Google DeepMind 开发者 Ammaar Reshi 使用 Anthropic 的 Claude Code 和 Fable 5，将 2003 年即时战略游戏《命令与征服：将军绝命时刻》移植到 iPhone 和 iPad。游戏原生运行于 ARM64，无需模拟器，战役、遭遇战和“将军挑战”均支持触控操作。首次构建约 40 分钟，随后经数小时调试，两天内耗尽 Claude Max 配额。Reshi 已开源完整源码，但需自备游戏资产（Steam 约 5 美元）。iPad 长时间游玩可能因内存占用过高崩溃，工程日志记录了所有 bug 与修复。
百度研究人员推出 Unlimited OCR 模型，基于开源 Deepseek OCR，采用 Reference Sliding Window Attention（R-SWA）机制，将 KV cache 固定为 128 token，使单次推理能处理数十页文档，内存与速度不随文本长度增长。模型 3B 参数，推理激活约 500M，支持 Base（多页）和 Gundam（单页动态分辨率）模式。在 OmniDocBench v1.5 上总体得分 93%，比 Deepseek OCR 高 6 个百分点；v1.6 版本达 93.92%，居端到端系统首位。Base 模式生成速度 5,580 tokens/s，较基线提升 12.7%。最长 32,000 token 上下文，代码与权重已开源至 GitHub 和 Hugging Face。
LlamaIndex 发布 legal-kb，一个基于 Index v2（LlamaParse Platform）的法律文档知识库参考应用。采用 Retrieval Harness 模式，赋予 Agent 四个文件系统风格工具：retrieve（混合语义检索，支持 rerank 和引用）、findFiles（精确/模糊文件名搜索）、readFile（带偏移量的原始内容读取）和 grepFile（正则匹配并返回字符位置）。Agent 需先调用 findFiles 确定文件清单，再依次使用其他工具定位内容。底层基于 Vercel AI SDK 6 的 ToolLoopAgent，可选用 OpenAI 或 Anthropic 模型，支持用户自带 API key。项目以 TanStack Start web app 形式运行，上传文件自动解析索引，同一文件名重复上传可产生版本，检索时通过版本元数据字段过滤。
推荐理由：LlamaIndex 把 RAG 从一次搜索变成了‘先找文件、再搜、再读、再 grep’的多步循环，对做合同审查、尽调的团队来说是个可抄的模板。
Ammaar Reshi@ammaarAI 评分6464
开源工具 pxpipe 利用 Anthropic 的图像定价策略，将长文本（如提示、文档、历史对话）渲染为紧凑 PNG，以降低 token 消耗。文本约 1 token/字符，图像按像素固定计费，每图像 token 约容纳 3.1 字符。pxpipe 作为本地代理拦截 Claude Code 请求，将静态内容转为图像，近期消息和输出仍为文本。开发者称平均节省 59%–70% token 成本；Fable 5 演示中会话成本从 42.21 美元降至 6.06 美元。默认支持 Claude Fable 5 和 GPT 5.6，但 Opus 4.7、4.8 及 GPT 5.5 图像读取误读约 7%，需手动启用。代价是精确性损失和推理速度下降。
Prime Intellect 为开源 RL 框架 prime-rl 引入一等算法层，内置 GRPO、MaxRL、On-Policy Distillation、Self-Distillation、SFT distillation 和 ECHO 六种算法。
Mistral 发布 Leanstral 1.5，一个 Apache-2.0 许可、总参数 119B、激活 6B 的形式化证明模型，权重开放在 Hugging Face 并提供免费 API。
推荐理由：原文给出基准数字、成本对比和真实代码库找 bug 案例，读者可据此评估形式化验证模型的实际可用性。
英伟达7月2日开源 Nemotron-Labs-TwoTower，一种基于预训练自回归骨干的离散扩散语言模型。总参数60B，采用双塔架构：30B自回归/上下文塔（冻结）与30B扩散/去噪塔（可训练），每塔激活3B参数，含128个可路由专家。两塔通过逐层交叉注意力协作，分离上下文表示与去噪过程。综合基准测试显示质量保留98.7%，实际生成吞吐量提升2.42倍。模型以开源权重形式发布在 HuggingFace，采用 NVIDIA Nemotron Open Model License。
Rohan Paul@rohanpaul_aiAI 评分5151
