Tibo@thsottiaux产品AI 评分65Codex用量限制已重置，可尽情使用
所有付费ChatGPT订阅用户的Codex使用限制已重置。您现在应恢复至每周100%和每小时100%的限额。 让token今天创造不可思议的事，玩得开心。
推荐理由：Codex 额度重置对重度用户是刚需信号，之前频繁撞墙的痛点被解决，今天可以放心跑长任务。虽然只是策略调整，但比多数模型更新更实在。
AI 资讯AI 每天都在变，
AI 每天都在变，
这里一页看完
全球 AI 公司、研究机构和媒体的最新动态，自动挑出值得看的，全天自动更新。
更新于 10月16日 20:49 · 每小时自动更新
5月31日 周日1 条
Tibo@thsottiaux产品AI 评分655月30日 周六5 条
Guardrails：保护你的智能体、数据与成本
Guardrails 是一套可配置的安全与治理工具，提供预算执行、零数据保留、模型与提供商限制、提示词注入防御及数据丢失预防等功能，旨在保护智能体（Agents）、数据与控制成本。
推荐理由：OpenRouter 把预算管控、注入防御和敏感信息脱敏打包成一套 guardrail 配置，让投喂给 Agent 的流量有了护栏，用 OpenRouter 做生产级应用的团队可以立刻用上，不用自己搞中间件。
v2.1.157 更新
此版本主要改进了插件系统，现可自动加载 `.claude/skills` 目录中的插件，并通过 `claude plugin init` 创建；`/plugin` 命令增加了自动补全。`claude agents` 现在会应用 `settings.json` 中的 `agent` 字段，并支持 `--agent` 参数覆盖。更新修复了多个具体问题，包括处理不可用图片导致的崩溃、在 tmux 中的剪贴板复制失效（2.1.153 回归）、后台会话恢复后日期不正确等。此外，优化了长对话及恢复对话的性能，并改进了在 VS Code、Cursor 和 Windsurf 等 IDE 中的体验。
推荐理由：Claude Code 这个版本把插件从市场限制中解放出来，自动加载本地 skills 目录，对喜欢自己鼓捣定制工作流的开发者是个实实在在的便利。
参与我们的 I/O 2026 测验：该测验由 Google AI Studio 氛围编程生成
Google 使用其开发工具 Google AI Studio，通过氛围编程（vibe coding）方式，创建了一个关于 Google I/O 2026 主要公告的在线测验。
推荐理由：Google 用 AI Studio 自己 vibe code 了个 I/O 测验，是想展示普通人也玩得转，但 quiz 本身信息量不大，想体验 vibe coding 的可以顺手玩玩。
OpenRouter融合预算模型性能超越GPT-5.5与Claude Opus 4.7
一组预算模型通过OpenRouter平台进行模型融合，在包含100个复杂研究任务的评估中，得分超过了GPT-5.5与Claude Opus 4.7。
推荐理由：OpenRouter 的 Fusion 功能把模型融合做成了 API 调用，实测用便宜模型组合就能逼近 Fable 5 的性能，成本却只有一半，这对做复杂推理和深度研究的开发者来说是个很实用的新工具。
Gemini Omni 与 Gemini 3.5 的 11 个实战展示
Google 在 2026 年 Google I/O 大会上发布了新一代多模态模型 Gemini Omni 与 Gemini 3.5，并同步提供了 11 个视频，集中演示了这两款模型在实际场景中的能力。
推荐理由：Google 官方放出的这组视频演示，直接展示了 Gemini Omni 和 3.5 的实际表现，比参数和 benchmark 更直观，做多模态应用的可以逐帧研究。
5月29日 周五13 条
Qwen-VLA：从理解世界到付诸行动
通义千问推出通用视觉-语言-动作模型Qwen-VLA，基于Qwen多模态骨干，将视觉感知、语言理解与空间推理扩展至连续动作生成和轨迹预测。训练分四阶段：文本到动作预训练（T2A）、持续预训练（CPT）、监督微调（SFT）和强化学习（RL）。在LIBERO上达97.9%，Simpler-WidowX达73.7%，RoboTwin-Easy/Hard达86.1%/87.2%，匹配或超越专精模型。数据涵盖超10,000小时公共机器人轨迹、1,000+小时内部真实轨迹及800万+合成仿真轨迹。
推荐理由：Qwen-VLA 把机器人操作、导航和跨实体控制统一进一个模型，在多个基准上打平甚至超越专用模型，这是通用具身智能的一个重要信号，但离实际可用还有距离。
OpenRouter 推出 Guardrails：保护你的 AI 智能体、数据与成本
OpenRouter 发布 Guardrails 可配置安全与治理工具，支持预算执行、零数据保留、模型和提供商限制、提示词注入防御以及数据丢失防护，帮助用户保护 AI 智能体、数据与成本。
推荐理由：OpenRouter 的 Guardrails 把预算、隐私、模型白名单和 prompt 注入检测打包成傻瓜式配置，做 agent 的团队终于不用自己拼积木了，生产环境多一层放心。
