Anthropic 推出 Claude apps gateway，是一款自托管控制平面，让企业能在 Amazon Bedrock 和 Google Cloud 上运行 Claude Code。架构上 gateway 作为单个无状态容器部署在 Linux 上，后端使用 PostgreSQL 存储配置。核心亮点是企业级 SSO 接入（OIDC 协议对接 Google Workspace、Microsoft Entra ID、Okta 等），集中式策略管理、角色权限控制、跨区域路由（含故障转移）以及按日/周/月、按组织/群组/用户的消费上限。遥测通过 OTLP 协议发送至用户配置的收集器；除非用户显式启用 Claude API，否则 gateway 不会向 Anthropic 发送推理流量或使用数据，隐私边界清晰。对于受合规约束的金融、医疗、政务客户而言，gateway 把 Claude Code 从一个云端 IDE 工具变成了一个可以内网部署、可审计、可治理的企业平台，与 Cursor、Cline 等客户端 IDE 形成上下游关系，Anthropic 在企业市场的护城河进一步加深。
🔗 查看原文OpenClaw 正式登陆 iOS 与 Android，原生应用支持频道管理、任务追踪和实时回复推送，定位是"把智能体装进口袋"。配合云端 agent 调度，用户在手机上可以启动、监控、终止任务并接收结果通知，移动端不再是简单聊天窗口，而是任务编排入口。这与近期 Cursor for iOS、Anthropic Claude mobile 的移动化趋势一脉相承——智能体正在脱离桌面 IDE 形态，向随身设备扩张。对开发者生态而言，移动端渠道打开后 Agent 使用频次将显著上升，开发者需要重新思考任务时长、推送语义和离线能力的设计。
🔗 查看原文Claude 在 Microsoft Foundry 正式可用，托管于 Azure 数据中心，运行在 NVIDIA GB300 GPU 上。首批提供 Claude Opus 4.8 和 Claude Haiku 4.5 两款模型，通过 Messages API 调用，支持提示缓存（prompt caching）和扩展思考（extended thinking）。用户可以指定推理处理位置（含美国数据区域），由 Anthropic 负责推理运营。Azure 用户可直接使用现有承诺消费额度结算。此举意味着 Anthropic 完成了"三大云全覆盖"：AWS Bedrock、Google Cloud、Azure Foundry 同时在售，Claude 不再绑定单一云生态，对微软生态的 Azure OpenAI 用户来说多了一个新的高端模型选项，也加剧了 OpenAI 与 Anthropic 在云分发渠道上的正面竞争。
🔗 查看原文Herdr 是一个驻留在终端中的 AI 智能体多路复用器（agent multiplexer），允许用户在单一终端界面内管理和切换多个 AI 智能体会话。开发者日常工作常常需要同时与多个模型/会话交互（例如一边让模型 A 写代码、一边让模型 B 评审、一边让模型 C 翻译），传统做法是开多个 tab 或多个终端窗口，Herdr 把这些会话统一在一个 TUI 内通过快捷键切换，类似 tmux + Claude Code 的结合体。这类工具体现了 AI 编程工具从单会话到多会话编排的演进，也暗示着终端作为 AI 交互入口并未被 GUI 工具取代，反而被工具链改造得更强大。
🔗 查看原文Cursor 推出 iOS 原生公测版，所有付费计划可用。开发者可以在手机上启动始终在线的云端智能体，或远程操控电脑端智能体。支持语音输入、斜杠命令、选择前沿模型；智能体运行后，锁屏 Live Activities 和推送通知实时更新状态，完成或需要输入时提醒。云端智能体在隔离虚拟机中运行，可自动迭代生成合并就绪的 PR，并输出演示、截图和日志。本地与云端智能体支持双向切换，移动端 Composer 界面针对触屏优化。这把"vibe coding"从桌面延展到通勤、外出等碎片化场景，移动开发工作流被重新定义；不过云端沙箱的成本控制和长时间任务的电量消耗仍是未知数。
