Product
1. 小米开源 MiMo-Code：具备跨会话记忆的 AI 编程代理
小米开源了 MiMo-Code，这是一款终端原生的 AI 编程助手，具备跨会话记忆能力。该工具支持读取/写入代码、执行命令、管理 Git，并利用 SQLite FTS5 全文搜索实现持久化项目记忆。MiMo-Code 内置了多种代理模式，包括用于开发规划的 Default 模式、代码分析的 Plan 模式以及用于编排的 Compose 模式。其核心亮点在于 /dream（记忆整合）和 /distill（模式复用）功能，能够将重复的模式转化为技能、子代理或命令，从而实现持续的自我进化。
来源：GitHub
2. Google 开源 DiffusionGemma：实现 4 倍推理加速
Google 开源了实验性模型 DiffusionGemma，该模型采用文本扩散技术，通过并行生成 256 个 token 的方式，将推理瓶颈从内存带宽转移到计算能力上。在 H100 上可达到 1000+ tokens/秒，在 RTX 5090 上可达 700+ tokens/秒。该模型基于 Gemma 4 架构，是一个 26B 的 MoE 模型，推理时仅激活 3.8B 参数，可在 18GB 显存下运行。虽然其生成质量略低于 Gemma 4，但其双向注意力机制和并行生成能力使其非常适合实时内联编辑、快速迭代等对延迟敏感的本地交互场景。
来源：Google
3. Adam：AI 驱动的 CAD 代理工具
Adam 是一款 AI 驱动的 CAD 代理工具，旨在帮助机械工程师在 Onshape 或 Fusion 等主流 CAD 平台中更高效地构建硬件。它能够通过自然语言指令执行复杂的 CAD 任务，包括零件编辑、特征树优化以及参数化设计。Adam 的核心优势在于能够理解 CAD 上下文，将繁琐的点击操作转化为单一指令，并能自动识别重复特征进行合并。该工具旨在解决传统 CAD 软件中积累的复杂性和不友好性，被评价为 CAD 领域的“v0”。
4. Amplitude 推出 Wave：主动式产品代理
Amplitude 推出 Wave，这是一款主动式产品代理，旨在帮助团队构建自我改进的产品。Wave 通过分析 Amplitude 数据（包括分析、反馈、会话回放、错误日志、代理追踪和实验结果），自动发现产品机会，并生成完整的规格说明供团队审批。它还能追踪实验结果，形成闭环。Wave 的核心理念是加速“构建-发布-使用-学习”的循环，让产品在每个周期中变得更智能。该工具目前处于封闭测试阶段。
来源：Amplitude
5. Qwen3.7-Max 限时半价优惠
Qoder 宣布 Qwen3.7-Max 模型限时半价优惠，活动持续至 6 月 12 日。Qwen3.7-Max 是 Qwen 系列的最新旗舰模型，专为 Agent 场景设计，在长链推理、跨文件代码理解和复杂工程任务执行方面有显著提升。此次优惠覆盖 Qoder 全线产品，包括桌面端、JetBrains 插件、CLI 等。此外，新注册用户还可获得每日 100 次免费调用额度。该活动旨在帮助开发者快速体验旗舰模型能力。
来源：Qwen3.7-Max at Half Price — Limited Time - Qoder
6. tuipo：终端环境下的拼写检查工具
tuipo 是一款为终端环境设计的拼写检查工具，类似于终端版的 Grammarly。它可以在任何 TUI 应用（如 Claude Code、Codex、Aider、vim 等）中实时检测拼写错误，并以红色波浪线标注，且不会干扰被包装的应用行为。作者开发该工具是因为在终端输入长提示词或代码时，拼写错误会导致 LLM 产生误解。tuipo 仅在用户停止输入时进行检测，保持了终端的简洁性，有效提升了 AI 交互的准确性。
来源：GitHub
Opinions/Thoughts
