微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，按终端后端状态和副作用而非生成文本打分，覆盖 507 个有状态业务流程、每个任务重复运行 20 次。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用 507 个有状态工作流和 20 次重复运行，把工具调用成功率与数据库终态正确率区分开来。
微软研究院实习生开发了一套端到端机器学习流水线，为美国本土 66,935 座变电站生成空间天气风险预测，可提前 30 至 60 分钟预警。系统结合 AE 与 Dst 指数预测、地质电导率和电网数据，在 2020-2026 评估期内检测到近 80% 的重大空间天气事件，其中 Dst 预测在 62.2% 的高活跃时段优于 Burton 方程。
AWS Machine Learning BlogAI 评分Amazon Bedrock 在印度上线 Anthropic 的 Claude Opus 5、Claude Sonnet 5 和 Claude Haiku 4.5，通过印度地理跨区域推理让数据仅在 ap-south-1 与 ap-south-2 之间流转。
AWS Machine Learning BlogAI 评分Amazon Bedrock 现支持在首尔区域使用 Claude Opus 5 和 Claude Sonnet 5、在新加坡区域使用 Claude Sonnet 5 进行区域内推理，请求与数据全程不离开所调用的 Region。
AWS Machine Learning Blog精选AI 评分GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用，面向智能体编码、计算机使用和专业工作负载提供更强的推理能力。据 OpenAI 称，它在 DeepSWE v1.1 上达到 GPT-6 Astra 的水平，每任务成本约为其五分之一，并比 GPT-6 Sol 的最佳成绩高出 6.4 个百分点。
推荐理由：原文给出 GPT-6.1 Sol 在 Bedrock 上的可用范围与成本对比，读者可据此判断智能体编码任务的性价比。
微软研究院推出 Quine，一个面向生物学复杂性的 AI 研究系统，由生物学世界模型和连接模型、科学工具、文献与研究者的交互式 harness 两部分组成。该系统与 Broad Institute 合作用于胰腺导管腺癌（PDAC）研究，从数千个化合物中筛选并优先排序可驱动肿瘤细胞状态转变的候选物，最高排名的化合物在湿实验中产生了最大的预期状态转变，整个流程仅用一个周末完成。
推荐理由：微软研究院公开 Quine 的生物学世界模型与实验编排框架，并给出胰腺癌化合物筛选的湿实验验证结果。
微软亚洲研究院新加坡分院（MSRA – Singapore）作为微软在东南亚的首个研究实验室，成立一年来围绕下一代 AI 模型与智能体系统、领域专用 AI、AI 原生研究实践、生态与人才培养四大方向展开工作。
GitHub Blog · AI & MLAI 评分GitHub Copilot 应用中的 canvas（画布扩展）是一种可自定义界面，用户只需在 agent 会话中输入 /create-canvas 并用自然语言描述需求，即可生成看板、发布清单或仪表盘等界面，无需编写代码或手动设计。
GitHub Blog · AI & MLAI 评分GitHub Copilot 应用中的 canvas 是一种运行在应用内、无浏览器外壳的全栈小应用，可与 Copilot 智能体双向通信，并能在本地执行代码、调用第三方 API。
GitHub Blog · AI & MLAI 评分GitHub Copilot 应用重建了 pull request 视图，以应对包含 2,200 个文件、超百万行改动和 400 多条行内评论的超大 diff。其做法是把文档高度拆成确定性的代码几何与动态评论块两套几何：代码行高提前精确计算，评论高度则延迟测量、按文件与行锚定，避免滚动跳变。
微软研究院对移动机器人操作负载做系统性测量，发现把物理AI推理从机器人端侧GPU卸载到边缘或云端GPU，可提升任务成功率、支持更大模型并延长续航。
推荐理由：微软对移动操作机器人推理负载的系统性测量，给出端侧、边缘与云端算力取舍的量化依据。
微软研究院在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型用学习式重排序整合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc，在盲测中化学家更偏好其单步反应预测；十个挑战性目标的多步路线中 RetroChimera 成功九个，优于 de novo 模型的五个、编辑模型的四个和 NeuralSym 的两个。