🔗 查看原文RedKnot 是小红书发布的推理引擎优化方案，将 KV Cache 沿注意力头（attention head）维度拆解，通过头分类稀疏（局部头占比 83.4%-96.8%）、稀疏 FFN 和 SegPagedAttention 三个机制统一算法与存储粒度。在 8 卡 H800 上，TTFT（首个 token 延迟）最高加速 1.6-3.54 倍，单卡并发提升 4.7-7.8 倍，预填充 FLOPs 削减 67%-79.5%。DeepSeek-V4-Flash 上 128K 上下文场景的 TTFOT 显著降低。RedKnot 的核心贡献是发现"并非所有注意力头都重要"，通过结构性稀疏换来数量级的吞吐提升，这套思路与英伟达 TRT-LLM、SGLang 的 vLLM 优化路径形成差异化竞争，对国产推理框架生态是重要的工程参考。
🔗 查看原文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 文件作为记忆主体，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）和多人协作能力。EverOS 的设计哲学是把记忆"人类可读"作为一等公民——开发者可以直接 git diff 智能体的"记忆仓库"，审查 AI 究竟记了什么，与 LangChain/LlamaIndex 等基于向量的"黑盒记忆"形成鲜明对比，特别适合需要审计、可解释记忆的企业部署。
🔗 查看原文Wayfinder Router 通过分析提示词的结构（长度、标题、列表、代码）和措辞（证明、数学、硬约束），在微秒级完成路由决策，完全离线且无需调用其他模型。默认仅使用结构特征，词汇线索因盲测未泛化而默认关闭。对比依赖模型调用的路由器（如 RouteLLM、NotDiamond），它避免了延迟、成本和随机性。用户可在自有数据上校准评分阈值，支持任何 OpenAI 兼容 API（含 Ollama 本地模型）。这种"零推理成本"的路由器适合把 70% 简单查询路由到本地 7B 模型、把 30% 复杂查询路由到云端 Opus 4.8 的混合架构，是企业降本的关键中间件。
🔗 查看原文美团 LongCat 的 Owl Alpha 成为 OpenRouter 上最流行模型，累计消耗 10 万亿 tokens，性能对标 Gemini / Opus 4.6。该模型使用 1.6 万亿参数 MoE 架构，35 万亿 tokens 训练数据，完全在 5 万块国产 ASIC 上完成（这意味着不依赖英伟达 GPU）。据官方推文，Owl Alpha 上线后每日调用量全球 Top 3，在 Hermes Agent 排名第一，Claude Code 排名第二，OpenClaw 排名第三。美团作为外卖公司跨界做基础模型，且做到 OpenRouter 第一，是 2026 年中国 AI 领域最值得关注的"异类"。国产 ASIC 训练成功意味着中美 AI 算力脱钩有了真正的可行替代方案，不再是 PPT 概念；这也预示着 MoE + 稀疏激活 + 国产算力的组合可能成为主流路线。
🔗 查看原文在 GTC 2026 宣布 Rubin Ultra 仅 3 个月后，原 4-die Rubin Ultra 因制造执行问题被取消，新的"Rubin Ultra"尺寸减半，实际性能约为原版的一半。这是英伟达近年来罕见的旗舰产品回炉事件，揭示出 4-die 封装在良率和频率上的工程挑战远超预期。短期看，市场担忧英伟达在 2027-2028 年 AI 加速器路线图的交付能力，AMD MI400 系列和谷歌 TPU v7 可能获得更长的产品窗口期；长期看，Nvidia 单芯片性能增长曲线出现折点，将进一步推升 hyperscaler 自研 ASIC（TPU、Trainium、MTIA）的紧迫感，半导体格局正在从"一家独大"向"多极竞速"演进。
🔗 查看原文美军在打击伊朗时首次大规模使用 AI 选择目标，Anthropic Claude 模型嵌入 Palantir 的 Maven Smart System，首日建议约 1000 个目标。然而对一所学校的导弹袭击导致约 120 名儿童死亡，调查发现情报分析师早在 2019 年就通过数字工具标记该地点已变为小学，但该工具未连接军方官方目标数据库 MIDB，信息从未送达指挥官。MIDB 建于 1980 年代，依赖手动输入，替代系统 MAR将需要数年才能上线。此事件是 AI 进入致命决策系统的最严重一次"in the wild"失败，引发 Anthropic 内部巨大伦理争议：一方面 Claude 被宣传为"constitutional AI"，另一方面被嵌入武器系统用于目标推荐；Anthropic 此前的"不用于自主武器"承诺面临拷问，未来军用 AI 供应商的责任边界、AI 建议 vs 人类决策的权责划分，将成为全球 AI 治理的核心议题。
