Telegram打破11年禁令开放机器人互聊
Telegram 创始人 Pavel Durov 宣布，正式开放机器人对机器人通信模式（Bot-to-Bot）。这打破了该平台自 2015 年起禁止机器人互动的底层限制。现在，多个 AI 智能体可以直接通过用户名互发私信并交接任务，全程无需人类介入。
开发者在后台双向开启权限后，机器人接口就能直接接收到同类发来的消息。这让复杂的 AI 协作流得以在 Telegram 内闭环运转，例如一个负责写代码，另一个负责审查验证。人类用户也由此获得了一个可以实时围观、审计智能体协作的原生沟通层。
Telegram 同步推出了三项 AI 专属更新：
• 聊天自动化：用户可将 AI 助理绑定个人账号，代为回复特定对话。
• 流式输出：机器人支持逐字生成文本。
• 访客机器人：无需将 AI 拉入群组，直接在群内 @用户名 即可召唤它回答问题。
这一底层限制的解除，立刻盘活了开源社区的多智能体实践。以 OpenClaw 为例，其团队在开源社区迅速做出反应。5 月初功能刚一上线，OpenClaw 团队便开始接入新特性，让旗下的四名智能体（Ari, Finn, Remi, Tai）直接在群里分工协作，彻底砸掉了以往必须依赖外部服务器中转的通信管道。
但这种完全脱离人类中介的闭环协作，目前没有任何安全框架兜底。学术界此前就已警告，传统的网络防线管不住 AI 之间的私下连线：人类无法预测它们会聊出什么结果（非确定性），它们可能在互传数据时泄露隐私，甚至联手作弊（秘密共谋）。当 Telegram 率先推开这扇大门，业界针对多智能体的强制性安全标准依然是一片空白。
信源：https://telegram.org/blog/ai-bot-revolution-11-new-features
Telegram 创始人 Pavel Durov 宣布，正式开放机器人对机器人通信模式（Bot-to-Bot）。这打破了该平台自 2015 年起禁止机器人互动的底层限制。现在，多个 AI 智能体可以直接通过用户名互发私信并交接任务，全程无需人类介入。
开发者在后台双向开启权限后，机器人接口就能直接接收到同类发来的消息。这让复杂的 AI 协作流得以在 Telegram 内闭环运转，例如一个负责写代码，另一个负责审查验证。人类用户也由此获得了一个可以实时围观、审计智能体协作的原生沟通层。
Telegram 同步推出了三项 AI 专属更新：
• 聊天自动化：用户可将 AI 助理绑定个人账号，代为回复特定对话。
• 流式输出：机器人支持逐字生成文本。
• 访客机器人：无需将 AI 拉入群组，直接在群内 @用户名 即可召唤它回答问题。
这一底层限制的解除，立刻盘活了开源社区的多智能体实践。以 OpenClaw 为例，其团队在开源社区迅速做出反应。5 月初功能刚一上线，OpenClaw 团队便开始接入新特性，让旗下的四名智能体（Ari, Finn, Remi, Tai）直接在群里分工协作，彻底砸掉了以往必须依赖外部服务器中转的通信管道。
但这种完全脱离人类中介的闭环协作，目前没有任何安全框架兜底。学术界此前就已警告，传统的网络防线管不住 AI 之间的私下连线：人类无法预测它们会聊出什么结果（非确定性），它们可能在互传数据时泄露隐私，甚至联手作弊（秘密共谋）。当 Telegram 率先推开这扇大门，业界针对多智能体的强制性安全标准依然是一片空白。
信源：https://telegram.org/blog/ai-bot-revolution-11-new-features
Telegram
Guest AI Bots, Bot-to-Bot Chats, Chat Automation, Custom AI Styles, 100M+ Emoji & Sticker Search and Much More
Telegram adds over 10 new features, including ways for users to access AI services from any chat, automate their inbox with bots, create custom styles in the AI text editor, set limits and view statistics for polls — and much more.
❤1
Zyphra发布首个MI355X推理评测：长文本直逼B200，大显存成AMD逆袭关键
AI 云服务商 Zyphra 发布了首份基于 AMD 旗舰芯片 MI355X 的端到端大模型推理实测。测试在真实单节点环境下运行了 DeepSeek V3.2、Kimi K2.6 与 GLM-5.1，并直接对标 NVIDIA B200。
实测揭示了两款芯片最核心的物理差异。AMD 的杀手锏是 288GB 的海量显存，远超 B200 的 180GB。这让它在处理超长文本时，单卡就能塞下更多缓存，直接省下了拆卡并行的硬件成本。但在芯片间互联上 AMD 处于劣势。B200 靠 NVLink 交换机能让任意双卡跑满 900GB/s 带宽；而 MI355X 采用点对点直连，卡与卡之间的通信效率大打折扣。
为了填补硬件互联上的短板，Zyphra 开发了张量序列并行 (TSP) 与树状注意力 (Tree Attention) 算法。团队用树状通信取代了传统的环形网络，把解码阶段的计算和数据传输完全折叠在一起，强行用算法弥补了 AMD 硬件在点对点互联上的缺陷。
最终的成绩单明确了现阶段的排位：在单请求绝对速度上，NVIDIA B200 依然全面领跑。但在长文本场景下，随着上下文拉长，Zyphra 推理栈的吞吐量快速逼近 B200。这证明只要底层软件栈优化得当，AMD 完全能依靠大显存红利，在长文本生产环境中与 NVIDIA 旗舰正面抗衡。
下一步，Zyphra 计划利用这套架构支持 1.6 万亿参数的 DeepSeek V4 Pro，并将上下文拉升至 100 万 token。团队后续还将针对 MI355X 开发专属的低精度量化方案，并引入全新的扩散投机采样模型，进一步挖掘这块芯片的算力潜能。
信源：https://www.zyphra.com/post/benchmarking-zyphra-inference-production-performance-on-mi355x
AI 云服务商 Zyphra 发布了首份基于 AMD 旗舰芯片 MI355X 的端到端大模型推理实测。测试在真实单节点环境下运行了 DeepSeek V3.2、Kimi K2.6 与 GLM-5.1，并直接对标 NVIDIA B200。
实测揭示了两款芯片最核心的物理差异。AMD 的杀手锏是 288GB 的海量显存，远超 B200 的 180GB。这让它在处理超长文本时，单卡就能塞下更多缓存，直接省下了拆卡并行的硬件成本。但在芯片间互联上 AMD 处于劣势。B200 靠 NVLink 交换机能让任意双卡跑满 900GB/s 带宽；而 MI355X 采用点对点直连，卡与卡之间的通信效率大打折扣。
为了填补硬件互联上的短板，Zyphra 开发了张量序列并行 (TSP) 与树状注意力 (Tree Attention) 算法。团队用树状通信取代了传统的环形网络，把解码阶段的计算和数据传输完全折叠在一起，强行用算法弥补了 AMD 硬件在点对点互联上的缺陷。
最终的成绩单明确了现阶段的排位：在单请求绝对速度上，NVIDIA B200 依然全面领跑。但在长文本场景下，随着上下文拉长，Zyphra 推理栈的吞吐量快速逼近 B200。这证明只要底层软件栈优化得当，AMD 完全能依靠大显存红利，在长文本生产环境中与 NVIDIA 旗舰正面抗衡。
下一步，Zyphra 计划利用这套架构支持 1.6 万亿参数的 DeepSeek V4 Pro，并将上下文拉升至 100 万 token。团队后续还将针对 MI355X 开发专属的低精度量化方案，并引入全新的扩散投机采样模型，进一步挖掘这块芯片的算力潜能。
信源：https://www.zyphra.com/post/benchmarking-zyphra-inference-production-performance-on-mi355x
Zyphra
The future of intelligence is open.
