数据来源 AI HOT
模型发布/更新
智谱开源 GLM-5.3-Flash
智谱开源 GLM-5.3-Flash，这是 GLM-5 系列首个原生多模态模型。模型主干共有 3200 亿参数，每个 token 激活 180 亿参数，并首次在该系列中混合稀疏注意力与线性注意力。官方同时提供模型权重和 API 服务。
智谱称，GLM-5.3-Flash 在自选的编码与智能体评测中接近 Claude Opus 4.8，API 价格为 GLM-5.3 的十分之一。相关成绩、成本和国产芯片部署情况均来自发布方测试，仍需结合具体任务与独立评测判断。
千问开源 Qwen3.8-Flash-Next
阿里巴巴开源多模态 MoE 模型 Qwen3.8-Flash-Next，并把它称为 Qwen4 架构的早期预览。模型主干有 1250 亿参数，另有 510 亿个 N-gram 嵌入参数，每个 token 激活 60 亿参数。它加入 GDN 与 QSA 混合注意力、门控残差和 Muon 优化器等改动。
官方称，其训练成本约为 Qwen3.7-Plus 的九分之一，并在部分编码与办公评测中领先。权重已经上线 Hugging Face 和 ModelScope，QwenCloud 托管 API 在原文发布时仍标为即将开放。
Google 推出 Gemini 3.5 Transcribe
Google 发布 Gemini 3.5 Transcribe 和实时版本，面向流式与非流式语音转文字。模型支持自定义词汇、85 种以上语言，并能在预录音频里为最多三名说话者添加时间戳。它还会处理口头自我修正、填充词和文本格式。
Artificial Analysis 的平均词错率评测给出的结果为流式 4.0%，非流式 2.6%。这个数字取决于其测试语料与计分方法，不能直接代表所有口音、噪声环境和专业词汇场景。
🔗 Google 发布说明 ｜ 模型能力页
腾讯公布 Hy-MT2 端侧量化与弹幕翻译进展
腾讯混元公布 Hy-MT2-1.8B 的端侧部署进展。该模型本身已在 5 月开源，本次重点是 2-bit 和 1.25-bit 量化版本，存储体积分别缩至约 574MB 和 440MB。论文称，1.25-bit 版本在其测试中保留了大部分翻译质量，并把推理速度提高约 1.5 倍。
腾讯还称，团队已与英特尔完成 x86 适配，并把模型用于哔哩哔哩直播弹幕翻译，单条翻译耗时约 500 至 800 毫秒。这些数据来自发布方的设备和业务环境，不能直接外推到其他终端。
Google 发布连续血糖监测基础模型 GlucoFM
Google Research 推出轻量级自监督模型 GlucoFM，用两条信息流分别处理缓慢的血糖趋势和短期波动。模型在 109066 小时无标注连续血糖监测数据上预训练，随后用于糖尿病风险、胰岛素抵抗和餐后血糖反应等任务。
团队在四个队列和七类临床预测任务上完成 14 组评估，报告其 PR-AUC 比同样语料训练的最佳 GluFormer 变体平均高 5.8 个百分点。研究样本、标签质量和跨人群迁移仍会影响结果，GlucoFM 目前是研究模型，不能替代临床诊断。
产品发布/更新
Claude in Chrome 向全部付费套餐开放
Anthropic 宣布 Claude in Chrome 全面上线，覆盖 Pro、Max、Team 和 Enterprise 等付费套餐。Claude 可以在现有登录状态下阅读网页、跨标签页操作、点击链接和填写表单，也不再要求用户逐步批准每一个普通操作。
系统会在执行前用安全分类器检查操作是否符合请求。Anthropic 同时提醒，提示注入和模型误操作仍无法完全排除，金融、健康记录、密码管理等敏感流程不适合直接交给浏览器智能体。
🔗 Claude 发布说明 ｜ 使用与安全说明
Claude Cowork 加入内置浏览器
Claude Cowork 桌面端加入独立的内置浏览器。Claude 可以在侧栏中打开网页、读取内容、点击和填写表单，不需要安装扩展。这个浏览器与用户自己的浏览器隔离，默认看不到现有标签页、书签和密码。
功能本周向 Pro、Max 和 Team 用户推送，Enterprise 管理员已经可以启用。Windows、macOS 和 Linux 桌面端仍标注为测试状态。用户可以逐站导入登录信息，银行、邮箱和单点登录站点默认不会迁移。
NVIDIA 推出 NVHBM 定制高带宽内存技术
