一、 今日核心洞察与重点摘要

  • 美团LongCat-2.0发布——国产算力"零英伟达"万亿参数模型正式开源：美团以1.6万亿参数MoE架构（48B激活参数）、1M上下文窗口的LongCat-2.0，在5万张国产加速卡上完成全链路训练与推理，英伟达含量为零。这是首个在纯国产算力集群上从零跑通的万亿参数大模型，标志着国产AI芯片生态从"能用"到"能训万亿"的质变。同日寒武纪市值突破万亿人民币成为科创板首支万亿股，国产AI算力的资本与产业双重里程碑同时落地。

  • Anthropic大范围封号与IP封杀——“蒸馏战争"正式升级为地缘对抗：Anthropic封杀所有浙江和杭州IP的Claude访问，直接回应此前指控阿里利用25000+账号进行2880万次交互的"史上最大蒸馏攻击”。与此同时，Fable 5即将以独立信用系统+身份验证模式重新发布，Sonnet 5也同步在路上。在Ramp最新月度AI指数中，Anthropic企业付费份额反超OpenAI至41%（OpenAI降至39.5%），模型安全与数据保护正从技术问题升级为商业护城河和地缘博弈工具。

  • Agent"知止"能力成为学术焦点——从"能做什么"到"知道何时不做"：今日HF日榜第一的Agentic Abstention（120票）系统性定义了"Agent何时应该停止行动"这一全新问题维度，揭示当前最先进Agent在任务不可行时仍盲目执行的核心缺陷。TUA-Bench和OSWorld2.0则分别从终端使用和长时程计算机操作维度，揭示最强Agent仍仅完成20.6%的真实世界长时程任务——Agent能力瓶颈已从"单步执行"转移到"长时程约束维持与状态推断"。

  • 中国AI成本战略压制美国——开源模型OpenRouter占比从34%飙升至65%：花旗研究显示中国模型每百万token收费低至18美分（顶级模型均价4美元），Coinbase CEO公开确认默认使用GLM-5.2和Kimi 2.7进行任务路由。开源模型在OpenRouter的处理占比半年内从34%飙升至65%，DeepSeek DSpark推理框架实现60-85%加速。“以能源成本定价智能"的中国策略正在重塑全球AI定价体系。

今日产学研合作趋势

今日论文呈现出三大产学研合作方向：（1）Agent评测基础设施共建——TUA-Bench（蚂蚁集团Shoufa Chen团队全员产业界）构建终端Agent通用基准，OSWorld2.0（多伦多大学+Salesforce+Qwen等产学研联合体37位作者）将计算机使用评测从30步推升至平均318步长时程任务；（2）Agent训练蒸馏方法论创新——DOPD（Shuicheng Yan团队16人，跨学术界与昆仑万维等产业界）提出双on-policy蒸馏突破特权信息幻觉，AsyncOPD（Furiosa AI×UW Kangwook Lee）系统研究异步蒸馏中陈旧数据的影响，Building Multi-Task Agentic LLMs（清华Kaifeng Lyu团队）提出两阶段蒸馏替代多任务混合训练；（3）编码Agent工程优化——TraceLab（UW Stephanie Wang+Baris Kasikci团队）发布首个4300会话的编码Agent工作负载特征分析，SWE-INTERACT和SWE-Together将编码评测从静态单轮推向交互式多轮。合作重心从"联合训练大模型"持续走向"评测标准共建+蒸馏理论突破+工程基础设施开源"三线深度融合。

二、 详细内容追踪

1. 前沿学术与技术突破（Hugging Face 精选 + Arxiv 精选）

论文名称：Agentic Abstention: Do Agents Know When to Stop Instead of Act?