Introducing EdgeBench, a benchmark designed to study how agents learn from environments over at least 12~72-hour runs. We find that performance follows a log-sigmoid function of environment interaction time with high precision. EdgeBench is built with three ingredients: - 🌍 Real & Diverse: 134 real-world tasks across 6 task categories, spanning scientific problems, professional knowledge work, software engineering, optimization, formal math, and games. - ⏳ Ultra-Long-Horizon: Each task supports 12–72 hours of agent work. Recorded human effort averages 57.2 hours. - 🔁 Informative Feedback: Agents receive real-world feedback for continuous improvement. After 38,000 hours of agent runs on EdgeBench, a scaling law for learning from environments emerges: - 📈 As agents interact with task environments over time, their aggregate performance is precisely fit by a log-sigmoid function. - 🧠 This phenomenon can be explained by an elegant theory of graph exploration. We are releasing an initial 51 of the 134 tasks, together with the full evaluation framework, to help advance long-horizon agent research. Check our blog & paper for more findings! Blog https://edge-bench.org/ Paper https://edge-bench.org/paper.pdf GitHub https://github.com/ByteDance-Seed/EdgeBench Dataset https://huggingface.co/datasets/ByteDance-Seed/EdgeBench Details below 👇🧵
阿里巴巴发布 Page Agent，一个开源的 JavaScript 客户端库，嵌入网页后可通过自然语言指令直接操作 DOM 元素。与 Playwright、Puppeteer 等外部浏览器自动化工具不同，Page Agent 不依赖截图或多模态模型，而是将实时 DOM 脱水压缩为 FlatDomTree 文本映射，让纯文本模型精准执行点击、表单填写等操作。它继承用户 cookies 和会话，无需独立后端，并支持任意 OpenAI 兼容端点的模型（示例使用 `qwen3.5-plus`）。项目采用 MIT 许可证，适合在自有应用内构建 AI 副驾、智能表单填充或无障碍控制等场景，但限于单页面范围，风险操作仍需服务端验证。
推荐理由：Page Agent 把浏览器自动化从外部驱动变成页面内 JS，读 DOM 而非截图，让 SaaS 内的 AI 助手成本更低、更精准，适合自己产品内嵌 copilot 的团队。
内容创作者Ben Guez用开源AI智能体OpenClaw追踪世界杯赛果，触发Claude自动生成Instagram试播视频，配文“我无法相信{国家}输了……需要情感支持的{国家}女孩请私信我”，几天内获得超过100万次观看和200条私信。另一位用户Jeff Weisbein利用OpenClaw规划南佛罗里达约会地点。还有人用Claude自动编写分手消息。安全公司NanoClaw联合创始人Lazer Cohen警告，让AI智能体单方面控制账户存在隐私风险，强调需要人类参与审批。
ghealth 是一款封装 Google Health API v4 的开源命令行工具，以单个 Go 二进制文件发布（Apache 2.0 协议）。它提供 40 种已验证的数据类型（包括步数、心率、睡眠、体重、血氧饱和度、心率变异性等）的结构化 JSON 输出。工具采用 Agent 优先设计，具备确定性退出码、--dry-run 和 --raw 标志，并附带两个 SKILL.md 文件供 AI 智能体使用。用户需自行创建 OAuth 凭据，通过 PKCE S256 认证。数据来源覆盖 Fitbit、Pixel Watch 及连接的第三方设备。
推荐理由：把 Google Health API 封装成终端和 AI 代理友好的 CLI，一次性解决了认证、JSON 输出和分页这些烦人细节，想用 Fitbit 数据做健康分析或喂给代理的人可以直接上手，但它的影响仅限于个人健康数据爱好者这个小圈层。
由知名GPU架构师Raja Koduri创立的芯片IP企业OXMIQ Labs宣布完成3500万美元A轮融资，由Fundomo和Samsung Catalyst Fund领投，联发科、英特尔资本、和鼎创投、雷蛇等跟投，累计融资6000万美元。其核心IP OxCore集成标量、矢量、张量单元，专为近内存计算设计，已完成FPGA原型并开放授权。配套软件OxCapsule和OxPython支持现有CUDA/PyTorch代码直接运行，优化大规模推理。
