Product
1. 月之暗面发布 Kimi K3：2.8 万亿参数、百万上下文的开放前沿模型
Moonshot AI（月之暗面）正式发布 Kimi K3，定位为其最强模型，规格为 2.8 万亿参数、100 万 token 上下文、原生多模态。技术上引入两项关键设计：Delta Attention 让百万 token 解码速度提升至 6.3 倍；Attention Residuals 以不到 2% 的额外开销带来约 25% 的训练效率提升。模型已上线官网与 API，官方承诺 7 月 27 日前开放权重，并自称首个开放 3T 级模型，意在从 DeepSeek 1.6T v4 Pro 手中接过开放模型榜首。值得注意的是，开放权重日期与自测基准成绩都仍待第三方验证。
2. Vercel Next.js 基准：Kimi K3 首次让开放模型登顶
Vercel 的 Next.js Evals 是一套覆盖代码生成与迁移的综合 Web 工程基准。最新结果中，Kimi K3（经 OpenCode）以 92% 成功率、平均 199.89 秒登顶，与 Claude Fable 5、Cursor Composer 2.5 并列成功率第一，但耗时更短。Rauch 强调这是开放模型首次在该综合基准上超越所有闭源模型。紧随其后的还有 GLM 5.2（88%）、Claude Opus 4.8（88%）、Grok 4.5（83%）。需注意成功率配合 AGENTS.md 后多数模型可达 96%，说明基准对工程配置相当敏感。
来源：AI Agent Evaluations | Next.js by Vercel - The React Framework
3. Claude Code 推出 /code-review ultra：多 agent 云端深度审查
Claude Code 在 high 之上新增 /code-review ultra（研究预览）。它在 Claude Code on the web 的远端沙箱里启动一整支审查 agent 编队，定位并独立复现每一个发现，号称在保持与 high 相同的严重问题覆盖率的同时大幅降低误报，Anthropic 表示内部每个 PR 都跑这套。它支持 CLI 调用、定价与免费额度、跟踪运行中的审查、非交互式运行，并与本地 /code-review、/review 对比。定价与可用性标注为可能随反馈调整。
4. OpenAI 卖硬件了：售价 230 美元的 Codex Micro 键盘
OpenAI 开始卖硬件：Codex Micro 是与 Work Louder 合作的 230 美元键盘，面向整天运行 AI agent 的用户，带一个实体旋钮，用来调节 AI 思考的力度（推理强度）。这是 OpenAI 首次把品牌硬件伸向开发者桌面，意义在于把模型推理强度这类抽象参数物化为物理控件，也为 agent 工作流提供专用外设。一条动态显示该键盘 14 小时内即售罄，说明早期需求超出预期。
来源： https://openai.com/zh-Hans-CN/supply/co-lab/work-louder/
5. Codex 上线 PR Chat：在 PR 上下文里审查与改代码
OpenAI 为 Codex 推出 PR Chat：用户可针对某个具体 PR 向 Codex 提问，并获得处于该 PR 上下文中的回答；内联代码编辑支持把审查意见发给 Codex、在页面内查看建议补丁，并编辑、接受或拒绝。其价值在于把 PR 审查与后续修改收进同一界面，减少在 GitHub 与编辑器间的来回切换。对重度使用 Codex 的团队，这进一步把它推向端到端的代码协作枢纽。
来源：@OpenAIDevs
6. ChatGPT 桌面端更新：历史会话与云项目进侧边栏，聊天模式独立
ChatGPT 桌面应用迎来更新：历史会话与云项目（cloud projects）进入侧边栏；chat 模式不再仅见于 quick chat，而是与 work 模式并列常驻；并修复了一批其它问题。同日工程师 Thsottiaux 也发文承认新桌面端首版没完全做对，正根据大量反馈持续调整。两项合在一起，说明桌面端正从早期粗糙版本向可用工作台收敛，模式区分也暗示了消费级与工作级体验的分野。
来源：@ajambrosino
7. 1Password 联手 Anthropic：让 Claude 登录网站而不暴露你的凭据
1Password 与 Anthropic 合作推出 1Password for Claude：解决 agent 时代的新安全问题——过去让 agent 替你登录网站，意味着把凭据暴露给模型。新方案让 Claude 代为登录与操作时，无需把用户名密码交给模型本身。在 agent 开始预订行程、登录账号、代为行事的背景下，凭据隔离是 agent 安全从理论走向基础设施的关键一环，也确立了凭证中介这一新合作范式。
来源：@1Password
Tutorial
1. 自我改进型 Agent 综述：从研究 demo 走向部署系统
Sebastian Raschka 推荐一篇关于自我改进型 agent 系统的综述：自改进 agent 正从研究 demo 走向真实部署系统。该综述把现代 agent 形式化为基础模型加操作脚手架，并据此给出自改进机制的分类。这类框架的价值在于，为 agent 如何从自身运行中学习并变得更好提供共同语言与设计坐标，避免各家各说各话。对构建长期运行、需要自我修复与优化的 agent 系统的工程师，是一份值得收藏的地图。
来源：@omarsar0
2. 拆解廉价玩具机器人：把它改成 LLM 驱动的 STEM 项目
Mario Zechner（badlogicgames）写了一篇详尽的拆解实践：买一只廉价玩具机器人，用暴力拆解、逆向 PCB 与机械结构、重布线、用纸板做结构件，再接入语音识别、TTS、LLM 与 agent，做成给孩子和邻居小孩的 LLM 玩具与 STEM 项目。文章覆盖从硬件拆解到语音管线再到 agent 接入的完整链路。这同时也是他与 HuggingFace/Pollen Robotics 的 Reachy 机器人纸板对真机的对决背景——他笑称这根本不算一场打斗。作为低门槛硬件加 LLM 的端到端教程极具启发性。
来源：How to build a shitty robot
Opinions/Thoughts
1. Simon Willison 评 Kimi K3：鹈鹕基准之外更该看什么
Simon Willison 给出 K3 速记与冷静解读：Moonshot 自测基准显示 K3 多数指标胜过 Claude Opus 4.8 max 与 GPT-5.5 high，但整体仍落后于 Claude Fable 5 与 GPT-5。开放权重承诺在 7 月 27 日前放出，将其称作首个开放 3T 级模型（把 2.8 万亿四舍五入到 3 万亿），从 DeepSeek 1.6T v4 Pro 手中接过开放王座。他借此提醒：被戏称为鹈鹕基准的那类花式能力展示，正越来越脱离真正重要的能力（如长对话中的 agentic 工具调用），从业者应把注意力放回后者。