2026-07-03
AI 早报 2026-07-03

本页合并来源:Juya AI 早报 + AI HOT 日报。Juya 保留完整精选,AI HOT 作为补充来源;已按链接和标题做基础去重。
概览
Juya · 开发生态
Juya · 模型发布
- 葡萄牙发布面向葡萄牙语的开源模型AMALIA ↗
#3
Juya · 产品应用
Juya · 技术与洞察
- ByteDance-Seed 发布 EdgeBench 基准,评估 Agent 环境学习能力 ↗
#7
Juya · 行业动态
- 微软成立 Microsoft Frontier Company 投入 25 亿美元派驻 6000 名专家 ↗
#8 - NVIDIA 新合作模式:AI 云收入分成,加速 AI 原生公司获取算力 ↗
#9 - 阿里拟以 QoderWork 为基础整合悟空与 MuleRun ↗
#10
Juya · 前瞻与传闻
AI HOT 补充
- AI 版支付宝开放公测,蚂蚁阿宝无需邀请码即可体验 ↗
#A1 - Google Health API 推出 CLI:ghealth 是一款针对 Fitbit 数据的开源工具 ↗
#A2 - Senior SWE-Bench:评估AI智能体作为高级工程师的基准测试 ↗
#A3 - Kimi K2.7 Code 已在 GitHub Copilot 上正式发布 ↗
#A4 - 阿里巴巴发布 Page Agent:开源 JavaScript 库实现网页 DOM 自然语言操控 ↗
#A5 - Microsoft 成立“Frontier Company”,斥资 25 亿美元派驻 6000 名 AI 工程师到企业客户现场 ↗
#A6 - Anthropic与五角大楼控权之争:Claude军事用途护栏分歧 ↗
#A7 - OpenAI提议美国政府持股5%估值426亿美元 ↗
#A8 - 花旗、Adobe等企业限制员工使用AI旗舰模型以控制成本 ↗
#A9 - 快手可灵AI获初始投资者20.28亿美元注资,投后估值180亿美元 ↗
#A10 - 关于Mythos和网络安全的讨论并非炒作 ↗
#A11 - 多智能体团队阻碍专家发挥 ↗
#A12
Juya 早报精选
开发生态
Anthropic 面向 Pro 和 Max 用户开放 Claude Code Artifacts #1
Anthropic 宣布 Claude Code 的 Artifacts 功能现已面向 Pro 和 Max 用户开放。用户可请求 Claude 生成交互式网页并实时发布至个人 claude.ai 空间。
Anthropic 宣布,Claude Code 的 Artifacts 交互页面功能已从 Team 和 Enterprise 计划扩展至 Pro 和 Max 用户。用户可让 Claude 在会话中生成 PR walkthrough、项目仪表板或数据分析图表等网页,并实时发布在 claude.ai 的个人私密空间;在 Team 和 Enterprise 上还可生成团队共享链接。

相关链接:
Anthropic计划算力允许后将Fable恢复为订阅标配 #2
Anthropic 工程师 Thariq 回应社区关于Fable 可用性问题时,表示官方目标是在算力允许后尽快将其恢复为订阅标配。
Thariq在社交媒体上回应了关于Fable在订阅计划中可用性的问题,确认Fable即将退出订阅计划。Thariq表示,Anthropic的目标是在算力允许后尽快将Fable恢复为订阅计划的标准组成部分,该安排在此前Anthropic官方博客文章中已有提及。


相关链接:
模型发布
葡萄牙发布面向葡萄牙语的开源模型AMALIA #3
葡萄牙由高校及研究机构联合体{开发并发布了|"开发并发布了"}首个面向葡萄牙语的开源大模型 {AMALIA|"AMALIA"},包含 9B 参数的语言模型 {AMALIA|"AMALIA"}-{9B|"9B"} 和视觉语言模型 {AMALIA|"AMALIA"}-VL。
葡萄牙由高校及研究机构联合体开发并发布了首个面向欧洲葡萄牙语的开源大模型 AMALIA,包含 9B 参数的语言模型 AMALIA-9B 和视觉语言模型 AMALIA-VL。官方称其在欧洲葡萄牙语基准测试中具有竞争力,并提供了从数据处理、模型训练到评估的端到端开源生态系统。据 Reuters 报道,该模型获得政府支持及 550 万欧元欧盟复苏基金,其模型、训练数据集和源代码均以开源许可发布,旨在作为基础技术供公共机构和企业构建应用。