腾讯混元于7月6日正式发布Hy3模型。相比preview版，任务解决率从72%升至90%，平均耗时缩短34%；幻觉率从12.5%降至5.4%，常识错误率从25.4%降至12.7%，多轮问题率从17.4%降至7.9%，长对话基准MRCR从42.9%升至75.1%。在270位专家盲测中均分2.67/4，优于GLM5.1的2.51/4。API价格为输入1元/百万tokens、输出4元、缓存命中0.25元。模型已基于Apache 2.0协议开源。
推荐理由：腾讯混元重建后的正式版，幻觉率砍半，工具调用稳定性大幅提升，内部盲测压过GLM5.1。做Agent和内部工具的团队值得重新评估这个高性价比选项。
Jim Fan@DrJimFanAI 评分7171Today, we give robots a /skills library that self-evolves and compounds indefinitely! Introducing ASPIRE: a robot solving its 100th task is no longer as clueless as solving its first. Coding agents observe multimodal sensory traces from simulation and real robots, launch an evolutionary search over control programs, and distill the best know-how into an ever-expanding library. ASPIRE is a new type of continual learning: "training" is skill refinement instead of gradient descent. "Trained model" is a repo of sensorimotor skills instead of floating weights. “Distributed training” is a panel of agents each practicing a different skill instead of sharded minibatches. Here's the beauty: ASPIRE gives the tired terms "sim2real transfer" and "cross-embodiment transfer" a whole new meaning. Bridging the sim-to-real gap is notoriously brutal. An end-to-end policy has to swallow both the visual shift (sim looks toyish next to a real camera) and the subtle contact physics it never quite gets right. ASPIRE sidesteps the mess, because it doesn't ship pixels or weights across the gap, but ships the know-how. The robot still has to practice in the real world, not zero-shot, but it gets there way faster because it isn't rediscovering the strategy from scratch. Same for going single-arm to bimanual hardware, which usually requires new data and retraining from zero. ASPIRE achieves up to ~10x cut in "transfer learning” tokens (yes, tokens are the new unit of *training* compute ;) Check out our gallery of 150+ tasks and 90+ skills the robots taught themselves, all on the website! Kind of wild that we can ship the "learned weights" as an HTML page rather than a GGUF. We'll open-source the full stack so your own robot library starts compounding from ours! Deep dive in thread:
OpenBMB@OpenBMBAI 评分5555本地跑了一遍 VoxCPM2，最让我意外的不是它会说粤语、河南话，而是“声音”正在变成一种可以编辑的东西。 写一句提示词，就能指定年龄、音色、情绪和语速；再上传一段参考音频，它还能保留音色，重新控制表达方式。 以前语音模型追求的是“像不像本人”，现在已经开始解决“能不能按导演要求表演”。 当声音可以像图片滤镜一样被描述、复制和改写，它还算不算一个人的身份特征？ 视频里放了方言、情绪控制和真人声音克隆的实测效果。👇
François Chollet@fcholletAI 评分6060tufalabs 刚刚开源了他们获得第一名的 notebook。主推文表示，这有望解锁新一波更好的参赛作品。