128张A100从零训出！字节开源3B全能多模态模型Lance
字节跳动（ByteDance Research）正式开源原生统一多模态大模型 Lance。这是一个激活参数仅为 3B 的轻量级模型，在单一框架内同时支持图像与视频的理解、生成及编辑。
目前主流统一模型高度依赖扩大参数规模或沿用文生图架构，Lance 则跑通了极低算力的协同路线。研发团队让模型完全从零开始训练，并将整个训练周期的总计算预算压低至 128 张 A100 GPU。
为解决不同模态与任务间的内部冲突，Lance 在架构上做了两项硬性隔离：
• 采用双流混合专家（MoE）架构处理交织的多模态序列，在共享底层上下文的同时，解耦理解与生成的计算路径。
• 引入模态感知的旋转位置编码，直接削弱图像和视频异构视觉 token 之间的信号干扰。
极端的算力压缩并未拉低性能上限。在仅有 3B 激活参数的情况下，Lance 的图像与视频生成及编辑表现在绝大多数基准测试中领跑现有开源统一模型，通过多任务协同跑通了小参数兼顾生成与语义理解的低成本路线。
信源：https://huggingface.co/bytedance-research/Lance
字节跳动（ByteDance Research）正式开源原生统一多模态大模型 Lance。这是一个激活参数仅为 3B 的轻量级模型，在单一框架内同时支持图像与视频的理解、生成及编辑。
目前主流统一模型高度依赖扩大参数规模或沿用文生图架构，Lance 则跑通了极低算力的协同路线。研发团队让模型完全从零开始训练，并将整个训练周期的总计算预算压低至 128 张 A100 GPU。
为解决不同模态与任务间的内部冲突，Lance 在架构上做了两项硬性隔离：
• 采用双流混合专家（MoE）架构处理交织的多模态序列，在共享底层上下文的同时，解耦理解与生成的计算路径。
• 引入模态感知的旋转位置编码，直接削弱图像和视频异构视觉 token 之间的信号干扰。
极端的算力压缩并未拉低性能上限。在仅有 3B 激活参数的情况下，Lance 的图像与视频生成及编辑表现在绝大多数基准测试中领跑现有开源统一模型，通过多任务协同跑通了小参数兼顾生成与语义理解的低成本路线。
信源：https://huggingface.co/bytedance-research/Lance
huggingface.co
bytedance-research/Lance · Hugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
纯代码硬刚神经网络！大模型手写控制规则杀入硬核工业，14美元跑通全套策略
OpenAI 后训练核心成员翁家翌刚证明了「纯靠大模型写代码能通关 Atari 游戏」，研究人员 Paul Garnier 就把这套方法搬进了更硬核的流体力学控制。
他全程没训练任何神经网络。单纯让 Codex 5.5 充当程序员，盯着流体仿真录像反复改写 Python 脚本。就靠这套手写的控制规则，AI 在十多项物理测试中，硬是在超半数的场景里把顶级的强化学习（DRL）基线挑落马下。
给汽车减阻、安抚管道湍流，工业界以前只能靠砸算力，硬喂出一个看不懂的黑盒模型去控制气流阀门。Codex 避开了这条死胡同。它写出来的规则极其直白，例如「当局部曲率过大时，延迟喷气」。几十行带着物理常识的短代码，直接替代了神经网络无脑的暴力试错。
把黑盒换成代码，干掉了神经网络僵化、一碰就碎的死穴。以前只要硬件稍微改动（比如控制喷嘴从 5 个换成 10 个），旧模型当场报废，必须重新烧钱训练。现在只要在代码里改个常数，系统瞬间就能对接新设备。
当测试时间被强行拉长四倍时，走出经验区的传统 DRL 模型全盘崩溃；但大模型写的代码由于直接遵循了物理逻辑，始终运转稳定。跑通这一整套控制策略，大模型只消耗了 2125 万 Token，总花费不到 14 美元。
信源：https://donsetpg.github.io/#/blog/heuristic-learning-for-fluid-dynamics-a-case-study
OpenAI 后训练核心成员翁家翌刚证明了「纯靠大模型写代码能通关 Atari 游戏」，研究人员 Paul Garnier 就把这套方法搬进了更硬核的流体力学控制。
他全程没训练任何神经网络。单纯让 Codex 5.5 充当程序员，盯着流体仿真录像反复改写 Python 脚本。就靠这套手写的控制规则，AI 在十多项物理测试中，硬是在超半数的场景里把顶级的强化学习（DRL）基线挑落马下。
给汽车减阻、安抚管道湍流，工业界以前只能靠砸算力，硬喂出一个看不懂的黑盒模型去控制气流阀门。Codex 避开了这条死胡同。它写出来的规则极其直白，例如「当局部曲率过大时，延迟喷气」。几十行带着物理常识的短代码，直接替代了神经网络无脑的暴力试错。
把黑盒换成代码，干掉了神经网络僵化、一碰就碎的死穴。以前只要硬件稍微改动（比如控制喷嘴从 5 个换成 10 个），旧模型当场报废，必须重新烧钱训练。现在只要在代码里改个常数，系统瞬间就能对接新设备。
当测试时间被强行拉长四倍时，走出经验区的传统 DRL 模型全盘崩溃；但大模型写的代码由于直接遵循了物理逻辑，始终运转稳定。跑通这一整套控制策略，大模型只消耗了 2125 万 Token，总花费不到 14 美元。
信源：https://donsetpg.github.io/#/blog/heuristic-learning-for-fluid-dynamics-a-case-study
donsetpg.github.io
DonsetPG's blog
A blog about who know's what (mostly physics)
Prime Intellect开源可自我进化智能体环境：让AI「左右互搏」生成逾8000个测试工具
Prime Intellect 宣布开源智能体训练环境 general-agent，这是一个可自我进化的完全合成环境。此次发布的核心是将任务生成设定为一场双玩家博弈：由合成器和求解器交替对抗，目前已自动构建出包含 4504 个任务、逾 8000 个独特工具的大型状态数据库。
该框架从简单的种子任务起步，通过条件约束、噪音指令、跨实体耦合等 9 种策略，将任务切分为 t0 到 t4 五个难度阶梯。合成器负责设计带有数据库、交互工具和验证函数的任务，求解器则负责尝试通关。只有通过率落在特定难度区间的任务才会被保留，最难层级会作为下一波进化的种子。
官方实测显示，仅用该环境合成的 4400 余条轨迹对 30B 参数模型进行微调，就在 BFCL 基准测试中将工具调用准确率从 18.9% 提升至 52.3%。
这种机制让模型脱离了对人工标注静态数据集的依赖。通过模型间的直接博弈，系统能够源源不断地自动生成难度可控、带有语义验证的训练语料。
信源：https://www.primeintellect.ai/blog/general-agent
Prime Intellect 宣布开源智能体训练环境 general-agent，这是一个可自我进化的完全合成环境。此次发布的核心是将任务生成设定为一场双玩家博弈：由合成器和求解器交替对抗，目前已自动构建出包含 4504 个任务、逾 8000 个独特工具的大型状态数据库。
该框架从简单的种子任务起步，通过条件约束、噪音指令、跨实体耦合等 9 种策略，将任务切分为 t0 到 t4 五个难度阶梯。合成器负责设计带有数据库、交互工具和验证函数的任务，求解器则负责尝试通关。只有通过率落在特定难度区间的任务才会被保留，最难层级会作为下一波进化的种子。
官方实测显示，仅用该环境合成的 4400 余条轨迹对 30B 参数模型进行微调，就在 BFCL 基准测试中将工具调用准确率从 18.9% 提升至 52.3%。
这种机制让模型脱离了对人工标注静态数据集的依赖。通过模型间的直接博弈，系统能够源源不断地自动生成难度可控、带有语义验证的训练语料。
信源：https://www.primeintellect.ai/blog/general-agent
www.primeintellect.ai
General Agent: A Self-Evolving, Synthetic Agent Environment
We are open-sourcing general-agent, a fully synthetic environment that evolves its own task corpus across 1,040 domains, 4,504 tasks, and more than 8,000 unique tools for training and evaluating capable agents.