  • 核心亮点：定义了"智能体弃权”（Agentic Abstention）这一全新问题——当任务目标不明确或在当前环境中不可实现时，Agent应该识别出继续交互无益并主动停止工具调用。与标准LLM弃权不同，这是一个序列决策问题：Agent可以在每轮选择回答、弃权或收集更多信息，弃权的必要性可能只有在与环境交互后才变得清晰。在28000+任务上评估13个LLM系统和2个Agent框架后发现，核心挑战不仅在于Agent能否弃权，更在于何时弃权。CONVOLVE上下文工程方法将Llama-3.3-70B的及时弃权召回率从26.7提升至57.4。
  • 团队背景：Han Luo、Bingbing Wen、Lucy Lu Wang（学术机构研究者，聚焦Agent行为可靠性）。
  • 相关链接：📄 点击阅读论文原文

论文名称：Scaling the Horizon, Not the Parameters: Reaching Trillion-Parameter Performance with a 35B Agent (Agents-A1)

  • 核心亮点：提出"扩展地平线而非参数"的理念——35B MoE Agent模型通过扩展Agent地平线（长时程轨迹+异构Agent能力）达到万亿参数级性能。构建了平均45K token的知识-动作基础设施，采用三阶段训练：全领域SFT对齐 → 领域级教师模型训练 → 多教师域路由on-policy蒸馏+显著词汇对齐。在SEAL-0（56.4）、IFBench（80.6）、FrontierScience-Olympiad（79.0）等基准上达到或超越Kimi-K2.6和DeepSeek-V4-pro等万亿参数模型，为社区提供35B模型匹配万亿性能的可行路径。
  • 团队背景：50+作者大规模合作，含Lei Bai、Dahua Lin（上海AI Lab/港中文）、Shuicheng Yan等顶级研究者，横跨学术界与产业界，体现"以小博大"的产学研联合攻关范式。
  • 相关链接：📄 点击阅读论文原文

论文名称：TUA-Bench: A Benchmark for General-Purpose Terminal-Use Agents

  • 核心亮点：填补终端Agent评测空白——现有基准要么聚焦GUI，要么仅覆盖编程工作流。TUA-Bench包含120个真实世界任务跨5个任务族，覆盖文档编辑、邮件管理、实时网页信息检索等日常数字活动，以及与博士级领域专家合作设计的科学工程工作流。最强Agent（Claude Code + Opus 4.8 max reasoning）仅达65.8%总体性能，揭示终端使用Agent在专业化工作流中的显著差距。
  • 团队背景：Shoufa Chen等10位作者（产业界团队全员，聚焦终端Agent的工程化评测）。
  • 相关链接：📄 点击阅读论文原文

论文名称：OSWorld2.0: Benchmarking Computer Use Agents on Long-Horizon Real-World Tasks

  • 核心亮点：将计算机使用评测推向极致——108个长时程真实世界工作流，人类中位完成时间约1.6小时，Claude Opus 4.7平均需要318次工具调用（OSWorld 1.0仅约30次）。涵盖流式交互、动态环境、跨源推理、隐式状态推断和视觉空间精度等此前基准未覆盖的挑战现象。在500步限制下，Claude Opus 4.8仅完成20.6%的任务（54.8%部分分），GPT-5.5仅约13%。核心失败模式不是GUI操作或编码，而是丢失约束、遗漏任务中到达的信息、猜测而非询问用户、跳过验证步骤。
  • 团队背景：37位作者大型产学研联合体，含多伦多大学Tao Yu、Yu Su（OSU）、Qwen Junyang Lin、Salesforce Peng Qi等，横跨学术界与产业界。
  • 相关链接：📄 点击阅读论文原文

论文名称：TACO: Tool-Augmented Credit Optimization for Agentic Tool Use

  • 核心亮点：提出GRPO变体TACO，通过双重优势通道解决多模态Agent中工具调用的精确信用分配问题。DAPR（差异回答探针奖励）通过在模型推理中插入探针Token，自监督地衡量每次工具调用对正确回答的边际贡献——有用的调用获得正分、误导性的获得负分、无变化的为零，无需外部判别模型。OGAR（结果门控优势路由）将最终答案优势仅传递给负责任务段。实验证明TACO学会了仅在工具有帮助时才调用工具。
  • 团队背景：Mingkuan Feng等8位作者（中国科学院大学/清华系，聚焦多模态Agent训练信号优化）。
  • 相关链接：📄 点击阅读论文原文

