实验将11个大语言模型放入自建2D吃鸡游戏中，进行30轮对战。Grok 4.1 Fast以13胜（每胜0.97美元）夺冠，第二名Claude Sonnet 4.6仅5胜（每胜26.78美元），成本相差27倍。GPT 5.4击杀数最高（38次），但仅获2胜排第二。GPT 5.4-mini、DeepSeek 4 Flash和Kimi K2.6共花费57美元，零胜场。游戏包含武器、护甲、载具及缩圈机制，模型可编辑自身人格和记忆文件，彼此仅以字母代称。传统基准未能预测胜负，揭示出模型在“获胜”与“杀人”能力之外的决策差异。

硅谷年初掀起tokenmaxxing热潮，CEO鼓励员工最大化使用AI，但Uber数月内耗尽年度AI预算，部分公司削减Claude许可证，Meta取消内部排行榜。NEA合伙人Tiffany Luck在TechCrunch播客中探讨hype与ROI的张力、个人AI智能体的未来、今年AI IPO前景，以及初创企业如何帮助企业追踪AI支出回报。她认为价值正出现在AI栈的每一层，企业开始混合搭配多个模型供应商。

NVIDIA GEAR实验室联合卡内基梅隆大学和UC Berkeley开发了ENPIRE框架，让AI编码智能体自主训练机器人。测试了OpenAI Codex（GPT-5.5）、Anthropic Claude Code（Opus 4.7）和月之暗面Kimi Code（Kimi K2.6）。在Push-T、插针盒、剪扎带和GPU安装等任务中，智能体达到99%成功率；插针任务中AI智能体比人类参与方法更快接近100%。8个智能体协作2小时完成Push-T（4个需3小时，单个近5小时）。局限包括机器人闲置、智能体耗时总结彼此想法和token消耗高。团队将开源全部内容。

百度伐谋自我演化决策智能体在三个科研场景取得突破：清华大学电机系用其将磁芯材料暂态预测MSE Loss从40+提升至96+，全球第五，论文被ECCE收录；中科院学生以200行种子策略经400轮LLM语义级变异，自主发明H-DWA、K-Filter、A-Lock战术，获硬件实战赛全球第一、仿真赛第三；清华大学管理科学与工程学院团队针对A股日内价格预测，720轮自动演化后R²从0.010升至0.032，4周达到传统方法2-3个月水平。三团队均证实自动演化结构优于或持平人工设计。

6月16日，2026中国金融展上，百度智能云与中国银联展示金融行业AI应用解决方案。AI Infra方面，银联云提供搭载昆仑芯的国产算力环境，已累计支持30余家机构进行DeepSeek、MiniMax、GLM等模型测试。Agent Infra方面，百度千帆大模型平台为银联云用户提供模型开发、部署、推理服务及国产异构算力纳管、金融级数据安全与多租户隔离方案。百度智能云已服务超800家金融机构，覆盖100%系统重要性银行。双方将聚焦AI基础设施共建与金融智能体联合研发，推动支付、清算、风控等核心场景智能化。同期发布《金融行业场景智能体白皮书》，提出“知识-流程”双维分类框架及落地优先级建议。

Anthropic 近日发布创业行动指南，将生命周期分为 Idea、MVP、Launch、Scale 四阶段，每阶段附目标、退出标准、常见失败模式及基于 Claude 的 AI 实践。指南覆盖：用 Claude 验证问题假设、绘制竞争图谱、开展客户发现；通过架构设计避免 AI 生成 MVP 代码的技术债务；区分真正产品市场契合与早期热度的衡量框架；用智能体工作流替代创始人注意力的 Launch 阶段操作系统；以及 Chat、Claude Cowork、Claude Code 各阶段使用矩阵。还收录了 Ambral、Anything、Carta Healthcare 等创始人的实际案例。

GLM-5.2 在 Artificial Analysis Intelligence Index v4.1 上得分 51，领先 MiniMax-M3（44）、DeepSeek V4 Pro（max，44）和 Kimi K2.6（43）。模型总参数 744B，活跃参数 40B，上下文窗口 1M tokens，API 定价每百万输入/输出/缓存命中 token 分别为 $1.4/$4.4/$0.26。科学推理显著提升：HLE 得分 40%（+12）、CritPt 21%（+16）。GDPval-AA v2 得分 1524，与 GPT-5.5（xhigh）持平。每任务输出 43k tokens（其中 37k 推理），每任务成本约 $0.46，位于智能 vs 成本帕累托前沿。采用 MIT 许可证，可通过 DeepInfra、Novita 等第三方平台使用。

