红帽在亚特兰大峰会上推出新的AI技能库，旨在提升企业效率和客户价值。通过结合生成式AI与其平台，红帽希望将AI助手转变为能够执行复杂任务的企业超级用户。新技能包将帮助AI代理更好地理解和使用红帽的工具，确保技术和合同合规。红帽强调，AI不会取代系统管理员的工作，而是改变他们的工作方式，未来的DevOps将更加依赖AI。

爱思唯尔等学术出版商起诉Meta，指控其未经授权使用受版权保护的科研论文训练Llama大模型。诉状称Meta主要依赖Common Crawl数据集及盗版平台LibGen和Sci-Hub。Meta回应将积极应诉，并主张“合理使用”原则。这是学术出版商首次集体对AI企业提起诉讼，未来发展引人关注。

2026年，DeepSeek V4与ChatGPT 5.5在大模型领域竞争激烈。DeepSeek V4具备1M令牌上下文窗口，适合长文本处理，性价比高；而ChatGPT 5.5在逻辑推理和低幻觉率方面表现优异。选择时需考虑业务需求，DeepSeek适合开源和私有化部署，ChatGPT适合高端生产力和合规性任务。

开发者jola分享了在M4 MacBook Pro上运行Qwen 3.5-9B（Q4_K_S量化版）本地大语言模型的经验，尽管该模型无法完成复杂任务，但它提升了开发者的参与度，成为一种可控的离线助手，适合24GB内存的用户。

LaST-R1是一种新型机器人强化学习框架，通过隐空间中的物理推理优化机器人的思考和动作。该方法结合LAPO算法，使机器人在执行动作前进行推理，从而提高在复杂环境中的适应能力和成功率。实验结果显示，LaST-R1在仿真和实际任务中均表现优异，成功率显著提升，标志着机器人从“模仿”向“理解”迈进。

文章批判开发者过度依赖云端AI，强调本地模型在应用中的重要性。通过新闻应用示例，展示如何利用苹果设备的内置模型实现快速、安全的文本摘要，避免隐私泄露和网络依赖。强调本地处理高效且减少复杂性，建议开发者在适当情况下使用云端模型，以保护用户数据安全。

最新的AI编程测试ProgramBench显示，当前大模型在完成完整软件工程项目上表现不佳，结果为0%。这一测试明确了未来AI编程的目标，AI将朝着从零开始重建软件的方向发展。程序员的工作暂时保住，但未来需要转型为需求定义者和质量负责人。AI生成的代码可能不再符合人类可读性，未来编程将面临新的挑战。

意大利程序员Salvatore Sanfilippo（antirez）发布了新开源项目ds4.c，专为DeepSeek V4 Flash设计的推理引擎。该项目利用Metal GPU，支持高达100万Token的上下文窗口，推理速度极快，适合长文档处理。ds4.c提供CLI和服务器模式，支持本地HTTP服务和磁盘KV缓存，提升了Agent客户端的使用体验。

本文介绍了ds4.c，一个为DeepSeek V4 Flash模型设计的轻量级推理引擎。该引擎支持本地运行，具备超长上下文和高效的KV缓存，能够快速处理复杂问题。与云端API相比，本地运行更安全、无延迟且无额外费用，适合对隐私和性能有高要求的用户。尽管目前仍处于alpha版本，作者欢迎用户测试和反馈。

中国航天自1956年导弹火箭研究机构成立以来，历经70年，取得了辉煌成就，包括2021年“天宫”空间站的建设。文心大模型与飞航文创合作，推出航天主题文创产品，鼓励公众参与设计与投票，推动航天文化传播与发展。

云知声发布了山海知医慧保大模型，旨在推动医疗保障体系的数智化。该模型结合亿级临床数据，提升医保监管与商保风控能力，实现高效合规审核。通过智能解析病历和医疗单据，显著提高了医保政策问答、编码对齐和业务处理能力，助力行业高质量发展。未来，云知声将继续优化技术，推动医疗保障的智能化转型。

人工智能正在通过数字技术改造传统养殖业。在吉林长岭的养殖基地，讯飞和光科技利用AI技术将养殖经验转化为智能算法，解决规模化养殖中的效率和成本问题。该项目实现了健康监测、环境调控和饲喂管理的智能化，显著提升了养殖效率和生物安全，为产业智能化提供了可复制的路径，推动了农业的数字化和智能化发展。

今年，传统开发者面临转型压力，因大模型技术迅速崛起。企业需掌握大模型应用开发，提升技能以适应市场需求。课程提供实战训练，帮助学员掌握核心技术，提升就业竞争力。

Hermes Agent是一款高效智能的AI代理，支持多种模型和微信通道。用户可通过小米的mimo模型申请token，与Hermes进行交互。与OpenClaw相比，Hermes更适合开发者和研究者，提供丰富的内置技能和灵活的API切换。两者均为优秀的开源个人AI代理，满足不同用户需求。

随着大模型能力的趋同，企业竞争的焦点转向智能体外壳设计。外壳决定了AI的执行力，成为新的竞争战场。企业需要定制外壳以提升流程设计和执行效率，未来成功的关键在于外壳的优化，而非模型的智能。

卡帕西提出软件3.0概念，强调通过大模型简化软件开发，用户只需输入需求即可自动生成结果。传统的中间步骤和模块逐渐被淘汰，未来产品将由传感器、执行器和逻辑三部分构成，分别用传统代码、神经网络和大模型实现。工程师需掌握这三种方法，以确保系统的安全和高效。

OpenAI推出了名为privacy-filter的小模型，通过先处理隐私数据再交给大模型，确保数据安全。该系统可在本地运行，成本低且高效，适用于医疗、金融等敏感行业，提升了AI应用的安全性和可审计性。

该项目探索将大语言模型（LLM）应用于输入法，通过上下文理解优化候选词排序。用户输入拼音后，LLM根据语境提供更相关的词汇，提升输入体验。项目使用Node.js和React构建，支持本地运行以确保隐私。尽管仍在实验阶段，但效果超出预期，未来计划进一步改进并整合到真实输入法中。