苹果的新AI改进可能平息外界对其在重要行业竞赛中落后的指责，表明其慢而稳的AI押注正变得明智。

Berryxia.AI@berryxia

69

Berryxia.AI: 没有熬夜的兄弟们来看,WWDC 2026 速览! 另插一嘴,Apple真的没有特别的新东西。 一、历史性时刻 1库克谢幕:Tim Cook最后一次以CEO身份主持WWDC,9月1日将交接给硬件工程副总裁John Ternus 2基调延续:发...

2026年全国高考统考科目于6月8日结束，部分省份选考科目仍在进行。海南、山东、山西、重庆、广东、湖北、江西等地已公布查分时间，多数集中在6月25日。教育部将举办“2026年全国普通高等学校招生云咨询周”，并对“阳光高考”平台及“阳光志愿”信息服务系统进行优化升级。此外，多地考场已投入使用AI智能巡查系统，通过视觉分析算法捕捉异常行为并自动标记作弊迹象，供审核员进一步确认。

meng shao@shao__meng

68

Claude Code 负责人Boris Cherny与Cat Wu回顾一周年核心方法论：每次Claude犯错写入CLAUDE.md或Skill持久化规则而非口头纠正；Verification指agent亲自跑起来验证（如启动模拟器、computer use测试）。Auto Mode取代Plan Mode，用独立分类模型筛权限风险而非人工审批。Routines实现自动化运维（如监听GitHub bug自动提PR）。Context Minimalism主张最小system prompt和工具集。团队预判未来agent运行更久、成百上千并行，产品形态将巨变。

ClaudeDevs: Claude Code's first demo got two Slack reactions. One year after GA, @bcherny and @_catwu look back: verification best p...

meng shao@shao__meng

72

Cognition 发布 FrontierCode，含 150 个任务（来自 36 个开源仓库，每任务 40+ 小时），按难度分 Extended/Main/Diamond 三层。沿行为正确性、回归安全等六维度衡量 mergeability，指标为 Pass rate 与 Score。Diamond 子集最高分：Claude Opus 4.8 达 13.4%，GPT-5.5 为 6.3%，Gemini 3.1 Pro 4.7%；Main 子集 Opus 4.8 为 34.3%。开源最佳 Kimi K2.6 仅 3.8%。GPT-5.5 token 用量约为 Opus 四分之一，性价比更优。

Cognition: Introducing FrontierCode: a coding eval that raises the bar for difficulty & quality. Each task took 40+ hrs of work by ...

AI Notkilleveryoneism Memes ⏸️@AISafetyMemes

43

Peter Wildeford🇺🇸🚀: OpenAI joins Anthropic in thinking pausing may be needed 👀 "there should be an international organization that helps [....

Claude@claudeai

63

Claude: Code with Claude, our developer conference, returns next week. Whether you're just getting started with Claude Code or y...

AYi@AYi_AInotes

65

Google DeepMind CEO Demis Hassabis在Google I/O和斯坦福对谈中称，我们正站在奇点山脚，AGI约2030年出现，将进入新人类时代，社会需重视并做准备。这位一向保守的科学家此次改口引发广泛关注。

华为余承东官宣尊界 V800，定位超高端 MPV，轴距 3430mm，搭载 1.5T 增程器及前后双电机。苹果 WWDC26 发布 iOS 27 等新系统，库克完成 CEO 任内“最后一舞”，Siri AI 等智能功能在中国大陆暂不提供。月之暗面正寻求 20 亿美元新一轮融资，目标估值 300 亿美元，半年估值暴涨七倍。OpenRouter 数据显示中国 AI 大模型周调用量连续六周超越美国，6 月 9 日当周环比增长 27.49% 达 14.19 万亿 Token，DeepSeek-V4-Flash 蝉联榜首，MiniMax 新模型 M3 首周冲入前三。

苹果在 2026 年 WWDC 公布 CarPlay 视频播放功能，仅限适配新款车辆，驻车时通过 AirPlay 投屏观看。iOS 27 允许开发者打造带视频浏览的 CarPlay 应用。AI 版 Siri 将登陆 CarPlay，需 iPhone 15 Pro 及后续机型。四项新优化包括：正在播放界面支持音频进度拖动、GPS 定位与导航准度提升、应用内新增音频迷你播放窗口、无线 CarPlay 连接稳定性改进。所有功能需升级至 iOS 27，开发者测试版今日上线，公开测试版 7 月推送，正式版 9 月面向所有适配机型。

苹果在 WWDC26 主题演讲上公布 iOS 27，带来 Siri AI 和新一代 Apple 智能，系统性能大幅优化且可靠性改进，支持 iPhone 11。中国用户专属更新包括节假日调休闹钟和中文输入法优化。但 Siri AI 与新一代 Apple 智能暂不在中国大陆提供。iOS 27 开发者预览版 Beta 1 今日面向全球推出，公测版 7 月上线，正式版秋季发布。