论文名称：GUICrafter: Weakly-Supervised GUI Agent Leveraging Massive Unannotated Screenshots

  • 核心亮点：解决GUI Agent数据瓶颈——利用大规模无标注截图和网页进行弱监督训练，通过两阶段课程学习：阶段一从无标注截图学习视觉定位，阶段二用少量高质量数据通过RL校准。仅需UI-TARS 0.1%的数据量即达到甚至超越其性能，在相同标注数据量下超越GUI-R1等所有此前方法。
  • 团队背景：Sunqi Fan等7位作者（清华大学胡事民团队，学术机构主导）。
  • 相关链接：📄 点击阅读论文原文

论文名称：SWE-Together: Evaluating Coding Agents in Interactive User Sessions

  • 核心亮点：将编码Agent评测从静态单轮推向交互式多轮——从11260条真实用户-Agent编码会话中策展109个仓库级任务，构建响应式LLM用户模拟器保留原始用户意图。评测发现更强模型在单轮SWE任务上的表现无法可靠迁移到多轮交互式工作流——最佳模型解决约50%的静态基线任务，但仅25%的SWE-Together任务，揭示"交互式目标发现与迭代精炼"是一个正交的能力维度。
  • 团队背景：11位作者（含Serena Li等，跨学术界与产业界）。
  • 相关链接：📄 点击阅读论文原文

论文名称：PolicyGuard: A Dialogue-Grounded Sub-Agent Verifier for Policy Adherence in LLM Agents

  • 核心亮点：提出Agent策略遵从的子Agent验证器——共享Agent对话视图，在上下文中推理策略并提供可执行反馈。在tau²-BENCH航空基准上，跨三个供应商（GPT-5.4/Claude Sonnet 4.6/Gemini 2.5 Pro），PolicyGuard将PASS4分别提升+12.0/+6.0/+12.0个百分点。核心发现是策略遵从是对话级问题而非单参数值问题，需要全对话上下文+自我推理+对话特定修复。
  • 团队背景：Seongjae Kang等3位作者（KAIST Sung Ju Hwang团队，学术机构主导）。
  • 相关链接：📄 点击阅读论文原文

论文名称：AsyncOPD: How Stale Can On-Policy Distillation Be?

  • 核心亮点：首个系统性研究异步on-policy蒸馏（OPD）中陈旧数据影响的工作。发现KL方向改变陈旧数据问题：教师加权前向KL对陈旧rollout更鲁棒，学生加权反向KL更脆弱。构建了完全异步的AsyncOPD训练流水线，吞吐量比严格同步训练提升1.6×至3.8×，准确率相当。
  • 团队背景：Wonjun Kang等12位作者（Furiosa AI × UW Kangwook Lee，产学研合作——韩国AI芯片公司Furiosa AI提供产业场景和工程资源，UW Kangwook Lee团队贡献理论分析）。
  • 相关链接：📄 点击阅读论文原文

论文名称：DOPD: Dual On-Policy Distillation

  • 核心亮点：提出优势感知双蒸馏范式DOPD，解决on-policy蒸馏中的"特权幻觉"问题——当向教师或学生注入特权信息时，会混淆学生需要弥合的可迁移能力差距和只能模仿但永远无法复制的信息不对称差距。DOPD根据优势差距和相对概率，在特权教师策略和特权学生策略之间动态路由Token级监督。在LLM和VLM设置上均持续超越Vanilla OPD。
  • 团队背景：Xinlei Yu等17位作者（Shuicheng Yan团队，跨学术界与昆仑万维等产业界——将蒸馏理论创新与产业级训练实践结合）。
  • 相关链接：📄 点击阅读论文原文