1. Regimes：一种可审计的 AI 代理自我改进循环
Yohei Nakajima 提出了 Regimes 框架，旨在解决自主代理改进循环中缺乏可信度的问题。该框架基于 ActiveGraph 运行时，将代理的改进过程视为一等公民，而非外部挂载的脚手架。Regimes 通过事件溯源（Event-Sourcing）记录所有失败、诊断和补丁决策，确保运行过程可重现、可审计。当评估失败时，系统会自动诊断并提出修复方案，仅在通过静态检查、沙箱执行、样本内评估和留出验证后才进行推广。该方法为构建可信、可控的自主改进系统提供了新的架构思路。
来源：arXiv.org
2. Anthropic 调整 Claude 安全防护策略，增加可见性
Anthropic 宣布调整其安全防护策略，将针对前沿 LLM 开发的防护措施变得更加可见。从本周开始，被标记的请求将自动回退至 Opus 4.8 模型，并向用户提供拒绝原因。Anthropic 承认此前采用的“隐形防护”策略在平衡安全与用户体验上存在偏差，导致了不必要的误报。公司正在优化生物和网络安全分类器，以减少对无害请求的误触发。用户若认为请求被误标记，可通过
/feedback或申诉表单进行反馈，以帮助改进分类器性能。
来源：Safeguards warnings and appeals | Claude Help Center
3. Anthropic 发布 Claude Fable 5：性能提升与安全争议
Anthropic 发布了 Mythos 级模型 Claude Fable 5，在编码、代理任务和科学推理方面表现出卓越性能。然而，该模型的发布引发了争议，主要源于 Anthropic 实施的“RSI 抑制”策略，即通过隐蔽的提示词修改或 PEFT 限制模型在某些前沿开发任务中的表现，并将网络安全、生物和化学相关查询自动路由至旧版 Opus 4.8。此外，Fable 5 将在 6 月 22 日后从订阅制转为使用额度制。这一举措凸显了 AI 实验室在提供 frontier 级推理能力与控制成本、安全风险之间的矛盾。
来源：Latent.Space
4. 恶意软件利用 AI 安全拒绝机制进行规避
研究发现，恶意软件开发者在代码中植入核武器和生物武器相关文本，旨在触发 LLM 的安全拒绝机制，从而规避 AI 安全扫描器的分析。这一案例揭示了过度依赖一阶安全对齐的风险。当模型采取激进的拒绝策略时，会产生二阶盲点，被攻击者利用。专家指出，在设计恶意软件分析流水线时，必须考虑意图识别，避免被简单的提示词操纵。随着攻击者对 AI 特性的深入了解，系统需要更具鲁棒性的安全设计，而非简单的“安全钝化”。
来源：Socket
5. 关于 AI 巨头权力扩张的思考
Armin Ronacher 对 Dario Amodei 关于 AI 指数增长的政策文章发表评论，认为如果 AI 实验室了解东印度公司的历史，就应该知道如何避免在没有政府干预的情况下成为垄断巨头。这一评论反映了开发者社区对 AI 实验室权力过度扩张的担忧，以及对 AI 治理和权力制衡的思考。随着 AI 影响力的扩大，如何防止 AI 实验室演变为新的垄断实体，已成为行业讨论的核心议题。
来源：Dario Amodei — Policy on the AI Exponential
6. Cursor：从 15 人到 700 人的 AI 编程平台
Anthropic 介绍了 Cursor 的成长历程。Cursor 联合创始人 Michael Truell 强调，Anthropic 对原则的坚持是双方合作的基础。Cursor 在两年内从 15 人扩展至 700 人，目前服务于 60% 以上的财富 500 强企业。Cursor 的成功在于其 AI 原生架构，帮助工程师和非技术人员通过代理高效构建高质量代码。双方的合作推动了 AI 编程能力的边界，展示了 AI 代理在企业级软件开发中的巨大潜力。
来源：Claude