苹果在 WWDC 2026 推出全新 Siri AI，采用定制的 Gemini 衍生模型运行于 Private Cloud Compute，并利用视觉 LLM 从屏幕提取信息，绕开了已有应用单独集成 Apple Intelligence 的需求。同时发布 Core AI 库，集成 Meta 的 PyTorch 生态，允许开发者在苹果硬件上将 PyTorch 模型转换为 Core AI 程序运行。iOS 27 Developer Beta 已上线，但用户需通过等待列表才能使用新 Siri AI。

ginobefun@hongming731

67

本期早报聚焦AI编程从辅助到自主Agent的拐点。Anthropic复盘Claude Code一周年：Auto Mode用路由分类模型替代人工审批，通过Claude 4.6/4.7实现数千Agent动态协作。Boris Cherny提出“循环工程”——工程师应设计自动循环系统（定时自动化、并行工作树等5模块），并警示“认知投降”风险。安克创新CEO阳萌4小时访谈阐述从“浅海”到“深海”战略、第三类公司愿景及AI原生组织变革。

ginobefun@hongming731

57

本期早报聚焦：Claude Code一周年复盘，从辅助写代码到数千Agent协作网络，推出Auto Mode以安全分类模型替代人工审批；循环工程新范式强调工程师职责从提示Agent转向设计系统；小米MiMo与TileRT通过FP4量化和DFlash推测解码，在商用GPU上实现1万亿参数模型1000+ token/s推理；OpenAI概述AGI第三阶段愿景构建自动化AI研究员；另有安克创新创始人阳萌4小时访谈、六大Agent上下文压缩策略对比、杰弗里·辛顿谈AI失控焦虑等。

ginobefun: http://x.com/i/article/2064136850370101248

OpenAI（ChatGPT 开发商）已秘密提交 IPO 申请，成为又一家通过公开市场融资以推动增长计划的 AI 公司。

Nathan Lambert@natolambert

52

Nathan Lambert 批评 AI 领域过度关注持续学习与样本效率，认为这如同专注于弥补弱点而非最大化优势。人类大脑虽是存在性证明，但未必是 AI 最佳路径。前沿实验室实际加速推进现有开发树，对进步有利，但对安全与地缘政治影响复杂。他引用 @dwarkesh_sp 的观点：数据是进步主要驱动力，开源与后来者可通过从公开 API 蒸馏数据快速追赶前沿，而超参数、训练技巧等难以复制。他认为未来已来，AGI 研究应拥抱未知、规模化资源，而非等待不确定的科学突破。

Dwarkesh Patel: New blog post: on the million-x sample efficiency gap between AIs and humans, and whether it matters: "The reason it is ...

Berryxia.AI@berryxia

61

Google NotebookLM 迎来重大升级，在聊天中注入智能体（agentic）能力、更先进的推理逻辑以及一整套新输出格式。它可自主拆解复杂多步研究任务，逐步推理并生成结果；能主动从网络挖掘新资料，但最终答案严格基于用户批准过的来源，大幅减少幻觉。这让人机协作从“对话”升级为“搭档”。该更新已面向 Google AI Ultra 订阅用户逐步推送。

NotebookLM: Introducing a more powerful NotebookLM 🚀 Massive upgrades deliver agentic capabilities in chat, more advanced reasoning...

Berryxia.AI@berryxia

67

Tim Cook 最后一次以 CEO 身份主持 WWDC，AI 成绝对核心。苹果推出双轨模型：基础层 3B 端侧 AFM 3 Core，进阶层 20B MoE 仅限 iPhone 17 Pro/M4 设备。四大 AI 能力：个人上下文理解、世界知识检索、App Actions、屏幕感知。Siri 升级支持连续对话、跨设备同步、视觉识别及独立 App，仅限英语，中国/欧盟暂不可用。应用生态：Safari 智能标签分组、密码自动更新、来电识别、快捷指令自然语言生成。影像：Image Playground 写实生成与空间重构。开发者工具：Xcode 支持多模型，Core AI Framework 开放本地部署。遗留问题：中国区功能缺失，Agent 多步自动化能力薄弱。

Berryxia.AI@berryxia

74

Kimi Code 开源 coding agent 迎来重大升级：一行 CLI 命令安装、零配置、秒启动；支持拖拽视频作为编码上下文，可参考视频生成 .cube LUT 文件或把屏幕录像转成可运行代码；插件系统上线，可一键拉取股票、财报、学术论文；支持 ACP 协议，对接 JetBrains、Zed，并提供自定义 hooks 扩展工作流。配合 Kimi K2.6 模型使用，视频推理能力大幅增强。

Kimi Developers: Kimi Code, our open-source coding agent, just got a major upgrade! 🔹One-line CLI install, zero setup, fast startup 🔹Dr...

