🚨 AI News | TestingCatalog@testingcatalog · 6月23日46

ANTHROPIC 🔥: Claude for mobile is getting Cowork support soon! > Keep Cowork going when you are on the go > Start and steer tasks directly from your phone > Check in from your phone, browser, or Claude desktop app > Work continues in the background, even when you close the app h/t @M1Astra via DevMode

译ANTHROPIC 🔥: Claude for mobile 即将获得 Cowork 支持！

Berryxia.AI@berryxia · 6月23日63

这个是小日子搞的嘛？Fugu？ 今天被刷屏了很多次！ Sakana直接发布了一个能匹配Fable和Mythos性能的多智能体编排系统，而且还是通过单个API调用。 地址：https://sakana.ai/fugu 他们推出的Sakana Fugu，把整个多智能体系统包装成了一个普通模型的样子。 你只调用一个端点，它内部自己决定怎么拆解任务、挑选最合适的模型、递归调用自己或其他agent、验证结果，最后合成答案。 用户完全不用操心底层怎么编排。 Fugu Ultra在工程、科学、推理等硬核基准上能和Fable/Mythos并肩，而Sakana特别强调的一点是。 因为它能动态编排全球各种模型，所以天然绕开了单一供应商的出口管制风险。 这已经不是单纯的技术优化，把“集体智能”当成了对抗地缘和供应链风险的实际方案。 这其实是在重新定义前沿模型的形态。以前大家觉得最强能力来自单个最强的单体模型。 现在Sakana在说：真正的强大系统，应该是能智能调度全球模型池的“编排层”。 用户要的不是一个模型，而是一个能持续进化、不会突然被切断的智能体生态。 这波操作把多智能体从“复杂工程”变成了“开箱即用”的产品形态。

译Sakana AI 发布 Sakana Fugu，一个多智能体编排系统，用户仅需调用单个模型 API。其 Fugu Ultra 版本在工程、科学、推理等硬核基准上性能匹敌 Fable 和 Mythos。系统内部自主拆解任务、挑选最优模型、递归调用自身或其他智能体、验证结果并合成答案，用户无需关心底层编排。关键优势在于动态编排全球各类模型，天然避开单一供应商的出口管制风险，将多智能体从复杂工程变为开箱即用的产品形态。

Berryxia.AI@berryxia · 6月23日75

Sakana AI 是2023年在东京成立的AI研发公司，核心定位是开发“自然启发”（nature-inspired）的AI模型。 强调集体智能（collective intelligence）和演化方法，目标是打造不受单一大模型限制的系统，并服务于日本的AI主权（sovereignty）需求。 三位联合创始人： • David Ha（CEO）：前Google Brain日本团队负责人，曾在日本高盛担任衍生品交易主管，有很深的日本工作和生活背景（多伦多大学本科、东京大学博士）。 • Llion Jones（CTO）：著名Transformer论文（《Attention Is All You Need》）共同作者之一，前Google Research。 • Ren Ito（Chairman）：前日本外交官（外务省，曾为安倍晋三写演讲稿）、日本独角兽Mercari早期员工并担任欧洲CEO。 公司完全以日本为基地，团队和运营都在东京。

译Sakana AI 是 2023 年成立于东京的 AI 公司，由前 Google Brain 的 David Ha（CEO）、Transformer 论文共同作者 Llion Jones（CTO）及前日本外交官 Ren Ito（主席）联合创立。其产品 Sakana Fugu 将多智能体系统封装成单个 API 调用，内部自动拆解任务、调度全球模型并验证结果。Fugu Ultra 在工程、科学、推理等基准上对标 Fable/Mythos，通过动态编排多模型天然绕开单一供应商出口管制风险，被视为将多智能体从复杂工程变为开箱即用的产品形态。

数字生命卡兹克@Khazix0918 · 6月23日61

今天，我终于拿到了微信Agent小微的灰度内测资格。 花了一个小时上手体验了一圈，激动得连发了两条朋友圈。 我本来以为是只会做一些通用的东西，比如调调小程序，点点奶茶之类的。 但是，微信这次向Agent开放的能力，多的全面的有点过于离谱了，这真的不太像测试版产品的完成度。 有点远远超出了我的预期。 体验时间有限，我简单列一下我目前看到的微信Agent支持的基础能力和特点，肯定还不全： 1. 小微的主入口在微信首页的左上角，同时还有多个地方有子入口，比如聊天的加号菜单里就有个问小微，点开别人的公众号和视频号更多也有，这些入口的能力不太一样。 2. 在主入口中，可以让Agent给你的好友发消息，发之前会生成一张确认卡片，你确认了才执行。也支持用Agent给好友发红包，会让你确认金额和收款人，点击操作之后会进入红包详情，进行支付确认。 3. 在主入口中不支持给群聊发消息，也读不到群聊和私聊的所有聊天记录。 4. 在群聊和私聊中，点击加号菜单中的问小微功能，支持读取聊天记录，并且可以支持给群聊发送消息，发送方式跟主入口给单人发消息一致，需要你进行确认。 5. 可以直接通过小微来建立日程提醒。 6. 可以用小微设置待办。 7. 可以读取我的朋友圈，总结朋友们发了什么东西。 8. 公众号和视频号打通了，我让小微“推荐一个你觉得最棒的公众号AI博主”，他推荐了数字生命卡兹克。也可以读取公众号和视频号最近发布的文章和内容。 9. 选择在公众号和视频号更多菜单中的问小微，可以直接对公众号和视频进行问答，因为你没有办法把公众号文章转发给小微，只能通过这种子入口的方式进行问答。 10. 可以跟收藏打通，比如我丢一个PDF体检报告进去，它帮你提取关键信息，写成笔记存到微信收藏里，但是在读取上，因为隐私考虑，小微只能读取由它自己创建的笔记。 11. 最离谱的来了，在小微里，还藏着一个叫小工具的东西，你可以在这个小工具里，用AI直接用嘴，创建一个新的小工具，其实就是个小程序。小工具生成的小程序目前无法发布，只能自己用，但是未来我觉得大概率会跟小程序全面打通，这基本属于一波杀死比赛了。 12. 可以调用各种第三方小程序，基操了。 以上这些，只是我一个小时体验出来的内容，绝对还有更多的东西可以去探索，但是我憋不住了，我想先分享给大家，完整的深度评测后天早上发！ 微信，这次真的要全面拥抱Agent了。 而这，才刚刚是灰度测试而已。