GitHub Blog · AI & ML精选AI 评分GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行生产级 Rust，AI 智能体编写了大部分代码，跨 128 个 PR 增量落地，性能提升数个数量级。
推荐理由：GitHub 工程师复盘用 Copilot 把运行时从 TypeScript 迁到 Rust 的全过程，含提示缓存、子智能体分工等可迁移的工程经验。
GitHub Blog · AI & MLAI 评分GitHub 日本和韩国营销负责人用 GitHub Copilot 把活动运营自动化：以 GitHub Issue 为工作单元，Issue forms 收集活动字段、Labels 触发 GitHub Actions 工作流，活动从单个 Issue 自动搭建、每日自动筛选报名者并在结束后自动清理。
GitHub Blog · AI & MLAI 评分GitHub Copilot 应用内置 diff、终端和浏览器三个面板，让开发者无需在编辑器、终端窗口和浏览器之间来回切换，即可完成审查、运行和预览 AI 生成代码的完整闭环。
GitHub Blog · AI & ML精选AI 评分GitHub 发布 Project HydraFusion 研究预览，在运行时通过多模型编排完成任务，已面向所有 GitHub Copilot 套餐开放，可在 GitHub Copilot CLI 中通过 /experimental 启用。
推荐理由：GitHub 官方披露 HydraFusion 的三种编排模式与三套基准的成本质量对比，可据此判断多模型编排在编码任务上的取舍。
微软研究院推出 GigaPath-Flash 和 GigaTIME-Flash，以蒸馏自十亿参数 GigaPath 编码器的 22M 参数 ViT-S 骨干大幅降低病理基础模型算力需求，并以 Apache 2.0 许可开放。
Hugging Face 发布研究，用共识分歧、掩蔽实体检索和拼写切换三项探针量化语音识别中的基准优化现象，评测 11 个开源 ASR 模型。结果显示，部分高分模型会在音频与参考文本矛盾时复现基准的错误转写，VoxPopuli 分析样本中约 40% 的片段被标记出参考错误，涉及约 3% 的参考词，这类模型复现错误参考的比例为 18–30%。
推荐理由：通过三项探针量化语音模型对基准的过拟合，并给出可复用的检测脚本与榜单入口。
微软研究院发布深度学习交换关联泛函 Skala 1.1，训练数据量为此前首个公开版本的 2.5 倍，在 GMTKN55 的 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol。Skala 现已在 CP2K 中可用，并正被集成进 Psi4、FHI-aims、ORCA 和 VASP，同时微软研究院推出持续追踪各版本计算性能的 living benchmark。
微软研究院推出 MindTopo 基准，用于评测多模态大模型在连通性、封闭、顺序、分离与打结五类拓扑关系上的推理与规划能力。测试显示，模型在静态图像识别上表现明显优于交互式规划任务，且两者均远低于人类水平；失败多发生在规划阶段而非感知阶段，模型在场景变化中会丢失结构关系或提出违反物理约束的动作。图像与视频生成仅在单帧关系可见时偶有帮助，序列任务中仍不可靠。
微软研究院发布研究模型 CARE-X，一个统一胸部 X 光 VLM，可同时完成报告生成、结构化预测与病灶定位等任务，并用强化学习（DAPO）在多任务设置下奖励临床正确性。
微软研究院发布开源框架 Orchard，核心是 Kubernetes 环境服务 Orchard Env，可跨任务域复用环境、数据管线和评测流程，并支持直接在 Codex、OpenClaw、ZeroClaw 等真实 harness 中训练智能体。
推荐理由：Orchard 把环境层做成可复用服务，并公开训练数据与评测方法，读者可据此判断开放智能体训练的成本门槛变化。
Hugging Face 博客指出，AI 的下一个真正约束不是智能而是 GPU 利用率：GPU 成本按日历小时累积，产出却只按计算小时计，因此两家 GPU 预算相当的公司会因利用率差异而拉开经济性差距。
OpenAI 宣布 GPT-5.6 成为 Microsoft 365 Copilot 的首选模型，为 Word、Excel、PowerPoint、Chat 和 Cowork 提供更强的 AI 能力，以实现更快、更高质量的工作。
推荐理由：OpenAI 官方说明 GPT-5.6 成为 Microsoft 365 Copilot 首选模型，读者可了解其在 Word、Excel 等应用中的能力变化。