Chubby♨️@kimmonismus

83

OpenAI 已秘密提交 S-1 文件（IPO 申请），预计消息将泄露故主动披露。OpenAI 尚未决定上市时间，可能继续维持私有一段时间，因其部分计划在私有状态下更易推进。此举紧随 Anthropic 提交保密 S-1 之后，两大前沿 AI 公司展开 IPO 竞赛：先上市者可能定义整个板块的公开市场预期，迟入者则面临以此为基准的估值对比。

OpenAI Newsroom: We recently submitted a confidential S-1. We expect it to leak so we're just announcing it. We have not decided on timin...

WebChallenger 围绕核心模块 PageMem（从 DOM 确定性构建的带摘要语义层次页面结构）设计三种机制：分而治之的观测管线（让智能体扫读摘要、仅提取任务相关区域细节）、轻量级网站探索与记忆系统（遍历一次网站即可复用页面与元素行为地图）、以及将多步交互压缩为单步智能体动作的工作流。使用未经微调的开源模型，在 WebArena 上达 56.3%、VisualWebArena 48.7%、Online-Mind2Web 51.0%、WorkArena 70.9%，接近前沿闭源系统但成本极低。代码已开源。

提出基于累积FLOPs的计算感知评估框架，以计算压力替代固定查询预算，引入风险-计算曲线和两项总结指标。在三个系列、四个训练/对齐阶段的十个模型上，使用梯度、迭代优化和模板三种攻击策略在两个越狱鲁棒性基准上测试发现：对齐训练对计算空间鲁棒性呈非单调影响；模型规模扩大降低梯度攻击效果但对低成本模板攻击影响有限；梯度攻击可跨模型迁移；单个模型内不同危害类别间计算成本差异约5倍；安全对齐的RL增加整体攻击成本，但部分类别仍较易攻破。框架已开源。

Flash-GMM 是一个基于 Triton 的融合内核，可在单次 GPU pass 中高效计算大规模高斯混合模型（GMM）。它无需在 GPU 内存中实例化完整责任矩阵，相比现有实现实现 20 倍加速，并支持在单设备上训练比之前大 100 倍以上的数据集。将 Flash-GMM 集成到 IVF 粗量化器中用于近似最近邻搜索（ANN）后，软 GMM 聚类可替代 k-means，利用 GMM 责任矩阵将边界向量分配到多个簇。该方法达到固定召回目标时所需距离计算减少 1.7 倍，或在同等计算成本下召回@10 提升 2–12。该内核已作为开源项目发布。

基于预训练视觉基础模型（VFM）的表示自编码器（RAE）在图像生成中构建语义丰富的潜空间，但重建质量受限于深层特征丢失细节。IDEAL框架通过联合对齐量化token与浅层和深层VFM特征，使离散视觉token同时保留视觉保真度和丰富语义。在ImageNet上，IDEAL达到0.61 rFID，比之前最优方法提升0.28；用于自回归图像生成时取得1.89 gFID，创下新SOTA。

针对token级采样易产生冗余轨迹、嵌入级随机噪声破坏语义一致性的问题，N-GRPO将语义邻居混合（Semantic Neighbor Mixing）机制集成到GRPO框架中。该方法通过混合锚点token及其最近语义邻居的嵌入构造输入表示，在注入多样性的同时保持局部语义流形。在DeepSeek-R1-Distill-Qwen系列不同规模模型上的实验表明，N-GRPO在数学推理基准上持续优于强基线，并在分布外任务上展现稳健泛化能力。

ComBench是一个面向奥林匹克级组合数学的基准，包含100个人工标注的竞赛级别问题，分为分析型（侧重严谨数学论证）和构造型（需要明确构造及正确性证明）。评估结合评分指南的证明评分与确定性构造验证，揭示证明质量与构造有效性的差异。前沿模型在该基准上远未饱和：最强模型整体平均分65.4%，Best@4达75.3%。Kimi-K2.6在分析型证明评分上落后于GPT-5.5，但在构造型Best@4上反超；存在性和构造类问题对所有代表性模型始终最难。

DeNovoSWE 是一个大规模完整仓库生成数据集，包含4,818个高质量实例，每个实例要求从文档生成完整仓库。该数据集通过沙盒智能体工作流自动构建，无需人工标注，采用分治与批评修复策略以及难度感知轨迹过滤保证质量。微调 Qwen3-30B-A3B 后，在 BeyondSWE-Doc2Repo 基准上的得分从5.8%提升至47.2%。