Ben Thompson 认为 Nvidia 的 RTX Spark PC 芯片令人失望——它把大量晶圆面积花在 GPU 核心上，但在 Agent 时代真正关键的 CPU 性能上不如 M5 Max，本质上仍是 2023 年聊天机器人时代的产品思路。相比之下，微软的 Project Solara 更值得关注：这是一个基于 Android 的全新设备平台，将云作为中枢、多种设备作为终端节点，专为 Agent 而非传统 App 设计。微软同时发布的 MAI-Thinking-1 等 7 款自研模型虽然性能一般，但搭配企业定制化的强化学习环境（RLE），定位是让企业用自己的数据训练专属模型——"你不是在租共享智能，你训出来的模型就是你的护城河"。

a16z 投资的 Lassie 已在全美 49 个州的 700 多家诊所运行自主 Agent 系统，平均每家每月替代约 30 小时行政工作，最高达 190 小时。创始团队亲自在牙科诊所和消化科诊所全职工作数月，发现美国 50 万家诊所普遍每年花 $200K 在行政人员上，而这些工作——保险理赔录入、账单生成、数据搬运——过去的软件只是"重新排列了点击位置"，从未真正消除。AI Agent 第一次让软件可以理解上下文、跨系统操作并直接完成工作本身。

Uber 限制所有员工每人每月每个 AI 编程工具不超过 $1,500 的 token 支出。以每人 2 个工具计算，年度上限约 $36,000，相当于 Uber 软件工程师中位数薪酬包（$330K）的 11%。Simon Willison 指出这是对四个月花光全年 AI 预算后的理性政策回应，远比那些鼓励员工争相刷 token 的"tokenmaxxing 排行榜"更明智。他本人每月在 Anthropic 和 OpenAI 各花约 $1,000，在这个限额下仍有富余。

OpenAI 为 GPT-Rosalind 增加了四项新能力：增强的生物推理（蛋白质设计与药物发现）、药物化学专业知识、基因组学分析和实验工作流管理。这是 OpenAI 在垂直领域模型上的重要推进，将通用大模型的能力深度适配到生命科学研究场景，目标用户是药企研发团队和学术实验室。

微软 Build 大会全面回顾，重点拆解 MAI-Thinking-1（35B 推理模型，从零训练不蒸馏）和 MAI-Code-1-Flash（5B 编码模型，专为 Copilot 优化）等 7 款自研模型的技术细节和战略意图。

a16z 提出世界模型的功能性分类框架：渲染器、模拟器、规划器，以及连接它们的循环。为理解物理 AI（机器人、自动驾驶、游戏）赛道的技术路线提供了投资分析框架。

a16z 领投 Town 的 A 轮融资。Town 的具体方向未在摘要中详细披露，但获得 a16z 领投本身是一个值得跟踪的早期信号。

Wasmer 使用 Codex + GPT-5.5 构建了边缘端 Node.js 运行时，开发速度提升 10-20 倍，原本需要数月的项目几周内交付。这是 Codex 在基础设施开发领域的一个高质量案例。

OpenAI 发布美国前沿 AI 联邦治理框架蓝图，涵盖安全、韧性和国家安全三大支柱。对理解未来 AI 监管走向有参考价值。

深圳具身智能公司星尘智能完成超 10 亿元 B 轮融资，估值突破百亿元。具身智能赛道持续吸引大额资本，该轮融资规模在中国机器人领域属于头部水平。

Lenny 实测 Google Gemini Omni 的虚拟化身功能——扫描二维码、克隆面部、15 分钟内生成 AI 替身视频。消费端 AI 化身正在从概念走向可用产品。