.@tufalabs just open sourced their 1st place notebook 👀
美团6月30日发布并开源万亿参数大模型 LongCat-2.0，总参数1.6T、平均激活约48B，为业界首个在五万卡国产算力集群上完成全流程训练与推理的模型，原生支持1M超长上下文。
推荐理由：在五万卡国产算力集群上稳定训练万亿参数 MoE 并达到前沿编程能力的工程实践，为算力受限场景下的模型架构设计提供了可参照的技术路线。
一个名为“AI指南针”的政治指南针风格测验通过29道关于AI和AI伦理的是非题，将参与者匹配到30种原型之一。作者本人在首次回答后被归类为“The Garage Tinkerer”。该测验以单页React应用实现，利用`<script type="text/babel">`脚本标签绕过构建步骤。
Deepseek推出DSpark推理框架，采用推测解码技术，由小模型生成候选答案、大模型批量验证，并一次生成多个token而非单个，使每用户响应速度提升60–85%。系统基于置信度动态调整验证深度，减少无效计算。DSpark与Deepseek-V4-Pro模型（与北京大学联合开发）已在HuggingFace和GitHub以MIT许可证开源。高效推理降低对高端芯片需求，有助于中国与欧盟在芯片受限下获取更多AI性能，短期构成战略优势。
华为 openPangu-2.0-Flash 模型（总参数量 92B，激活参数量 6B）于 6 月 30 日正式开源上线，支持 512K 上下文。该模型为 openPangu 2.0 系列的两个版本之一，另一版本 Pro（505B 总参数，18B 激活参数）计划 7 月开源。openPangu 2.0 将从 6 月 30 日起陆续开源 7 大组件，包括模型权重、基础推理代码、训推算子等。
NVIDIA 发布开源 BioNeMo Agent Toolkit，将蛋白质折叠（OpenFold3、Boltz‑2）、分子对接（DiffDock）、生成化学（GenMol）、序列设计（ProteinMPNN）、MSA 搜索、RFdiffusion 及基因组学模型（Evo 2）等封装为标准化 agent skill。每个 skill 包含 SKILL.md 说明文档，支持 MCP 服务器包装，可通过 `npx skills add` 安装至 Claude Code 等 agent。测试显示：接入技能后任务完成率从 57.1% 升至 100%，每千 token 通过断言数提升 2 倍。用户可选择托管 NIM 端点或本地 NIM 部署。
DeepReinforce 发布首个开源模型 Ornith-1.0（MIT 许可），提供 9B、31B、35B MoE 及 397B MoE 四种规模变体，基于预训练的 Gemma 4 和 Qwen 3.5 构建，在编程基准测试中达同规模开源模型最优。作者通过 LM Studio 运行 35B MoE 的 GGUF 量化版（20GB），实测推理速度 103 tokens/秒，实际代码检索和工具调用任务表现流畅。
EverMind 推出开源智能体记忆运行时 EverOS（Apache 2.0 许可）。它以可编辑的 Markdown 文件为记忆主体，经 SQLite 管理状态、LanceDB 实现混合检索（BM25 关键词 + 向量搜索 + 标量过滤）。每个完成的任务记录为 Case，离线提炼为可复用的 Skill，使记忆随使用自我进化。v1.1.0 新增 Knowledge APIs（支持分类与话题搜索的 Markdown 页面）和 Reflection（跨会话优化 Profile 和 Skill）。据 EverMind 报告，LoCoMo 得分 93.05%，LongMemEval 83.00%，HaluMem 93.04%，p95 检索延迟低于 500ms。运行时可本地优先部署，也提供 EverOS Cloud 托管选项，兼容 OpenAI 协议端点。
推荐理由：EverOS把Agent记忆从沉重的向量数据库堆栈中解放出来，Markdown源真和自进化技能让本地开发更轻便，但基准全由团队自报，上手前最好自己测一下。
Bugu（布谷）是一款macOS菜单栏应用，防止合盖后电脑休眠，通过心跳音效提示Agent的五个状态：接收任务（Accept）、运行中（Running）、成功（Done）、中断（Interrupted）和授权（Permission）。支持跳转到具体对话界面。由作者使用Codex和Kimi Code K2.7 Code Highspeed联合开发，Kimi Code在中等编码任务中达180 token/s，短上下文任务260 token/s，速度提升6倍，可导入Claude Code和Codex的skill及MCP。项目已在GitHub开源。
深圳开鸿数字产业发展有限公司 CEO 王成录宣布，全国首个开源鸿蒙机器人操作系统 M-Robots OS 正式完整捐献至开放原子开源基金会，专属一级根社区同步启动运营。该系统 1.0 版本于 2025 年 4 月发布，今年 5 月升级至 2.0 版本。2.0 版本具备积木式框架、混合部署、自研 M-DDS 分布式通信、硬件能力及算法共享、AI 原生及中间件生态兼容等核心能力，其中本体间音视频时延低至 4 毫秒，应用迁移成本降低 80%。