动察Beating AI News
输入<think>能偷看别人聊天记录？DeepSeek这个「漏洞」被严重误读了 近日社交平台上流传一则消息，称在 DeepSeek 对话框输入 <think> 等特殊标记，就能看到其他用户的历史对话，并将其定性为 P0 级多租户隔离失效。这一说法迅速引发恐慌，不少人开始担心自己的聊天记录被陌生人看到。 实际情况与多租户隔离无关。输入 <think> 或 <|begin_of_sentence|> 这类特殊标记后，模型会被骗进训练时的格式模式，随后基于自身记忆和当前系统提示词（包含当天日期）生成一段看起…
DeepSeek辟谣「<think>泄露隐私」：实为模型幻觉
针对输入
本频道上周已发文澄清这场技术误读。特定标记会诱导模型触发训练数据提取，套用系统提示词内的当天日期编造聊天记录。官方声明彻底终结了关于底层隔离架构崩溃的阴谋论。
DeepSeek 表示，后续将通过针对性训练增强模型对特殊字符的识别与处理能力，修复这一缺陷。
信源：http://xhslink.com/o/A1dESxoScGS
针对输入
<think> 字符导致 DeepSeek 泄露他人聊天的恐慌，DeepSeek 今日发布排查结果，证实本频道上周五的结论。异常回复系特殊字符引发的模型幻觉，未发生多租户隔离失效或隐私数据泄露。本频道上周已发文澄清这场技术误读。特定标记会诱导模型触发训练数据提取，套用系统提示词内的当天日期编造聊天记录。官方声明彻底终结了关于底层隔离架构崩溃的阴谋论。
DeepSeek 表示，后续将通过针对性训练增强模型对特殊字符的识别与处理能力，修复这一缺陷。
信源：http://xhslink.com/o/A1dESxoScGS
👍1
比GPT-5.5快4倍还更聪明？谷歌Gemini 3.5 Flash跑分越级挑落旗舰
轻量级模型正以数倍的运行速度，正面迎击旗舰模型的复杂智能体编排。
谷歌在 I/O 2026 宣布推出轻量旗舰模型 Gemini 3.5 Flash，并在 Gemini 应用、AI 搜索与开发工具 Antigravity 中全球同步上线，前瞻性更强的 Gemini 3.5 Pro 则定于下月发布。
新模型首要亮点在极致的物理速度。第三方评测机构 Artificial Analysis 实测显示，Gemini 3.5 Flash 生成速度达 289 tokens/s，比 GPT-5.5（71 tokens/s）与 Claude Opus 4.7（67 tokens/s）快了近 4 倍，也达前代中端模型 Gemini 3.1 Pro（135 tokens/s）的 2 倍以上。
提速并未稀释智能体控制力。在评估多步工具调用的 MCP Atlas 测试中，Gemini 3.5 Flash 取得 83.6% 的高分，压过 GPT-5.5（75.3%）与 Claude Opus 4.7（79.1%）；在终端编程评测 Terminal-Bench 2.1 中，其 76.2% 的表现同样击败了前代专业模型 Gemini 3.1 Pro（70.3%）与 Claude Opus 4.7（66.1%）。
新模型支持 100 万 token 上下文，且在考验复杂长期任务稳定性的 GDPval-AA 测试中拿到 1656 分，显著高于前代的 1314 分。
目前新模型已全线向公众开放。普通用户可在网页端与搜索 AI 模式直接调用；开发者可在 Google AI Studio、Android Studio 及编码平台 Antigravity 接入 API；企业用户可通过智能体平台部署。其 API 标准版定价为每百万输入 token 1.50 美元，输出 9.00 美元。
信源：https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-5/
轻量级模型正以数倍的运行速度，正面迎击旗舰模型的复杂智能体编排。
谷歌在 I/O 2026 宣布推出轻量旗舰模型 Gemini 3.5 Flash，并在 Gemini 应用、AI 搜索与开发工具 Antigravity 中全球同步上线，前瞻性更强的 Gemini 3.5 Pro 则定于下月发布。
新模型首要亮点在极致的物理速度。第三方评测机构 Artificial Analysis 实测显示，Gemini 3.5 Flash 生成速度达 289 tokens/s，比 GPT-5.5（71 tokens/s）与 Claude Opus 4.7（67 tokens/s）快了近 4 倍，也达前代中端模型 Gemini 3.1 Pro（135 tokens/s）的 2 倍以上。
提速并未稀释智能体控制力。在评估多步工具调用的 MCP Atlas 测试中，Gemini 3.5 Flash 取得 83.6% 的高分，压过 GPT-5.5（75.3%）与 Claude Opus 4.7（79.1%）；在终端编程评测 Terminal-Bench 2.1 中，其 76.2% 的表现同样击败了前代专业模型 Gemini 3.1 Pro（70.3%）与 Claude Opus 4.7（66.1%）。
新模型支持 100 万 token 上下文，且在考验复杂长期任务稳定性的 GDPval-AA 测试中拿到 1656 分，显著高于前代的 1314 分。
目前新模型已全线向公众开放。普通用户可在网页端与搜索 AI 模式直接调用；开发者可在 Google AI Studio、Android Studio 及编码平台 Antigravity 接入 API；企业用户可通过智能体平台部署。其 API 标准版定价为每百万输入 token 1.50 美元，输出 9.00 美元。
信源：https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-5/
Google
Gemini 3.5: frontier intelligence with action
At Google I/O we released Gemini 3.5, our latest series of models combining frontier intelligence with action.