微信支付今日正式发布AI专属卡，授权接入Agent后，用户只需在对话中提出消费需求，即可实现从智能推荐到下单支付的自动化消费。腾讯公关总监张军发文总结其用途：额度由用户指定管理，在强授权模式上运行，相当于托智能体办事时预支的“办事经费”。张军纠正了“AI信用卡”的误解，强调该卡是充值给智能体使用的。

视频Agent Seko在最新更新中推出无限画布，并能自动将创意、剧本、角色、场景和分镜等素材节点连接成完整工作流。用户可通过Seedance 2.0全能模式输入一句话或完整剧本，Seko自动生成多集短剧大纲、人物、场景、美术风格及分镜描述，并支持逐段修改提示词和生成视频。画布提供全自动与精细手动编辑的双重控制，解决了AI视频从70分改到85分时反复重做的痛点。实测用该流程三小时完成两集悬疑短剧，角色一致性、故事节奏和画面氛围表现力均超出预期。

Anthropic 6月16日发布博文，分析2025年10月至2026年4月约23.5万用户的40万次Claude Code会话。用户平均每周使用20小时，其中代码修改占26%，代码编写占25%，合计超半数。典型会话中人类负责约70%规划决策，Claude完成约80%执行决策。新手（1级）每次提示产生约5个操作和600个单词输出，专家（5级）产生2倍操作和5倍输出（约3200个单词）。

微信支付正式发布 AI 专属卡，授权接入 Agent 后，用户只需在对话中提出消费需求，即可体验从智能推荐到下单支付的自动化消费。目前已支持在 WorkBuddy 里使用美团服务（Mac 端升级至 5.1.1 即可体验），未来将支持更多平台。安全方面，AI 专属卡与微信支付主账户完全隔离，余额由用户设定并可随时调整，每笔订单需用户最终确认才能完成支付。

Anthropic暂停Claude Agent SDK按API Token计费变更计划。该开源SDK允许通过Python或TypeScript调用Claude Code底层能力。原计划6月15日起将外部SDK调用从标准订阅改为按API费率计费，订阅用户仅获等额抵扣。开发者指出以Opus作为编码助手成本将快速超支，Zed团队警告成本大增。Anthropic于6月15日更新支持页面称“暂停所述变更，目前没有任何变化”，正在优化计划。

6月17日，谷歌向Pixel Watch 2、3、4正式推送Wear OS 7更新。系统功耗优化使续航比Wear OS 6提升10%。交互新增手机端“实时更新”功能，可追踪外卖、快递状态；无手机时可通过音频切换器管理音乐播放。智能方面，部分2026年发布的手表将获Gemini Intelligence支持，能理解指令、调用应用完成多步骤任务，支持语音创建定制化小部件，并可调用Google Docs、Gmail中的个人数据提供智能服务。

腾讯自选股 App 正在内测金融智能体 StockBuddy，接入专业金融数据源，覆盖沪深港美市场行情。StockBuddy 提供自选股票研究、智能盯盘等主动式服务，支持模拟交易策略跟踪，但不提供投资建议，每次分析末尾附风险提示。该产品采用免部署设计，支持跨设备使用，已连接微信与企业微信生态，用户可直接在聊天界面交互。后续将引入更多金融专业能力，并支持查询 ima 知识库。

微软面向企业环境上线 Copilot Cowork 智能体 AI，可端到端执行复杂多工具任务。对比同类产品，在 Opus 4.8 模型下每次提示成本低 30-40%。优势包括云托管执行（笔记本关机后任务继续运行）、原生集成 Work IQ 上下文引擎、继承 M365 企业级安全合规及多模型选择。按 Copilot Credits 用量计费，费用由模型使用、上下文检索、工具调用和运行时间构成，任务按轻、中、重三类结合四种用户画像估算成本。预览阶段已有超半数财富 500 强企业试用。