译卡兹克获得微信Agent“小微”灰度内测资格。小微主入口在微信首页左上角，另有多个子入口（聊天加号菜单、公众号/视频号更多菜单）。主入口支持给好友发消息（需确认卡片）、发红包（需确认金额和收款人），不支持群聊和读取聊天记录。子入口支持读取聊天记录并给群聊发消息。小微可建立日程提醒、设置待办、读取朋友圈总结、配合公众号和视频号问答、读取收藏（仅限自己创建的笔记）。最核心的是内置“小工具”功能，用户可用AI直接创建小程序（暂无法发布）。同时支持调用第三方小程序。

OpenRouter@OpenRouter · 6月22日36

Manage your portfolio in natural language, directly within iMessage powered by OpenRouter 🔀

译管理你的投资组合，用自然语言，直接在iMessage中 由 OpenRouter 🔀 驱动

elvis@omarsar0 · 6月22日71

Just a glimpse of what collective AI intelligence will bring. We haven’t truly cracked multi-agent orchestration but with every new frontier model, intelligence should compound.

译这只是集体AI智能将带来什么的一瞥。 我们尚未真正破解多智能体编排，但每推出一款新前沿模型，智能应该会叠加。

Alibaba Cloud@alibaba_cloud · 6月22日61

🚀 Introducing HappyHorse 1.1 — now officially live on Alibaba Cloud Model Studio! All HappyHorse 1.1 capabilities are available via API, providing enterprise customers and developers with a complete integration solution. This release delivers production-ready video synthesis systematically optimized across core content generation scenarios. 🔥 Launch Promotion: Enjoy a 40% OFF sitewide discount for the first 2 weeks! Optimize your integration costs today.

译🚀 HappyHorse 1.1 正式上线阿里云百炼！ 所有 HappyHorse 1.1 功能均可通过 API 使用，为企业客户和开发者提供完整的集成方案。本次发布带来生产就绪的视频合成能力，已针对核心内容生成场景进行系统性优化。 🔥 上线促销：前两周全场 40% 折扣！立即优化您的集成成本。

Alibaba Cloud@alibaba_cloud · 6月22日53

🚀 Alibaba Cloud AI Gateway FinOps is live! ꔷ Real-time Token visibility & tracking ꔷ Flexible consumer quotas & limits ꔷ Prevent budget overruns instantly Make every token count. 💰 https://int.alibabacloud.com/m/1000414707/ #AlibabaCloud #AIGateway #FinOps #LLM #DevOps #AIEngineering

译🚀 阿里云AI网关FinOps已上线！ • 实时Token可见性与追踪 • 灵活的用户配额与限制 • 即时防止预算超支 让每个Token都物有所值。💰 https://int.alibabacloud.com/m/1000414707/ #AlibabaCloud #AIGateway #FinOps #LLM #DevOps #AIEngineering

Ant Ling@AntLingAGI · 6月22日63

Ling & Ring 2.6 models are now available on OpenRouter — with a limited-time discount through July 31. Build with our latest 2.6 series models at up to 90% off: Ring-2.6-1T / Ling-2.6-1T - Input: $0.075 / 1M tokens - Output: $0.625 / 1M tokens - Cache read: $0.015 / 1M tokens Ling-2.6-flash - Input: $0.01 / 1M tokens - Output: $0.03 / 1M tokens - Cache read: $0.002 / 1M tokens Explore high-efficiency intelligence for real-world agentic workflows and complex tasks. Try Ling & Ring 2.6 on OpenRouter today.