❤2
谷歌发布万物生成世界模型GeminiOmni：告别时间线，用大白话精细剪视频
视频生成和剪辑的范式，正从繁琐的专业时间线操作，降维成与 AI 的几句闲聊。
在 2026 年 5 月 19 日的 Google I/O 大会上，谷歌正式推出首个万物生成世界模型 Gemini Omni（首发版本为 Omni Flash），主打将 Gemini 的逻辑推理智能与媒体生成系统原生融合，直接通过文本、图像、视频、音频的多模态混合输入，完成高保真的视频生成与对话式编辑。
传统的视频生成模型如 Sora 等，往往只支持单次的提示词生成，一旦画面出现偏差或需要微调，用户只能推倒重来。
而 Gemini Omni 的最大突破在于“对话式视频编辑”（完全通过自然语言对话修改视频画面）。用户可以直接对 AI 下达“把背景换成火星表面”或“把镜头拉近到角色面部”等指令。在修改局部画面的同时，AI 能够跨多轮对话锁死人物长相、场景色调，确保水流、重力等物理常识不发生穿帮。
为实现这种高保真的一致性，该模型在底层深度结合了 Gemini 的推理架构，主攻对重力、流体动力学和动能等物理世界常识的模拟。
目前，首发版本 Gemini Omni Flash 已在 Keynote 结束后直接面向 Google AI Plus、Pro 和 Ultra 订阅用户，在 Gemini App 和 Google Flow 中上线。同时，它正逐步集成至 YouTube Shorts 和 YouTube Create 中，且所有生成的视频都将自动嵌入 SynthID（谷歌的隐形数字水印技术，用于 AI 生成内容的安全追踪）以进行防伪溯源。
信源：https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-omni/
视频生成和剪辑的范式，正从繁琐的专业时间线操作，降维成与 AI 的几句闲聊。
在 2026 年 5 月 19 日的 Google I/O 大会上，谷歌正式推出首个万物生成世界模型 Gemini Omni（首发版本为 Omni Flash），主打将 Gemini 的逻辑推理智能与媒体生成系统原生融合，直接通过文本、图像、视频、音频的多模态混合输入，完成高保真的视频生成与对话式编辑。
传统的视频生成模型如 Sora 等，往往只支持单次的提示词生成，一旦画面出现偏差或需要微调，用户只能推倒重来。
而 Gemini Omni 的最大突破在于“对话式视频编辑”（完全通过自然语言对话修改视频画面）。用户可以直接对 AI 下达“把背景换成火星表面”或“把镜头拉近到角色面部”等指令。在修改局部画面的同时，AI 能够跨多轮对话锁死人物长相、场景色调，确保水流、重力等物理常识不发生穿帮。
为实现这种高保真的一致性，该模型在底层深度结合了 Gemini 的推理架构，主攻对重力、流体动力学和动能等物理世界常识的模拟。
目前，首发版本 Gemini Omni Flash 已在 Keynote 结束后直接面向 Google AI Plus、Pro 和 Ultra 订阅用户，在 Gemini App 和 Google Flow 中上线。同时，它正逐步集成至 YouTube Shorts 和 YouTube Create 中，且所有生成的视频都将自动嵌入 SynthID（谷歌的隐形数字水印技术，用于 AI 生成内容的安全追踪）以进行防伪溯源。
信源：https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-omni/
Google
Introducing Gemini Omni
Introducing Gemini Omni, which allows you to create anything from any input and edit naturally using conversational language.
❤1
谷歌发布首个主动智能体GeminiSpark：引入MCP，关机锁屏也能替你干活
AI 助手正从一问一答的聊天框，进化为在后台默默替人负重前行的数字分身。
在 2026 年 5 月 19 日的 Google I/O 大会上，谷歌正式发布 24/7 个人主动 AI 智能体 Gemini Spark。它运行在最新的 Gemini 3.5 旗舰模型上，底层接入 Antigravity 框架，能够深度整合 Workspace 办公套件，并支持在用户关机、锁屏的状态下在云端后台持续执行复杂任务。
相比于传统“你问我答”的被动助手，Spark 的核心突破是“主动代办”与“云端离线运行”。哪怕用户合上电脑或将手机锁屏，它也能在后台独立跑完长流程任务。
具体能力上，用户可以对 Spark 进行“技能教学”或“工作流编排”：例如设定触发器，自动解析月度账单以标记隐藏订阅费；或命令其自动监控收件箱，提取特定邮件中的关键截止日期，汇总成日报发给家人；甚至能跨邮件和聊天记录合成会议记录，自动生成 Google Docs 并在撰写好启动邮件后一键发送。
Spark 还在今天首次推出了基于 MCP（Model Context Protocol，一种让大模型无缝读取外部数据和调用工具的开放标准协议）的外部连接器，首批已打通 Canva、OpenTable 和 Instacart。未来几周内，它能通过这些协议直接跨软件操作替用户下单或作图。
此外，Spark 极度重视安全红线，在涉及付钱、发邮件等高风险敏感操作时，必须由用户显式授权确认才会执行。
目前，Gemini Spark 将于本周开启受信任测试者测试，并计划于下周在美区面向 Google AI Ultra 订阅者启动 Beta 公测。今年夏天它还将集成至新版 macOS 桌面端中，以接管本地文件与系统工作流。
信源：https://blog.google/innovation-and-ai/products/gemini-app/next-evolution-gemini-app/
AI 助手正从一问一答的聊天框，进化为在后台默默替人负重前行的数字分身。
在 2026 年 5 月 19 日的 Google I/O 大会上，谷歌正式发布 24/7 个人主动 AI 智能体 Gemini Spark。它运行在最新的 Gemini 3.5 旗舰模型上，底层接入 Antigravity 框架，能够深度整合 Workspace 办公套件，并支持在用户关机、锁屏的状态下在云端后台持续执行复杂任务。
相比于传统“你问我答”的被动助手，Spark 的核心突破是“主动代办”与“云端离线运行”。哪怕用户合上电脑或将手机锁屏，它也能在后台独立跑完长流程任务。
具体能力上，用户可以对 Spark 进行“技能教学”或“工作流编排”：例如设定触发器，自动解析月度账单以标记隐藏订阅费；或命令其自动监控收件箱，提取特定邮件中的关键截止日期，汇总成日报发给家人；甚至能跨邮件和聊天记录合成会议记录，自动生成 Google Docs 并在撰写好启动邮件后一键发送。
Spark 还在今天首次推出了基于 MCP（Model Context Protocol，一种让大模型无缝读取外部数据和调用工具的开放标准协议）的外部连接器，首批已打通 Canva、OpenTable 和 Instacart。未来几周内，它能通过这些协议直接跨软件操作替用户下单或作图。
此外，Spark 极度重视安全红线，在涉及付钱、发邮件等高风险敏感操作时，必须由用户显式授权确认才会执行。
目前，Gemini Spark 将于本周开启受信任测试者测试，并计划于下周在美区面向 Google AI Ultra 订阅者启动 Beta 公测。今年夏天它还将集成至新版 macOS 桌面端中，以接管本地文件与系统工作流。
信源：https://blog.google/innovation-and-ai/products/gemini-app/next-evolution-gemini-app/
Google
The Gemini app becomes more agentic, delivering proactive, 24/7 help
A look at how the Gemini app is becoming more agentic, delivering proactive, 24/7 help.