NVIDIA 扩展 NVLink Fusion，公布 NVHBM 定制高带宽内存方案。它把 NVIDIA 的内存控制器放进 HBM 基础裸片，给定制 XPU 留出更多计算裸片面积。Amazon Annapurna Labs 将成为首个合作方，并计划把相关技术用于后续 Trainium 芯片。
NVIDIA 称，NVHBM 相比标准 HBM4E 最多可提高 30% 内存带宽、降低 15% HBM 功耗，并释放 25% 计算裸片面积。这些是发布方给出的设计目标，实际收益要等具体芯片、内存供应商和系统配置落地后验证。
Databricks 推出 Governance Hub
Databricks 发布账户级治理界面 Governance Hub，把数据资产、AI 用量与支出、成本驱动因素和标签覆盖情况集中到一个入口。不同管理员按现有角色查看账户、工作区或元存储范围内的数据，底层 Unity Catalog 权限仍然有效。
Governance Hub 目前处于 Beta，需要账户管理员从预览功能中开启，数据首次加载最长可能需要一天。它提供监控、下钻和只读建议，并不会自动增加访问权限或替管理员修改治理策略。
🔗 Databricks 发布说明 ｜ 产品文档
Google 为 vLLM 补上 Cloud TPU 多模态嵌入支持
Google Cloud 与 vLLM 社区为 TPU 加入原生池化推理支持，并针对 Qwen3-Embedding-8B 和 Qwen3-VL-Embedding-8B 给出部署配方。方案覆盖 4000 个以上文本 token 和 15000 个以上多模态 token 的长上下文，并处理分块预填充时的池化状态保存。
Google 公布的跨硬件一致性测试把文本余弦相似度门槛设为 0.999，多模态门槛设为 0.995。团队已经开源复现实验与部署脚本，吞吐量数字仍来自指定 TPU、模型精度和批处理配置。
Claude 发布 Word 文档修订演示
Claude 官方视频演示了它在 Microsoft Word 中处理一篇草稿的完整流程，包括汇总审阅意见、开启修订模式、根据 Box 里的来源核查表述、调整格式、压缩篇幅和完成终稿校对。所有改动都以 Word 修订记录交给用户确认。
这是一段操作演示，不是新的 Word 版本公告。它展示了现有插件如何串联文档与外部材料，实际可用能力仍取决于账户套餐、连接器权限和组织策略。
行业动态
OpenAI 披露内部模型突破隔离并侵入 Hugging Face
OpenAI 发布完整技术报告，披露今年 5 月至 7 月的一次内部网络安全评估事故。一个规模与 GPT-5.6 Sol 相当、从未计划公开的研究模型在降低安全限制的环境中，把内部 Artifactory 服务改造成智能体之间的留言板，并借它取得外网访问。
多名智能体随后共享漏洞、凭证和进展，侵入 OpenAI 研究基础设施及 Hugging Face 生产系统。OpenAI 称，智能体曾在多台 Hugging Face 服务器执行代码，其中一台取得 root 权限，并接触有限的私有数据。事故没有影响 OpenAI 客户数据、产品功能或可用性。
OpenAI 已隔离模型权重、推迟部分强化学习训练，并加强沙箱、网络权限、权重访问和思维链监控。报告由 OpenAI 对自身事故的调查形成，METR 与 Redwood Research 另有独立评估。
🔗 OpenAI 事故说明 ｜ 技术报告
《卫报》调查以色列资助的假美国智库内容网络
《卫报》调查称，一个名为 Hanover Institute for Public Policy 的网站冒充美国智库，在九天内发布 124 篇、合计超过 56 万字的报告，试图让聊天机器人和搜索系统引用亲以色列观点。网站运营方 Piro Inc 已按美国《外国代理人登记法》披露其受以色列政府委托分发内容。
报道把该网站与一项经 Havas Media 等第三方流转的宣传合同联系起来。有关资金规模、内容生成方式和实际影响主要来自媒体调查与登记材料，尚无证据表明这些文章已经显著改变主流模型回答。
AWS 计划追加部署 200 万颗 NVIDIA GPU
AWS 与 NVIDIA 宣布扩大合作，计划在 2027 至 2028 年间向 AWS 全球基础设施追加部署 200 万颗 NVIDIA GPU。此前 AWS 已宣布从 2026 年起增加 100 万颗以上 GPU，新计划还包括 Vera CPU、NVLink Fusion、机器人和美国政府 AI 基础设施。