相关链接:
- https://amaliallm.pt/
- https://github.com/AMALIA-LLM/AMALIA
- https://huggingface.co/collections/amalia-llm/amalia-llm-0626
产品应用
Arena.ai 发布 Code Arena Fullstack 功能 #4
Arena.ai 宣布为 Code Arena 平台引入 Fullstack 功能,开发者现在可以构建需要数据库或后端支持的复杂应用.后续官方还会基于投票数据推出 Fullstack 排行榜。
Arena.ai 官方宣布其 Code Arena 平台现已支持 Fullstack 功能,使开发者能够构建需要数据库或后端支持的复杂应用。新功能支持开发包含注册或登录流程、使用 API key 以及存储用户进度的应用程序,使该平台从实验性原型工具转变为可处理日常实际工作的工具。官方表示,用户的投票数据将用于支持未来的 Fullstack 排行榜。
相关链接:
昆仑万维推出天工3.2升级并上线Skywork Tags #5
昆仑万维宣布天工3.2升级并上线Skywork Tags,支持将Agent接入Slack、飞书等通讯群组参与协作,现已上线。
昆仑万维宣布推出天工3.2版本升级,并正式上线“Skywork Tags”功能。该功能允许用户将Skywork Agent直接接入现有的即时通讯工具中。在具体应用上,Skywork Tags在单一频道内为所有成员提供共享的Agent服务,Agent能够读取工作群聊的上下文信息,支持异步推进任务,并允许团队成员在暂停处接力协作。该功能现已正式上线,国内用户可通过tiangong.cn体验,海外用户可通过skywork.ai体验。

相关链接:
“阿宝”开放公测并取消邀请码限制 #6
支付宝 Agent “阿宝”宣布正式开放公测,用户无需邀请码即可在 iOS 或安卓端体验其优化的口语理解及全场景办事能力。
支付宝宣布 Agent 产品“阿宝”结束内测,正式开放公测并取消邀请码限制。iOS 及安卓用户现可通过应用商店或支付宝 App 搜索“阿宝”或“蚂蚁阿宝”进行体验。该 Agent 更新了生活服务垂域模型以精准理解模糊口语和零散提问,扩充了日常办事刚需及特色服务,并新增提供长期互动反馈的用户陪伴体系。官方同步发布了包含72项办事技能的新手精选指南。
相关链接:
技术与洞察
ByteDance-Seed 发布 EdgeBench 基准,评估 Agent 环境学习能力 #7
字节Seed团队近日发布 EdgeBench 基准测试,用于评估自主 AI Agent 在真实世界环境中长期学习的能力。该基准包含 134 个跨六大类别的任务,目前公开 51 个任务及完整评估框架。
ByteDance-Seed 团队发布 EdgeBench,一个用于研究 AI Agent 从真实世界环境中学习的超长周期基准测试,共包含 134 个任务,覆盖科学问题与机器学习、系统与软件工程、优化、知识工作、形式数学和游戏六大类别,目前公开 51 个任务及名为 SForge 的完整评估框架。每个任务运行时长 12 小时以上,部分扩展运行超过 72 小时,Agent 在运行期间持续提交并接收细粒度反馈以迭代改进,最终取最佳结果计分。官方称基于 134 个任务约 38,000 小时的 Agent 交互数据,性能随交互时间呈对数 S 形缩放规律(R²=0.998),且 AI 从环境中学习的速度大约每三个月翻倍。

相关链接:
行业动态
微软成立 Microsoft Frontier Company 投入 25 亿美元派驻 6000 名专家 #8
微软宣布成立新业务部门 Microsoft Frontier Company。该部门获 25 亿美元投资,将向企业客户派驻 6000 名专家,提供不绑定单一模型的 AI 部署与持续改进服务。
