Cognition 发文介绍过去八个月多家财富 500 强公司在 COBOL 项目中使用 Devin，包括用 DeepWiki 文档化数百万行代码、将 25000 行海关工作流迁移到 AWS Lambda（估算节省 73% 迁移成本），以及 Itaú Unibanco 跨数百个程序、20 种字段变体的税号重构，提前三个月完成且零生产错误。
推荐理由：原文梳理了 COBOL 难倒智能体的三个原因和可落地的两类场景，并给出迁移成本下降等具体案例，方法可参考。
昆仑万维创始人周亚辉认为，传统SaaS正在被AI侵蚀，新一代Agent尚未出现绝对赢家，这可能是未来几年最大的机会。
由于提供的正文内容仅包含不完整片段（"AI isn't the only thing behind Medvi"），缺乏关键信息点（如公司具体业务、融资细节、技术突破或财务指标等），无法撰写符合要求的100-200字摘要。请提供完整正文以便提取核心事实与数据。
OpenAI Developers@OpenAIDevs@charlierguo 使用 gpt-realtime-1.5 进行实时演示，语音助手现场调试幻灯片内容，展示该模型在实时语音交互与视觉理解方面的应用能力。
客户开始用 vibe coding 自行写代码接管项目开发，原外包开发者面临被 AI 工具替代的尴尬处境，在 HN 发帖询问该如何应对这种局面。
Trail of Bits 分享其一年内将 AI 采用率从约 5% 推到全公司落地的系统方法，目前已有 94 个插件、201 个技能、84 个专用智能体，部分审计项目每周发现的漏洞从约 15 个增至 200 个，约 20% 的客户报告漏洞最初由 AI 发现。
推荐理由：Trail of Bits 以亲历者身份复盘内部 AI 化的完整系统，给出心理障碍分析和可复制的组织方法，适合参考落地路径。
Anthropic宣布在悉尼设立办公室，并与澳大利亚政府签署AI安全合作备忘录。数据显示，澳大利亚占全球Claude流量1.6%，人均使用量是预期的4倍以上，全球排名第11位，人均第7位。使用集中在新南威尔士州（37%）和维多利亚州（31%）。使用场景为46%工作、47%个人、7%课程作业。澳用户倾向于处理更复杂任务，但耗时比平均短20%，AI自主性得分较低（3.38/5），表明更多采用协作而非完全委托模式。
OpenAI Developers@OpenAIDevs用 Codex 维护 Jekyll 学术网站，从痛苦变无痛。AI 编程工具让个人网站搭建和日常维护变得简单直接，大幅降低技术门槛。
I use Jekyll to build my academic site. Maintenance used to be painful. With Codex, it became painless. https://t.co/Z4OxNQfXxN
Cursor团队将实时强化学习技术应用于Composer编码模型，利用真实用户交互产生的推理令牌作为训练信号，以解决模拟环境与真实使用间的匹配问题。该技术使团队能够以每五小时一次的频率部署改进后的模型检查点。通过A/B测试，新版本实现了关键指标提升：代理编辑在代码库中的持久性增加2.28%，用户不满意后续减少3.13%，延迟降低10.3%。实时RL也带来了奖励黑客等新挑战，但真实用户反馈有助于识别和修正此类问题。
推荐理由：Cursor 把真实用户交互当训练信号，每五小时迭代一次 Composer，这不是论文是工程日志。做 coding agent 的团队该看看他们怎么处理 reward hacking 的两个真实案例，比任何 benchmark 论文都实在。
Anthropic推出Science Blog，分享AI在数学、物理、生物等领域的应用进展与挑战。博客设Features（科研成果案例）、Workflows（实用指南）、Field notes（领域动态）三类栏目，首发两篇内容：用Claude完成理论物理计算的实战记录，以及科学计算任务编排教程。Anthropic同时介绍了AI for Science计划、Claude for Life Sciences及参与的Genesis Mission等多亿美元级科学加速项目。
Greg Brockman@gdbLooking forward to speaking at OpenAI Forum in a week on how I leveraged ChatGPT to find cancer treatment options after doctors said there was nothing left for me to do. https://forum.openai.com/public/events/virtual-from-terminal-to-turnaround-how-gitlabs-co-founder-leveraged-chatgpt-in-his-cancer-fight-k3m7gks1bt
Anthropic@AnthropicAIAnthropic 一周内收集近 81,000 份 Claude 用户反馈，了解 AI 使用场景、未来愿景与潜在风险，为迄今规模最大的同类定性研究。详细报告已发布。