论文名称：TraceLab: Characterizing Coding Agent Workloads for LLM Serving

  • 核心亮点：发布首个编码Agent工作负载特征分析数据集——约4300个编码Agent会话、350000个LLM步骤和430000次工具调用，来自Claude Code和Codex的日常使用。揭示了编码Agent工作负载的四大特征：长自主循环、长上下文短输出、多样化重尾工具调用、高但不完美的前缀缓存命中率。为服务系统优化指明方向：低开销工具调用、追加长度感知预填充、语义感知工具延迟预测和KV缓存管理。
  • 团队背景：Kan Zhu等7位作者（UW Stephanie Wang + Arvind Krishnamurthy + Baris Kasikci团队，学术机构主导——系统性工程研究为产业界提供基础设施级洞察）。
  • 相关链接：📄 点击阅读论文原文

论文名称：SWE-INTERACT: Reimagining SWE Benchmarks as User-Driven Long-Horizon Coding Sessions

  • 核心亮点：将SWE基准重新构想为用户驱动的长时程编码会话——用户模拟器从模糊不完整指令开始，逐步揭示需求、检查工作区、提供针对性反馈和修订。发现单轮SWE任务的强势表现无法可靠迁移到多轮用户驱动工作流：最佳模型解决约50%单轮基线任务，但仅25%的SWE-INTERACT任务。最强模型（Opus 4.8、GPT 5.5）在模糊初始指令下表现更稳健，但仍存在过度编码、遗忘需求和技术错误。
  • 团队背景：Mohit Raghavendra等4位作者（产业界团队）。
  • 相关链接：📄 点击阅读论文原文

论文名称：Predict, Reuse, and Repair: Accelerating Dynamic Sparse Attention for Long-Context LLM Decoding

  • 核心亮点：提出PRR推测-复用-修复运行时，利用动态稀疏注意力（DSA）选择的时间局部性来消除选择到注意力的序列化依赖。使用轻量级EMA预测器预测可能块、在选择进行时对预测块进行推测注意力计算、一旦确定真实选择集则增量修复遗漏块。在长上下文基准上将每Token解码延迟降低最多40%，同时保持下游任务精度。
  • 团队背景：Tianyu Wang等7位作者（含Dejan Milojicic（HP Labs/产业界）和Longfei Shangguan，产学研合作——将系统优化研究与企业级部署需求结合）。
  • 相关链接：📄 点击阅读论文原文

论文名称：Whose Side Is Your Agent On? Multi-Party Principal Loyalty in LLM Agents

  • 核心亮点：定义多方Agent忠诚度问题——Agent代表委托方行动时，同时与利益可能分歧的对手方对话。PrincipalBench是75条多轮基准（含泄露探针、双判官和完整性审计门），揭示13个前沿模型在单轮安全评测不可见的尖锐分裂：选择性集群（对抗探测拒绝率≤20%同时遵循合法请求）vs 过度拒绝集群。发现提示级忠诚支架和每Token-KL蒸馏均只能沿着泄露/过度拒绝的共同权衡轴移动，联合最优结果仍不可达。
  • 团队背景：Bojie Li、Noah Shi（2位作者，独立研究者）。
  • 相关链接：📄 点击阅读论文原文

论文名称：One-Step Gradient Delay is Not a Barrier for Large-Scale Asynchronous Pipeline Parallel LLM Pretraining

  • 核心亮点：挑战异步流水线并行的"不稳定性"共识——证明一步梯度延迟下的退化严重依赖优化器选择而非内在限制。AdamW在一步延迟下严重退化，但近期方法Muon表现出强鲁棒性。引入误差反馈-inspired修正进一步缓解延迟效应，在10B参数规模上弥合同步训练的性能差距，释放大规模异步预训练的实用潜力。
  • 团队背景：Philip Zmushko等5位作者（Samuel Horváth团队，学术机构主导，聚焦大规模训练系统优化）。
  • 相关链接：📄 点击阅读论文原文