微软在 Build 2026 宣布 Foundry Managed Compute 及 Hugging Face 模型集合，将 Hugging Face 生态的开源权重模型引入 Foundry 模型目录，每周刷新并可一键部署到托管 GPU 平台。
Hugging Face 发布 Agentic Resource Discovery（ARD）规范的参考实现 Discover Tool，让智能体在运行时按自然语言搜索能力，而不再依赖预先安装。
推荐理由：Hugging Face 给出 ARD 规范的参考实现与 CLI、REST、MCP 三种调用入口，可据此判断智能体能力发现如何从预装目录转向运行时检索。
Hugging Face 宣布 OpenEnv 改由委员会协调，成员包括 Meta-PyTorch、Reflection、Unsloth、Modal、Prime Intellect、Nvidia、Mercor、Fleet AI、Microsoft、Hugging Face 和 RadixArk，项目迁至 huggingface/OpenEnv。
推荐理由：OpenEnv 从单一项目转为多方共管的协议层，读者可据此了解开源智能体 RL 环境的协作方式与接入路径。
OpenAI 与 Microsoft 宣布达成修订后的协议，简化双方合作关系并增加长期确定性，以支持持续的大规模 AI 创新。
OpenAI 与 Microsoft 发布联合声明，表示双方将继续在科研、工程和产品开发领域紧密合作，这一协作建立在多年深度合作与共同成果的基础之上。
微软发布 Differential Transformer V2（DIFF V2），通过将查询头数翻倍、保持 KV 头数不变，使解码速度与标准 Transformer 持平，且无需自定义注意力 kernel。
Hugging Face 的 Open ASR Leaderboard 新增多语言与长音频转录赛道，并发布基于 60+ 模型的 ASR 趋势预印本。
Microsoft 与 OpenAI 签署新协议，强化双方的长期合作伙伴关系，扩大创新并确保负责任的 AI 进展。
OpenAI 与 Microsoft 签署一份新的谅解备忘录（MOU），重申双方的合作关系以及对 AI 安全与创新的共同承诺。该声明未披露协议的具体条款、期限或涉及的产品与模型细节。
微软 6 月发布的 Florence-2 视觉语言模型仅有 0.2B 和 0.7B 两种小尺寸，却支持 captioning、目标检测、OCR 等任务，但官方发布的模型不含 VQA 能力。在 DocVQA 上微调 7 个 epoch 后，验证集 Levenshtein 相似度从 0 提升至 57.0，作者同时开源了 Colab notebook、GitHub 代码与演示 Space。
Hugging Face 与微软在 Microsoft Build 上宣布深化战略合作，将 Llama 3、Mistral 7B、Command R Plus、Qwen 1.5 110B 等热门开源模型加入 Azure 模型目录的 Hugging Face Collection，支持一键部署。
Hugging Face 宣布与云安全公司 Wiz 合作提升平台及 AI/ML 生态安全，并已集成 Wiz 进行漏洞管理和云安全态势管理（CSPM）。Wiz 研究团队通过 pickle 在沙箱计算环境中运行任意代码，发现了相关缺陷，Hugging Face 表示已修复全部漏洞。
Hugging Face 发布面向非技术人群的 Transformers 入门指南，无需 Python 基础即可理解开源机器学习基础。教程以在 Hugging Face Space 的 JupyterLab notebook 中运行微软 Phi-2 LLM 为例，需租用 NVIDIA A10G Small GPU（24GB 显存，每小时几美元）。
Hugging Face 用 Optimum Intel 集成 Intel OpenVINO，对微软 2.7B 参数的 Phi-2 模型做 4-bit 权重量化，在搭载 Core Ultra 7 155H 的中端笔记本上实现本地推理。该方案利用 Meteor Lake 的 CPU、iGPU 与 NPU 加速，带来隐私、低延迟、离线、低成本等本地 LLM 优势。
Mistral AI 发布新旗舰文本生成模型 Mistral Large，可通过 la Plateforme 和 Azure 使用，Azure 是其首个分发合作伙伴。
推荐理由：Mistral 官方给出新旗舰模型的基准对比与 Azure 分发路径，可据此判断其 API 生态位置。
OpenAI 联合 Anthropic、Google 和 Microsoft 宣布了 Frontier Model Forum 的新任执行董事，并设立 1000 万美元的 AI 安全基金。