译蚂蚁百灵在OpenRouter上架Ling & Ring 2.6系列模型。Ring-2.6-1T和Ling-2.6-1T定价：输入$0.075/1M tokens，输出$0.625/1M tokens，缓存读取$0.015/1M tokens。Ling-2.6-flash版价格更低：输入$0.01/1M tokens，输出$0.03/1M tokens，缓存读取$0.002/1M tokens。该系列面向真实智能体工作流与复杂任务，主打高效智能，提供最高90%限时折扣，优惠持续至7月31日。

Rohan Paul@rohanpaul_ai · 6月22日70

Sakana AI has unveiled Fugu Ultra, an orchestration layer that assembles and routes subtasks across a pool of models through one OpenAI-compatible endpoint. On most benchmarks, it matches the performance of Fable and Mythos. Fugu is a learned coordinator model inside a multi-agent system. "Sakana Fugu is itself an LLM, trained to call various LLMs in an agent pool, including instances of itself recursively. Fugu dynamically orchestrates the world's best models to tackle complex, multi-step tasks." When you send a prompt, Fugu decides whether to answer alone or hand pieces of the job to other models, then it gathers the outputs and produces one final response.

译Sakana AI 推出 Fugu Ultra，一个多智能体编排层，通过单一 OpenAI 兼容端点动态调用多个模型处理子任务。Fugu 本身是一个 LLM，被训练来自主决定是直接回答还是将子任务分发给模型池中的其他模型（包括递归调用自身），最后整合输出。在大多数基准测试中，Fugu Ultra 性能匹配 Fable 和 Mythos，提供前沿能力且规避出口管制风险。

Rohan Paul@rohanpaul_ai · 6月22日52

Techcrunch: Ambani is turning Jio’s 500M-user telecom network into India’s biggest testbed for everyday AI agents. Jio Call Agent will sit inside phone calls, listen with consent, transcribe speech, summarize conversations, and trigger actions like cab booking or food ordering. The plan looks like where AI is moving from a separate app into the network layer. --- techcrunch. com/2026/06/19/billionaire-ambani-wants-ai-in-every-call-app-and-home/

译Techcrunch: 安巴尼正将Jio拥有5亿用户的电信网络转变为印度最大的日常AI智能体试验场。 Jio Call Agent将嵌入电话通话中，征得同意后监听、转录语音、总结对话，并触发行动，如打车或订餐。 这个计划看起来像是AI正从独立应用向网络层移动。

Tibo@thsottiaux · 6月22日9

Now that you can bank usage resets in Codex. Are you a hoarder or do you use them without breaking a sweat? How do you think about them?

译既然现在可以在 Codex 中存储用法重置。 你是囤积者，还是毫不费力地使用它们？ 你怎么看待它们？

🚨 AI News | TestingCatalog@testingcatalog · 6月22日30

ICYMI 👀: Cursor got a new /automate Skill Automation your toil got insanely simpler over the past few years with AI. Even Automation is Automated now 🤖

译提醒一下 👀: Cursor 获得了一个新的 /automate 技能 过去几年，AI 让自动化你的苦差事变得极其简单。 现在连自动化本身都被自动化了 🤖

Berryxia.AI@berryxia · 6月21日43

最新 XAI 增加了一个work floder ，在SuperGrok 就可以看到。

译最新XAI增加了一个work folder，在SuperGrok就可以看到。

Berryxia.AI@berryxia · 6月21日62

一个开发者花了几个周末，用AI辅助编程做了一个app。 它的玩法和Pokemon Go一模一样——只不过你抓的不是虚拟精灵，是真实的猫。 打开摄像头，对准路边任何一只猫，拍一张照片。 app会把这只猫变成一幅复古卡通风格的插画，奶油色调，像九十年代的老动画截图。 然后这只猫就进了你的图鉴。 这个app没有融资，没有团队，没有市场预算。 一个人，几行vibe code，一个下午。 但它精准地击中了一件事：全世界有六亿只流浪猫，每个人都曾在路上见过一只可爱的猫，然后走开了。 这个app让你不再走开。 Pokemon Go用了任天堂三十年的IP积累。这个app只用了一个事实：猫不需要被创造，它们已经在了。

译一位开发者花几个周末用AI辅助编程制作了一款类似Pokemon Go的App，但抓的是真实世界的猫。用户打开摄像头拍路边猫，App会检测照片中是否有真实的猫（防止截屏），然后将猫转化为复古卡通风格插画（奶油色调、粗轮廓），并添加到玩家的图鉴中。每只猫拥有名字、稀有度、等级、状态页和收藏卡，世界地图还能显示附近其他玩家抓到的猫。该App无融资、无团队、无市场预算，利用“全球六亿只流浪猫”这一普遍事实，让玩家不再错过路边的猫。

🚨 AI News | TestingCatalog@testingcatalog · 6月21日22

Meta AI is getting a new Artifacts tab on the web. All the presentations, docs, web pages and other creations would be stored over there. Bridging the gap 👀

译Meta AI 网页版将新增一个 Artifacts 标签页。所有演示文稿、文档、网页及其他创作内容都将存储在此处。 缩小差距 👀

AYi@AYi_AInotes · 6月21日78

我去，GPT 5.5， Claude Opus 4.8， Gemini 3.5flash，最新旗舰版全接入，完全免费不用单独开订阅！ 美团最近悄悄上了一个叫 tabbit 国际版的应用，里面接了好几家顶级模型，Claude、Gemini、GPT，都是最新旗舰版。 国内这边也没落下，Kimi、GLM、MiniMax 都在。 唯一的坑：一定要下国际版， 国内版只有国内模型，御三家不接入， 这东西的逻辑很简单，美团想做 AI 入口，先砸钱把模型阵容堆满，把用户量拉起来， 现阶段一分钱不花就能同时用几家最贵的模型，之前不想在各家之间来回切，又不想开一堆订阅的人，这个方案挺省心的， 趁现在还没收费，先用着，谢谢兄弟@fengdu2077挖掘到这么好的工具！亲测有效！