DeepSeek 联合北京大学发布 DSpark 推理加速框架，已部署于 DeepSeek-V4-Flash 与 DeepSeek-V4-Pro 预览版。DSpark 采用半自回归架构与置信度调度验证机制，在同等吞吐量下将单用户生成速度提升 60% 至 85%。在 Qwen3 系列和 Gemma4-12B 的离线测试中，DSpark 平均每轮接受长度优于 Eagle3 和 DFlash。生产环境下，V4-Flash 引擎在 80 token/s SLA 下吞吐量提升 51%，120 token/s 时提升 661%。相关论文、训练代码已在 GitHub 开源。
微博开放平台6月22日上线官方命令行工具weibo-cli，专为开发者和AI Agent设计。基于Node.js 18+，封装70余个API，命令采用<group> <action>结构，输出支持JSON、YAML、表格和原始格式，原生支持MCP协议。功能涵盖内容发布、互动管理、检索、热搜趋势、粉丝画像等。采用订阅制计费：Free（7天试用，每小时5次）、Basic 29元/月（3000 Credits）、Plus 69元/月（7500）、Pro 299元/月（32000）、Ultra 899元/月（100000）。以MIT协议在npm发布，每周下载约300次。
MiniMax (official)@MiniMax_AIAI 评分4444开源权重生态的更多好选择。感谢 @NVIDIAAI 使 MiniMax M3 可在 NVFP4 中使用。
@QuantCapitalX @MiniMax_AI https://huggingface.co/nvidia/MiniMax-M3-NVFP4
OpenRouter@OpenRouterAI 评分6363界面 + 推理，合二为一。 @OpenWebUI 现运行于 OpenRouter。 为你的团队提供一个聊天界面、一个统一账单，并通过单个 API 访问 400 多个前沿和开放模型。
ChatGPT@ChatGPTappAI 评分5555我们的植物很健谈。你的也可以。 通过我们的构建指南让你的植物发声：https://github.com/openai/planttalk
DeepReinforce 发布 Ornith-1.0 开源编码模型族，基于 Gemma 4 和 Qwen 3.5 后训练，提供 9B、31B、35B-MoE（每 token 激活约 3B 参数）和 397B-MoE 四个尺寸，均以 MIT 许可在 HuggingFace 开放。与固定人工设计框架的编码智能体不同，Ornith-1.0 在强化学习中联合优化框架与解决方案，并引入三层防御（固定信任边界、确定性监视器、冻结 LLM 裁判）防止奖励黑客。旗舰版 Ornith-1.0-397B 在 Terminal-Bench 2.1 上得分 77.5、在 SWE-Bench Verified 上得分 82.4，超越 Claude Opus 4.7（70.3）但低于 Claude Opus 4.8（85）和 GLM-5.2-744B（81.0）。支持 vLLM、SGLang 等推理框架，9B 模型（bf16 约 19GB）可部署在单张 80GB GPU 上。
Simon Willison 受 Mozilla 新 MDN MCP 服务启发，将 mdn/browser-compat-data 的浏览器兼容性数据转为 SQLite 数据库。他用 Claude Code for web (Opus 4.8) 生成基于 sqlite-utils 的转换脚本，再用 Codex Desktop (GPT-5.5) 编写 GitHub Actions 工作流，将约 66MB 数据库 force-push 到仓库的 db 孤立分支，使其可通过 GitHub CDN 访问并附带开放 CORS 头。用户可直接下载或通过 Datasette Lite 在线探索。
NVIDIA NeMo AutoModel 是基于 Transformers v5 的开源库，添加 Expert Parallelism、DeepEP 融合 all-to-all 调度和 TransformerEngine 内核。在 MoE 模型微调中，相比原生 v5，训练吞吐量提升 3.4–3.7 倍，GPU 内存减少 29–32%，仅需改动一行 import。在 16 节点 128 张 H100 上全微调 Nemotron 3 Ultra 550B A55B 时，v5 因内存不足无法运行，而 AutoModel 凭借 EP=64 专家并行使训练可行。单节点 30B MoE 模型（如 Qwen3-30B-A3B）同样获得可量化的性能优势。
推荐理由：英伟达的 NeMo AutoModel 把 MoE 模型微调速度提高了三倍多，内存省了近三分之一，代码只需改一行 import，做训练的可以立刻升级。
Microsoft Research@MSFTResearchAI 评分4242Talos 旨在帮助解决基因组医学中的一个主要瓶颈：人工审查时间。 这个开源系统恢复了 90% 范围内的诊断，同时每个患者仅呈现 1.3 个候选变异供专家审查。
OpenAI 在 GitHub 开源 Plant Talk 项目，通过 Codex Desktop 连接 ChatGPT，让室内植物具备语音能力。用户可与植物语音交流，如询问“最近怎么样？”“需要浇水吗？”等。系统支持 Arduino、土壤湿度传感器、LM393 光照传感器获取环境数据，还可连接二氧化碳传感器、空气湿度传感器。用户可创建不同植物人格，如高冷仙人掌、话痨绿萝、吐槽多肉。搭建需配备麦克风、摄像头、扬声器的电脑及 OpenAI 账户。