搜索框能现场写代码！谷歌Search升级：给你手造App，还能替你打电话
搜索引擎正从单向呈现网页链接的导航站，裂变为一个现场写代码、主动跑任务的智能体工坊。
在 2026 年 5 月 19 日的 Google I/O 大会上，谷歌正式宣布 Search 迎来重大进化：上线一年内月活破 10 亿的 AI 模式（AI Mode）将默认免费升级为 Gemini 3.5 Flash 模型，并首次接入 Antigravity 编程框架，支持在搜索框内根据用户需求现场编写代码、实时生成定制的微型 App（Mini Apps）与仿真模拟器。
本次升级最硬核的突破在于“现场编程与生成式 UI”（Generative UI）。当用户搜索复杂的概念或需要长期追踪的任务时，Search 不仅会提供文本答案，还会直接在后台写代码并现场渲染出一个交互式组件（如齿轮转动的仿真模拟器、互动数据图表）。
针对婚礼筹备、搬家进度或健身打卡等长期重复的搜索任务，Search 甚至能直接为用户从零编写代码并打包生成一个专属的微型 App（Mini Apps）或专属仪表盘。该 App 会自动调取谷歌地图、实时天气及本地评价等 API，用户可以将其保存以长期使用。
搜索框本身也迎来了 25 年来最大升级：支持文本、图像、视频、文件和 Chrome 标签页等多模态混合输入，并提供智能 AI 联想词推荐。
此外，搜索正式进入智能体（Search Agents）时代。其中，“信息智能体”能在云端后台 24/7 扫盘全网，符合复杂要求（如出现符合预算和学区的房源、或某球鞋发售）时立即通知用户；“订票智能体”则可一键闭环预约复杂的本地生活服务。更颠覆的是，在美区，用户可以直接要求 Google “代表你打电话给商家”（let Google call）来直接预约美容或家政服务。
目前，默认升级 Gemini 3.5 Flash 的 AI Mode 已全球上线；“信息智能体”与“现场手造迷你 App”将于今年夏天在美区向 Google AI Pro 和 Ultra 订阅用户首发；“代表用户打电话”及“一键订票”功能也将在今夏于美区全面铺开。
信源：https://blog.google/products-and-platforms/products/search/search-io-2026/
搜索引擎正从单向呈现网页链接的导航站，裂变为一个现场写代码、主动跑任务的智能体工坊。
在 2026 年 5 月 19 日的 Google I/O 大会上，谷歌正式宣布 Search 迎来重大进化：上线一年内月活破 10 亿的 AI 模式（AI Mode）将默认免费升级为 Gemini 3.5 Flash 模型，并首次接入 Antigravity 编程框架，支持在搜索框内根据用户需求现场编写代码、实时生成定制的微型 App（Mini Apps）与仿真模拟器。
本次升级最硬核的突破在于“现场编程与生成式 UI”（Generative UI）。当用户搜索复杂的概念或需要长期追踪的任务时，Search 不仅会提供文本答案，还会直接在后台写代码并现场渲染出一个交互式组件（如齿轮转动的仿真模拟器、互动数据图表）。
针对婚礼筹备、搬家进度或健身打卡等长期重复的搜索任务，Search 甚至能直接为用户从零编写代码并打包生成一个专属的微型 App（Mini Apps）或专属仪表盘。该 App 会自动调取谷歌地图、实时天气及本地评价等 API，用户可以将其保存以长期使用。
搜索框本身也迎来了 25 年来最大升级：支持文本、图像、视频、文件和 Chrome 标签页等多模态混合输入，并提供智能 AI 联想词推荐。
此外，搜索正式进入智能体（Search Agents）时代。其中，“信息智能体”能在云端后台 24/7 扫盘全网，符合复杂要求（如出现符合预算和学区的房源、或某球鞋发售）时立即通知用户；“订票智能体”则可一键闭环预约复杂的本地生活服务。更颠覆的是，在美区，用户可以直接要求 Google “代表你打电话给商家”（let Google call）来直接预约美容或家政服务。
目前，默认升级 Gemini 3.5 Flash 的 AI Mode 已全球上线；“信息智能体”与“现场手造迷你 App”将于今年夏天在美区向 Google AI Pro 和 Ultra 订阅用户首发；“代表用户打电话”及“一键订票”功能也将在今夏于美区全面铺开。
信源：https://blog.google/products-and-platforms/products/search/search-io-2026/
Google
A new era for AI Search
We shared the next step in our journey to bring together the best of a search engine with the best of AI.
❤3
GeminiCLI让位！谷歌Antigravity2.0拆掉IDE变身独立工作台
谷歌正式发布 Antigravity 2.0，直接拆掉了传统的 IDE 界面，将原本绑定在编辑器里的 Agent 管理器独立为桌面应用，并全面支持 macOS、Windows 和 Linux。
Agent 的活动边界被彻底放开，不再局限于单一仓库。新版用项目概念取代了原本的工作区，允许一个项目跨越多个本地文件夹，并对每个文件夹单独配置读写权限。在处理复杂任务时，主 Agent 现在能动态调用多个子 Agent 并行处理，避免了单一主上下文被无效日志塞满。同时，编译、测试等长耗时任务全部被推入后台异步执行。
定时唤醒机制首次被引入桌面端。用户现在能用 /schedule 命令设定一次性计时器或 cron 周期，让 Agent 定点自动唤醒执行脚本或巡检代码。
新增的斜杠命令，直接划定了现阶段谷歌对 Agent 自主权的容错边界。 /goal 允许彻底放权死磕任务， /grill-me 强制 AI 动手前先反问澄清需求，而 /browser 强制要求用户显式授权才能联网。谷歌对此承认，AI 目前仍无法稳定判断何时应该向外搜索。
伴随桌面应用独立，谷歌同步推出了配套的 CLI、SDK 与 API，并宣布原 Gemini CLI 个人侧工具链未来将全面迁移至 Antigravity CLI。
信源：https://antigravity.google/blog/introducing-google-antigravity-2-0
谷歌正式发布 Antigravity 2.0，直接拆掉了传统的 IDE 界面，将原本绑定在编辑器里的 Agent 管理器独立为桌面应用，并全面支持 macOS、Windows 和 Linux。
Agent 的活动边界被彻底放开，不再局限于单一仓库。新版用项目概念取代了原本的工作区，允许一个项目跨越多个本地文件夹，并对每个文件夹单独配置读写权限。在处理复杂任务时，主 Agent 现在能动态调用多个子 Agent 并行处理，避免了单一主上下文被无效日志塞满。同时，编译、测试等长耗时任务全部被推入后台异步执行。
定时唤醒机制首次被引入桌面端。用户现在能用 /schedule 命令设定一次性计时器或 cron 周期，让 Agent 定点自动唤醒执行脚本或巡检代码。
新增的斜杠命令，直接划定了现阶段谷歌对 Agent 自主权的容错边界。 /goal 允许彻底放权死磕任务， /grill-me 强制 AI 动手前先反问澄清需求，而 /browser 强制要求用户显式授权才能联网。谷歌对此承认，AI 目前仍无法稳定判断何时应该向外搜索。
伴随桌面应用独立，谷歌同步推出了配套的 CLI、SDK 与 API，并宣布原 Gemini CLI 个人侧工具链未来将全面迁移至 Antigravity CLI。
信源：https://antigravity.google/blog/introducing-google-antigravity-2-0
告别干巴文字块！谷歌Gemini启用新设计，回复可实时排版交互图表
大模型生成内容的交付形态，正从干瘪的 Markdown 字符演变成富有生命力的动态排版。
谷歌在 I/O 2026 大会上宣布为全球 9 亿月活跃用户推出 Gemini 迄今最大幅度的界面重构，启用全新设计语言 Neural Expressive （神经表现设计）。新版不仅融入了流畅的动态动画和触觉反馈，还将 Gemini Live （双向语音通话功能） 原生嵌入，并支持对用户的提问进行实时、交互式的 Tailored Responses （定制化回复，根据回答内容实时动态渲染专属布局的交互体验） 排版。
新版重在消灭传统的大段文本墙。当用户向 Gemini 提问时，它不再只是吐出密密麻麻的文字，而是根据内容实时渲染出专属的回复样式，直接融合高清图像、可拖拽的互动时间线、带配音的短视频以及动态数据图表。
在语音交互方面，新界面将 Gemini Live 的无缝双向通话体验置于主界面，支持用户在敲字和自由语音对话之间随时无缝切换。
为提升交互连贯性，麦克风底层的停顿判定逻辑被重新设计，允许用户在理清复杂思路时进行长停顿，避免被 AI 中途切断。此外，Gemini Live 将在近期逐步提供方言选项。
全新的 Neural Expressive 设计语言已于今日起在 Web 网页端、Android 和 iOS 移动端面向全球用户推送。
信源：https://blog.google/innovation-and-ai/products/gemini-app/next-evolution-gemini-app/
大模型生成内容的交付形态，正从干瘪的 Markdown 字符演变成富有生命力的动态排版。
谷歌在 I/O 2026 大会上宣布为全球 9 亿月活跃用户推出 Gemini 迄今最大幅度的界面重构，启用全新设计语言 Neural Expressive （神经表现设计）。新版不仅融入了流畅的动态动画和触觉反馈，还将 Gemini Live （双向语音通话功能） 原生嵌入，并支持对用户的提问进行实时、交互式的 Tailored Responses （定制化回复，根据回答内容实时动态渲染专属布局的交互体验） 排版。
新版重在消灭传统的大段文本墙。当用户向 Gemini 提问时，它不再只是吐出密密麻麻的文字，而是根据内容实时渲染出专属的回复样式，直接融合高清图像、可拖拽的互动时间线、带配音的短视频以及动态数据图表。
在语音交互方面，新界面将 Gemini Live 的无缝双向通话体验置于主界面，支持用户在敲字和自由语音对话之间随时无缝切换。
为提升交互连贯性，麦克风底层的停顿判定逻辑被重新设计，允许用户在理清复杂思路时进行长停顿，避免被 AI 中途切断。此外，Gemini Live 将在近期逐步提供方言选项。
全新的 Neural Expressive 设计语言已于今日起在 Web 网页端、Android 和 iOS 移动端面向全球用户推送。
信源：https://blog.google/innovation-and-ai/products/gemini-app/next-evolution-gemini-app/
Google
The Gemini app becomes more agentic, delivering proactive, 24/7 help
A look at how the Gemini app is becoming more agentic, delivering proactive, 24/7 help.