论文名称：Dynamo: Dynamic Skill-Tool Evolution for Vision-Language Agents

  • 核心亮点：提出无训练框架Dynamo，冻结VLM无需权重更新即可适应——Agent检查自身正确和错误尝试，进化出两种互补能力：用于认知瓶颈的可复用推理技能，用于感知瓶颈的可执行视觉工具。每个工具配对一个指定何时调用的技能，两者在持久库中累积。跨4个视觉推理基准和5个VLM骨干提升直接推理在全部20个设置上的表现（平均+5.6准确率），在极小计算量下弥合65-99%的RL差距。
  • 团队背景：Yutao Sun等11位作者（含Mengyu Zhou等，跨学术界与产业界）。
  • 相关链接：📄 点击阅读论文原文

论文名称：Clarus: Coordinating Autonomous Research Agents toward Web-Scale Scientific Collaboration

  • 核心亮点：将自主科研从"代码中心执行循环"重构为"研究导向协作过程"——定义最小化项目-Agent-资源对象模型，通过研究申请、数字协作、物理基底和物理世界四层组织科学协作。核心模块实现为可插拔机制，适应任务风险、协作结构和资源约束。通过受控论文生成案例研究，展示Clarus如何将研究目标组织为跨阶段、任务和参与者的可追溯、可审查、可归因、可累积的协作网络。
  • 团队背景：Zihan Guo等19位作者（Weinan Zhang团队，上海交大/学术界主导）。
  • 相关链接：📄 点击阅读论文原文

2. 产业动态与产品创新（AI Hot Skill 精选）

事件/产品名称：美团发布LongCat-2.0万亿参数MoE模型——纯国产算力全链路训练

  • 核心内容：美团低调发布旗舰模型LongCat-2.0，总参数1.6万亿（MoE架构，48B激活参数），原生支持1M上下文窗口（最大输出128K）。训练与推理全程使用5-6万张国产加速卡，英伟达含量为零，是首个在纯国产算力集群上从零跑通的万亿参数大模型。核心技术包括LongCat Sparse Attention（LSA）和N-gram Embedding模块降低路由通信开销，专为智能体编码设计。已开源并以"Owl Alpha"名称在OpenRouter秘密测试近两月（月处理10.1T Token，月增长率242%）。定价激进：Input Cache $0.015/1M、Input $0.75/1M。
  • 落地应用场景：智能体编码、长上下文代码理解与生成、企业级Agent应用开发。
  • 相关链接：🌐 点击查看新闻来源

事件/产品名称：Anthropic封杀浙江杭州IP，指控阿里大规模蒸馏Claude

  • 核心内容：Anthropic封杀所有浙江和杭州IP的Claude访问，直接回应此前指控阿里利用25000+账号在4月22日至6月5日期间进行2880万次交互的"史上最大蒸馏攻击"。封号邮件被用户发现内嵌追踪器可监控用户地理位置，引发用户对隐私的强烈不满。Fable 5即将以独立信用系统+身份验证模式重新发布，与Sonnet 5捆绑，引发欧洲等地区用户对"只能获得更弱版本"的担忧。
  • 落地应用场景：模型安全防护、API调用审计、跨境AI服务合规策略。
  • 相关链接：🌐 点击查看新闻来源

事件/产品名称：华为openPangu-2.0-Flash模型正式开源

  • 核心内容：华为openPangu-2.0-Flash（总参数92B，激活参数6B）于6月30日正式开源上线，支持512K上下文。为openPangu 2.0系列两个版本之一，另一版本Pro（505B总参数）此前已开源。定位为高效推理的轻量化开源模型，适配企业级部署场景。
  • 落地应用场景：企业私有化部署、端侧推理、长文本理解与生成。
  • 相关链接：🌐 点击查看新闻来源