🔗 查看原文国务院印发《教育发展"十五五"规划》，要求推进人工智能全学段教育，提升学生人工智能素养及提出问题、解决问题的能力。规划明确完善科学教育体系，强化科技教育与人文教育协同，加强青少年科学素养、批判性思维和创新能力培养。同时实施学生体质强健计划、心理健康促进行动，加大拔尖创新人才自主培养力度，推动学科交叉融合，扩大优质本科招生规模。目标到 2030 年高质量教育体系基本建成。这意味着 AI 素养将从"大学选修课"下沉到义务教育阶段，与英美"AI literacy from K-12"路线接轨，将催生海量 AI 教学资源、青少年编程/AI 平台、师范培训需求，AI+ 教育赛道在 2026-2030 年将享受政策红利。
🔗 查看原文在韩国政府支持下，三星和 SK 海力士计划投入 5900 亿美元扩大芯片产能，包括 800 万亿韩元新建四座工厂、81 万亿韩元建封装中心，以及未来 15 年 30 万亿韩元用于研发下一代芯片。AI 数据中心需求是主要驱动力。Jefferies 预测，2026 年 Q3 内存价格将上涨 40%-50%，Q4 再涨 30%-40%，2027 年继续上涨 40%-45%，到 2028 年新产能仅上线 15%-20% 才可能缓解。两家公司合计控制全球近 90% 的 HBM 内存市场。这轮"内存超级周期"将持续至少 18-24 个月，远超 2017-2018 年的传统 DRAM 周期，AI 服务器对 HBM3E/HBM4 的需求曲线远比 PC/手机刚性。下游云厂商和 AI 创业公司将被迫接受内存涨价，毛利率承压。
🔗 查看原文SK 集团会长崔泰源 6 月 29 日宣布，计划到 2035 年建成 15GW AI 数据中心容量，作为韩国国家级基础设施和实体 AI 时代核心底座。项目总投资 1000 万亿韩元（约 4.4 万亿元人民币），未来 10 年保持年均 100 万亿韩元以上国内投资，旨在实现从出口传统商品向智能服务的转变，构建韩国智能市场。此外 SK 海力士将向韩国西南部投资 400 万亿韩元，半导体供应项目总投资达同等量级。这是韩国版"AI 曼哈顿计划"，由国家资本 + 财阀协同驱动，与中国"东数西算"、美国"Stargate"形成对比。15GW 容量相当于 15 个核电机组的持续供电，对电力基础设施、冷却方案、绿电交易等环节产生巨大拉动。
🔗 查看原文Meta 公布 Brain2Qwerty v2，这是非侵入式脑电信号（EEG）解码研究的最新里程碑。基于当天发表在《Nature》的 v1，v2 是性能最高的端到端管道，能从原始脑信号实时解码句子。它从字符级性能提升至解码单词和语义，提高整体沟通准确性。该研究有望帮助数百万因脑损伤或疾病（ALS、中风后遗症、闭锁综合征等）无法沟通的人群。BCI（脑机接口）赛道近年来形成两条路线：侵入式（Neuralink、Synchron）精度高但有手术风险；非侵入式精度低但安全性好。Meta 走的是后者，通过深度学习大幅提升 EEG 解码精度，如果精度能再上一个台阶，"无声交流"将不再依赖昂贵的植入式设备。
🔗 查看原文安全研究人员在 Mozilla 的 GenAI 漏洞赏金平台 0DIN 发现新攻击向量：一个看似正常的 GitHub 仓库包含 setup 脚本，该脚本运行时从 DNS TXT 记录拉取命令并执行，恶意代码从未存在于仓库中，对扫描器、代码审查和 AI 智能体不可见。开发者使用 Claude Code 等 AI 编码工具打开该仓库时，Claude Code 在设置过程中遇到常规错误消息后自动运行该脚本，打开者获得完全控制权。这种 "prompt-injection through DNS" 攻击绕过了所有传统供应链安全机制，特别针对 AI 智能体"乐于跑 setup 脚本"的行为模式。Anthropic 必须在 Claude Code 中加入"危险操作前必须人类确认"的强制弹窗，同时所有 AI 编程工具（Cursor、Cline、Aider）都需要引入沙箱隔离机制，这是 AI Coding 时代最严重的安全范式转变。
