1/13 Google 把 Gemini 推向鼠标指针和 Android 设备交互层
Google DeepMind 展示 AI-enabled pointer，把 50 年历史的鼠标指针变成 Gemini 可理解的上下文输入：用户可以用指针、手势、语音和短句告诉模型“改这里”“总结这个 PDF”“把表格变成图”。Sundar Pichai 同日介绍 Android Show / I/O 版 Gemini Intelligence，称 Gemini 将自动执行跨应用和 Chrome 的多步骤任务、一键填表、把口述想法整理成文本，并逐步进入手机、手表、汽车、眼镜和笔记本。这组信号说明 Google 正把 Gemini 从聊天框推向 OS 级交互界面。
2/13 Microsoft 发布多模型 agentic security system
Satya Nadella 宣布 Microsoft 的新多模型 agentic security system，称系统集合 100 多个 specialized agents，覆盖 frontier models 和 custom models，用于发现可利用漏洞，并在 CyberGym benchmark 上取得领先表现。Microsoft 已在 Patch Tuesday 前使用该系统帮助发现并修复 16 个漏洞，现在开放 private preview。继 OpenAI Daybreak 后，安全工程继续成为 coding agents 最先进入生产的高价值场景：漏洞发现、验证、修复和响应都有清晰指标，也适合多 agent 分工。
3/13 Claude Opus 4.7 fast mode 同时进入 Cursor 和 Windsurf
Cursor 宣布 Claude Opus 4.7 fast mode 可用，称速度为标准模式 2.5 倍，但成本为 6 倍，并明确建议多数任务继续使用 standard speed。Windsurf 也上线 Claude Opus 4.7 fast mode，强调保留完整 Opus 4.7 intelligence，同时输出速度约提升 2.5 倍。这个发布的重点不是新模型本身，而是 coding IDE 正在把“速度/成本/推理质量”做成可选运行档位。对团队来说，未来 agent 预算会像 CI、云算力一样被按任务价值精细调度。
4/13 Hugging Face Hub 达到 100 万个公开数据集
Hugging Face 宣布 Hub 上公开数据集达到 100 万个。Clement Delangue 补充称，Hub 从 0 到 50 万个数据集用了 4 年，但过去 8 个月又翻倍到 100 万；他把加速与 agents 变得更好联系起来，认为创建、分享和使用自有数据集正在变得更容易。这个里程碑强化了一个产业判断：open models 的瓶颈会越来越从权重转向数据，尤其是高质量、可复用、可追溯的数据资产。数据集生态正在成为开源 AI 的第二基础设施。
5/13 Sakana KAME 用快速语音模型和后台 LLM 改造实时对话
Sakana AI 介绍 KAME：一个 fast speech model 先立即开始回复，同时后台 LLM 并行运行，并在对话中动态注入更深的知识。Sakana 将其描述为让 conversational AI 更“alive”的不同架构。这个思路切中了 realtime AI 的核心权衡：用户需要低延迟反馈，但高质量回答通常需要更慢的推理。前端快速语音层加后台知识层的组合，可能成为语音 agent 的实用路径，让系统先保持互动节奏，再逐步补上复杂事实和推理。
6/13 Together AI 推出 voice finder，面向语音 agent 选型
Together AI 发布 voice finder，支持搜索、过滤和试听 600 多个来自 MiniMax、Cartesia、Deepgram、Rime 等 TTS 模型的声音。用户可以用文字描述需求或上传音频样本，按音高、口音、语言、年龄、情绪和说话风格等属性筛选。语音选择会直接影响 agent 在客服、医疗、金融、教育和娱乐中的感知质量。这个工具说明语音 AI 的产品层正在从“能合成声音”走向“为具体应用找到合适声音资产和模型组合”。
7/13 LlamaIndex 发布 liteparse-server，补齐私有文档解析层
LlamaIndex 推出 liteparse-server，一个自托管、开源的 HTTP server，用于解析 PDF、Office 文件和图片，并生成文档截图。它可作为 Docker 容器或 serverless Express API 部署，支持 Redis 缓存和限流、OpenTelemetry traces/metrics，以及 Jaeger、Prometheus、Grafana 等观测工具。文档解析仍是 RAG 和 enterprise agents 的高摩擦环节；把解析服务私有化、生产化，可以让团队在不外传敏感文件的前提下，把复杂文档变成可检索、可抽取、可执行的 agent 输入。
8/13 AI agent 后端和实时上下文层继续产品化
AlphaSignalAI 当日集中介绍两个 agent 基础设施项目。InsForge 作为 backend context layer，让 coding agents 通过结构化 schema 访问 Postgres、auth、S3-compatible storage、edge functions、hosting 和 model gateway；推文称 Claude Code 单项目 token 从 10.4M 降到 3.7M，错误从 10 个降到 0。Cocoindex 则用增量处理让代码库、Slack、PDF、视频和会议笔记等上下文保持新鲜，只重算变化部分。共同信号是：agent 可靠性越来越依赖工具层和数据层，而不是只靠更大模型。
9/13 Andrew Ng 反驳 AI jobpocalypse，称更可能出现 jobapalooza
Andrew Ng 发表长文称 “There will be no AI jobpocalypse”，认为 AI 会改变工作，但大规模失业叙事被过度夸大。他特别提到软件工程是最受 AI tools 影响的部门之一，但软件工程招聘仍然强劲；美国失业率仍为 4.3%。他认为 frontier labs 有动机强调 AI 能替代员工，以抬高技术价值和定价锚点，企业也有动机把裁员包装成 AI 效率提升。Ng 的观点代表产业采用派对“AI 替代工作”叙事的反制：技能结构会变，但就业总量未必崩塌。