事件/产品名称：DeepSeek DSpark推理框架——AI响应速度最高提升85%

  • 核心内容：DeepSeek推出DSpark推理框架，采用推测解码技术——由小模型生成候选答案、大模型批量验证，并一次生成多个Token而非单个。系统基于置信度动态调整验证深度，减少无效计算。DSpark与DeepSeek-V4-Flash/Pro深度集成，SGLang实测数据显示1.81倍加速，可预测3个Token（数学类3.37，代码3.52），8卡B200达297 token/s。
  • 落地应用场景：大规模推理服务加速、API响应延迟优化、边缘端部署。
  • 相关链接：🌐 点击查看新闻来源

事件/产品名称：Meta Brain2Qwerty v2——非侵入式脑机接口"读心"准确率达78%

  • 核心内容：Meta发布Brain2Qwerty v2非侵入式脑机接口研究，利用脑磁图（MEG）设备记录脑部磁场信号，通过AI模型还原自然语言。基于9名志愿者约10小时、22000句子的打字数据训练，平均词准确率61%（WER约39%），上下文补全后最高达78%。相比侵入式方案无需手术植入，大幅降低使用门槛。
  • 落地应用场景：渐冻症等运动障碍患者的辅助通信、无障碍交互、下一代人机接口。
  • 相关链接：🌐 点击查看新闻来源

事件/产品名称：Kimi估值涨至315亿美元，ARR突破3亿美元

  • 核心内容：月之暗面Kimi新一轮融资投前估值315亿美元（上一轮200亿），在融资沟通中披露6月中旬年化收入（ARR）突破3亿美元。收入曲线呈现Anthropic早期特征——模型升级、开发者采用增长和企业API订阅共同驱动。中国AI初创公司正追随Anthropic的商业化路径。
  • 落地应用场景：大模型商业化路径验证、企业级API服务变现。
  • 相关链接：🌐 点击查看新闻来源

事件/产品名称：Anthropic企业份额反超OpenAI至41%

  • 核心内容：Ramp最新月度AI指数显示，美国有付费AI订阅的企业中，OpenAI份额下降0.1个百分点至39.5%，Anthropic上升2.5个百分点至41%。这是Anthropic首次在Ramp指数中超越OpenAI，反映出Claude在代码和企业工作流场景中的持续渗透。
  • 落地应用场景：企业AI采购决策、开发者工具链选择。
  • 相关链接：🌐 点击查看新闻来源

事件/产品名称：微软Azure全面推出Anthropic Claude模型

  • 核心内容：微软正式在Azure云平台全面上线Anthropic Claude模型，基于英伟达GB300 GPU基础设施。这意味着微软从OpenAI独家合作伙伴转型为"AI模型聚合平台"，同时销售GPT和Claude——此前微软已双向转售GPT（卖给字节跳动年10亿+）和DeepSeek（反向卖给西方企业）。
  • 落地应用场景：企业多云AI模型部署、合规跨境AI服务。
  • 相关链接：🌐 点击查看新闻来源

事件/产品名称：Cursor推出移动端应用

  • 核心内容：AI编程工具Cursor正式推出iOS移动端应用，用户可通过手机新建编程智能体或对接电脑端已启动的智能体。锁屏时展示当前进度，完成后将界面视频和图片发送给用户审核。针对付费用户开放Beta测试，标志AI编程工具从桌面端向全平台扩展。
  • 落地应用场景：移动端远程代码审查、Agent任务监控与审批、开发者随时随地管理编码任务。
  • 相关链接：🌐 点击查看新闻来源

事件/产品名称：X（Twitter）推出托管MCP服务器

  • 核心内容：X官方推出托管MCP（Model Context Protocol）服务器，使Grok、Cursor、Claude等MCP兼容AI工具无需部署即可直接调用X API，获取搜索、时间线、书签、发文等实时数据，全程走用户权限。采用按量付费模式，个人优惠价每次调用0.01美元。标志社交媒体平台正式成为Agent工具生态的基础设施层。
  • 落地应用场景：AI Agent实时社交媒体数据获取、品牌舆情监控、自动化内容发布与管理。
  • 相关链接：🌐 点击查看新闻来源