OpenRouter Guardrails 发布：可配置安全与治理工具，保护 AI 智能体、数据与成本
OpenRouter 推出 Guardrails，一套可配置的安全与治理工具，支持预算执行、零数据保留、模型与提供商限制、提示词注入防御及数据丢失防护等策略，用于保护 AI 智能体、数据和成本。
推荐理由：OpenRouter 这波补上了 API 代理的安全短板，提示注入防御和 DLP 直接堵住了企业用户最担心的两个口子，配置方式也足够灵活，做 agent 的团队值得立刻上。
Claude Platform on AWS 新增 Managed Agents webhooks、多智能体编排与自托管沙箱
Claude Platform on AWS 现已支持 Managed Agents webhooks、多智能体编排和自托管沙箱。新增了 IAM 操作及 `AnthropicSelfHostedEnvironmentAccess` 托管策略，用于在 AWS 上管理 Claude 智能体的触发、协作与安全执行环境。
推荐理由：这次更新让 Claude 托管代理直接跑在 AWS 上，对已经在用 Claude Platform 的企业算是好消息，webhooks 和多代理编排能简化不少工作流，但并不会改变行业格局。
创新时代：Google Research 在 I/O 2026
Google Research 在 I/O 2026 大会上展示了其在多个前沿领域的技术进展，包括应用AI、基础机器学习算法以及量子AI等。本次大会的核心主题是展示其在将科学发现与研究成果转化为现实世界影响方面的持续努力。
推荐理由：Google 把研究成果直接发 Nature，ERA 和 Co-Scientist 这套工具让 AI 从写诗进化到做实验，健康 AI 的临床验证数据也很扎实，搞科研的可以蹲一下访问资格。
Grok Build 0.1 on API
xAI 的最新编码模型 Grok Build 0.1 已通过 xAI API 进入公开测试阶段。该模型专为智能体编码任务训练，支持网页开发、调试和 MCP，同时也是驱动 Grok Build CLI 的同一模型。其推理速度超过 100 tokens/秒，定价为输入 $1/m tokens，输出 $2/m tokens。除编码外，它也适用于通用智能体及工具调用场景，并可通过 OpenRouter 和 Vercel AI Gateway 获取。
推荐理由：xAI 把编码模型卷到了 100+ t/s 和 $2/M 输出，专攻 agentic coding，这是直接在叫板 Claude Code 和 Cursor，做开发工具的同行该重新算账了。
使用 Google Pay & Wallet Developer MCP server 加速你的集成工作流
Google 推出 Google Pay & Wallet Developer MCP server，这是一款开放标准工具，旨在将 AI 开发助手和 IDE 安全连接到实时的 API 与账户上下文。开发者无需离开开发环境，即可搜索官方文档、验证 Wallet pass 定义、检查集成状态以及管理商户账户。该集成旨在通过减少上下文切换并提供实时、可靠的 AI 支持来减少开发摩擦，从而加速开发工作流。
推荐理由：这是 Google 为支付场景做的 MCP 服务器，把文档和账户操作直接塞进 IDE，减少上下文切换，做 Google Pay 集成的开发者可以试试看。
Claude Code v2.1.154 发布：新增 Opus 4.8 与动态工作流
Claude Code 更新至 v2.1.154 版本，正式引入 Opus 4.8 模型。新功能包括“动态工作流”，可通过 `/workflows` 指令让 Claude 在后台编排数十到数百个 AI 智能体协同处理复杂任务。Opus 4.8 的快速模式现已可用，成本降低为 2 倍标准费率可实现 2.5 倍速度提升。其他更新有：精简系统提示词成为默认设置（除 Haiku、Sonnet 及 Opus 4.7 及更早版本外），优化多选题决策逻辑，简化 `/simplify` 命令。此次更新修复了包括后台会话管理、终端渲染在内的多个 bug，并增强了自动模式对数据外泄的检测能力。
推荐理由：Claude Code 这版把多 agent 编排做成了产品功能，动态工作流让一个 prompt 能调度上百个 agent，再加上 Opus 4.8 快速模式只要 2 倍价格，做复杂任务的开发者可以试一下。
Anthropic 完成 650 亿美元 H 轮融资，估值达 9650 亿美元
Anthropic 宣布完成由 Altimeter Capital 等领投的 650 亿美元 H 轮融资，投后估值达 9650 亿美元。公司表示其旗舰模型 Claude 的企业部署持续增长，年化收入已突破 470 亿美元。此轮融资将用于推进 AI 安全与可解释性研究、扩展算力以满足 Claude 的需求，并规模化产品与合作伙伴关系。Anthropic 近期已显著扩大计算容量，并宣布 Claude 已登陆 AWS、Google Cloud 和 Microsoft Azure 三大云平台。
