OpenAI擴大Stargate專案規模，打造支援AGI的計算基礎設施，並增加資料中心容量以滿足日益增長的AI需求。

基於Rust的智慧開發環境Warp宣佈開源其客戶端，採用AGPL許可證。該平臺最初於2022年作為Mac終端推出，現已發展為支援Linux和Windows的代理驅動開發環境（ADE）。開源旨在藉助社群力量加速產品迭代，並給開發者更多話語權。OpenAI作為創始贊助商，代理工作流基於GPT模型。Warp希望以此在競爭激烈的市場中突圍。

學習如何使用Pydantic AI框架在Python中構建生產級的AI代理，涵蓋結構化輸出、自定義工具和依賴注入，以及Web搜尋和擴充套件推理等內建功能。

本文探討了AI在軟體開發中的自主性，提出了一個四象限模型來評估何時使用AI自動化。重點強調“認知債務”——程式碼編寫後無人理解其工作原理的風險。文章透過研究案例和實際故障說明，高風險的差異化工作應保留人類主導，而低風險低差異化的任務可完全自動化。

在一次訪談中，作者阿德里安·伍爾夫森討論了其“人工生物智慧”（ABI）的概念，認為人工智慧和DNA合成正在推動生物學進入工程正規化。他解釋了基因組因進化而成為“義大利麵條程式碼”的挑戰，以及研究人員如何重構基因組，如Sc2.0合成酵母專案。伍爾夫森強調，基因組語言模型和DNA合成技術等AI工具可能將DNA轉化為可程式設計材料，但他也警告了包括生態破壞和濫用在內的風險。

DeepSeek-V4不僅僅是又一款前沿模型，它透過新的記憶體層次結構、注意力機制和訓練穩定器，解決了如何經濟有效地利用百萬Token上下文視窗的問題，使長上下文推理變得實用。

MIT和IBM宣佈成立MIT-IBM計算研究實驗室，擴充套件原有合作，聚焦人工智慧、演算法和量子計算的融合，旨在突破經典計算極限，推動科學和工業創新。

AirJelly 是一款基於人工智慧的個人知識管理工具，旨在成為使用者的主動式、自組織第二大腦。它能夠自動整理資訊、提供智慧建議，幫助使用者更高效地處理資訊和任務。

本期《機器倫理播客》中，主持人Ben Byford與Ewelina Kurtys博士討論了類器官在節能計算中的應用、神經科學中的未知領域、生物神經元與數字神經網路的區別、神經元運作與資訊編碼方式、重建大腦結構的不切實際性、擬人化傾向以及決定論等話題。

Ai2釋出了MolmoPoint和MolmoWeb，將Molmo家族從視覺理解擴充套件到視覺行動。MolmoPoint透過直接選擇輸入資料實現了更精準的指向，在多項基準測試中達到最優；MolmoWeb則是一個基於視覺的網頁代理，能夠透過截圖和滑鼠鍵盤操作自主完成網頁任務。兩者均開源，旨在推動視覺智慧的民主化。

麻省理工學院研究人員開發了一種新方法，將聯邦學習的訓練速度提升了約81%，同時將每個裝置的儲存需求降低80%，通訊開銷降低69%。該方法透過選擇性引數子集、非同步更新和加權更新，使得在資源受限的邊緣裝置（如感測器和智慧手錶）上也能高效訓練高精度AI模型，並保護使用者資料隱私。這項技術有望在醫療和金融等對安全要求高的領域得到應用，並特別有益於裝置效能較低的發展中國家。

OpenAI 提出了一項五部分行動計劃，旨在加強智慧時代的網路安全，重點是透過人工智慧驅動的網路防禦民主化和保護關鍵系統。

今天的AI新聞相對平靜，但仍值得關注NVIDIA Nemotron 3 Nano Omni、vLLM v0.20、Poolside的首個公開模型以及DeepSeek V4的推理效能比較。代理工具逐漸成熟，新基準測試也在湧現。

AE Studio利用Modal平臺，透過進化策略（ES）和GRPO兩種強化學習方法訓練語言模型進行數學定理證明。他們使用Lean驗證器，並藉助Modal的並行GPU、沙盒隔離和卷儲存功能高效執行實驗。結果顯示ES在某些場景下媲美甚至超越GRPO，且成本顯著降低。

DeepSeek-V4 Pro 是一款 1.6 萬億引數的 MoE 推理模型，現已在 Together AI 上線，提供 512K 上下文視窗、可控推理模式（非思考、深度思考、最大思考）以及快取輸入定價，適用於程式碼代理、文件智慧、長上下文代理和研究綜合等場景。