10/13 Luma Agents 继续把生成式视频推向广告工作流
Luma Labs 连续展示 Luma Agents 的广告场景：用户定义 campaign 方向、季节节点或“更好”的目标后，agent 生成更高表现的视觉和文案资产，包括 hero imagery、social assets 等。Luma 的重点不是单张图或单段视频，而是将模型能力包装进广告迭代流程：参考素材、目标设定、消息策略、视觉一致性和多资产交付被放进同一个 agentic creative tool。生成式视频产品的竞争正在从模型画质扩展到营销 workflow 的可控性和可复用性。
11/13 Qwen3.6-Plus 登上 Nous Portal，Hermes Agent 生态继续扩展
Alibaba Qwen 宣布 Qwen3.6-Plus 已在 Nous Portal 上线，并在限时免费阶段可用，同时提到 Hermes Agent。虽然推文本身信息量不大，但它延续了一个重要趋势：模型分发正通过第三方推理门户、agent runtime 和开源工具链组合起来。对开发者来说，模型是否好用不仅取决于 benchmark，还取决于能否快速接入现有 agent 环境、是否有合适的价格/免费窗口，以及是否能与本地或云端工具链协同。
12/13 François Chollet 再次强调 symbolic learning 不是 coding agent，而是新学习底座
François Chollet 表示，symbolic learning 不是 coding agents 的替代品，而是 gradient descent 和 neural networks 的替代品：一个底层、通用、可扩展的新学习 substrate。这个判断把近期关于 ARC、程序合成、推理泛化和神经符号方法的争论拉回基础学习机制。它也说明行业对 agent 成功的解释仍在分化：一派关注模型+工具如何完成工作流，另一派认为真正的下一步突破需要不同于梯度下降神经网络的学习范式。
13/13 Gary Marcus 和 Timnit Gebru 继续质疑 OpenAI 治理与超级智能叙事
Gary Marcus 围绕 Sam Altman 间接持有 OpenAI equity、参议院证词和 OpenAI 治理透明度连续发声，认为相关信息在公共讨论中被低估。Timnit Gebru 则批评 Bernie Sanders 等政治人物接受 TESCREAL/superintelligence 叙事，认为这种话术会让公众把 AI 公司想象成正在建造“super brain”，而忽视数据工人、欺骗式拟人设计、资源消耗和政治游说等现实问题。这组争论不是产品发布，但显示 AI 治理、劳动和安全叙事仍是行业主线。
Deep Dive 附录
Google AI-enabled pointer and Gemini Intelligence
Google DeepMind 的 pointer demos 把 cursor location、screen snapshot、gesture 和 speech 组合成 Gemini 的上下文入口，让用户用自然 shorthand 对屏幕对象发出请求。Android Show 的 Gemini Intelligence 则把相同方向扩展到设备层：跨 app 与 Chrome 的多步骤自动化、一键表单、Rambler 文本整理、自定义 widgets，以及未来覆盖 phone、watch、car、glasses、laptop。这个方向的关键不是“又一个 assistant”，而是模型开始理解用户正在指向什么、操作什么，并在原界面中完成任务。 查看原文 查看原文
Microsoft multi-model agentic security system
Microsoft 的新系统把 100 多个 specialized agents 与 frontier/custom models 组合起来，用于寻找 exploitable bugs。Satya Nadella 称该系统在 CyberGym benchmark 上表现领先，并已在 Patch Tuesday 前帮助发现和修复 16 个漏洞。安全场景适合 agentic workflow，因为目标可验证、风险高、价值明确，并且可以拆成检测、利用验证、修复建议、回归测试和响应多个子任务。Microsoft 采用多 agent 系统，也说明企业级 coding/security agents 可能更像专业团队，而不是单一聊天机器人。 查看原文
Hugging Face reaches 1M public datasets
Hugging Face Hub 达到 100 万公开数据集。Clement Delangue 指出，达到前 50 万用了 4 年，而最近 8 个月又翻倍，原因之一是 agents 让构建、整理和复用数据更容易。这个里程碑说明开源 AI 生态正在从 model-centric 转向 data-centric：模型权重之外，数据集的发现、版本、许可、质量控制和自动化加工会成为更多团队能否独立构建 AI 的关键。它也解释了为什么数据工具、合成数据、评测集和 dataset agents 会继续升温。 查看原文 查看原文
Sakana KAME
KAME 的设计把低延迟和深推理拆开处理：fast speech model 先即时回应，后台 LLM 同时运行，并在对话中动态补充更深知识。这个架构适合实时语音 agent，因为交互节奏不能等待完整大模型推理，但用户也不希望只得到浅层寒暄。前端快速层负责保持 conversational flow，后台层负责事实、计划和知识增强。类似分层设计可能成为会议助手、教育陪练、客服和陪伴型 AI 的常见工程模式。 查看原文 查看原文
LlamaIndex liteparse-server
liteparse-server 将文档解析做成可私有部署的开源 HTTP 服务，覆盖 PDFs、Office 文件和图片，并能生成截图。部署形态包括 Docker container 和 serverless Express API，周边支持 Redis、OpenTelemetry、Jaeger、Prometheus 和 Grafana。对企业 RAG/agent 来说，解析层经常决定系统上限：如果表格、扫描件、版式和多模态内容不能稳定转成结构化上下文，后续检索和推理都会失真。自托管路线则解决了敏感文档不能外传的问题。 查看原文 查看原文