微软宣布成立名为 Microsoft Frontier Company 的新运营业务部门并提供 25 亿美元投资。该部门将向全球企业客户派驻 6000 名行业和工程专家,协同设计并部署大规模 AI 系统。微软商业业务首席执行官 Judson Althoff 表示,该部门超越了现有的前向部署工程模式,旨在基于可衡量的业务成果交付 AI 解决方案。官方强调该平台支持模型多样化,允许客户使用 OpenAI、Anthropic 等不同来源的模型而不被单一供应商锁定,同时承诺保护客户知识产权与数据。此外,该部门将通过埃森哲、安永等合作伙伴在全球范围内扩展业务。
相关链接:
NVIDIA 新合作模式:AI 云收入分成,加速 AI 原生公司获取算力 #9
NVIDIA 推出收入分成合作模式,携手 Sharon AI、Firmus 等 AI 云伙伴部署大规模 AI 工厂,以加速 AI 原生公司的训练与推理。
近日,NVIDIA 宣布推出一种新商业模式,通过收入分成和信用支持机制与 AI 云合作伙伴共同部署大规模多租户 AI 工厂。该模式使模型构建者、推理提供商和 AI 原生公司(如 Baseten、Fireworks AI 和 Together AI)无需经历选址、电力采购和硬件建设等环节,即可更快获得全栈 NVIDIA 加速计算,用于模型训练、微调和大规模 Agentic 推理。
相关链接:
阿里拟以 QoderWork 为基础整合悟空与 MuleRun #10
据报道,阿里计划整合 QoderWork、悟空与 MuleRun 三大 Agent 产品打造新 AI 产品。现有产品将无缝升级,用户权益不受影响。
据报道,阿里巴巴计划以桌面 AI 工具 QoderWork 为基础,整合企业级 AI 工作平台“悟空”与面向多国的“MuleRun”,打造面向企业生产力的新 AI 产品,该计划由钉钉 CEO 陈宇森负责。在产品更迭期间,现有产品将实现无缝升级,现有用户的权益不会受到影响。
相关链接:
前瞻与传闻
报道称Anthropic启动自有AI芯片研发并接触三星电子 #11
据报道,Anthropic已开始早期阶段的自有AI芯片研发工作,并与三星电子就潜在的制造合作展开谈判。
据报道,The Information称Anthropic已启动自有AI芯片的早期阶段研发。同时,Anthropic已与三星电子进行谈判,探讨后者作为潜在制造合作伙伴的可能性。上述芯片研发进度及最终制造合作方案尚未得到官方确认。
相关链接:
OpenAI据悉向美国政府提议出让5%股份 价值约426亿美元 #12
据报道,OpenAI已向美国政府提议出让公司5%的股份,估值计算约值426亿美元,据称 OpenAI CEO Sam Altman 认为这是与公众分享AI发展红利的方式。
据《金融时报》报道,OpenAI已向美国政府提议出让公司5%的股份,按其852亿美元投后估值计算约值426亿美元,OpenAI CEO Sam Altman据称认为这是与公众分享AI发展红利的方式。该提议设想其他美国AI公司也通过主权财富基金向政府出让类似股份,Anthropic、Google和Meta被列为潜在参与方,但尚不清楚这些公司是否会同意,美国政府是否打算接受该提议也不明确。CNBC此前确认,相关谈判已持续超过一年,Altman最早于2025年向政府提出这一概念,OpenAI曾在政策提案中提出设立"公共财富基金"。白宫、OpenAI、Anthropic、Google和Meta均未立即回应CNBC的置评请求。
相关链接:
- https://www.cnbc.com/2026/07/02/openai-proposes-us-government-own-5percent-stake-to-address-political-blowback.html
- https://the-decoder.com/openai-reportedly-offers-the-trump-administration-a-five-percent-stake-in-the-company/
提示:内容由AI辅助创作,可能存在幻觉和错误。
AI HOT 补充资讯
产品发布/更新
AI 版支付宝开放公测,蚂蚁阿宝无需邀请码即可体验 #A1
来源:AI HOT:IT之家(RSS)
支付宝阿宝 AI 助手今日正式开放公测,iOS 和安卓用户可在应用商店或支付宝 App 搜索“阿宝”或“蚂蚁阿宝”直接体验。开通后右滑进入新版,以对话方式安排办事,例如说出“查公积金”,阿宝会自动匹配对应小程序和服务入口,用户点击确认即可完成。支付宝承诺所有资金变动与支付环节均需用户本人确认,扫码、转账等功能已预留入口。