METR 三名研究员进行 2 小时桌面推演，模拟拥有约 200 人类小时时间 horizon 的 AI（预期 12-18 个月后出现），其余条件保持 2026 年 2 月现状。
Hugging Face发布了一篇关于其平台开源生态的博客文章。该文由Hugging Face官方撰写并发布在其自有平台上，内容聚焦于2026年春季的开源发展状态。文章具体分析了平台上的模型、数据集及开源社区活动趋势，但未提供详细的量化指标或具体产品发布信息。
推荐理由：Hugging Face 季度开源生态报告，可快速掌握 AI 开源社区最新动向与趋势
新研究显示，美国人每天向 ChatGPT 发送近 300 万条消息询问薪酬与收入，借助 AI 获取薪资情报，有助于缩小工资信息差距。
Demis Hassabis@demishassabisthis is actually insane > be tech guy in australia > adopt cancer riddled rescue dog, months to live > not_going_to_give_you_up.mp4 > pay $3,000 to sequence her tumor DNA > feed it to ChatGPT and AlphaFold > zero background in biology > identify mutated proteins, match them to drug targets > design a custom mRNA cancer vaccine from scratch > genomics professor is “gobsmacked” that some puppy lover did this on his own > need ethics approval to administer it > red tape takes longer than designing the vaccine > 3 months, finally approved > drive 10 hours to get rosie her first injection > tumor halves > coat gets glossy again > dog is alive and happy > professor: “if we can do this for a dog, why aren’t we rolling this out to humans?” one man with a chatbot, and $3,000 just outperformed the entire pharmaceutical discovery pipeline. we are going to cure so many diseases. I dont think people realize how good things are going to get
Answer.AI 分析 PyPI 数据后发现，ChatGPT 发布后 Python 包创建率没有明显上升，整体更新频率的缓慢增长早在 2019 年就已开始。但热门 AI 相关包更新频率跃升至每年 21-26 次中位数，是热门非 AI 包（约 10 次）的两倍多。
推荐理由：原文用 PyPI 数据检验 AI 生产力说法，发现效应集中在热门 AI 相关包，给出两个可检验的解释假设。
该内容将人工智能议题框定为"史上最高风险谈判"的序幕，指出当前关于AI治理与发展的多方博弈正处于关键起点。作者认为，在这场涉及巨大利益与技术走向的对话中，存在一个至关重要却被忽视的核心问题尚未被提出，其答案可能直接决定这场变革的最终结果与人类的应对策略。
Google DeepMind@GoogleDeepMindAlphaGo 诞生十周年，其开创的技术正帮助证明数学命题，并协助科学界取得新发现，持续推动 AI 能力边界。
AlphaGo 诞生十周年，回顾其从围棋游戏拓展至生物学等科学领域的历程，探讨这项技术如何催化重大科学发现并为 AGI 铺平道路。
五种 AI 价值模型展示了领导者如何循序渐进地部署 AI，从提升员工熟练度到彻底重塑业务流程，从而构建持久的商业竞争优势。
推荐理由：OpenAI提出企业AI应用五阶段价值模型，指导商业落地
Modal 发布工程博客，介绍三个用其平台推进的 AI 自改进研究项目：KernelBench（2024 年 12 月发布的 250 题自动 GPU kernel 生成基准）。
开源模型与闭源巨头（如 GPT、Claude）之间的能力差距持续存在，形成永无止境的追赶态势。文章探讨了知识蒸馏技术对缩小差距的作用，分析了开源与闭源模型在创新时间尺度上的差异，以及开源模型如何通过专业化模型在特定领域寻找获胜路径。同时指出当前开源生态在基础研究和资源投入上的缺失环节，并评估了这种追赶模式的可持续性。
推荐理由：开源与闭源鸿沟难越，但蒸馏与专业化或是破局关键
即使AI能力大幅提升，法律服务的成本也不会自动下降。三个瓶颈阻碍了AI降低消费者法律成本：非律师执业法规限制AI直接服务消费者；对抗制诉讼结构使双方陷入法律工作量军备竞赛，抵消了效率提升；人类法官、律师和客户的速度成为法律流程加速的上限。除非解决这些社会与组织瓶颈，否则AI的进步不会自动转化为更便宜的法律服务。