小艺 Claw 接入开源盘古 openPangu 2.0 Pro 模型，重点提升鸿蒙系统级任务执行能力。该模型更亲和昇腾算力，单卡吞吐率达其他主流开源模型的 2 倍，Agent 任务更快更准更省。拥有 512K 上下文，含 Pro 与 Flash 两版本：2.0 Pro 总参数量 505B、激活参数量 18B；2.0 Flash 总参数量 92B、激活参数量 6B。openPangu 2.0 计划从 6 月 30 日起陆续开源 7 大组件，包括预训练代码、后训练代码、训练算子。

天工超级智能体推出3.1版本，上线Skywork Design和Dynamic Workflows两项能力。Skywork Design将UI设计从对话式改为无限画布，支持多页面迭代、品牌规范统一与历史沉淀，可导出为网页、PPT、Figma分图层文件或zip包。Dynamic Workflows动态拆解任务，调度数十至上百个并行Agent，具备交叉验证与断点续跑能力，适用于批量页面生成、代码库排查等规模化场景。两项能力与天工主站账号、积分、知识库打通，国内海外同步上线。此前深度用户在单个project上平均交互超40轮，天工超级智能体收入月增三倍。

微软将 Copilot Cowork 智能体转为基于使用量的定价，并考虑使用 DeepSeek V4 微调版或另一种开源模型，作为 Anthropic 和 OpenAI 模型的更低成本替代方案。该模型完全托管在 Azure 上，客户数据留在微软云端，受企业级安全与合规控制。价格方面，Anthropic Fable 5 输出定价 50 美元/百万 token，DeepSeek V4 Pro 输出定价 0.87 美元/百万 token（永久 25 折后），价差约 57 倍。微软预计未来几周内推出更低成本模型。

GameCraft-Bench是一个基于Godot引擎的端到端游戏生成评测基准，包含15个游戏家族的140项任务，要求编码智能体将自然语言描述转化为可运行的游戏工件。评估框架以引擎接地、工件完整性和交互验证为核心，通过回放示范与评分表多模态判断度量可执行游戏质量。评测显示，最强智能体仅取得41.46%的成绩，多数低于40%。智能体虽能实现可识别游戏机制，但在提供完整内容、功能性视觉反馈和连贯呈现方面普遍不足。

OPD-Evolver是一个慢-快协同进化框架，基于在线策略自蒸馏培养智能体进化器。快速循环中，智能体与四级记忆层次交互，实现读取、使用、编写和维护经验的快速测试时进化；慢速循环通过结果校准的记忆归因和特权后见，将这四种能力蒸馏至可部署策略。在多领域基准测试中，OPD-Evolver性能超越ReasoningBank达11.5%，超越Skill0约5.8%。分析表明，其内化了高价值经验与记忆管理，使得9B参数版本能够挑战Qwen3.5-397B-A17B和Step-3.5-Flash等千亿级模型。

智谱今日发布并开源GLM-5.2，在前端开发盲测系统Code Arena上取得全球可用模型第一。该模型专为长程任务设计，实现1M无损上下文，支持跨越数天的任务执行。在FrontierSWE上仅比Claude Opus 4.8低1%，超过GPT-5.5（1%）和Opus 4.7（11%）；Terminal-Bench 2.1上比Opus 4.8低4%，较GLM-5.1提升17.5%。引入思考档位控制，Coding能力介于Opus 4.7与4.8之间。提出IndexShare架构降低单位FLOPs至2.9倍，改进MTP层提升接受长度20%。已在华为昇腾等国产算力平台适配。模型权重以MIT协议开源，API已上线并纳入GLM Coding Plan。

现代智能体系统因运行时状态碎片化（如会话记录、工具结果、内存事件等分散存储）难以检查与复现。OpenRath提出类似PyTorch的编程模型，核心抽象是Session——一种可在智能体与工作流间传递、支持分支、审查、回放的一级运行时值。Session统一记录对话片段、沙盒位置、血缘元数据、token用量、待办任务和工具证据，使分支、合并、回放成为显式操作。此外还定义了Sandbox、Tool、Agent、Memory、Workflow和Selector，其中Selector将控制流转为运行时路由的决策。论文呈现了编程模型、架构与证据协议，主张Session为智能体系统提供可审计组合的一级运行时值。

