开发者在 Hugging Face 发布开源工具 Her（हेर），专为分析 Anthropic Claude 的代码会话（Code sessions）设计。该工具可解析会话生成的 .jsonl 日志文件，自动还原执行过程、定位关键操作（如部署、配置变更、密钥使用）、追踪 token 消耗及工具调用路径，并以自然语言呈现分析结果。 Her 基于本地运行的 Nemotron Mini 4B Instruct 模型（通过 ZeroGPU 在 Hu...
OpenCV 5 已正式发布。新版本采用基于图的深度神经网络（DNN）引擎，ONNX 算子覆盖率从 4.x 版本的不足 23% 提升至超过 80%。 OpenCV 5 首次原生支持 Transformer 架构、视觉语言模型（VLM）和大语言模型（LLM）。其他重要更新包括：增强 Python 集成与命名参数支持、精简核心代码、明确硬件加速抽象层、原生支持 FP16/BF16 数据类型、规范化 0D/1D 张量处理、扩展 3D 视觉功能，以及...
Hugging Face 团队在“build small”黑客松活动中推出开源项目 Persona Atlas，旨在通过小型语言模型对公众人物的思维风格进行可量化映射。 该项目运行分为三步：首先由工具调用型 Agent 在开放网络中检索并构建人物事实档案；随后让该“人格体”回答10个开放性哲学类问题（涉及身份、伦理、自由意志等）；最后将所有回答转化为向量嵌入，生成可比对的风格坐标与特质热力图（如怀疑主义、幽默感、抽象倾向等）。 整个流程依托...
Anthropic 正式发布 Claude Code v2.1.166。该版本引入 fallbackModel 配置能力，支持最多指定三个后备模型，在主模型过载或不可用时按序自动切换； fallback model 参数现已扩展至交互会话场景。 新版本在 deny rule 中支持 glob 模式（如 " " 可拒绝全部工具），并增加对未知工具名启动的警告提示；跨会话消息中继机制不再传递用户权限，接收方将主动拒绝被中继的权限请求。 此外，通过...
Hugging Face团队在Build Small Hackathon活动中推出名为“Thousand Token Wood”的开源多智能体经济模拟项目。该项目基于Qwen2.5 3B（30亿参数）语言模型构建，由5个拟人化林地生物智能体组成，各自生产不同商品（如橡果、蜂蜜、柴火），在稀缺性机制（食物种类限制、商品腐坏、冬季燃料危机）驱动下自发进行交易、囤积与价格博弈。 项目采用vLLM框架部署于Modal平台，前端通过Gradio提供交互...
Google Research 与 Google Cloud 联合推出跨语料库检索（Cross Corpus Retrieval）框架，作为 Gemini Enterprise Agent Platform 的 Agentic RAG 解决方案。 该框架采用多智能体工作流，可将复杂的企业级查询拆解为子任务，通过规划、查询重写与路由机制，跨多个数据源进行迭代检索，直至获取充分上下文后生成可靠回答。 官方测试数据显示，相较于标准 RAG 架构，该...
Sourceful 推出图像生成模型 Riverflow 2.5，目前已在 OpenRouter 平台上线。该模型为业内首个具备独立、可调控评分标准的图像模型，用户可通过设定评分维度引导其推理路径与图像编辑行为，并调节推理努力程度，在生成速度与输出质量间灵活权衡。 Riverflow 2.5 当前提供免费试用，截止日期为 2026 年 6 月 9 日（周二）。平台同步开放 Fast 与 Pro 两种使用模式，具体参数详见官方说明。
谷歌 Magenta 团队近日发布 Magenta RealTime 2（MRT2）本地实时音乐生成模型，并同步开源配套乐器应用 Jam 及 DAW 插件。 MRT2 提供两个版本：高质量版 mrt2 base（24 亿参数）与高速版 mrt2 small（2.3 亿参数），均针对苹果 Apple Silicon 芯片优化，其中 mrt2 small 可在 M1 及以上 Mac 设备上实时运行。 相比前代约 3 秒的延迟，MRT2 采用逐帧生...
Google AI for Developers 宣布推出开放权重的实时音乐生成模型 Magenta RealTime 2（MRT2）。该模型支持通过 MIDI 键盘、实时文本提示及手势进行交互演奏。 MRT2 可在 MacBook 上原生运行，端到端延迟低于 200 毫秒。项目同步提供开放权重模型、开源推理引擎，以及配套桌面应用与插件套件。目前所有组件均已开源，开发者可自由下载、部署与二次开发。
neolab 正式发布 Nex N2 Pro 推理模型。该模型基于 Qwen3.5 397B A17B 架构，总参数量达 397B，采用 MoE 结构，支持 262K 上下文长度及多模态（VLM）能力。 该模型在 Terminal Bench 2.1、GDPVal、SWE Verified 等基准测试中取得 SOTA 成绩，综合性能对标 GPT 5.5 与 Claude Opus 4.7。其支持动态推理深度调节，可减少 30%–50% 思考...