🔗 查看原文OpenAI 发布新报告，分析 AI 对欧盟就业的影响，划定哪些职业面临自动化、增长或工作流程变化。这与 OpenAI 此前对美国市场的同类报告形成姊妹篇，但欧洲语境下特别强调 GDPR、AI Act 对劳动力的影响。报告大概率会指出客服、基础编程、行政文书等岗位面临替代风险，而 AI 工程师、AI 训练师、提示工程师等新岗位增长最快，且薪资溢价显著。欧盟政策制定者正在起草 AI 劳动力过渡期政策（如再培训补贴、转型期社会安全网），OpenAI 这份报告将以"行业数据"的形式影响欧盟未来 3 年的就业政策走向。
🔗 查看原文Qwen 3.6 27B 是一款密集参数本地大语言模型，原生支持 256k 上下文。在 MacBook Max M5 上运行 llama.cpp Q8_0 量化版（含多 token 预测）可达 30 tokens/s；用户反馈在 RTX 5090 上 Q6_K 量化可达 50 tokens/s。它可通过单个提示完成创意诗歌、用 pnpm 生成六边形扫雷游戏等任务，作者称其为首个真正具备通用智能的本地模型。27B 级别在 2026 年已成为本地 LLM 的"性能/硬件甜点"——足够强大可以胜任 80% 通用任务，又能在消费级 GPU 甚至高端 MacBook 上流畅运行。配合 Cursor/Cline/Aider 等 AI 编程工具，可以完全离线运行，配合本地代码库实现隐私敏感的代码工作流。
🔗 查看原文Anthropic 应用 AI 工程师 Margot Van Laar 在 Code with Claude 分享提示词工程实战，核心观点：大部分时间在调试和维护已有生产提示词，而非从零编写。两个场景案例——客服机器人维护中，用 XML 标签结构化清理，移除旧模型遗留的"禁止列表"指令（新模型会过度拟合），精确计算应调用工具，转人工决策需明确代价与收益；零售排班 Agent 从零构建时，拆成"生成-评估-修复"三个简单提示词串联。这与"提示词即代码"的工程哲学呼应——提示词需要版本控制、A/B 测试、回滚机制。Anthropic 把 prompt engineering 从"艺术"推向"工程"，为整个行业树立了 production prompt 的最佳实践。
🔗 查看原文作者分享 Vibe Coding 中两个关键 Prompt：一是"从第一性原理出发"，强制 AI 跳出类比推理，从基本事实重新推导本质，曾帮作者发现 AIHOT 抓取海外信源的底层流量路由隐患并彻底重构；二是"对抗式审查"，让 AI 站在恶意用户角度攻防式审查代码，检出 OOM 死循环、未来时间污染等手工难发现的 BUG。两个 Prompt 形成生成与验证闭环，使纯 Vibe Coding 项目 AIHOT 最近一周请求量超千万次。Vibe Coding 的最大风险是"AI 一本正经写出能跑但有隐患的代码"，引入对抗式审查是降低风险的关键工程实践。这套方法论适合一人公司或小团队快速交付 MVP，是 2026 年最实用的 AI 工程范式之一。
🔗 查看原文Anthropic 在算力上的支出达到每位工程师每年 51.5 万美元，是其完全薪资（22.4 万美元）的 2.3 倍。相比之下，顶尖 1% 软件公司的算力支出为 8.9 万美元，中位数仅为 1.37 万美元。报告给出三个 2029 年情景预测了这一差距的缩小路径——模型推理成本下降 5-10 倍 / 模型架构优化使单 token 计算成本下降 / 端侧推理承担更多负载。这揭示了 AI 时代软件公司的成本结构剧变：传统 SaaS 公司人力成本占 70%+，AI Native 公司算力成本可能反超人力。当算力支出超过人力支出，意味着商业模式的护城河从"人才密度"转向"模型+算力供应链"，VC 估值模型也需要重新校准 LTV/CAC。
🔗 查看原文开源模型生态正变得更多元，参与者从少数中国公司扩展到全球各类组织。纯模型制造商包括 DeepSeek、智谱、MiniMax、Poolside、Arcee、Zyphra 及主权 AI 玩家 Cohere、Sovereign、Mistral、Trillion Labs；科技巨头如阿里 Qwen、Google Gemma 和 NVIDIA 各有不同动机；产品公司如 JetBrains、Zed、Krea 也开始发模型。这与两年前"中国厂商独霸开源"形成对比，主权 AI（欧洲、中东、印度）和垂直产品公司正在涌入，生态从"几家独大"走向"长尾多元"。对开发者意味着更多高质量小众模型可选（编程专用、长上下文专用、多模态专用），对企业意味着采购谈判筹码增加。
🔗 查看原文