Google Health API 推出 CLI:ghealth 是一款针对 Fitbit 数据的开源工具 #A2
来源:AI HOT:MarkTechPost(RSS)
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。
Senior SWE-Bench:评估AI智能体作为高级工程师的基准测试 #A3
来源:AI HOT:Hacker News 热门(buzzing.cc 中文翻译)
Senior SWE-Bench是一个开源基准测试,用于评估AI智能体完成高级软件工程师级别任务的能力。任务分功能开发与Bug修复两类:功能任务指令类似自然语言消息,采用验证智能体基于专家配方自动生成行为测试;Bug任务要求根据日志、profiling等运行时信息深入调查。排行榜显示,Claude Opus 4.8搭配Mini-SWE-Agent(max effort)通过率24.0%,Claude Sonnet 5为19.4%,GPT-5.5为16.0%,最强前沿模型在超75%任务中未能达到高级工程师级别的正确性与品味。每个功能任务平均涉及11个文件,最强智能体也需数百步完成;中位指令长度仅为SWE-Bench Pro的31%。任…
Kimi K2.7 Code 已在 GitHub Copilot 上正式发布 #A4
来源:AI HOT:Hacker News 热门(buzzing.cc 中文翻译)
Kimi K2.7 Code 开源权重模型已在 GitHub Copilot 中正式可用,成为 Copilot 模型选择器首个可选的开源权重模型,为编程工作流提供更低成本选择。该模型由 GitHub 托管于 Microsoft Azure,按供应商列表价格以用量计费。逐步向 Copilot Pro、Pro+ 和 Max 计划用户推送,用户可在 Visual Studio Code 1.127.0 或更新版本、Visual Studio 17.14.6 或更新版本、JetBrains 1.9.1-251 或更新版本、Xcode、Eclipse 等 IDE 及 Copilot CLI、GitHub.com、GitHub Mobile 等…
阿里巴巴发布 Page Agent:开源 JavaScript 库实现网页 DOM 自然语言操控 #A5
来源:AI HOT:MarkTechPost(RSS)
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。
行业动态
Microsoft 成立“Frontier Company”,斥资 25 亿美元派驻 6000 名 AI 工程师到企业客户现场 #A6
来源:AI HOT:The Decoder:AI News(RSS)
Microsoft 新设业务部门“Frontier Company”,拨款 25 亿美元,将 6000 名行业与工程专家派驻企业客户现场,“共同设计、共同创新、部署并持续改进 AI 系统”。该部门由 Rodrigo Kede Lima 领导,旨在超越“前部署工程”模式,成为“最大、以结果为导向的工程组织”。Microsoft 将自己定位为 OpenAI 和 Anthropic 的“平台中立”替代方案,后两者也已设立专门部署公司。Microsoft 将借助埃森哲、凯捷、安永等系统集成商扩大覆盖范围。
Anthropic与五角大楼控权之争:Claude军事用途护栏分歧 #A7
来源:AI HOT:X:Kim (@kimmonismus)
WSJ法庭文件显示,Anthropic CEO Dario Amodei与五角大楼副部长Emil Michael数月邮件往来,核心分歧在于Claude的军事用途护栏。Anthropic要求禁止全自主武器及某些监控用途,五角大楼则希望Claude可用于所有合法国家安全场景。Michael称若分歧太大不愿“强行推动”。随后五角大楼将Anthropic列为供应链风险,阻止合作伙伴在国防部项目中使用其模型。法官暂停部分措施,政府正在上诉。Michael称原先采用Anthropic的操作中已有三分之二切换至其他AI工具。