Runway 官方宣布推出 Aleph 2.0 模型，进一步强化图像局部编辑能力。该模型可精准修改用户指定区域，同时保持画面其余部分不变。目前，Aleph 2.0 已集成至 Runway 新上线的 Edit Studio 工具中，用户可通过官方渠道直接体验实时局部编辑功能。
商汤科技正式推出开源多模态大模型 SenseNova U1，具备原生文本与图像理解及生成能力，支持将自然语言提示词一键转化为专业信息图。 该模型已全面开源，提供 SenseNova Studio 在线试用平台，并同步上线 Hugging Face 模型库、GitHub 源码仓库及 Discord 社区入口。 开发者社区初步反馈积极，有技术用户评价其表现“非常令人印象深刻”。
英伟达正式发布Nemotron 3 Ultra模型，专为长时间运行的AI智能体设计。该模型支持多轮对话中持续保持上下文、调用外部工具及子智能体，并可高效处理复杂工作流任务。 随着多智能体协作场景普及，推理过程中的token数量快速增长，对计算资源与延迟提出更高要求。Nemotron 3 Ultra通过优化推理流程，在提升响应速度的同时显著降低计算成本。 此举旨在增强AI智能体在真实业务场景中的长期运行可行性，适用于需持续交互与自主决策的应用环...
NVIDIA 近日在 Hugging Face 平台开源 Nemotron 3.5 ASR 语音识别模型。该模型为 6 亿参数架构，单检查点支持 40 种语言及方言的实时流式语音转文字，内置标点与大小写生成能力，端到端延迟可低至 80 毫秒。 模型采用 Cache Aware FastConformer RNNT 架构，通过缓存编码器内部状态避免重复计算，兼顾低延迟与高准确率。开发者可通过 att context size 参数在推理时动态调...
英伟达与Hugging Face联合发布一项面向大语言模型预训练的合成数据生成新方法——基于任务种子的合成问答（Task Seeded Synthetic Q&A）。该方法利用lm eval harness中约70个公开任务的训练集作为能力种子，生成结构化、带推理链和上下文的Q&A样本，用于Nemotron系列模型的后期训练。 在Nemotron 3 Nano模型的1000亿token续训实验中，该方法使MMLU Pro提升1.8分、平均代码...
Ideogram 于6月3日正式开源文生图模型 Ideogram 4.0。该模型核心规模为 9.3B 参数，采用单流架构，实现文本 tokens 与图像 tokens 在同一自注意力序列中处理。 技术架构方面，模型集成 Qwen3 VL 8B Instruct 文本编码器、34 层单流 DiT 主干、Euler 流匹配采样器及冻结 KL 自动编码器。其文字渲染能力突出，可准确生成含较长文本的图像；通过对象与文本边界框联合训练，并结合结构化 J...
Anthropic 正式发布 Claude Code v2.1.162 版本，本次更新主要聚焦于 Bug 修复与用户体验优化。 核心改动包括：为 claude agents json 命令新增 waitingFor 字段；/effort 命令的确认级别支持持久化；远程控制界面改为固定底部显示；/ide 菜单中 “Windsurf” 已正式更名为 “Devin Desktop”。 此外，版本修复了十余项已知问题，涵盖配置文件只读导致启动黑屏、W...
Miso One 开源语音合成（TTS）模型正式发布。该模型参数量为 8B，旨在模拟真实人类朗读的温暖与节奏。模型支持单次语音克隆，仅需短音频样本即可完成声音复刻，端到端推理延迟低至 110ms。全部权重已开源至 GitHub，支持本地自托管，确保音频数据不出本地环境。官方已上线在线演示，用户可先试听效果，再下载代码与权重。配套 API 访问功能计划后续推出。
商汤科技（SenseTime）正式开源SenseNova U1模型。该模型整合了视觉理解、逻辑推理与内容生成能力，支持从单张普通图像直接生成营销级视觉内容。官方表示，该架构代表了多模态模型设计的范式转变。 目前，SenseNova U1已上线SenseNova Studio平台，并同步开放至Hugging Face及GitHub，供开发者与研究人员免费试用。
据 BlockBeats 监测，谷歌母公司 Alphabet 宣布，预计 Gemini 3.5 Pro 模型将于 2026 年 6 月正式推出。该模型已在 Google 内部投入试用，定位为面向前沿多模态与深度推理任务的升级版本。 截至 5 月，Gemini 应用全球月活跃用户数已突破 9 亿，较 2025 年同期的 4 亿增长逾一倍；付费订阅用户达 3.5 亿。旗下 AI 概览（AI Overviews）功能月活用户超 25 亿，近期日均处...