PhySciBench是面向物理科学研究的基准，包含200道专家精选的物理和化学问题，覆盖六类真实科研任务。评测显示，最强基线Gemini Deep Research准确率仅33.5%。失败案例暴露长推理链脆弱、跨步骤知识迁移有限、缺乏物理接地自我验证等缺陷。为此提出的DelveAgent是一个模块化多智能体框架，配备自适应规划循环、双粒度记忆和层次化物理接地反思机制。在四个科学基准上，DelveAgent将准确率提升最多7.5个百分点，推理成本降至最强基线的约三分之一。

GateMem 是一个针对多主体共享记忆智能体的基准，联合评估长期多步请求的效用、上下文访问控制与主动遗忘。测试覆盖医疗、办公、教育和家庭四个领域，包含长篇幅多方对话、增量记忆注入、隐藏检查点与结构化判分。对多种基线和骨干模型的实验表明，没有方法能同时实现强效用、鲁棒访问控制和可靠遗忘。长上下文提示词治理分数最高但 token 成本极高；检索与外部记忆方法成本较低，却仍会泄露未经授权或已删除的信息。当前记忆智能体远未达到在共享机构中可靠部署的要求。

患者上下文涉及数百份异构文档与数千个结构化数据点，但文档级元数据缺失，标准RAG在处理时间推理、跨文档依赖等任务时表现不佳。为此，研究者在埃森大学医学中心部署了ACIE——一个本地部署的智能体RAG流水线，它可推理完整患者上下文并将每个回答锚定在源段落中供临床医生验证。在一项独立的回顾性淋巴瘤登记研究中，核医学医生对每个提取值与其引用来源进行核对，在7326次判断中接受了96.5%的提取结果，各类型接受率介于80%至99%之间。

论文提出Playful Agentic Robot Learning范式，让具身编码智能体在任务到达前自主玩耍持续学技能。RATs（机器人智能体团队）在玩耍阶段自主提出可学新探索任务，执行代码策略、诊断失败并重试，将成功执行蒸馏为持久化代码技能库。测试时从冻结库检索技能辅助新任务。在LIBERO-PRO和MolmoSpaces上，玩耍学习技能相比CaP-Agent0分别提升20.6和17.0个百分点；该技能库可直接插入其他推理时代码策略智能体，无需微调模型，在RoboSuite和真实世界迁移中分别提升8.9和8.8个百分点。

Anthropic上月宣布自6月15日起将Claude Agent SDK（含第三方应用及claude -p命令）的使用与标准订阅分开按API费率计费，订阅用户仅获等值月信用额度。开发者分析指出Claude Opus订阅者每天2-3条消息后即比API划算，新方案使订阅价值锐减。本周一，Anthropic在变更生效前突然暂停，称将“重新制定方案”。此前GitHub Copilot也推行了类似计费调整引发用户反弹。Anthropic正筹备IPO。

2026年6月16日，vickiboykis.com 上发布了一篇题为“Running local models is good now”的文章，作者认为当前阶段在本地硬件上运行大语言模型已经能够取得不错的效果。该文章在 Hacker News 社区引发讨论，相关帖子获得 114 点热度，表明本地模型运行体验得到了社区的认可。

6月16日，腾讯公关总监张军宣布，全国首个省级政务智能中枢平台「湾擎」上线试运行，同时预发布湾擎·WorkBuddy。该智能体基于腾讯自研AI办公智能体WorkBuddy打造，专为政务场景定制，覆盖公文辅助、材料校核、政策检索、业务咨询、流程协同、任务辅助六大高频场景。WorkBuddy即将在广东省直多个单位试点，后续面向全省铺开。「湾擎」中枢已归集100余个政务场景，适配十数款主流大模型，搭配Token级安全防护。

小米云端轻量化 Claw 产品正式版发布，搭载与 OpenClaw 框架深度适配的 MiMo-V2.5-Pro 模型，原生兼容 MCP 协议，无需额外提示词。支持百万级上下文、单会话千次以上工具调用，MTP 三层解码架构使推理吞吐效率提升约 3 倍。联动金山办公，支持 Word/Excel/PPT/PDF，实现 AI 生成、预览与在线编辑闭环。ClawEval 中 Pass³ 达 63.8%，Token 消耗降低 40%-60%。免费用户每日体验时长升级至 4 小时，上线 TokenPlan 分层订阅，限时特惠 ¥14.9/月。