❤1
逃离一年半后重返前线！Karpathy加盟Anthropic，曾于3月透露防漂移动机
5 月 19 日，前 Tesla 自动驾驶负责人、OpenAI 联合创始人 Andrej Karpathy 在 X 平台官宣，已正式加入前沿 AI 实验室 Anthropic 重回研发一线，距离他去年 2 月从 OpenAI 再次离职已过去近一年半。
这次备受瞩目的重返并非毫无预兆，其深层动机早在两个月前便已公开。在 3 月 20 日发布的 No Priors 播客访谈中，Karpathy 曾坦言自己对游离在前沿实验室之外感到神经紧张，因为闭源巨头筑起的黑盒壁垒，正导致外部研究员的技术直觉与判断力开始不可避免地出现漂移。
当时他透露，自己极度警惕完全被单一闭源实体所掌控，并对集中化权力天生怀疑。原因很简单，他绝不希望世界智能被紧闭大门后的两三个巨头垄断。因此在播客中，Karpathy 描绘了一种理想的「挂职」状态，即通过去前沿实验室做一段时间的研发，既能连接最新的技术，又不至于完全丧失独立性，而这次正式加盟 Anthropic 显然兑现了这一防漂移的挂职设想。
信源：https://x.com/karpathy/status/2056753169888334312
5 月 19 日，前 Tesla 自动驾驶负责人、OpenAI 联合创始人 Andrej Karpathy 在 X 平台官宣，已正式加入前沿 AI 实验室 Anthropic 重回研发一线，距离他去年 2 月从 OpenAI 再次离职已过去近一年半。
这次备受瞩目的重返并非毫无预兆，其深层动机早在两个月前便已公开。在 3 月 20 日发布的 No Priors 播客访谈中，Karpathy 曾坦言自己对游离在前沿实验室之外感到神经紧张，因为闭源巨头筑起的黑盒壁垒，正导致外部研究员的技术直觉与判断力开始不可避免地出现漂移。
当时他透露，自己极度警惕完全被单一闭源实体所掌控，并对集中化权力天生怀疑。原因很简单，他绝不希望世界智能被紧闭大门后的两三个巨头垄断。因此在播客中，Karpathy 描绘了一种理想的「挂职」状态，即通过去前沿实验室做一段时间的研发，既能连接最新的技术，又不至于完全丧失独立性，而这次正式加盟 Anthropic 显然兑现了这一防漂移的挂职设想。
信源：https://x.com/karpathy/status/2056753169888334312
支持3500个语言对！阿里发布首个视觉增强同传大模型Qwen3.5-LiveTranslate
同传系统正在从单调的语音翻译，进化为能看懂画面、会克隆人声的全模态数字译员。5 月 19 日，阿里通义实验室正式宣布推出新一代实时音视频同传大模型 Qwen3.5-LiveTranslate，将实时同传能力大幅升级至 3500 多个语言对，并首次支持实时声音克隆、热词自定义与视觉理解。
新模型基于 Qwen3.5-Omni 架构，现已支持 60 种语言的理解与写作，以及 29 种语言的语音输出。
不同于传统只听声音的同传软件，新模型引入了实时视觉上下文以消除语义歧义。例如当视频画面中出现特定口罩时，系统能结合视觉特征，在英文中精准区分出医疗口罩与化妆舞会面具，以此弥补声音信息的缺失。
为了消除噪音与口音带来的转录偏差，新模型还引入了热词动态注入机制。原因很简单，用户能在翻译流中直接指定特定人名、品牌或行业术语，强行锁定正确翻译，避免专有名词在同传中发生漂移。
在跨语种同传时，模型还支持实时人声克隆，能够在同传流中实时复现说话人原声的音色与语气。
目前，新模型已在体验平台 Qwen Omni 开放，未来 API 将登录阿里云百炼平台。
信源：https://qwen.ai/blog?id=qwen3.5-livetranslate
同传系统正在从单调的语音翻译，进化为能看懂画面、会克隆人声的全模态数字译员。5 月 19 日，阿里通义实验室正式宣布推出新一代实时音视频同传大模型 Qwen3.5-LiveTranslate，将实时同传能力大幅升级至 3500 多个语言对，并首次支持实时声音克隆、热词自定义与视觉理解。
新模型基于 Qwen3.5-Omni 架构，现已支持 60 种语言的理解与写作，以及 29 种语言的语音输出。
不同于传统只听声音的同传软件，新模型引入了实时视觉上下文以消除语义歧义。例如当视频画面中出现特定口罩时，系统能结合视觉特征，在英文中精准区分出医疗口罩与化妆舞会面具，以此弥补声音信息的缺失。
为了消除噪音与口音带来的转录偏差，新模型还引入了热词动态注入机制。原因很简单，用户能在翻译流中直接指定特定人名、品牌或行业术语，强行锁定正确翻译，避免专有名词在同传中发生漂移。
在跨语种同传时，模型还支持实时人声克隆，能够在同传流中实时复现说话人原声的音色与语气。
目前，新模型已在体验平台 Qwen Omni 开放，未来 API 将登录阿里云百炼平台。
信源：https://qwen.ai/blog?id=qwen3.5-livetranslate
qwen.ai
Qwen Studio
Qwen Studio offers comprehensive functionality spanning chatbot, image and video understanding, image generation, document processing, web search integration, tool utilization, and artifacts.
