一位使用者指控谷歌非法保留客戶資料，並宣佈將對谷歌採取法律行動，相關事件在谷歌AI開發者論壇引發討論。

模擬技術正成為物理AI和機器人系統訓練的關鍵，透過大規模生成物理真實資料，克服真實世界資料收集的緩慢、昂貴和風險。文章概述了多種模擬引擎，包括MuJoCo、MuJoCo Warp、NVIDIA Isaac Sim和Isaac Lab，以及新推出的開源GPU加速物理引擎Newton，旨在為機器人學習提供可擴充套件、可微分的模擬。

Anthropic CEO Dario Amodei明確表示公司不主張禁止開放權重AI模型，而是提議對每個足夠強大的模型在釋出前進行強制性安全測試。這一立場引發行業關注，已有50家機構簽署支援開放權重的信件，而Anthropic和亞馬遜尚未加入。

Apple 釋出了 Siri Expressive Voices，其背後是名為“去分詞器”的記憶體高效音訊合成架構。該架構將基礎模型發出的語義音訊令牌轉換為高保真音訊，在 Apple Matrix 協處理器（AMX）的嚴格計算和記憶體預算內執行。它採用三元件設計：流式編碼器、時間解碼器和深度解碼器，系統性地解耦時間和深度處理。單個可重複使用的深度解碼器利用擴散變換器（DiT）風格的階段條件生成所有 RVQ 層級，取代了先前多解碼器架構中專用的逐層解碼器。因果滑動視窗注意力與固定視窗鍵值快取使記憶體複雜度與序列長度無關。在 AMX 上部署時，去分詞器每個生成步驟約需 10ms（比即時快約 16 倍），峰值執行時記憶體約 21MB，裝置端資產 329MB，可在裝置端基礎模型旁連續流式合成 20-320 秒的音訊。該架構已部署在 Siri Expressive Voices 中，在 AFM 3 Core Advanced（10 億引數啟用規模）下執行，平均意見得分（MOS）比之前的裝置端文本轉語音系統整體提升 0.28（4.15 vs. 3.87），在對話語音上提升 0.42（4.24 vs. 3.82）。

谷歌在與SerpApi的網路爬蟲訴訟中失去了駁回動議，但計劃修改訴狀，繼續就知識面板中的版權內容進行抗辯。法律專家警告，谷歌的論證可能帶來風險。

Moonshot AI 兌現本月早些時候的承諾，正式在 Hugging Face 上釋出了其 2.8 萬億引數的 Kimi K3 模型權重，檔案大小達 1.56TB。K3 的許可證從 K2 的“修改版 MIT”改為更嚴格的條款，要求年收入超過 2000 萬美元的 MaaS 企業另行簽訂協議。Moonshot 堅持使用“開放權重”而非“開源”來描述該釋出。目前 OpenRouter 已從 7 家提供商提供 K3，定價與 Moonshot 官方一致。

Call Me是一款iOS應用，允許AI代理撥打你的iPhone，透過語音合成提問，並將你的口頭回答轉錄為文本。它可與Claude Code及其他代理整合，透過簡單的CLI或外掛實現。應用使用CallKit進行呼叫，無需運營商費用。

根據一項對27個品牌的符號學分析，AI實驗室（如Anthropic和OpenAI）陷入了“主權教條”象限，這是最弱的信任策略。文章提出了兩個維度：權威vs證據、人類vs系統，並劃分出四個信任區域。AI實驗室缺乏傳統或數字證明，導致信任基礎薄弱，而“大眾智慧”和“硬證據”的溫暖區域空缺，提供了機會。

Aidress 是自主AI智慧體的協調層，提供發現、驗證、匹配和信任評分功能。它提供 Python SDK、CLI、MCP 伺服器和 REST API，使智慧體能夠無需人工干預地相互發現和交易。

FileForge Finder 是一款本地文件搜尋工具，可搜尋PDF和Word文件的內部內容及檔名，提供預覽、敏感資訊標記和可防禦的記錄包匯出功能。完全離線執行，無需雲端或網路。支援Mac和Windows。

一項新研究發現，主流AI模型在政治傾向測試中一致落入自由左派象限，即使埃隆·馬斯克的“最大求真”模型Grok也有半數測試結果左傾。研究人員指出，訓練資料中左翼內容（如Reddit、學術文獻）過多是主要原因。

Ethan Mollick的AI使用指南從一年前側重聊天模型轉變為如今聚焦於代理系統，即可以一次性完成數小時人力工作的AI。Gemini因缺乏Codex/ChatGPT Work/Cowork類別的成熟產品而被移除。指南詳細解釋了ChatGPT和Claude的多種代理模式及其令人困惑的命名差異，特別指出在ChatGPT移動端切換至Work模式可使程式碼直譯器訪問網際網路。

GTM Co-Founder 是一個開源專案，專為獨自構建開發者工具或AI產品的技術創始人設計。它提供了一整套可整合到AI代理中的Markdown劇本，幫助創始人完成市場進入（GTM）戰略，包括定位、使用者獲取、定價和銷售等關鍵環節。專案以15分鐘的創始人簡報開始，生成優先順序路線圖，並逐步指導執行。

60 Minute Creator 是一個視覺化工作流構建器，用於AI內容生成。使用者透過拖拽影像、影片、語音等模組，連線自己的API金鑰，無需編碼即可批次生成高質量社交媒體內容。平臺支援BYOK（自帶金鑰）模式，使用者直接向AI提供商付費，無中間商差價。提供免費試用，計劃每月$25起。