译美团近期上线tabbit国际版应用，免费集成多家顶级AI模型的最新旗舰版，包括GPT-5.5、Claude Opus 4.8、Gemini 3.5 Flash，以及国内Kimi-2.6、GLM-5.1、MiniMax-M3。用户无需单独订阅即可使用这些模型。需注意：只有国际版包含海外模型，国内版仅提供国内模型。该应用旨在抢占AI入口，目前处于免费推广阶段。

🚨 AI News | TestingCatalog@testingcatalog · 6月21日59

ClickUp's Brain AI will now be able to create agents on its own! > Brain now spots when a task is worth handing off and offers to build a dedicated agent. > It ships preconfigured, with triggers, rules, and scope already in place. > Work keeps moving after Brain finishes, with the agent owning the recurring side. Users can ask Brain to triage incoming bugs once, and it will then propose a standing agent that monitors new reports, assigns severity, flags duplicates, and automatically files tasks.

译ClickUp Brain AI 新增自主创建 agent 的能力：当检测到适合委派的任务时，Brain 会提议构建一个专用 agent，预配置好触发器、规则和范围。agent 接管重复性工作后，原来主流程可继续推进。例如，用户只需让 Brain 一次性分流新上报的 bug，它就能提议一个常驻 agent，持续监控新报告、分配严重性、标记重复并自动归档任务。

OpenClaw🦞@openclaw · 6月21日36

OpenClaw v2026.6.9 is out, with a focus on paper cuts! 💬 Richer Telegram delivery 👏 Steadier agent recovery 🧬 Stronger Codex integration 📦 Slimmer distribution 👌 Improvements in search and skills https://github.com/openclaw/openclaw/releases/tag/v2026.6.9

译OpenClaw v2026.6.9 发布，专注于小修小补！ 💬 更丰富的 Telegram 投递 👏 更稳定的智能体恢复 🧬 更强的 Codex 集成 📦 更精简的分发包 👌 搜索与技能的改进 https://github.com/openclaw/openclaw/releases/tag/v2026.6.9

SemiAnalysis@SemiAnalysis_ · 6月21日27

MYTHOS IS HERE, MYTHOS IS HERE!!

译"MYTHOS 来了，MYTHOS 来了!!"

🚨 AI News | TestingCatalog@testingcatalog · 6月21日49

ICYMI 👀: Users can now search for @imagine images and videos on Grok! It works like a proper image search but scoped to your Imagine creations. I wish we have it across the whole set of published Grok images eventually - that would be huge!

译错过提醒 👀：用户现在可以在Grok上搜索@imagine图片和视频了！ 它就像一个正常的图片搜索，但仅限于你创建的Imagine内容。我希望最终能在所有已发布的Grok图片上实现这个功能——那将非常棒！

Berryxia.AI@berryxia · 6月21日62

Codex现在能自己把线程从笔记本无缝扔到远程服务器上，关盖子前一说，它就继续干活，等你回来再接回来。 你在本地笔记本上开始写代码，工作到一半想走人，或者笔记本要关盖了，直接告诉Codex“把这个线程hand off到我的远程服务器”。 它会自动把Git状态、未提交的变更、分支、工作树全打包过去，远程那边继续跑。你关机走人也没关系。 等你回来或者换到另一个设备，再让它把线程接回来，本地环境就恢复到离开时的状态，继续本地测试或调试。 整个过程不需要你手动sync代码、处理冲突、重建环境。 这其实把“本地开发”和“远程重型计算”之间的摩擦抹平了。 以前大家要么全在本地（算力不够），要么全在远程（本地测试麻烦），现在可以根据场景自由切换，agent自己管状态流动。 以前coding workflow是“人在哪，计算就在哪”。 现在越来越接近“任务在哪跑不重要，重要的是context一直在流动，而且agent自己负责搬运”。 你觉得这种本地-远程线程无缝handoff，会让更多人开始用远程开发环境吗？

译现在 Codex 能将代码线程从笔记本无缝 handoff 到远程服务器，再随时接回。过程自动打包 Git 状态、未提交变更、分支、工作树等全部上下文，无需手动 sync 或重建环境。该功能消除了本地开发与远程重型计算之间的摩擦，让 agent 自动管理状态流动，用户可根据需要自由切换场景。

向阳乔木@vista8 · 6月20日31

只需要提供一个公众号URL，就能把文章转成PPT。 且会引用文章中的图片。 导出格式有pptx，html和pdf，pptx可以任意修改。 项目还在开发中，排版还不够漂亮，等我迭代优化。 预计下周开源。

译开发者 @vista8 推出新项目：只需输入微信公众号文章 URL，即可自动将其转换为 PPT，并保留文章中的图片。支持导出 PPTX（可任意编辑）、HTML 和 PDF 格式。项目仍在开发中，排版尚需优化，预计下周开源。该功能吸收了此前将公众号 URL 转为 Markdown 并下载图片的能力，实现了从文章到演示文档的自动化转换。

X.PIN@thexpin · 6月20日65

WeChat expanded grayscale testing of 小微 (Xiaowei) on June 20 — a conversational assistant built into the main app, run by text or voice. It operates WeChat’s native functions and calls mini programs to complete tasks: ride-hailing, food delivery, hotel booking, package tracking. It can also generate a working mini program from a single prompt. Generated apps are currently single-user and not shareable. Tencent confirmed the rollout.

