，显著提升问题响应效率并推动实践扩散。
Transformers 模型集成契约（在新标签页打开）
推荐理由Transformers 通过真实静默故障解释模型集成契约，用小模型在 CPU 上检验行为与训练回归，给维护模型框架的团队一套低成本验证方法。
本文介绍了模型集成契约（MIC），这是一套使用小型夹具模型的测试框架，可在代码进入主分支前发现 UMT5 中 SDPA 注意力回归等问题，并提供用于自动生成契约的 CLI 工具。
OxygenData-Vibe 搭建：用 AI Coding 重新定义数据看板搭建（在新标签页打开）
推荐理由京东用数据协议和 AST 校验把自然语言需求变成可发布看板，适合应用团队学习如何先降低业务表达复杂度，再提高 AI Coding 的交付效率。
OxygenData-Vibe 利用 AI Coding 技术，通过面向 AI 的新宇宙架构设计，实现了数据看板从 30 人天缩短至 3 天交付，用户已创建 478 个 AI 生成看板，显著提升了数据可视化开发效率。
Palette：教小模型用你的设计语言制作演示文稿（在新标签页打开）
推荐理由IBM Palette 将设计与编码拆成两个角色，并用几何检查修复幻灯片，为需要企业视觉风格和本地部署的团队提供小模型定制路线。
Palette 展示了一个经过微调的 20B 开放权重模型，使用遵循 IBM 设计语言的合成数据训练，并通过自动化测试框架验证，能够生成符合自定义模板的高质量演示文稿，同时借助本地部署保障机密内容的安全。
补充阅读
多 Agent 架构的三次反转：从中心调度到自驱协作｜得物技术（在新标签页打开）
推荐理由得物以巡检案例比较中心调度、共享看板与按需顾问，控制权如何匹配任务复杂度比增加 Agent 数量更有实施价值。
本文系统性分析了多 Agent 架构的演进路径，从中心调度的 Master Agent、任务看板模式，到按需咨询的 Advisor 模式，阐述了控制权如何从中心下沉到执行者，从而提升系统的并行能力、弹性和专业化决策。
更好的搜索如何让智能体准确率从 36% 升至 98% | Aamir Shakir，Mixedbread（在新标签页打开）
推荐理由Mixedbread 解释多向量与页面视觉表示如何保留检索证据，适合检查 RAG 信息损失；36% 到98%仅为厂商披露个案。
Aamir Shakir 认为企业智能体的瓶颈不只是模型能力，更在于检索质量，并介绍多模态后期交互搜索如何减少传统 RAG 的信息损失。
高德 Data Agent 实践：从业务问题到可信数据（上篇）（在新标签页打开）
推荐理由高德通过业务知识、能力补齐、校验与兜底把自然语言分析变为可信链路，为 Data Agent 的口径治理提供实际框架。
文章系统阐述了高德 Data Agent 实践方法论，通过四大支柱（补知识、补能力、卡校验、留兜底）构建可靠的数据分析链路，解决了 AI 代理在业务问题理解、数据口径把控和结果可信度方面的核心挑战。
AI 泡沫忧虑再起，人类作为 AI 审核把关角色不稳｜AI 一周观察 2026w44（在新标签页打开）
推荐理由Docker 提出的隔离与治理帮助区分运行时边界和模型意图，补足将智能体接入生产环境前的执行安全判断。
本文聚焦AI财报季现金流危机、AI科学突破浪潮、AI对齐风险及纽约未成年人AI保护法案等议题，系统分析了AI行业的经济、技术与监管三重挑战。
Google 推出 LiteRT Tensor API，用于构建、定制和优化端侧 ML 模型（在新标签页打开）
推荐理由LiteRT Tensor API 把图构建、权重导入和跨设备内存控制暴露给开发者，适合端侧模型部署者理解可定制性与性能取舍。
Google 推出 LiteRT Tensor API，这是一款轻量级 C++ 接口，开发者可借此原生构建、定制和优化机器学习模型，使其在 CPU、GPU 和 NPU 硬件上执行，无需针对每种硬件重新编写代码。
LangSmith BYOC 现已在 AWS、Azure 和 Google Cloud 上推出（在新标签页打开）
推荐理由LangSmith BYOC 跨三云提供客户账户内的数据和部署控制，为企业比较托管便利性与私有网络边界提供具体选项。
LangSmith 自带云（BYOC）现已在 AWS 上正式推出，并在 Azure 和 Google Cloud 上进入 Beta 阶段，让组织能够将追踪记录、评估、数据集和智能体部署保留在自己的云账户中，同时由 LangChain 管理控制平面和基础设施。
筹备下一轮安全冲刺，加固 OpenAI 安全防线（在新标签页打开）
推荐理由OpenAI 安全冲刺结合内部 Codex 实践、漏洞赏金与防御工具资助，帮助安全团队理解连续防御及外部开放安排。
OpenAI 宣布启动下一轮安全冲刺，与 Cathedral Systems 建立合作，扩大漏洞赏金奖励，并投入 10 亿美元为一线防御者提供补贴的 AI 驱动网络安全工具。
AA API 性能基准更新：以完成任务时间为核心指标（在新标签页打开）
推荐理由Artificial Analysis 改用完成任务时间并纳入 effort 默认值，让模型采购者避免把解码速度误当真实智能体耗时。
Artificial Analysis 更新了 API 基准 methodology，使用「完成任务时间」作为核心指标，强调任务完成总时间而非每个token的速度，这对 agentic 工作负载有深远影响。
唐杰团队开源 HarnessPro，Agent 更强更便宜（在新标签页打开）
推荐理由HarnessPro 将失败轨迹与执行预算一起纳入 harness 迭代，为降低智能体成本提供开源实验线索，需保持基准配置归属。
唐杰团队开源 HarnessPro，通过让 Agent 迭代自身的 harness 设计，同时优化任务表现与执行成本，在 Terminal-Bench 2、SWE-Bench Pro 和 ProgramBench 三大基准上实现通过率提升和调用成本降低，提供 Lite、Medium、Heavy 三个配置档位。
AI 写的东西越来越难懂，Gemini 是怎么做到「说人话」的？｜Hao 好聊趋势（在新标签页打开）
推荐理由Gemini 说人话分析以信息密度和篇章结构解释文本难读，给写作者与产品评测者提供机制视角，优先级低于当天模型发布。
文章分析了AI生成文本的可读性问题，提出均匀信息密度与修辞结构理论等诊断框架，并介绍Google通过LearnLM等方法让模型「说人话」的技术路径。
