一、今日最重要的 5 条

二、按目标分类

A. 前沿模型 / 一手发布

• 事件：微软首个完全 in-house、不依赖 OpenAI 数据训练的 reasoning 模型

• 核心内容：35B 激活 MoE，256K context，AIME 2025 97.0% / 2026 94.5%；SWE-Bench Pro 与 Claude Opus 4.6 持平；Surge 盲评 preferred over Sonnet 4.6

• 为什么重要：标志微软完成"frontier 模型自主性"补完，对 OpenAI 议价能力立刻变化

• 我需不需要点开：先看 model card 摘要，等 GA 再深入

• 链接：微软 Build 官方 · Tech Times · datanorth.ai

• 事件：5B 参数、Copilot-native 训练的 coding 模型在 VS Code 模型选择器中可用

• 核心内容：256K context，SWE-Bench Pro 51%（比 Haiku 4.5 高 16 分），同等任务少 60% token；training data 直接来自 production Copilot harness

• 为什么重要："小模型 + 工具调用专训"路线被一线产品验证；价格曲线被压平

• 我需不需要点开：必看 model card，关注它在 agentic loop 中的 tool-use 行为

• 链接：Model card PDF · GitHub Changelog

• 事件：Cambrian-S 系列推出 pose-grounded 版本

• 核心内容：SigLIP2-SO400m + Qwen2.5 + 每帧 learnable camera token + 轻量 pose head；VSI-Bench +4.5~6.5%，ScanNet 流式 pose SOTA

• 为什么重要：把 3D 空间理解"内化"进 MLLM，不再需要外挂 pose estimator

• 我需不需要点开：必读，攀岩 app 直接对应论文

• 链接：arXiv abs · HTML · GitHub

• 事件：Dynamic Workflows、Fast mode、mid-conversation system messages 进入工程实战阶段

• 核心内容：Code honesty 4x 改善；prompt cache 最低阈值降到 1024 tokens

• 为什么重要：对 agent 成本曲线的实际影响大于 benchmark 分数

• 我需不需要点开：见 6/4 报告，今日只跟踪用户反馈

• 链接：Anthropic news

B. AI 工程 / Agent / Coding workflow

• 内容：默认 Auto 模式可能优先调用 MAI-Code-1-Flash 处理简短任务

• 可落地价值：低延迟 IDE 补全 + Opus 4.8 / Sonnet 4.6 分工，组合成本更可控

• 对我当前开发的意义：在攀岩 app 项目里尝试"小模型补全 + 大模型 review"双层 agent loop，是个 portfolio 卖点

• 链接：Microsoft AI model page · aimadetools 指南

• 内容：Copilot 由 request-based 切到 usage-based AI Credits（$100/mo Max ≈ $200 usage）；Cursor Teams 拆为 Standard $32/seat 与 Premium $96/seat（5x usage）

• 可落地价值：选 IDE 工具时必须按真实 token 消耗算 ROI，不能再用"月费"心态

• 对学习的意义：把工具的 pricing 演化作为面试谈资（"我自己跑了 7 天，单 PR 成本如下…"）

• 链接：Lushbinary 2026 比较 · Developers Digest pricing

• 内容：Cognition 把 Windsurf 重命名 Devin Desktop，默认界面替换为 Agent Command Center

• 可落地价值：印证 IDE 主轴从"代码补全"完全转向"agent 调度面板"

• 对项目方向的意义：side project 里的工具链描述要从"AI-assisted IDE"升级为"agentic dev environment"

• 链接：NxCode 对比 · Morph 测评

• 内容：MAI-Code-1-Flash 和近几个月发布的 small models 普遍内置 adaptive reasoning budget——简单任务短链路、复杂任务自动展开