译微信于6月20日扩大了对小微（Xiaowei）的灰度测试——一个内置在主应用中的对话助手，可通过文本或语音运行。它能操作微信原生功能并调用小程序完成任务：打车、外卖、订酒店、查快递。它还能根据单条提示词生成一个可运行的小程序。生成的应用程序目前为

🚨 AI News | TestingCatalog@testingcatalog · 6月20日37

Anthropic is working on "Schedules" for its upcoming Claude Conway. > Recurrent triggers that wake Conway on a schedule. Survive container restarts. Super excited to see how Conway will work with all these planned features.

译Anthropic正在为其即将推出的Claude Conway开发“Schedules”功能。 非常期待看到Conway如何与所有这些计划功能配合工作。

🚨 AI News | TestingCatalog@testingcatalog · 6月20日42

Google is working on a new Artifact type for NotebookLM called "Lit review". In this mode, NotebookLM will be able to "Generate a Literature Review Matrix" based on your sources. Considering upcoming additions of Google Play Books and Text Books as sources, Google is planning to push new use cases for readers and writers. Will it be able to map out all characters from "A Song of Ice and Fire"?

译Google 正在为 NotebookLM 开发一种名为 "Lit review" 的新 Artifact 类型。在此模式下，NotebookLM 将能够基于你的来源 "生成文献综述矩阵"。 考虑到即将新增 Google Play Books 和 Text Books 作为来源，Google 计划为读者和作者拓展新的用例。 它能否梳理出《冰与火之歌》中的所有角色？

meng shao@shao__meng · 6月20日51

有密码保护的文档，怎么解析？ 这在企业 AI Agent 场景，也是一个绕不过去的问题，看看 LandingAI ADE 密码保护文档解析方案，怎么解决它？ 它支持在同一次请求中完成：解密 → 解析 → 结构化输出。只需在 Parse 或 Parse Jobs 调用里传入 password，无需在本地先解密再上传。 前置条件：必须开启 ZDR 该能力仅对已启用 Zero Data Retention（零数据留存）的组织开放。 ZDR 的含义： · 文档仅在内存中处理，不落盘、不持久化 · 处理完成后立即丢弃，不用于模型训练 · 面向 HIPAA、PHI/PII 等合规场景 为什么和密码解析绑定？ 密码本身属于敏感凭证；在 ZDR 模式下，解密与解析在同一受控、无留存链路中完成，降低密码与明文内容被长期存储的风险。 支持的格式 · PDF：.pdf · 文本文档：.doc, .docx, .odt · 演示文稿：.ppt, .pptx · 电子表格：.xlsx 工程与安全要点 · 集成成本：单一可选参数，对非加密文件无影响 · 错误处理：缺密码 → 422，需在调用前判断或捕获 · 密码传输：经 HTTPS；ZDR 下服务端不持久化；仍建议最小权限 API Key、审计日志 · 与 ZDR 联动：开启 ZDR 后，单次只能传一个文件；Parse Jobs 须配合 output_save_url

译LandingAI Agentic Document Extraction（ADE）现支持在 Parse 或 Parse Jobs 调用中传入 password 参数，同一请求完成解密、解析及结构化输出。该功能要求启用 Zero Data Retention（ZDR）模式，文档仅在内存处理，不持久化，适用于 HIPAA/PHI/PII 合规场景。支持 PDF、DOC、DOCX、ODT、PPT、PPTX、XLSX 格式。集成成本低：单一可选参数，非加密文件不受影响；缺密码返回 422 错误。密码经 HTTPS 传输，ZDR 下服务端不持久化，建议配合最小权限 API Key 与审计日志。REST API 及 Python/TypeScript 库均可用。

歸藏(guizang.ai)@op7418 · 6月20日11

一个预告

译一个预告 [引用 @op7418]：http://x.com/i/article/2053655813877870592

🚨 AI News | TestingCatalog@testingcatalog · 6月20日55

ClickUp to add artifacts with Brain2 👀 > It will be able to create slides, prototypes, websites, or dashboards. > Brain pulls from workspace context, so the output is built on real project data > Artifacts render inline in the channel and stay fully interactive. When Brain is asked to build a presentation, it will now return a finished, professionally done, navigable deck right in the thread, ready to share or drop into a task.