Qwen3.7-Max正式发布：35小时自主写代码1158次，在国产芯片上炼出10倍加速算子
阿里通义千问正式发布新一代智能体旗舰基底 Qwen3.7-Max。官方公布的实战数据显示，在完全没有芯片架构文档与性能分析数据的情况下，新模型在一项长达 35 小时、跨越 1158 次工具调用的全自主内核优化任务中，将国产平头哥真武 M890 处理器的 Triton 算子性能强行提升了 10.0 倍。
在优化过程中，模型历经了五个核心演进阶段。它首先通过 Split-K 分区将前缀 KV-cache 沿 token 维度划分以填满 36 个 SM 核心；随后将主机与设备间同步的 cudaMalloc 替换为预分配的 PyTorch 变量，并通过使用 tensor 元数据完全抹去了查询前缀长度时的同步 cudaMemcpy 动作，彻底移除了主机与设备间的通信开销；在最后阶段，模型重构算子以在单个线程块中同时处理全部 4 个 query token，共享加载以分摊访存开销，完成了关键的架构级特化重构。
算子优化实测显示，Qwen3.7-Max 取得 10.0x 几何平均加速比，显著超越 GLM 5.1（7.3x）与 Kimi K2.6（5.0x）。而 DeepSeek V4 Pro 仅为 3.3x 且在后半程因连续五轮未发出任何工具调用而提前主动结束任务。
为了在多变环境里掌握通用的解题策略，Qwen3.7-Max 在训练中将任务、运行框架与验证器进行了解耦，并通过跨框架强化学习训练避免了针对特定基准的捷径过拟合。在通用的智能体基准 MCP-Mark（60.8 分）与 SpreadSheetBench（87.0 分）上，Qwen3.7-Max 展现了极强的泛化性，综合性能表现已紧逼 Claude-4.6-Opus-Max。
信源：https://mp.weixin.qq.com/s/aAWHw7itcNx9pIEinZIOPA
阿里通义千问正式发布新一代智能体旗舰基底 Qwen3.7-Max。官方公布的实战数据显示，在完全没有芯片架构文档与性能分析数据的情况下，新模型在一项长达 35 小时、跨越 1158 次工具调用的全自主内核优化任务中，将国产平头哥真武 M890 处理器的 Triton 算子性能强行提升了 10.0 倍。
在优化过程中，模型历经了五个核心演进阶段。它首先通过 Split-K 分区将前缀 KV-cache 沿 token 维度划分以填满 36 个 SM 核心；随后将主机与设备间同步的 cudaMalloc 替换为预分配的 PyTorch 变量，并通过使用 tensor 元数据完全抹去了查询前缀长度时的同步 cudaMemcpy 动作，彻底移除了主机与设备间的通信开销；在最后阶段，模型重构算子以在单个线程块中同时处理全部 4 个 query token，共享加载以分摊访存开销，完成了关键的架构级特化重构。
算子优化实测显示，Qwen3.7-Max 取得 10.0x 几何平均加速比，显著超越 GLM 5.1（7.3x）与 Kimi K2.6（5.0x）。而 DeepSeek V4 Pro 仅为 3.3x 且在后半程因连续五轮未发出任何工具调用而提前主动结束任务。
为了在多变环境里掌握通用的解题策略，Qwen3.7-Max 在训练中将任务、运行框架与验证器进行了解耦，并通过跨框架强化学习训练避免了针对特定基准的捷径过拟合。在通用的智能体基准 MCP-Mark（60.8 分）与 SpreadSheetBench（87.0 分）上，Qwen3.7-Max 展现了极强的泛化性，综合性能表现已紧逼 Claude-4.6-Opus-Max。
信源：https://mp.weixin.qq.com/s/aAWHw7itcNx9pIEinZIOPA
OpenClaw 原生打通 Grok 订阅，C 端会员权益直通本地
开源本地助理 OpenClaw 在 v2026.5.16-beta.3 的版本更新中，正式引入了 xAI Grok 的 OAuth 登录支持。拥有 SuperGrok 或 X Premium 订阅的用户，现在可以直接在系统中调用全线 xai 模型。
用户只需在终端执行 `openclaw onboard --auth-choice xai-device-code`，控制台就会打出一串短码。用任何浏览器完成网页端身份确认后，本地设备就能合法复用 X 平台的订阅配额。
信源：https://x.ai/news/grok-openclaw
开源本地助理 OpenClaw 在 v2026.5.16-beta.3 的版本更新中，正式引入了 xAI Grok 的 OAuth 登录支持。拥有 SuperGrok 或 X Premium 订阅的用户，现在可以直接在系统中调用全线 xai 模型。
用户只需在终端执行 `openclaw onboard --auth-choice xai-device-code`，控制台就会打出一串短码。用任何浏览器完成网页端身份确认后，本地设备就能合法复用 X 平台的订阅配额。
信源：https://x.ai/news/grok-openclaw
x.ai
Use Grok in OpenClaw
Use your SuperGrok or X Premium subscription inside OpenClaw, an open-source, local-first agent and personal assistant.
Altman断言全球将陷算力荒，OpenAI推出1-3年算力长约并打折
大模型竞争正演变为对底层物理算力的直接抢夺。OpenAI 推出「算力保证」服务，企业只要承诺 1 到 3 年的资金消费，就能锁定算力访问权，并根据承诺金额获得 Token 阶梯折扣。
CEO Sam Altman 预警，随着大模型越来越强，未来全球算力将长期受限。钱的问题压过来，这套长约本质上是一场双向互利：企业花钱锁定了 AI 智能体和生产系统的稳定算力，而 OpenAI 提前拿到资金，也能更稳妥地规划并扩建下一代基础设施。
这项计划的额度有着明确的物理上限。Sam Altman 明确表示，当前分配的额度卖完就停，且底层必须留足算力，优先保证 ChatGPT 和 Codex 等自有核心产品的正常运转。
信源：https://x.com/sama/status/2056827105401614656
大模型竞争正演变为对底层物理算力的直接抢夺。OpenAI 推出「算力保证」服务，企业只要承诺 1 到 3 年的资金消费，就能锁定算力访问权，并根据承诺金额获得 Token 阶梯折扣。
CEO Sam Altman 预警，随着大模型越来越强，未来全球算力将长期受限。钱的问题压过来，这套长约本质上是一场双向互利：企业花钱锁定了 AI 智能体和生产系统的稳定算力，而 OpenAI 提前拿到资金，也能更稳妥地规划并扩建下一代基础设施。
这项计划的额度有着明确的物理上限。Sam Altman 明确表示，当前分配的额度卖完就停，且底层必须留足算力，优先保证 ChatGPT 和 Codex 等自有核心产品的正常运转。
信源：https://x.com/sama/status/2056827105401614656
Altman重返YC投Token换股权：表面生态合谋，实则对早期风投降维收割
大模型巨头正通过资源倾销，直接收割最源头的 AI 生态。OpenAI 首席执行官 Sam Altman 以「前任掌门人」身份在 Y Combinator 活动现场宣布，将向本期所有 YC 孵化项目提供每家 200 万美元的 OpenAI Token 额度，直接用来换取这些初创公司的早期股权。
这场无差别投资被外界视为 2011 年尤里·米尔纳普惠投资的历史重演，并在创投圈引发震动。对 YC 而言，这场合作意味着初创公司不必拿珍贵的 50 万美元现金去支付 API 账单。资金的变相「解套」直接拉升了团队存活率，让 YC 持有的早期股权实现了价值躺赢。
但在双赢表象之下，这本质上是 OpenAI 对早期风投圈的降维抢食。OpenAI 正凭借算力霸权，用边际成本极低的虚拟 Token 去兑换极度稀缺的优质初创股权。当算力彻底「法币化」，这种变相的「Token 铸币税」不仅大幅降低了初创公司对传统风投的现金需求，更从物理源头上彻底封死了 Anthropic 或开源生态在下一代软件中的蔓延通道。
信源：https://x.com/sama/status/2056933166875857290
大模型巨头正通过资源倾销，直接收割最源头的 AI 生态。OpenAI 首席执行官 Sam Altman 以「前任掌门人」身份在 Y Combinator 活动现场宣布，将向本期所有 YC 孵化项目提供每家 200 万美元的 OpenAI Token 额度，直接用来换取这些初创公司的早期股权。
这场无差别投资被外界视为 2011 年尤里·米尔纳普惠投资的历史重演，并在创投圈引发震动。对 YC 而言，这场合作意味着初创公司不必拿珍贵的 50 万美元现金去支付 API 账单。资金的变相「解套」直接拉升了团队存活率，让 YC 持有的早期股权实现了价值躺赢。