• 可落地价值：你不再需要手动写 "think step by step"——但反过来必须做 budget control 的 eval

• 对学习的意义：在自己的 eval 套件里加一个 "token-vs-quality 曲线" 指标

• 链接：ChatForest benchmark 文

C. 视觉 / 视频 / 运动人体分析

• 内容：把相机位姿当 learnable token 注入 video MLLM，端到端做空间推理

• 与攀岩 app 的相关性：极高。攀岩视频多视角、镜头晃动，这正是 Cambrian-P 设计的核心场景

• 可迁移到项目的点：直接拿 Cambrian-P 当 backbone 跑 climbing 视频，pose head 输出可用作"动作时刻"信号

• 优先级：高

• 链接：arXiv · GitHub

• 内容：22 段 4K 50fps 标注攀岩视频 + hold 位置 / 使用顺序 / 时间 ground truth；baseline 用 2D pose keypoint + hold overlap

• 与攀岩 app 的相关性：直接训练 / 评测集

• 可迁移到项目的点：(a) 复用其 pose + hold 重叠的使用判定逻辑作 v0；(b) 拿来 fine-tune Cambrian-P 的 climbing 版本

• 优先级：最高（先把它跑通一遍）

• 链接：arXiv · CVPR 论文 PDF

• 内容：skeleton stream + 技术评分指标体系

• 与攀岩 app 的相关性：作为指标设计参照

• 可迁移到项目的点：评分指标定义、技术好坏的可量化维度

• 优先级：中（旧但稳）

• 链接：MDPI 全文 · PMC

• 内容：Pose2Sim 多摄像头无标记 pipeline 用于抱石坠落动力学分析

• 与攀岩 app 的相关性：中-高。如果未来加入安全分析子模块，这是直接基线

• 可迁移到项目的点：Pose2Sim 工作流、多机位融合方法

• 优先级：中

• 链接：PMC

• 内容：用 iPad Pro LiDAR + Vision framework 做攀岩 3D pose，自动指出错误并反馈

• 与攀岩 app 的相关性：高。如果你的 app 走 iOS first，这是直接技术路径

• 可迁移到项目的点：LiDAR + ARKit 数据如何与 2D pose 融合

• 优先级：中-高

• 链接：研究综述讨论

D. 产品化 / 商业化 / 行业动态

• 动态：Series H 抬到 $965B，年化收入 $47B（5 月），Q2 预计首次单季盈利，目标 10 月上市

• 背后的趋势判断：模型层进入"现金流飞轮 + 二级市场退出"阶段；下一波钱会更多流向 agent infra 与垂直应用

• 对 side project / 求职 / 项目方向的启发：作品集里写"基于 Claude 的 X 行业 agent"比"通用聊天框"更值钱

• 链接：Fortune 6/1 · TechCrunch 6/4 · Fortune 401k 视角

• 动态：6/2 签署，要求公司自愿发布前 30 天提交模型给政府测试 + 联邦 cyber benchmark

• 背后的趋势判断：监管选择"不立准入"路线，但 frontier lab 实际发布节奏将被外部 windowing 约束

• 对求职 / 项目方向的启发：受监管行业（金融、医疗、defense）的 AI 工程 / compliance 岗位会增长

• 链接：CNBC · Washington Post · CBS

• 动态：MAI-Thinking-1 / Code-1-Flash 完全脱离 OpenAI 数据；微软同时把它们接到自家 Foundry + Fireworks/Baseten/OpenRouter