译ClickUp 将通过 Brain2 添加 artifacts 👀 > 它将能够创建幻灯片、原型、网站或仪表板。 > Brain 从工作区上下文中提取信息，因此输出基于真实项目数据 > Artifacts 在频道内内联渲染，并保持完全交互。 当要求 Brain 制作演示文稿时，它现在将在线程中直接返回一个已完成、专业、可导航的幻灯片组，随时可以分享或放入任务中。

宝玉@dotey · 6月20日57

Codex 上线了一个跨设备任务迁移功能，叫 Handoff。你在笔记本上用 Codex 写代码写到一半，合上盖子之前，可以把正在进行的任务连同代码状态一起迁移到远程服务器上继续跑。回到家了，再把任务拉回来。 这个功能有两个有意思的地方。 第一，迁移操作不是在界面上点按钮，而是直接在聊天框里用自然语言下指令。比如你可以说： “我要离开办公室了，把我正在跑的线程迁移到远程主机上，确保它们在那边正常运行。” Codex 会自动帮你完成整个迁移流程。 第二，迁移的不只是对话记录，而是完整的 Git 状态。你本地没提交的代码改动、当前所在的分支，都会跟着一起过去。到了远程机器上，代码接着你离开的那个位置继续。 不过用起来有几个前提条件。 首先你得在 Codex 的 Settings > Connections > SSH 里配置好远程主机连接，远程机器上也要装好 Codex 并开启“允许其他设备连接”，两边还得登录同一个 ChatGPT 账号。 然后远程主机上要有同一个 Git 仓库的克隆，并在 Codex 里把它保存成项目。 如果你本地打开的是仓库的某个子目录，远程那边也得保存同样的子目录路径，不然 Codex 找不到匹配的迁移目标。远程机器还得能访问同一个 Git 远程仓库，私有仓库的话需要提前配好 SSH key 或 GitHub 认证。 我觉得这还是太麻烦了一点，不如办公室或者家里有台电脑常年开着方便。 当然对于重度使用 AI 编程工具的开发者来说，这个功能解决了一个很实际的问题：AI 帮你改代码改到一半，你得走了，之前只能等它跑完或者放弃进度。现在可以把任务托管到云端服务器上，通勤路上它继续干活，你到家了再接手看结果。

译Codex 推出 Handoff 功能，支持用自然语言指令将正在进行的任务连同完整 Git 状态（未提交代码、当前分支）从笔记本迁移到远程服务器继续运行，之后可再拉回本地。前提：本地需在 Settings > Connections > SSH 配置远程主机；远程也需安装 Codex 并开启“允许其他设备连接”，双方登录同一 ChatGPT 账号；远程需有同一 Git 仓库的克隆并保存为项目，子目录路径需匹配。该功能解决了 AI 编程中途离开时任务进度的托管问题。

AYi@AYi_AInotes · 6月20日68

有点炸裂，Cascadeur把AI动画的token计费直接干没了🤯 AI inbetweening、智能摆姿、物理工具，全部本地跑，没token、没credits、没云端排队，就四个字——无限生成 视频里最狠的演示是拿一个低多边形blockout rig直接出复杂奔跑动画，多场景秒切，没有任何生成等待画面 核心就三层: 1️⃣ 导入你自己的blockout角色rig 2️⃣ 用AI inbetweening补帧，智能摆姿调关键动态 3️⃣ 物理工具自动算重量感和接触——全程不联网，本地算力直接跑 这事真正的意义不仅仅是又一个AI动画工具，关键是它把动画迭代从"每次实验都要花钱/排队"变成在你本地就可以随意试了， 我印象里以前用云端工具改一个动作，脑子里得先算token， 现在不用了，Photoshop滤镜怎么试，这就怎么试🤣

译Cascadeur 取消 AI 动画 token 计费，实现全本地运行，无 token、无 credits、无云端排队，支持无限生成。演示用低多边形 blockout rig 直接生成复杂奔跑动画，多场景秒切。核心功能：导入自定义 rig、AI 补帧与智能摆姿、物理工具自动计算重量感和接触。全程不联网，本地算力即可运行，将动画迭代变为像 Photoshop 滤镜一样随意尝试。

PixVerse@PixVerse_ · 6月20日52

Pick your signature shot Official Captain Tsubasa templates are live on PixVerse Web. Upload a photo, choose a move like Curve Shot or Tiger Shot, and create your own anime football moment. RT + Follow= 100 Cred in DMs (24H only) #CaptainTsubasa

译Pick your signature shot 官方《足球小将》模板已在 PixVerse Web 上线。 上传照片，选择如 Curve Shot 或 Tiger Shot 等招式，创建你自己的动漫足球时刻。 转发+关注 = 私信获得 100 Cred（仅限 24 小时） #CaptainTsubasa

Tibo@thsottiaux · 6月20日62

Remote / local handoff in Codex! Removing boundaries one at a time. When you let the model be in the driver seat, you actually need less infrastructure.