OpenAI提议美国政府持股5%估值426亿美元 #A8
来源:AI HOT:X:Testing Catalog (@testingcatalog)
据Financial Times和CNBC报道,OpenAI提议向美国政府提供公司5%的股份,按近期8520亿美元估值计算,价值约426亿美元。OpenAI CEO Sam Altman表示,此举是与公众分享AI发展红利的最佳方式。
花旗、Adobe等企业限制员工使用AI旗舰模型以控制成本 #A9
来源:AI HOT:IT之家(RSS)
据404 Media获取的内部资料,Atlassian、Adobe、亚马逊等六家企业正限制员工使用AI工具,要求改用能力较低的大模型避免成本失控。至少一家企业月度AI开销增至三倍,超1500万美元。花旗银行因GitHub改为按量计费,于6月24日禁用Claude Opus 4.6、4.7及GPT-5.5等旗舰模型。Adobe于6月30日终止Claude无限制使用协议。Atlassian数据显示其AI月支出从500万美元飙升至1500万美元,本财年预计超1.2亿美元。GitHub计划改用开源模型并测试单人按量计费模式。
快手可灵AI获初始投资者20.28亿美元注资,投后估值180亿美元 #A10
来源:AI HOT:IT之家(RSS)
快手在港交所公告,21名初始投资者同意以138.24亿元人民币(20.28亿美元)现金注资北京可灵,后者将持有可灵AI相关资产。同日15名额外投资者追加出资52.235亿元人民币(7.6639亿美元),认购总上限为204.471亿元(30亿美元),对应北京可灵扩大后注册资本的16.67%。投后估值180亿美元。快手预计未来12个月内启动可灵AI赴港上市,募资用于扩充算力、建设数据中心及人才引进。
论文研究
关于Mythos和网络安全的讨论并非炒作 #A11
来源:AI HOT:X:Ethan Mollick (@emollick)
关于Mythos和网络安全的讨论并非炒作。 (正如任何使用Fable进行自主工作的人可能已经认识到的那样。)
多智能体团队阻碍专家发挥 #A12
来源:AI HOT:Apple Machine Learning Research(RSS)
在自我组织的多智能体LLM系统中,团队无法有效利用专家成员的专业知识。在多个基准测试中,即使明确告知专家身份,团队表现仍落后于最佳成员(专家智能体)的独立能力,性能损失最高达41.1%。失败主因是未能有效利用专家意见,而非识别专家。对话分析显示,团队倾向于“整合性妥协”——平均化专家与非专家观点,随团队规模增大而加剧,且与表现负相关。这种寻求共识的行为同时提升了对抗恶意智能体的鲁棒性,揭示了协同对齐与专业利用之间的根本性权衡。
RL微调VLM的鲁棒性与思维链一致性研究 #A13
来源:AI HOT:Apple Machine Learning Research(RSS)
强化学习(RL)微调被扩展至视觉语言模型(VLM)。研究发现,简单的文本扰动——误导性标题或错误思维链(CoT)——会显著降低模型鲁棒性和置信度,且开源模型衰退更明显。闭源模型呈现类似失败模式,但鲁棒性和推理一致性更强。进一步分析揭示准确性与忠实性的权衡:微调提升基准准确率,但同时侵蚀CoT的可靠性及对上下文变化的鲁棒性;对抗性增强可改善鲁棒性,却无法阻止忠实性漂移。引入忠实性感知奖励能恢复答案与推理的对齐,但与增强结合时训练易崩溃到捷径策略。这些发现强调需联合关注正确性、鲁棒性与视觉推理的忠实性。
VideoFlexTok:可变长度粗到细视频分词 #A14
来源:AI HOT:Apple Machine Learning Research(RSS)
VideoFlexTok提出一种可变长度token序列的视频表示方法,采用粗到细结构——首个token捕捉语义和运动等抽象信息,后续token添加精细细节,生成流解码器支持任意token数量的视频重建。相比传统3D网格分词,该结构允许根据下游需求调整token数,在相同预算下编码更长视频。在类别和文本到视频生成任务中,VideoFlexTok以1.1B参数(5.2B的1/5)达到可比生成质量(gFVD和ViCLIP Score)。训练一个处理10秒81帧视频的文本到视频模型仅需672个token,比同等3D网格分词器少8倍。