• 背后的趋势判断：超大科技公司同时持有"自研 + 多源采购"两条路线，前沿模型公司必须比拼"成本/速度/特定能力"，单靠 raw IQ 不再够

• 对方向的启发：在小而专的垂直能力上做 fine-tune + eval 优势，比追平 frontier benchmark 现实得多

• 链接：CNBC · Digg 综述

E. 学习价值 / 求职价值

• 适合我怎么用：精读 + 跑通 inference，理解 camera token 怎么注入

• 推荐动作：在 1-2 段攀岩视频上对比"Cambrian-S（基线）vs Cambrian-P"在动作识别的差异

• 链接：arXiv · GitHub

• 适合我怎么用：复现 baseline（pose + hold overlap），写成项目里的 "replicated baseline" 章节

• 推荐动作：把数据 download 跑 baseline，再叠加自己的改进

• 链接：arXiv

• 适合我怎么用：面试谈"小模型 + 工具调用专训"的工程意义

• 推荐动作：本地用 OpenRouter 跑同一组 SWE-Bench Pro 任务，记录 token 消耗对比

• 链接：Model card PDF

• 适合我怎么用：作为"AI 行业财务结构"标准研读材料

• 推荐动作：列出 Anthropic 的 revenue mix / inference 成本占比，作为面试谈"AI 业务模型"的依据

• 链接：Fortune · Forge IPO 页面

三、今日高分 GitHub Repo

• Repo：cambrian-mllm/cambrian-p

• 链接：https://github.com/cambrian-mllm/cambrian-p

• 方向标签：video / multimodal / pose / MLLM

• 干什么：pose-grounded video MLLM，per-frame camera token + pose regression head

• 为什么今天值得关注：论文刚被广泛讨论，code 已开源，攀岩 app 直接对应

• 与我的相关性：极高

• 上手成本：中

• 建议收藏：是

• 建议复现：是

• 一句话判断：本周"必须跑通"的 repo

• Repo：openclaw/openclaw

• 链接：https://github.com/openclaw/openclaw

• 方向标签：agent / personal assistant / cross-platform

• 干什么：跨平台自托管个人 AI 助手，含 voice、canvas、scheduling

• 为什么今天值得关注：2026 上半年增长最快开源项目之一（9k → 210k+ stars），6/3 仍有 commit

• 与我的相关性：中（更多是"看明白多 agent 调度产品形态"的参考）

• 上手成本：中

• 建议收藏：是

• 建议复现：否（仅看架构和 prompt 设计）

• 一句话判断：热度高，作为产品形态学习对象，不必深陷代码

• Repo：通过 Microsoft AI 网站 + GitHub Copilot 直接接入（非独立 repo，但 model card / 集成代码可参考）

• 链接：https://microsoft.ai/models/mai-code-1-flash/ · GitHub Changelog

• 方向标签：coding agent / small model / model card

• 干什么：5B 参数 Copilot-native 编码模型

• 为什么今天值得关注：6/2 起 rollout，是"小模型替代 frontier 模型"的新数据点

• 与我的相关性：高（评估时拿来当 budget 选项）

• 上手成本：低（API 即可）

• 建议收藏：是

• 建议复现：试用（在 OpenRouter 上跑）

• 一句话判断：把它纳入候选模型清单

• Repo：confident-ai/deepeval

• 链接：https://github.com/confident-ai/deepeval

• 方向标签：eval / dev tools

• 干什么：pytest-native LLM eval 框架

• 为什么今天值得关注：本周持续 star 增长，应用在更多 production pipeline

• 与我的相关性：高（你的攀岩 app 一定要有 eval）

• 上手成本：低

• 建议收藏：是

• 建议复现：是

• 一句话判断：写过一次就回不去手写 eval 了

• Repo：open-mmlab/mmpose

• 链接：https://github.com/open-mmlab/mmpose

• 方向标签：pose / training / 2D&3D

• 干什么：pose estimation 全栈框架

• 为什么今天值得关注：仍是 climbing-pose baseline 的最佳起点；可直接接 The Way Up 数据集

• 与我的相关性：极高

• 上手成本：中

• 建议收藏：是

• 建议复现：是（用 The Way Up 数据跑通 hrnet baseline）

• 一句话判断：攀岩 app 的 pose 子模块就用它

• Repo：firework8/Awesome-Skeleton-based-Action-Recognition