微软在 Build 2026 开发者大会上宣布推出七款自主研发的 AI 模型，涵盖图像生成与推理等方向。其中，其首款专用推理模型正式亮相。 此外，微软还公布了一种新型模型调优方法，以及一个可自主运行于后台的 AI 智能体。 据公开信息，微软在本次大会中强调其图像生成能力已超越 Google，但在推理性能方面仍在追赶行业领先水平。
MiniMax官方宣布发布多模态大模型MiniMax M3。该模型在ValsAI基准评测中位列第六，成为当前开源权重模型的新SOTA。模型权重已正式开放。
微软研究院在MSBuild大会上宣布其新型气象AI模型Aurora。实测显示，该模型的天气预报计算速度较传统超级计算机提升数千倍。该项目由Kenji Takeda团队主导，旨在提升高分辨率短期天气预测效率。 Aurora未依赖传统数值天气预报（NWP）的物理方程求解路径，而是采用端到端深度学习架构，直接从历史气象数据中学习时空演化规律。 目前模型相关细节与技术文档已通过微软官方渠道公开，具体部署时间表与商用计划暂未披露。
AI 编程工具 Claude Code 新增动态工作流功能。该功能允许 Claude 根据具体任务自动构建定制化的执行框架，通过运行 JavaScript 文件协调多个子智能体，并支持用户自定义模型调用方式与工作区隔离级别。 该功能适用于研究分析、安全审计、代码审查等复杂开发场景，生成的工作流支持保存、共享与复用。官方提示，启用动态工作流将带来更高的 Token 消耗。
OpenRouter 官方宣布，微软（Microsoft AI）三款新模型已正式上线平台，分别为 MAI Image 2.5、MAI Transcribe 1.5 和 MAI Voice 2。新模型涵盖图像生成、语音转文字及语音合成交互等能力，开发者现可通过 OpenRouter API 直接调用。
Claude Platform 近日新增命令行接口（CLI）工具，开发者现可直接在终端调用所有 API 端点。该工具支持调用 Messages API、启动 Claude 托管智能体，并将输出结果直接管道传输至本地 Shell 环境。 官方说明指出，该 CLI 已获 Claude Code 编码智能体原生支持，具备 claude api 技能的智能体可无缝理解并调用该工具，便于开发者在本地工作流中快速集成与调试。
Google DeepMind 宣布推出 Co Scientist——一款基于 Gemini 模型的多智能体科研系统。该系统旨在作为研究人员的专属 AI 合作伙伴，支持科学探索全流程。 Co Scientist 能够针对复杂科学问题自动生成假设，并通过多智能体协作机制对假设进行辩论与迭代演进，以推动新发现。 该系统目前处于发布阶段，具体技术细节与应用案例尚未公开。
美国总统特朗普于6月2日签署一项修订后的AI监管行政令。该命令要求部分AI企业自愿在发布先进模型前30天向政府提交模型，供测试或评估。 此前草案曾提议90天前置审查期，但因行业强烈反对而调整；业内曾主张缩短至约两周。原定5月下旬签署的更严格版本被推迟，白宫表示此举旨在避免阻碍美国AI企业对华竞争能力。 行政令明确指出，不设立强制性政府许可、预审或审批制度，不干预AI模型的研发、发布与分发。此外，命令还指示司法部将AI辅助黑客攻击、未授权访问等...
TechCrunch 6月2日消息，AI合规初创公司ZeroDrift宣布完成1000万美元种子轮融资，投资方包括a16z Speedrun、Reign Ventures、PitchDrive Ventures和U&I Ventures等。 该公司提供一种嵌入式AI合规服务，部署于AI模型与终端用户之间，通过确定性规则（如SOC 2、GDPR）实时识别潜在违规输出，并调用大模型重写为合规版本。其架构设计强调低延迟与高可靠性，区别于底层主模型的...
Anthropic可解释性团队近日发布Circuits研究最新进展，提出一种区分激活模式相似但因果效应不同的神经网络特征的新方法。该研究通过分析特征的下游连接来预测其实际影响，并引入基于共激活统计的TWERA（虚拟权重）对连接进行加权排序。实验表明，结合下游连接信息能更精准地识别引导特定输出的关键特征，为定位大模型内部真实因果组件提供了新路径。