Hugging Face 在其官方博客发布文章，展望了全球开源人工智能生态系统的发展路径与未来趋势。文章以 DeepSeek 等代表性开源模型为例，探讨了开源社区如何推动技术民主化与创新加速。核心观点指向一个更加开放、协作的“AI+”未来生态，其中开源框架、模型和工具将深度融入各行各业，降低开发门槛并促进多样化应用场景的涌现。
推荐理由：开源AI核心平台对生态走向的判断，直接影响开发者技术选型和投资方向
探讨大语言模型普及背景下就业市场的结构性变化。重点分析求职者如何在 AI 自动化与生成内容泛滥的环境中实现差异化脱颖而出，以及招聘方如何穿透技术表象识别真正具备价值的人才瑰宝。这种双向筛选机制正在重塑人才评估标准与竞争逻辑，对雇佣双方均提出新的能力要求。
Moravec 悖论——对人类困难的任务对 AI 容易，反之亦然——从未经过实证检验。该论断本质上是 AI 社区对值得研究问题的偏好陈述，不具备预测能力。这种思维既导致了关于超级智能推理的危言耸听，也在机器人等领域制造了虚假安慰。
Steve Yegge 提出在 AI 写软件的 Software 3.0 时代，软件能否存活取决于一个类似选择压力的生存比：节省认知（token）的工具更易被 Agent 采用。
Hugging Face发布博客文章，探讨中国开源人工智能生态系统的核心架构选择与发展路径。文章聚焦于如何构建一个超越现有模型（如DeepSeek）的可持续技术体系，分析了中国开发者在模型架构、训练框架、部署工具和社区协作等方面的关键决策。文中指出，中国开源社区正致力于打造独立且互操作的技术栈，以应对大规模模型训练与推理的独特挑战，并推动全球AI生态的多元化发展。
推荐理由：揭示中国开源AI架构演进，帮助开发者把握生态趋势与选型方向。
作者提出持续学习与专用化不可分离：LLM 的 KV cache 随上下文线性增长，通用模型每次更新都要维护全部表征一致性，而窄域模型可在有界空间内自由更新。文章梳理了 Cartridges、状态空间模型、稀疏记忆微调、DeepMind 嵌套学习、EAFT、Titans 等路线，认为它们都未逃脱稀疏化更新或时间尺度分离带来的干扰限制。
Anthropic性能优化团队负责人Tristan Hume分享了设计抗AI技术评估的经验。自2024年初，团队使用带回家测试评估候选人优化模拟加速器代码的能力，超1000人参与，成功招聘数十名工程师。但随着Claude模型快速迭代，Opus 4已超越多数人类申请者，Opus 4.5甚至匹配顶尖候选人，导致在时间限制下难以区分人类与AI输出。为此，作者三次重设计测试，探索抗AI评估要素，详述原始设计、模型破解方式及非常规对策。最终，团队将原始测试作为公开挑战发布，因无时间限制时人类表现仍优于Claude。
推荐理由：Anthropic 性能优化负责人亲手写了三版面试题被自家模型逐一击穿的全过程，这种坦诚的工程复盘比任何 AI 能力排行榜都更真实地告诉你，模型到底强到了什么程度。
Hugging Face在其官方博客发布文章，回顾“DeepSeek时刻”过去一年的影响。文章指出，自DeepSeek系列模型发布以来，开源大模型生态发生了显著变化。模型能力快速逼近甚至在某些任务上超越了闭源模型，社区参与度和模型下载量均创下新高。这一趋势降低了AI技术的使用门槛，并推动了更多商业化应用的探索。开源与闭源模型的竞争格局正在被重塑。
作者临近57岁生日，回顾了近期在AI领域的活跃动态。人工智能领域正吸引大量资本涌入，作者因其文章和项目收到了众多风险投资人的接触，并因Gas Town相关加密货币$GAS产生了约30万美元的交易费收入，但他强调需专注于软件开发而非被资本或社区分散精力。文章还讨论了利用20余个AI智能体进行高端编程对工作与休息节奏带来的影响，表现为频繁的深度小睡需求。
LlamaIndex 发文指出，Agent 正越来越多地通过文件和文件系统来读取非结构化上下文，并归纳出三种主要用法：用文件存储和检索长程对话历史、用文件搜索替代朴素 RAG 来获取海量外部上下文、用 Skills 类文件教会 Agent 做事从而绕过 MCP。
推荐理由：LlamaIndex 以一手实验和生态观察，梳理文件系统如何成为 Agent 上下文管理的核心抽象，并指出解析与检索等缺口。
Google 2025年度研究回顾全面盘点8大领域关键技术突破，总结全年在前沿研究方向取得的重要进展与核心创新成果。
Together AI 内核研究负责人 Dan Fu 发文《Yes, AGI Can Happen – A Computational Perspective》，反驳 AI 正逼近数字计算极限的说法。
Anthropic与Material调研500余位技术领导者显示，57%企业已将AI智能体用于多阶段工作流，16%实现跨职能部署。编码是核心场景，90%用于开发辅助，86%用于生产代码，平均节省近六成时间。80%受访者称投资已产生可衡量回报，如Thomson Reuters将法律检索从数小时缩短至分钟级。2026年81%企业计划处理更复杂用例，但面临系统集成、数据质量和变革管理三大挑战。
推荐理由：Anthropic发布企业AI Agent深度调研，揭示2026年应用趋势与头部企业实战案例
