FeeSorted是一個實驗性的AI驅動平台，通過分析英國各投資平台的公開費用表，構建費用模型並模擬不同投資者情景來估算年度費用，旨在為消費者提供費用透明度。注意：僅供參考，不構成財務建議，可能存在錯誤。

FindMyPipe 是一個本地 CLI 橋接工具，讓 Linux 用户通過 iCloud 查詢 Apple Find My 網絡，獲取設備位置並輸出結構化 JSON。專為 AI 智能體、腳本和自動化流程設計，支持定位附近興趣點、隱私保護和無配置 mock 模式。

本文彙總了2026年6月1日至7月31日期間即將舉行的七場免費AI研討會，涵蓋無人機羣體智能、蛋白質動力學模擬、媒體素養、極端降水預報等多個前沿主題。所有活動均可在線免費參與。

Agnes AI（全球Top 10 AI實驗室）宣佈無限期免費開放其核心模型API，包括文本、圖像、視頻模型，旨在降低開發者和創作者的使用門檻。

一個開放的庫，用於發現和分享Design.md系統，幫助用AI工具（如Cursor、Claude和Gemini）構建一致的用户界面。目前包含14套設計系統，覆蓋移動優先、企業SaaS、金融科技等場景。

MiniMax 發佈了 M3 模型，這是首個將編碼與智能體能力、稀疏注意力實現百萬 Token 上下文、以及原生多模態融合的開源權重模型。模型在 SWE-Bench Pro 等基準測試中表現優異，API 已上線並提供首週五折優惠，權重和技術報告將在約 10 天內發佈。

GrafoPropagation 是一個僅約 99 萬參數的文本分類架構，採用 von Mises-Fisher (vMF) 雙尺度注意力、黎曼時間嵌入、動態圖連接、全局工作空間記憶、系統2潛在搜索以及量子學習率調製等創新技術，在 AG News 數據集上微調後驗證準確率達 93.1%。

作者利用AI工具Cursor和AssemblyAI，通過元過程創建了一個自動視頻編輯工具，併成功用該工具編輯了介紹其工作原理的演示視頻。文章詳細描述了從靈感、實現到最終成果的全過程，並分享了相關代碼倉庫。

OpenAI正在大規模招募機器人工程師，開放電氣、仿真、執行器、控制系統四大核心崗位，年薪最高超220萬元。團隊將研發實體機器人，佈局具身智能賽道，並已吸納多位華人研究者。

從基於座位許可到混合及消費型AI定價的快速轉變，使得企業技術支出更加難以預測和控制。Adam Mansfield探討了新定價模式如何為買家帶來財務風險，以及為何在主要供應商談判中，清晰的預測、透明度和槓桿作用越來越難以實現。他強調了領導者現在必須採取的實際步驟——從審計當前使用情況、識別未充分利用的支出，到儘早與供應商接觸並利用更廣泛的市場環境。

亞馬遜雲科技技術總監王曉野在2026中國AIGC產業峯會上指出，87%的企業宣稱大規模部署AI，但僅10%獲得實際價值。他強調了個人與企業級Agent落地的巨大差異，提出企業需要關注算力、模型、數據、Agentic平台和應用五層能力，並指出Token貴往往是因為餵給模型過多無用信息。

英偉達正式宣佈RTX Spark芯片系列，這是其首款面向消費PC的完整計算芯片，將用於筆記本和迷你PC。該芯片基於ARM架構，集成CPU、GPU和AI引擎，號稱能效最高，並支持本地運行大型AI模型。微軟等多家廠商已宣佈推出搭載該芯片的設備。

深度原理Deep Principle發佈材料基座模型MPA，採用大語言模型的三階段訓練方法，在40個真實工業任務數據集上取得SOTA。MPA通過中期訓練實現物理對齊，並設計混合讀出頭，在預測陌生結構時優勢顯著，標誌着AI for Science領域的重要突破。

當Wix、Snap和Block等公司以AI為由宣佈裁員時，麻省理工學院管理學教授保羅·奧斯特曼表示，這只不過是公司為裁員尋找的藉口，他認為“AI洗白”（AI washing）現象已經持續了20年。

NVIDIA AI雲生態系統正在全球加速建設AI工廠基礎設施，合作伙伴擴展容量以滿足企業、初創公司、國家、AI實驗室和開發者對代理式AI應用的需求。這些雲服務與NVIDIA全棧AI基礎設施共同設計，支持訓練、微調、推理、物理AI和主權AI部署。

NVIDIA在GTC Taipei上發佈工廠運營藍圖（FOX），這是一個構建自主工廠管理代理的參考設計，整合實時數據、質量控制、工作指令和運營警報，實現工廠範圍的智能化。藍圖基於NVIDIA NemoClaw、AI-Q和Nemotron開放模型，可連接工廠系統、自動化模型訓練和運行智能工作流。台灣製造商如富士康、和碩、研華和緯創已率先部署，預計可大幅提升生產效率、降低成本。

台灣擁有超過500家英偉達生態系統合作伙伴，超過100萬個用於英偉達Vera Rubin基礎設施的MGX機架組件來自台灣25個工廠。隨着Vera Rubin全面投產以支持全球AI工廠，生態鏈覆蓋從晶圓和芯片合作伙伴（如台積電、日月光等）到製造和系統領導者（如富士康、廣達等）。這些夥伴不僅建設AI工廠，還將加速計算、模擬、AI智能體及物理AI應用於自身運營，提高製造效率。台積電利用CUDA-X庫和AI模型改進光刻和工藝；富士康基於英偉達工廠運營藍圖構建MoMClaw智能體，預計根因分析提速80%，生產率提升15%；廣達使用Omniverse數字孿生加速工廠規劃；緯創通過Omniverse DSX實現佈局分析提速70%並降低電力需求；和碩採用缺陷圖像生成智能體減少AI視覺檢測部署時間67%；英業達通過合成缺陷數據縮短AI部署時間約25%。