但在双赢表象之下，这本质上是 OpenAI 对早期风投圈的降维抢食。OpenAI 正凭借算力霸权，用边际成本极低的虚拟 Token 去兑换极度稀缺的优质初创股权。当算力彻底「法币化」，这种变相的「Token 铸币税」不仅大幅降低了初创公司对传统风投的现金需求，更从物理源头上彻底封死了 Anthropic 或开源生态在下一代软件中的蔓延通道。
信源：https://x.com/sama/status/2056933166875857290
11分钟VS Code毒插件放倒员工电脑，GitHub承认3800个内部仓库遭窃取
GitHub 官方发布安全调查公告，确认因一名员工设备感染了被投毒的 VS Code 插件，导致其内部代码仓库遭遇未经授权的访问。攻击者声称已打包窃取了 GitHub 约 3800 个内部仓库，官方承认此说法与目前的调查结果在方向上一致。
涉事恶意插件为 5 月 18 日在微软 Visual Studio Code 市场短暂上架的知名扩展 Nx Console（v18.95.0 版本）。攻击者通过窃取贡献者 Token 获得了发布权限，将包含凭证窃取器的恶意版本推送到应用市场。
虽然 Nx 团队在 11 分钟内就检测到异常并撤下了此版本，但依然有 GitHub 员工在此期间下载并中招。此恶意载荷在后台会自动读取主机的 Git 凭证、VS Code 扩展存储、AWS 密钥及 1Password 敏感数据。这套凭证让外部攻击者得以绕过外围的安全阻隔，直接打包窃取了 GitHub 内部的代码库。
GitHub 表示已在 5 月 19 日检测并控制了这起设备入侵。为了降低风险，安全团队在昨天及夜间加急轮换了所有关键密钥，并对高价值凭证进行了优先处理。目前团队正持续分析日志并监控后续活动，完整报告将在调查结束后公布。
信源：https://x.com/github/status/2056949168208552080
GitHub 官方发布安全调查公告，确认因一名员工设备感染了被投毒的 VS Code 插件，导致其内部代码仓库遭遇未经授权的访问。攻击者声称已打包窃取了 GitHub 约 3800 个内部仓库，官方承认此说法与目前的调查结果在方向上一致。
涉事恶意插件为 5 月 18 日在微软 Visual Studio Code 市场短暂上架的知名扩展 Nx Console（v18.95.0 版本）。攻击者通过窃取贡献者 Token 获得了发布权限，将包含凭证窃取器的恶意版本推送到应用市场。
虽然 Nx 团队在 11 分钟内就检测到异常并撤下了此版本，但依然有 GitHub 员工在此期间下载并中招。此恶意载荷在后台会自动读取主机的 Git 凭证、VS Code 扩展存储、AWS 密钥及 1Password 敏感数据。这套凭证让外部攻击者得以绕过外围的安全阻隔，直接打包窃取了 GitHub 内部的代码库。
GitHub 表示已在 5 月 19 日检测并控制了这起设备入侵。为了降低风险，安全团队在昨天及夜间加急轮换了所有关键密钥，并对高价值凭证进行了优先处理。目前团队正持续分析日志并监控后续活动，完整报告将在调查结束后公布。
信源：https://x.com/github/status/2056949168208552080
X (formerly Twitter)
GitHub (@github) on X
1/ We are sharing additional details regarding our investigation into unauthorized access to GitHub's internal repositories.
Yesterday we detected and contained a compromise of an employee device involving a poisoned VS Code extension. We removed the malicious…
Yesterday we detected and contained a compromise of an employee device involving a poisoned VS Code extension. We removed the malicious…
黑客疑用Anthropic Mythos击穿GitHub，Copilot源码惨遭一锅端
慢雾（SlowMist）安全团队披露，网络犯罪论坛的最新爆料显示，攻击者疑似使用 Anthropic 的安全 AI 模型「Mythos」精准撕开了 GitHub 的内部防线。
在被窃取的约 4000 个 GitHub 内部代码库中，包含了 Copilot 源码、CodeQL 算法、Actions 运行时以及计费系统的代码。慢雾团队提示，一旦黑客深度分析这些代码，可能对开源社区产生后续的安全影响。原因很简单，这些系统承载着大量开发者的核心工作流。
信源：https://x.com/im23pds/status/2056953434222592372
慢雾（SlowMist）安全团队披露，网络犯罪论坛的最新爆料显示，攻击者疑似使用 Anthropic 的安全 AI 模型「Mythos」精准撕开了 GitHub 的内部防线。
在被窃取的约 4000 个 GitHub 内部代码库中，包含了 Copilot 源码、CodeQL 算法、Actions 运行时以及计费系统的代码。慢雾团队提示，一旦黑客深度分析这些代码，可能对开源社区产生后续的安全影响。原因很简单，这些系统承载着大量开发者的核心工作流。
信源：https://x.com/im23pds/status/2056953434222592372
X (formerly Twitter)
23pds (山哥) (@im23pds) on X
🧐
我们@SlowMist_Team 刚刚分析网络犯罪论坛的爆料,黑客可能用Anthropic 的Mythos 安全AI,用它精准突破 GitHub 的防线,偷走约4000个核心内部仓库：
里面有Copilot的源码、CodeQL的算法、Actions运行时和整个计费系统等等太多信息了。
我们@SlowMist_Team 刚刚分析网络犯罪论坛的爆料,黑客可能用Anthropic 的Mythos 安全AI,用它精准突破 GitHub 的防线,偷走约4000个核心内部仓库：
里面有Copilot的源码、CodeQL的算法、Actions运行时和整个计费系统等等太多信息了。
DeepSeek亲自下场做Claude Code竞品，内部证实正组建Harness团队
DeepSeek 资深研究员陈德里在社交媒体证实，公司内部正在组建全新的 Harness 团队，直接对标 Anthropic 的 Claude Code，重点研发「DeepSeek Code Harness」。
官方招聘页面显示，DeepSeek 目前在北京海淀区开放了 Harness 产品经理与研发工程师两个关键岗位，明确说明新入职成员将参与「DeepSeek 桌面端 Agent 产品」的研发全过程。
招聘描述将核心路径定义为「Model + Harness = Agent」。DeepSeek 将上下文管理、工具调用、文件读写、终端执行与测试反馈等模型之外的工程动作，全部划归 Harness 范畴。
在此之前，开发者社区已经自发推出过对标 Claude Code 的开源终端项目 DeepSeek-TUI。此次官方亲自下场组建 Harness 团队，意味着 DeepSeek 正在收回终端入口的主导权，试图将真实项目里的代码测试反馈直接注入到底层模型的进化闭环中。
信源：http://xhslink.com/o/2s3bdToHerC
DeepSeek 资深研究员陈德里在社交媒体证实，公司内部正在组建全新的 Harness 团队，直接对标 Anthropic 的 Claude Code，重点研发「DeepSeek Code Harness」。
官方招聘页面显示，DeepSeek 目前在北京海淀区开放了 Harness 产品经理与研发工程师两个关键岗位，明确说明新入职成员将参与「DeepSeek 桌面端 Agent 产品」的研发全过程。
招聘描述将核心路径定义为「Model + Harness = Agent」。DeepSeek 将上下文管理、工具调用、文件读写、终端执行与测试反馈等模型之外的工程动作，全部划归 Harness 范畴。
在此之前，开发者社区已经自发推出过对标 Claude Code 的开源终端项目 DeepSeek-TUI。此次官方亲自下场组建 Harness 团队，意味着 DeepSeek 正在收回终端入口的主导权，试图将真实项目里的代码测试反馈直接注入到底层模型的进化闭环中。
信源：http://xhslink.com/o/2s3bdToHerC
❤1