推荐理由：65B的融资规模基本封死了其他玩家追赶的门槛，Claude的算力和研发投入将远超同行，做应用的可以放心上船了。
在Claude Code中引入动态工作流
Claude Code 推出“动态工作流”功能，使 Claude 能端到端处理复杂任务。该功能通过动态编写脚本，在单个会话中并行运行数十到数百个子智能体来完成工作，并会在结果呈现前进行验证。它适用于跨代码库的 bug 查找、大规模迁移（如将 Bun 从 Zig 移植到 Rust）等需要多角度分析的任务。该功能现已在研究预览阶段可用，支持 Claude Code CLI、桌面端、VS Code 扩展以及 API、Amazon Bedrock、Vertex AI 等平台，面向 Max、Team 及已启用的 Enterprise 计划用户。
推荐理由：动态工作流第一次让 Claude Code 能独立搞定需要并行协调的大规模工程任务，Bun 从 Zig 到 Rust 只用了十一天，这对复杂代码库的维护和迁移是降维打击。
Claude Opus 4.8 发布：在编码、智能体技能与推理方面实现全面升级
Anthropic 发布了新一代模型 Claude Opus 4.8，作为 Opus 4.7 的升级版本，其在编码、智能体技能、推理和实用知识工作等各项基准测试中均取得进步。Claude Opus 4.8 现已可用，价格与前代相同。同步推出的新功能包括：用户可控制任务投入程度、Claude Code 新增“动态工作流”特性，以及 Opus 4.8 的 2.5 倍速模式价格降低为以往的三分之一。早期测试者反馈其在智能体任务中的判断力更可靠、工具调用更高效。该模型在 Online-Mind2Web 测评中得分 84%，超越了 Opus 4.7 和 GPT-5.5。此外，其诚实度与对齐表现也得到提升，代码错误漏检率降低了约 75%。
推荐理由：Opus 4.8看着是常规升级，但动态工作流让Claude Code能啃下跨十万行代码迁移这种硬骨头，快速模式降价三倍更是直接拉低了实时场景的入场券。
SGLang 团队与 AMD 合作，使 AMD Instinct™ MI355X GPU 的大规模 DeepSeek-R1 分离式推理在总拥有成本上具备竞争力
SGLang 与 AMD 团队合作，通过一系列全栈优化，使 AMD Instinct™ MI355X GPU 在运行 DeepSeek-R1 大模型推理时实现了极具竞争力的总拥有成本。在 129 tok/s/user 的交互延迟下，其成本为每百万 token $0.169，比 NVIDIA B200（Dynamo TRT-LLM）方案低 5%，比 B200（SGLang）方案低 40%。吞吐量方面，24 块 AMD GPU 达到 2,436 tok/s/GPU，比使用 48 块 GPU 的 B200 SGLang 方案每 GPU 吞吐量高 1.25 倍。核心优化包括：MoRI 混合 FP4/FP8 量化全到全通信、MoRI-IO KV Cache 后端、两批重叠与 SDMA、ROCm 上的 Specv2 MTP 以及 CPU 流式处理优化。
推荐理由：AMD MI355X跑DeepSeek-R1的TCO比NVIDIA B200低5%，吞吐还高出1.25倍，这是开源框架SGLang对闭源生态的一次真实挑战，做推理部署的应该点开看看完整的全栈优化。
LMSYS与Intel合作通过异构CPU+GPU EPD架构提升视觉语言模型服务性能
LMSYS团队（Intel与SGLang）通过Dynamo和SGLang框架，为视觉语言模型（VLM）启用了异构编码-预填充-解耦（EPD）架构。该方案将视觉编码任务从GPU卸载至CPU（如Intel Xeon 6747P），与GPU协同工作。在Qwen3-VL-8B-Instruct模型的测试中，采用4 CPU + 1 GPU作为编码器、4 GPU作为预填充解码器（能力比R=12）的配置，在ISL/OSL 128/256、1080p 8张图像的负载下，实现了P99 TTFT和请求吞吐量约1.2倍至1.3倍的提升，并将P99 TPOT降低了约1.3倍至30倍。
推荐理由：做VLM服务部署的可以认真看一下，用CPU头节点做异构EPD分离，几乎零成本换来了TTFT和TPOT的显著提升，有完整脚本和benchmark，能直接上手试。
5月28日 周四20 条
社区如何利用Tunix和TPU训练Gemma学会“思考”
Google在Kaggle举办的Tunix黑客马拉松，挑战开发者利用TPU和有限算力，将小型基础模型转变为通用推理引擎。获胜团队通过多阶段后训练流程实现了这一目标，该流程结合了监督微调（SFT）与GRPO、SimPO等先进对齐技术。比赛结果表明，社区能够借助开源资源成功训练出高能力的结构化推理模型。
推荐理由：Google 官方比赛总结，证明用 Kaggle TPU 和开源工具就能把 Gemma 训练出不错推理能力，对想自己微调模型的小团队是个实用参考。