為了便捷和速度，我們正在削弱連接和組織社會的能力。我們必須堅持信任人類而非機器。文章通過作家史蒂文·羅森鮑姆的案例，揭示了AI在研究中產生虛假引用的風險，並警告人們應警惕AI的侵蝕。

超過100個難民兒童組織聯合批評英國政府計劃使用AI面部年齡估算技術評估年輕尋求庇護者的年齡，認為此舉可能導致更多兒童被錯誤地送入成人監獄或拘留中心。

Hephaestus' Forge 是一個自託管的Web應用，通過5階段引導式嚮導對您的想法進行訪談，並生成一份完整的、可立即投入構建的文檔包，包括項目藍圖、PRD、技術規範和估算，可直接作為上下文提供給AI編碼代理。它支持多種AI引擎（Claude Code、Codex、Gemini CLI、Ollama等），100%本地運行，注重隱私，開源（MIT），並且多語言支持。

NVIDIA發佈RTX Spark超級芯片，專為個人AI代理設計的Windows PC，提供1 petaflop AI性能和128GB統一內存。與微軟合作確保安全本地運行，支持120B參數大語言模型、大型3D渲染和高端遊戲。Adobe等軟件廠商正為其優化應用，搭載RTX Spark的筆記本和桌面電腦將於今年秋季上市。

NVIDIA 發佈了 Cosmos 3，這是一個開放的世界基礎模型，結合了視覺推理、多模態生成和動作預測，使機器人、自動駕駛汽車和視覺AI代理能夠理解並預測現實世界中的變化。該模型採用混合變換器架構，能夠生成合成視頻、機器人動作數據等，並支持從智能城市到工業自動化等多種應用。Cosmos 3 在多項基準測試中排名第一，並已開放獲取。

Simon Willison發佈了2026年5月的贊助者專屬月度通訊，內容包括AI成本上升、Anthropic表現強勁、模型發佈令人失望、Datasette Agent發佈等。

NVIDIA發佈了Cosmos 3，這是一個統一的世界基礎模型，結合了世界生成、物理推理和行動生成。該模型基於混合Transformer架構，支持多種輸入和輸出模態，包括文本、圖像、視頻和動作。提供兩個版本：Cosmos 3 Nano（8B參數）和Cosmos 3 Super（32B參數），並已集成到Hugging Face Diffusers庫中。同時發佈了多個用於物理AI的合成數據生成數據集。

Parallax是一種新型注意力機制，保留Softmax注意力並添加一個學習的協方差修正分支，替代了局部線性注意力（LLA）中的逐查詢求解器。它通過重用FlashAttention的鍵值流，將算術強度提高一倍，並在0.6B和1.7B規模的LLM預訓練中實現了更低的困惑度。然而，其優勢高度依賴於Muon優化器，在AdamW下增益顯著縮小。

NVIDIA 在 COMPUTEX 台北 GTC 上發佈了 RTX Spark——專為個人智能體打造的新型 Windows PC，並帶來一系列更新，將本地智能體擴展至整個 RTX 和 DGX 生態系統。RTX Spark 擁有 1 petaflop AI 算力和 128GB 統一內存，支持安全、私密的本地運行。NVIDIA 與微軟合作，通過新的 Windows 安全基元與 OpenShell 運行時，為智能體提供身份、策略和隱私保護。同時，llama.cpp 和 vLLM 等開源項目獲得性能優化，推理速度提升最高 2.6 倍。Adobe 也將為 RTX Spark 重新架構 Premiere 和 Photoshop，提供更快的 AI 加速創作體驗。

ZAPS-DA是一種新框架，通過解耦執行器與零相位濾波，在不引入相位延遲和後處理的情況下，顯著降低強化學習連續控制策略的高頻動作抖動，在駕駛模擬器中實現14-21倍的轉向抖動減少，且任務成功率幾乎不變。

ARISTO手是一種腱驅動機械手，通過主動遠端過度伸展和混合指尖傳感架構（剛性指甲安裝力-扭矩傳感器與軟電容觸覺陣列），將薄物體的拔出力提高了2.76倍，併成功完成SD卡插拔任務。

VLM-GLoc提出一種利用開放詞彙視覺語言模型（VLM）作為統一語義觀測前端的分層語義蒙特卡洛定位方法。該方法在幾何模糊且準靜態的環境（如雜貨店、辦公室等）中，通過提取區分性文本特徵、隱式質量過濾和持久性推理實現數據增強，並引入逆語義提議機制。在3500平方英尺雜貨店和3700平方英尺實驗室的實驗中，分別達到70%和74%的全局定位成功率，顯著優於傳統方法。

CoMo3R-SLAM是首個協作式單目密集RGB SLAM系統，利用學習的前饋三維重建先驗實現户外多智能體地圖構建。每個智能體運行先驗引導的前端進行實時跟蹤和局部密集融合，協調器執行密集點雲匹配、閉環Sim(3)同步和GPU加速的全局束調整。無需深度傳感器或參數化內參，僅憑單目RGB即可生成魯棒的跨智能體約束和全局一致的度量地圖。在Tanks and Temples和Waymo數據集上，CoMo3R-SLAM在四個場景中的三個取得最佳ATE，精度達到或超過最先進的RGB-D方法，同時在線運行速度達8 FPS。