译Remote / local handoff in Codex! 一步步消除边界。 当你让模型掌握主导权时，实际上需要的底层设施更少。

jason@jxnlco · 6月20日49

we put codex in your computer and you can give your codex a computer to put codex in

译Codex 现在可以在本地和远程主机之间切换任务。在笔记本上开始工作，合盖前发送到远程机器，稍后取回。Codex 能自主编排这一切换过程。

Luma@LumaLabsAI · 6月20日51

Your footage. Your cut. One canvas. Assemble it on Timeline, where your edit takes shape. Keep your full-resolution files right where you work, without proxies or downgrades. Then send the whole thing into your finishing suite with EDL Export, frame for frame. The first cut and the final cut now live on one path. You build it once and it moves with you. Try it today → http://lumalabs.ai/app

译你的素材。你的剪辑。一张画布。 在 Timeline 上组装，你的剪辑逐渐成形。将全分辨率文件保留在你工作的地方，无需代理或降级。然后通过 EDL 导出，逐帧发送到你的后期合成套件。 初剪和终剪现在同在一路。你只需构建一次，它随你而动。 立即试用 → http://lumalabs.ai/app

🚨 AI News | TestingCatalog@testingcatalog · 6月20日27

OpenAI is preparing to add Library from ChatGPT into Codex as well. The next phase of consolidation 👀

译OpenAI正在准备将ChatGPT中的Library也添加到Codex中。 整合的下一个阶段👀

Rohan Paul@rohanpaul_ai · 6月20日64

DeepAdapt has launched a runtime intelligence layer that cuts AI operating costs by up to 82% and 33X faster inference by shifting repetitive workloads from GPUs to standard CPUs. They are calling it Adaptive Continual Intelligence, ACI. ACI is a runtime learning layer where analytical learning, supervised learning, and reinforcement learning work together while the system is already in production. ACI is not caching, memory, a knowledge graph, routing, or a simple optimization trick. This technique learns from model decisions, corrections, labels, outcomes, and experience, then serves known decisions locally on CPU. Only new, uncertain, or complex requests are routed back to the underlying model. ACI can also be pre-trained for specific domains, making continual learning faster and cheaper. DeepAdapt is rolling out first for cloud-based LLM agents, but the same architecture becomes even more important on personal devices, where compute, battery, latency, and local inference reliability are much tighter constraints. In their benchmarks, ACI has shown up to 90% lower token consumption, 5.7X lower production-scale cost, 33X faster inference with 159 ms median latency, 96% accuracy vs. 85% without ACI, 85.7% lower energy per 1,000 decisions, and 4.8× fewer rule violations. DeepAdapt intercepts user requests, serving known answers instantly from a standard CPU to completely bypass the expensive GPU. New questions go to the GPU, but the system logs the output and any human corrections to learn for the next time. This keeps the underlying language model entirely frozen while the outer software layer handles all real-time learning and auditing. ACI requires zero training. No fine-tuning. No retraining pipelines. You wire it into your existing stack and it starts learning from real use on the very first request. Every improvement happens at runtime. The effect: GPU dependency and cost decrease as the system matures, and energy consumption drops proportionally. In ACI-native agents, everything else becomes a tool inside the ACI runtime: the LLM, memory, tools, knowledge graphs, prompts, workflows, APIs, and external systems. ACI decides what can be handled locally, what should be learned, what must be enforced, and when the system actually needs to fall back to the model. Inference is becoming one of AI’s biggest cost centers. Token prices may fall, but total AI bills keep rising because usage is exploding. The real leverage is avoiding unnecessary GPU calls altogether. With ACI, the LLM is no longer the center of the architecture, because ACI becomes the runtime intelligence layer that decides what can be inferred locally, what should be learned, what must be enforced, and when the model is actually needed. 🧵 1.

译DeepAdapt 发布 ACI（自适应持续智能）运行时学习层，通过将重复工作负载从 GPU 转移至标准 CPU，实现运营成本降低 82%、推理速度提升 33 倍（中位延迟 159 ms）。ACI 在推理时实时学习模型决策、人工修正与反馈，已知请求直接本地 CPU 处理，仅不确定或复杂请求回传底层 LLM。基准测试：token 消耗降 90%、生产级成本降 5.7 倍、准确率 96%（对比无 ACI 的 85%）、每千次决策能耗降 85.7%、规则违规减 4.8 倍。无需微调或重训，即插即用，GPU 依赖随系统成熟递减。该架构先用于云端 LLM 智能体，未来对个人设备同样重要。