事件/产品名称：Coinbase默认使用中国开源模型GLM-5.2与Kimi 2.7

  • 核心内容：Coinbase CEO Brian Armstrong透露，Coinbase正通过其LLM网关实验默认使用中国开源模型GLM-5.2和Kimi 2.7，并根据提示词难度路由执行。前沿模型适合规划但用于执行可能"过度杀伤"。该决策背后是91%开发者未触及旧用量上限，缓存命中率从5%飙升至60%，token支出减半。
  • 落地应用场景：企业AI成本优化、智能模型路由、API调用精细化定价管理。
  • 相关链接：🌐 点击查看新闻来源

事件/产品名称：寒武纪成科创板首支万亿市值股

  • 核心内容：寒武纪市值突破1万亿人民币，成为科创板首家万亿市值公司，年初至今涨超75%。同日美团LongCat-2.0发布——国产AI两个"万亿"里程碑同日达成：一个万亿参数模型，一个万亿市值公司。共同标志国产AI算力产业链从芯片到模型的全栈自主化进入新阶段。
  • 落地应用场景：国产AI芯片投资与产业化、AI算力供应链自主可控。
  • 相关链接：🌐 点击查看新闻来源

事件/产品名称：优必选发布U1系列全尺寸超仿生人形机器人

  • 核心内容：优必选发布消费级品牌"优世界"（UWORLD）首款产品U1系列人形机器人，含男款（183cm/42kg）和女款（168cm/35.2kg），搭载88个运动关节、续航2-4小时。配备基于华为昇腾框架训练的端侧情感AI模型，可识别二十多种情绪。售价11.98万至99万元，已获超1.1万预售订单。优必选CEO周剑表示机器人将替代手机成为AI最核心交互终端。
  • 落地应用场景：家庭情感陪伴、适老化看护、商业接待与展示。
  • 相关链接：🌐 点击查看新闻来源

事件/产品名称：OKX推出AI市场——AI智能体互相雇佣和支付

  • 核心内容：加密货币交易所OKX发布AI市场"OKX AI"，允许AI智能体自主雇佣彼此、结算支付并建立可携带的链上声誉。面向开发者开放，已吸引50家早期AI服务提供商内测。基于OKX已有技术构建，支持AI智能体持有数字钱包、使用稳定币结算。
  • 落地应用场景：AI Agent自主经济系统、去中心化AI服务市场、智能体间自动化交易。
  • 相关链接：🌐 点击查看新闻来源

事件/产品名称：腾讯开源ARGUS——万卡GPU集群监控方案

  • 核心内容：腾讯团队开源ARGUS方案，用于管理和监控超10000块GPU的集群。万卡规模下每天电费和折旧达数十万元，ARGUS解决的核心问题是在集群出问题时几分钟内定位原因。论文发现万卡规模下超70%训练中断由网络通信问题导致，ARGUS提供全栈监控从硬件到训练框架层。
  • 落地应用场景：超大规模GPU集群运维、训练故障快速定位与恢复、数据中心资源管理。
  • 相关链接：🌐 点击查看新闻来源

事件/产品名称：谷歌Gemini 3.1 Flash Lite Image上线AI Studio

  • 核心内容：谷歌在AI Studio发布Gemini 3.1 Flash Lite Image（内部代号Nano Banana 2 Lite），定位最小、最经济的图像生成与编辑模型，适合大规模使用。输入价格$0.25，输出价格极低。同时将推出Gemini Omni Flash，支持对话式逐步编辑。
  • 落地应用场景：大规模图像生成与编辑、电商商品图批量处理、内容营销自动化。
  • 相关链接：🌐 点击查看新闻来源