• 链接：https://github.com/firework8/Awesome-Skeleton-based-Action-Recognition

• 方向标签：action recognition / skeleton / curated list

• 干什么：skeleton-based action recognition 论文 & 代码索引

• 为什么今天值得关注：6 月已有几篇新 transformer-based 模型补入

• 与我的相关性：高（攀岩动作识别可建模为 skeleton action recognition）

• 上手成本：低（当索引）

• 建议收藏：是

• 建议复现：否（用作查论文）

• 一句话判断：放进收藏夹，做技术选型时直接查

• Repo：VoltAgent/awesome-ai-agent-papers

• 链接：https://github.com/VoltAgent/awesome-ai-agent-papers

• 方向标签：agent / paper list

• 干什么：2026 年 agent 论文索引（engineering、memory、eval、workflow）

• 为什么今天值得关注：本周更新加入了新的 agent eval 类论文

• 与我的相关性：中-高

• 上手成本：低

• 建议收藏：是

• 建议复现：否

• 一句话判断：每周抽 10 分钟扫一遍，找 1-2 篇精读

• Repo：ARUNAGIRINATHAN-K/awesome-ai-agents-2026

• 链接：https://github.com/ARUNAGIRINATHAN-K/awesome-ai-agents-2026

• 方向标签：agent / curated list

• 干什么：300+ agent 框架 / 工具 / 平台 索引

• 为什么今天值得关注：完整覆盖 coding / creative / voice / research / enterprise 五大类

• 与我的相关性：中

• 上手成本：低

• 建议收藏：是

• 建议复现：否

• 一句话判断：当地图用，避免重复造轮子

四、今日最值得我看的 3 篇 / 3 个链接

1. Cambrian-P 论文 + 代码：arXiv:2605.22819 · GitHub
为什么今天最值得点开：直接对应攀岩 app 的核心技术问题（多视角空间推理）。pose head + camera token 是可立刻借鉴的工程方案。

2. The Way Up: Hold Usage Detection 数据集：arXiv:2505.12854
为什么今天最值得点开：是"climbing-specific"训练 / 评测数据的稀缺标的；不复现这个 baseline，你的项目会停留在 demo 阶段。

3. MAI-Code-1-Flash Model Card：PDF · GitHub Changelog
为什么今天最值得点开：是"小模型 + 工具调用 fine-tune"的最新一手数据，对你以后做 climbing-specific small model 有直接借鉴价值。

五、今日行动清单

• OpenClaw 仓库（看产品形态即可，不要陷代码）

• VoltAgent agent paper list（每周扫描）

• Skeleton-based action recognition awesome list

• Trump AI 行政令全文（背景知识级）

• Cambrian-P 论文（NYU VISIONx）

• The Way Up CVPRW 2025 论文

• MAI-Code-1-Flash model card PDF

• Anthropic Daniela Amodei TechCrunch 6/4 访谈（理解模型层经济结构）

• 本周最重要任务：把 The Way Up 数据 download，在 MMPose hrnet baseline + hold overlap 上跑通 hold usage detection

• 在攀岩视频上跑一次 Cambrian-P inference，对比 base Cambrian-S

• 通过 OpenRouter 调 MAI-Code-1-Flash，跑 5 个真实工程任务记录 token / latency / 质量

• 攀岩 app 数据层：用 The Way Up 做 v0 训练 / 评测集

• 模型层：先 MMPose 2D pose → Cambrian-P 空间理解 → LLM 解读

• eval 层：定义"hold usage 准确率 + 动作建议合理性 + 用户接受率"三维度，跑 DeepEval

• 把"小模型作 budget tier + Opus 4.8 作 critic"的双层架构写进 architecture doc

• "我用 The Way Up 数据集复现了 hold usage detection baseline，发现 2D pose 在抓握判定上召回偏低，改用 Cambrian-P 的 pose-grounded 表征后……"——展示动手能力 + 文献紧跟

• "Microsoft Build 上的 MAI-Code-1-Flash 证明 5B 模型也能在 SWE-Bench Pro 上跑到 51%——这给我们做 climbing-specific small model 的可行性提供了直接证据"——展示对产业风向的判断