AYi@AYi_AInotes · 6月20日53

Claude Code刚上线的Artifacts， 对重度使用者和企业团队来说，可能是今年Claude在协作场景里最有实际价值的一次升级🆙 但90%的人都看错了它的核心价值，很多人以为只是加了个网页预览窗口，或者觉得就是把聊天里的代码变成可视化页面， 其实真正的杀招是Claude直接钻进了团队协作的全流程里，而且直接戳中了AI编码时代最容易被忽略的瓶颈， Anthropic内部人都说，现在几乎所有工作都靠这个功能完成， 因为它不只是单文件的静态预览，核心是把整段工作会话连同代码上下文数据工具调用，直接打包成一个独立网页， Claude在后台继续迭代，页面就会自动同步更新，不用手动刷新重发， 生成的组织内私人链接，同事点开就能看到实时进度，还能切换历史版本， 从复杂代码的可视化解释，系统架构图，动画方案预览，到可交互的数据分析仪表盘， 全都能直接丢链接交付，不用再堆一堆截图配长长文字解释， 当然目前这个功能只对团队和企业版开放，个人用户暂时还用不上， 但这还不是最颠覆的地方， 过去整个行业都在卷模型参数卷上下文长度卷代码正确率， 大家都默认AI编码的核心矛盾是写得够不够快够不够准， 可当代码生成越来越容易，真正的卡点早就悄悄变了， 技术负责人怎么让非技术的产品和老板快速理解方案， 数据分析结果怎么让业务方自己交互式验证， 复杂系统架构怎么不靠反复开会对齐就能讲清楚， AI生成的东西越来越多，让别人看懂并相信的成本反而越来越高， 更狠的是这一步直接把Claude的定位给换了， 以前它更像程序员口袋里的个人生产力神器，是专注于你和AI一对一的对话， 现在靠着Artifacts加团队企业版的组合，它直接钻进了团队协作的流程里， PR走查的可视化注释，项目的实时仪表盘，故障排查的完整时间线， 所有AI的工作过程都能变成可持久化可共享的活文档， 本质上都是解决了企业落地AI最大的障碍之一，怎么让AI的产出安全顺畅地融进团队工作流， 很多人还在死磕模型能不能一次写出完美代码， 但真实的工作场景里，能快速可视化加分享加迭代，对整体效率的提升往往更大， 就像以前AI只是帮你写稿子，现在它连带着把可交互的演示页和分发链路一起做好了， 后者对整个组织的影响力，显然要高出一个量级， 团队版用户现在就能用的思路是，以后做技术方案评审数据复盘原型展示， 优先让Claude生成Artifacts链接交付， 降低解释成本带来的效率提升，很多时候比单纯提升生成速度还要明显， 以前AI工具拼的是帮一个人把活干得有多快， 现在开始拼的是帮一整个团队把协作成本降得有多低， 这已经不是一次小功能迭代了，已经成为AI产出从静态文本，升级成可交互可共享可实时更新的数字资产的关键一步

译Claude Code新增Artifacts功能，可将整个工作会话（代码、上下文、工具调用）打包成独立网页，后台持续迭代时页面自动同步更新。生成的私密链接可共享给团队成员，支持切换历史版本，适用于PR走查、系统架构图、交互式数据分析仪表盘等场景。目前以beta版面向Team和Enterprise计划开放。作者认为，该功能的核心价值在于将AI产出从静态文本升级为可共享、可实时更新的数字资产，降低技术方案向非技术人员解释的成本，让AI更顺畅地融入团队协作流程。

🚨 AI News | TestingCatalog@testingcatalog · 6月19日56

Mistral AI released Code on Vibe to Pro users. Desktop app has been confirmed as well. Soon 👀

译Mistral AI 向 Pro 用户发布了 Code on Vibe。桌面应用也已确认。 很快 👀

Rohan Paul@rohanpaul_ai · 6月19日81

This is really good. OpenAI just moved frontier-level health AI from premium reasoning models into the free GPT-5.5 Instant model. GPT-5.5 Instant now performs near OpenAI’s Thinking models on health evaluations, meaning the cheaper, faster default model is being trained to behave more like the slower models that spend extra computation checking their reasoning. The update targets the gap between a chatbot that sounds fluent and a health assistant that knows when to slow down, ask for missing details, admit uncertainty, and push the user toward care when symptoms look urgent. OpenAI says more than 230 million people ask ChatGPT health and wellness questions every week, so moving this capability into the free product changes the scale from premium assistance to mass access. From OpenAI's blog looks like they did a huge "distillation" to achieve this. i.e. a stronger teacher model and human experts create high-quality responses, and a cheaper student model learns the answer patterns without repeating the same expensive internal search every time. i.e. OpenAI's training loop was heavily physician-shaped: more than 260 doctors across 60 countries, 49 languages, and 26 specialties reviewed over 700,000 model responses and judged whether answers were accurate, cautious, clear, complete, and useful. OpenAI's likely mechanism seems to be a mix of supervised fine-tuning, where Instant is shown better answers, and preference training, where it learns which answer a physician-led rubric prefers when two outputs differ. The physician part is crucial because the target is not just “medical facts,” but clinical response behavior, such as asking for age, pregnancy status, duration, medication history, severe pain, breathing trouble, fever, neurological symptoms, or other missing context before giving guidance. So the strongest improvement is not medical trivia but behavior under uncertainty, because a good health answer often means saying what cannot be known yet, what context is missing, what red flags matter, and what the next safe step should be. OpenAI also reports 71% fewer flagged factuality issues in real health traffic over two months, which suggests the update is reducing wrong claims in everyday use rather than only improving benchmark scores.

译OpenAI 将前沿健康 AI 能力从 premium 推理模型迁移至免费版 GPT-5.5 Instant，使其健康评估表现接近 Thinking 模型。每周超 2.3 亿用户通过 ChatGPT 咨询健康问题。OpenAI 采用知识蒸馏：由更强教师模型与 260+ 名医生（覆盖 60 国、49 种语言、26 专科）审查超 70 万条模型响应，训练学生模型学习临床回答模式。训练结合监督微调与偏好训练，重点提升“不确定性下的行为”（如主动询问年龄、症状等缺失信息）。真实健康流量中事实性问题减少 71%。GPT-5.5 Instant 已向全体免费用户开放。