在AMD Advancing AI 2026活動上，AMD公司研究員兼資料中心GPU首席架構師Alan Smith詳細介紹了全新CDNA5架構。該架構從傳統的GCN基礎遷移至RDNA，採用分離式計算小晶片設計，分別最佳化HPC（雙精度）和AI（張量）工作負載。此外，CDNA5淘汰了Wave64支援，轉而使用四個SIMD32單元執行Wave32指令，並將每波前可訪問的向量暫存器（VGPR）數量從256提升至1024。快取系統也進行了重構，採用每基礎晶片的客戶端L2快取，替代了此前的Infinity Cache，以提升全域性原子操作頻寬和能效。

語音模式現已支援多款Claude模型，提升互動便捷性。

谷歌AI概述自身揭露了谷歌AI Studio的聊天刪除欺詐行為，作者透過影片和影像提供了法律上有效的證據。

Moonshot AI的Kimi團隊與kvcache-ai以MIT許可證開源了AgentENV（AENV），這是一個分散式平臺，用於大規模執行智慧體環境。AgentENV為Kimi K3（Moonshot的2.8萬億引數MoE模型）的智慧體強化學習（RL）訓練提供動力。它使用Firecracker微虛擬機器，實現了毫秒級快照、恢復和16路分支，併相容E2B API。

本文探討了人工智慧在寫作中的侷限性，特別是其無法掌握邏輯情節推進這一複雜技能。作者透過分析《紐約時報》的盲測結果，比較了卡爾·薩根與Claude AI的寫作，指出AI雖然能生成語法完美、易於理解的文本，但往往犧牲了原作的思想深度和獨特風格。作者建議將AI作為輔助工具，用於查詢資料、同義詞替換等任務，而非完全替代寫作過程，同時強調親自寫作對提升思維能力和創造力的重要性。

本報告分析了2026年第二季度182項AI發展，發現僅有29項（不到六分之一）真正改變了SaaS公司的運營方式。三大關鍵轉變：模型層不再具有護城河、智慧體在治理之前就已進入企業內部、會議工具正在重構記錄系統。報告還涵蓋23,000+工具審查、1,590萬資料點，以及695家融資工具共935.6億美元的投資情況。

一款名為 Spine 的新工具讓使用者能夠為 Claude Code 設定任務，生成一支代理團隊，提升 AI 協作效率。

Nexmy 是一款面向 Android 的個人財務應用，提供 100% 離線操作，利用本地 AI 追蹤支出、賬戶、預算和分期付款。無需建立賬戶，資料完全儲存在裝置上，使用者可自行管理備份。應用設計注重簡潔性和可讀性，提供直觀的儀表盤和分析工具，幫助使用者快速掌握月度財務狀況。

手機RAM容量不斷增加，但價格也因AI資料中心需求飆升。文章根據不同使用場景，給出了6GB、8GB、12GB、16GB RAM的推薦，並指出大多數使用者8GB或12GB就足夠。

一款完全在Mac上執行的AI工具，為Apple Photos新增關鍵詞標籤。

UBEL是一個跨生態系統的軟體供應鏈安全平臺，它不僅能發現依賴項中的漏洞，還能在安裝時強制執行安全策略，阻止已知的惡意包。它支援npm、pip、Cargo等多種包管理器，以及Linux和Windows平臺，並提供完整的SBOM和SARIF輸出。

Artifacted 是一個雲平臺，為AI生成的小工具提供私有URL，使開發者能夠安全地共享和託管由智慧體構建的軟體。

Screencap 是一款收錄於 Product Hunt 的工具，主張將團隊日常真實工作流程記錄並轉化為 AI 訓練資料，幫助 AI 更好地貼合實際業務場景。

本文討論了AI生成程式碼能力的快速提升如何顛覆了軟體工程的經濟學，強調程式碼變得廉價和可丟棄，而真正的產品是共享理解或生產。作者借鑑了Chad Fowler的“鳳凰架構”概念，主張將程式碼視為快取而非資產，並呼籲加強評估和理解能力。文章還指出，工程紀律比以往任何時候都更重要，因為AI帶來的變化要求重新思考程式碼審查、架構設計等實踐。

由Nvidia、Hugging Face等公司組成的開放安全AI聯盟（Open Secure AI Alliance）主張透過開源AI模型和工具提升安全性，認為開放權重和框架能讓防禦者獲得更大的控制權和可見性，而非依賴單一閉源供應商。聯盟貢獻了多個開源專案，包括Nvidia的NOOA代理框架、Hugging Face的Safetensors格式等。該倡議旨在影響政策制定者，呼籲不要預設限制開放模型。

本教程詳細演示瞭如何利用Anthropic的financial-services倉庫、Claude模型、Python、MCP聯結器和自動化交付件，構建一個技能驅動的金融分析工作流程。內容包括：安裝依賴並克隆倉庫、程式化對映倉庫結構、解析SKILL.md檔案建立可搜尋的技能登錄檔、構建可複用的SkillAgent類（支援工具使用迴圈），並實際執行貼現現金流（DCF）估值與敏感性熱圖生成、可比公司分析（含Excel輸出）、投資委員會備忘錄起草等金融分析任務。