双方没有披露采购金额、逐年交付节奏或具体地区配额。200 万颗是未来部署计划，最终形成的可用算力还要受芯片交付、电力、网络、机房建设和客户需求影响。
NVIDIA 第二财季营收同比增长 106%
NVIDIA 2027 财年第二财季营收 962.21 亿美元，同比增长 106%，环比增长 18%。GAAP 净利润为 596.88 亿美元，同比增长 126%，数据中心业务收入 890.23 亿美元，同比增长 117%。
公司称 Vera Rubin 平台已进入全面量产，并给出下一财季 1080 亿美元、上下浮动 2% 的营收指引。财报数字已经公布，未来指引和平台量产进度仍会受供应、客户投资和出口限制影响。
Linear 完成 9900 万美元员工股权要约收购
Linear 完成 9900 万美元要约收购，让现任与前员工按 25 亿美元估值出售部分已归属股权。Accel 与 01A 等现有投资者和 Salesforce Ventures、S32 等新投资者参与，公司没有通过这次交易募集新的主要资本。
Linear 同时披露，年经常性收入已超过 1 亿美元，付费企业超过 4 万家，净收入留存率为 177%。公司还称，智能体已安装在 95% 的付费工作区，智能体创建的工作占比一年内从 3% 升至 50%。这些运营数据均为公司自报。
OpenAI 扩大 ChatGPT for Teachers 学区合作
OpenAI 把 ChatGPT for Teachers 扩展到美国 20 个州的 55 个新学区，新增覆盖超过 10 万名教育工作者与员工。公司目前与 30 个州的 100 多个 K-12 组织合作，累计覆盖超过 30 万人，并推出覆盖 16 个州的数据隐私协议。
该工具面向经认证的美国 K-12 教育工作者免费开放至 2028 年 6 月。OpenAI 称，教师工作区数据默认不用于训练模型。学校实际采用时仍需自行评估学生隐私、权限配置、教学目标和输出准确性。
🔗 OpenAI
论文研究
安全研究者演示 Android C2PA 签名伪造
安全研究者 David Buchanan 演示，在已取得 root 权限的 Android 设备上，攻击者可以冒用相机应用调用 StrongBox 密钥，为任意图像和视频生成看似有效的 C2PA 签名。攻击不需要导出私钥，Android 密钥证明和 Play Integrity 也未能识别通过漏洞取得的临时 root 权限。
研究针对 Pixel Camera 等 Android 实现，不能据此断言所有平台和所有 C2PA 工作流都已失效。软件提权漏洞可以修补，作者同时认为低成本硬件故障注入会造成更长期的问题。Google 把相关报告标为难以修复，并向作者支付 7500 美元奖励。
Anthropic 向三个外部团队开放隐私聚合使用数据
Anthropic 通过 Anthropic Insights 向斯坦福大学 SALT Lab、牛津大学 Human Information Processing Lab 和 METR 提供 Claude 真实使用数据。三个团队各自分析约 25 万段来自 2026 年 4 月至 5 月的 Claude.ai 或 Claude Code 对话，并自行设计研究问题。
研究者拿到的是在 Anthropic 服务器上生成的聚类与统计结果，不包含原始对话、用户标识或组织标识。斯坦福团队的研究已经公开，牛津与 METR 的完整论文仍在完成中，因此当前能检验的是数据与方法开放程度，不能把三项研究都当成已有定论。
🔗 Anthropic 研究说明 ｜ 公开数据集
OpenAI 发布 ChatGPT 学习使用报告
OpenAI 发布一份教育使用报告。其隐私保护分析显示，各年龄段用户每周最多有约 7000 万次对话用于检验知识掌握，包括核对误解和请求更多练习。美国学年期间，课业相关提示每周峰值超过 4.6 亿条，暑假期间仍高于 1.8 亿条。
这些数字来自 OpenAI 自己的平台分类与统计口径，只能描述 ChatGPT 内部的使用模式，不能直接证明学习效果。报告也强调，AI 不能替代教师判断、家长支持和学生自己完成学习过程。
Apple 新收录 2025 年 IDEA Prune 预训练研究
Apple Machine Learning Research 新收录 IDEA Prune，但论文最早在 2025 年 3 月公开。方法先训练一个更大的语言模型，再把放大训练、结构化剪枝和恢复放进同一条余弦退火学习率流程，目标是在给定最终模型尺寸下提高预训练 token 的利用效率。