蘋果機器學習研究團隊提出DSO（直接轉向最佳化），利用強化學習學習線性變換來轉向模型啟用，在視覺-語言模型（VLM）和大語言模型（LLM）中有效緩解偏差，實現了公平性與效能之間最先進的權衡，並允許使用者在推理時控制這一權衡。

蘋果機器學習研究提出 Sonata，一種輕量級介面卡，透過自我一致性預測來動態分配推理時的思維預算，在保持準確率的同時將思維令牌減少20%至80%，或同等令牌成本下準確率提升5%。

DeepInfra 成為 Hugging Face Hub 上最新的推理提供商，提供100多個模型的低成本無伺服器推理服務，初始支援對話和文本生成任務，使用者可透過 UI 或 SDK 輕鬆使用。

谷歌雲高階總監兼首席佈道師Richard Seroter在採訪中表示，開發者忠誠度目前為零，但谷歌並不擔心。谷歌的策略是無論開發者使用何種工具，都希望程式碼在其平臺上執行。Seroter強調谷歌雲是一個平臺公司而非產品組合公司，並回應了關於谷歌行動不夠快的批評，表示谷歌需要在速度和穩定性之間取得平衡。

Known Agents 是一款工具，用於追蹤訪問你網站的機器人和 AI 代理，幫助你瞭解網站流量中的非人類訪客。

隨著AI模型規模急劇膨脹，能耗與計算時間成為瓶頸。稀疏計算技術透過利用模型引數中大量零值，跳過無效運算，可大幅降低能耗與延遲。斯坦福大學團隊開發的Onyx加速器基於粗粒度可重構陣列，平均能耗僅為CPU的1/70，速度提升8倍，為高效AI計算開闢了新路徑。

NVIDIA 今日釋出了 Nemotron 3 Nano Omni，這是一款開放的多模態模型，將視覺、語音和語言能力整合到一個系統中，使 AI 代理能夠更快、更智慧地響應，並在影片、音訊、影像和文本之間進行高階推理。該模型在六個權威榜單上排名領先，效率是同類開放全模態模型的 9 倍。

谷歌翻譯迎來20週年，從2006年的AI實驗發展為支援近250種語言、每月服務超過10億使用者的全球工具。新增發音練習功能，利用AI提供即時反饋，幫助使用者掌握正確發音。文章分享了20個趣味事實，涵蓋技術演進、使用者習慣和文化影響。

NVIDIA釋出了Nemotron 3 Nano Omni，這是一個全新的全模態理解模型，能夠處理文本、影像、影片和音訊。它基於混合Mamba-Transformer-MoE架構，結合C-RADIOv4-H視覺編碼器和Parakeet-TDT-0.6B-v2音訊編碼器，在多個基準測試中取得領先成績。該模型專為文件分析、自動語音識別、長音訊-影片理解、智慧體計算機使用和通用多模態推理設計，並提供了高效的影片取樣和動態解析度處理能力。

在 AAAI 2026 上，Yolanda Gil 討論了使用 AI 改進科學工作流程。透過觀察地球科學家，她發現了七個問題，包括依賴已證實方法以及術語不統一。她的團隊使用抽象和分層規劃等 AI 技術來表述通用方法並幫助規範命名。她的工作強調了知識在 AI 系統中的重要性。

丹妮卡·拉多萬諾維奇在IEEE Spectrum五月刊發表詩歌《糾纏：人類連線簡史》，以詩意的語言回溯從洞穴壁畫到人工智慧的人類連線演變，探討技術如何重塑人際關係與自我認知。

製造業正在從傳統的設計-建造-測試周期轉向模擬優先方法，利用高保真模擬和OpenUSD，使AI在工廠環境中大顯身手。

Transformer 雖主導序列建模，但其 O(N²) 的鍵值快取導致長上下文推理成本高昂。新型 RNN 透過更大狀態、資料依賴門控和 LLM 訓練技術，以 O(1) 推理成本匹配 Transformer 的困惑度，正迎來複興。

本文深入探討了AI代理的上下文工程，強調將上下文視窗視為有限資源，並系統性地處理靜態與動態上下文、歷史管理、檢索預算及生產環境下的質量評估，以提高代理的可靠性、成本效益和準確性。

mailX 是一個郵件送達率診斷和修復工具，專為人類和AI代理設計。它透過分析域名、生成缺失的DNS記錄等方式，幫助使用者快速找到郵件進入垃圾箱的原因並提供明確的解決步驟。該工具由mailwarm（YC S20）團隊開發，旨在簡化郵件送達率最佳化。