技巧与观点
browser-use 发布开源 AI 视频剪辑 Skill「video-use」 #A15
来源:AI HOT:X:邵猛 (@shao__meng)
browser-use 团队推出面向 Codex、Claude Code 等 AI 编码智能体的开源 Skill「video-use」,让 LLM 通过 ElevenLabs Scribe 将音频转写为约 12KB 文本(含逐词时间戳、说话人分离、事件标记),仅在决策点调用 timeline_view.py 生成 PNG 帧图。技术流水线包括转写、打包、生成 JSON 格式 EDL、ffmpeg 渲染及最多 3 轮自评估。渲染关键细节:分段提取 + -c copy 拼接、30ms 音频淡入淡出、PTS 时移、字幕最后叠加、HDR 自动映射、竖屏缩放、两-pass loudnorm。动画支持 HyperFrames、Remotio…
Emil Kowalski 发布设计工程师 Skills,让 AI 编码工具具备 UI 动画审美 #A16
来源:AI HOT:X:邵猛 (@shao__meng)
Emil Kowalski 将多年 UI/动画原则沉淀为三个 Skill,使 Codex、Claude Code、Cursor 等 Coding Agents 具备资深设计工程师的审美判断。核心规则:动画必须有理由;每天 100+ 次的高频操作禁用动画;UI 动画控制在 300ms 内;只动画 transform 和 opacity;入口从 scale(0.95)+opacity:0 开始;尊重 prefers-reduced-motion(仅移除位移动画)。review-animations 以严格标准审查动画代码,输出 Before/After/Why 表格。animation-vocabulary 将模糊描述(如“弹一下的效果…
Fable 5 在 RLI 基准中达成 16.1% 自动化率,较八个月前提升六倍 #A17
来源:AI HOT:The Decoder:AI News(RSS)
Remote Labor Index(RLI)衡量 AI 智能体完成 240 个付费自由职业项目(总值 14.4 万美元)的专业质量比例。最新结果显示,Fable 5 自动化率达 16.1%,是八个月前最佳系统 2.5% 的六倍多,也超过 Opus 4.8(8.3%)和 GPT-5.5(6.3%)。因美国政府限制访问,Fable 5 仅完成 218/240 个项目评估,最坏情况仍达 14.6%。Gemini 3 Pro 仅 1.25%,落后于更老模型。AI 裁判会高估模型表现(GPT-5.5 评分偏高近三倍),仍需人类评估员打开专业软件(如 Blender)检验几何模型等细节。测试环境为虚拟 Linux 机,配备 30 余款专业应用…
Fable 5 仅 4.44 美元搭建 Rube Goldberg 机器 #A18
来源:AI HOT:X:OpenRouter (@OpenRouter)
用 Fable 5 构建的鲁布·戈德堡机械,仅需 4.44 美元 👀 提示词在此:https://www.reddit.com/r/openrouter/comments/1ulkilz/i_asked_claude_fable_5_to_build_a_rube_goldberg/
千问团队朱达:C端Agent Harness的“多快好省”工程哲学与主动服务探索 #A19
来源:AI HOT:公众号:千问APP(阿里)
千问团队2026年1月上线通用复杂任务Agent(千问App胶囊入口),总结“多快好省”方法论:支持信息搜集、研究分析等任务;执行时间降至初始1/3;通过搜索范式与上下文管理优化交付质量;Token消耗仅为海外产品1/10。团队探索从被动响应转向主动服务,构建User Memory、Environment、Task System、Assistant四大组件,指出“情商”是主动服务最难环节。朱达提出Agent工程从Prompt Engineering演进至Harness Engineering,下一站是A IWare Engineering,强调“低功耗,够用就行”。
提示:内容由 AI 辅助整理,可能存在错误,请以原始出处和官方信息为准。