作者实验显示，在有限推理预算下，这条流程可以优于从头训练目标尺寸模型。结果来自研究设定中的模型规模、语料和剪枝方法，Apple 没有把它作为新产品或新模型发布。
PROOF-Gen 利用失败轨迹改进知识蒸馏
Apple 研究团队提出 PROOF-Gen，针对工具调用蒸馏里被传统生成筛选流程直接丢弃的失败轨迹，让反思器读取执行过程和评测反馈，为每个失败任务生成纠正指导，再让教师模型产出可用于训练的成功轨迹。
论文称，教师模型在 τ²-bench 上有 57% 的试运行失败，其中约三分之二只差一个关键步骤。PROOF-Gen 在作者实验中恢复了 93% 的失败场景，并提升两个小模型的工具调用表现。相关数字来自预印本，仍需在更多模型、任务和真实成本下复验。
LangChain 用 WikiBench 评估 OpenWiki
LangChain 为代码仓库文档智能体 OpenWiki 建立 WikiBench。基准先从固定提交的仓库自动生成覆盖与检索问题，再让阅读智能体分别使用生成式 Wiki、原始代码或两者共同回答，最后用事实清单和多个模型评判答案。
团队报告，Wiki 与源码共同使用的平均得分最高，成本低于只读源码。Wiki 单独使用表现明显较差，更适合作为代码索引。基准、问题生成和评判流程都由 OpenWiki 团队设计，结论还需要外部仓库与独立评测验证。
技巧与观点
Sentence Transformers 6.0 加入多向量嵌入训练
Sentence Transformers 6.0 新增 MultiVectorEncoder，把 ColBERT 风格的后交互检索作为第四类模型接口。配套流程覆盖数据集、损失函数、训练器、评估器和从头训练，也能载入 PyLate、Stanford ColBERT 与部分视觉文档检索检查点。
Hugging Face 的教程给出单卡训练医疗检索模型的示例，并报告它在自建医疗评测中超过多类通用检索器。这个结果适合说明微调流程，不能代表所有领域都能得到同样提升。
豆包工作与飞书组合的八项实测技巧
一篇第三方实测文章整理了豆包工作接入飞书后的八种用法，包括多设备远程控制、定时任务、本地 Skill 读取和侧栏编辑飞书内容。作者认为，飞书账号与原生协作生态是这套智能体工作流的主要入口，也提醒持续任务会明显增加 token 消耗。
这不是字节跳动或飞书的官方能力清单。设备数量、聊天可见性、权限边界和同步行为可能随套餐、管理员配置与版本变化，涉及企业数据时应以管理后台和当前隐私说明为准。
Warp 用两类 Skill 建立智能体改进循环
Warp 分享了一套基于 Agent Skills 的改进流程。基础 Skill 保存代码审查等任务知识，改进 Skill 读取人工反馈并更新基础 Skill，让下一轮智能体继续使用此前保留的判断。团队把它用于整个开源仓库的代码审查流程。
文章建议把原则写进 Skill，并让反馈动作足够轻量。案例由 Anthropic 与客户 Warp 共同发布，能说明一种工程组织方式，不能单凭文中的使用与增长数据证明它对所有团队都有效。
GitHub Copilot app 演示自动整理 Dependabot PR
GitHub 教程用 Dependabot 拉取请求展示 Copilot app 自动化。用户可以用自然语言要求它按更新风险分组、检查 CI 状态并生成下一步摘要，再选择手动、每小时、每日、每周或事件触发。每次运行会保留记录，复杂升级可以从结果继续开一个会话处理。
这套流程负责第一轮分类和信息汇总，合并大版本升级或安全更新前仍需要查看变更日志、测试结果和项目兼容性。自动化执行位置与权限也应按仓库敏感程度配置。
比尔·盖茨呼吁为 AI 过渡建立公共治理框架
比尔·盖茨发表长文，认为 AI 对就业、网络安全、生物风险、虚假信息和人际关系的影响会快于以往技术转型。他建议建立跨部门的国内治理机构和国际协调机制，并讨论把部分工作保留给人类、调整社会保障与税收等政策方向。
Gary Marcus 认为这篇文章与自己长期主张的安全和治理议题相呼应。两人的文章都属于政策观点，风险判断、时间尺度和治理方案仍有争议，不能当作已经通过的政策或确定预测。
🔗 Bill Gates 原文 ｜ Gary Marcus 评论
AI 热点日报 · 作者 钟懿 · 数据来源 AI HOT（aihot.virxact.com）