AI 日报：2026-06-30

1. OpenAI 为 Codex 开发新硬件，与 Work Louder 合作

The Verge 6 月 30 日报道，OpenAI 正在与硬件公司 Work Louder 合作，为其 AI 编程工具 Codex 开发专用硬件设备，进一步从纯软件向软硬一体化战略延伸。

💡 OpenAI 从 NVIDIA GPU 依赖走向自研芯片，现在又要为 Codex 做专属硬件——"AI 原生硬件"可能成为下一波竞争焦点。

2. Anthropic Mythos 5 回归：经历与 Trump 政府漫长谈判后重新上线

The Verge 6 月 30 日报道，Anthropic 的 Mythos 5 模型在与 Trump 政府进行数周谈判后，已对部分组织恢复开放，这是美国政府在 AI 出口与安全监管上的又一次博弈。

💡 Mythos 的每次回归都在改变全球大模型竞争格局——美国政府能否同时管理"开放"和"安全"两个目标，值得持续观察。

3. 智谱 GLM 5.2 宣称网络安全能力对标 Anthropic Mythos

The Verge 6 月 30 日报道，中国智谱 AI 发布 GLM 5.2，在网络安全和漏洞检测任务上声称可以匹敌 Anthropic 的 Mythos 模型，这是国内大模型首次在安全垂直领域对标海外最强模型。

💡 大模型竞争从通用能力转向垂直领域——安全赛道可能是国产模型"弯道超车"的第一个突破口。

4. LongCat-2.0 发布：1.6T 总参 MoE 模型，全程国产芯片训练

LongCat 团队发布 LongCat-2.0，一个 1.6T 总参数量、48B 激活参数的 MoE 大模型，训练全程由国产芯片完成，标志着国产算力在大模型训练上的重要突破。

💡 用国产芯片训出万亿参数模型——如果训练质量和性价比能打，这将是国产 AI 基础设施的里程碑事件。

5. Ornith-1.0 开源：自改进 Agent 编程模型，最高 397B 参数

GitHub 上 Ornith-1.0 项目上线，提供 9B/31B/35B-MoE/397B-MoE 四档开源模型，专为 agentic coding 设计，使用强化学习让模型自我改进，MIT 许可，无地域限制。

💡 开源 agentic coding 模型首次做到"自改进"——模型自己写 scaffold、自己跑 rollout、自己优化，这可能改变 AI 编程工具的训练范式。

6. Qwen 3.6 27B：本地开发的"甜蜜点"模型

Qwen 3.6 27B 在 Hacker News 上引发热议（934 分 / 619 评论），被开发者称为本地编程开发的最佳模型——可在 MacBook 或 NVIDIA RTX 上用 llama.cpp 和 OpenCode 流畅运行。

💡 934 分是 HN 近期最高分之一——开发者对"能在本地跑的好模型"极度饥渴，Qwen 精准命中了这个需求缺口。

7. Moondream 发布 Photon 推理引擎：B200 上实现 ~33ms VLM 推理

Moondream 团队发表博客"Popping the GPU Bubble"，介绍其 Photon 推理引擎在 NVIDIA B200 上实现约 33ms 的视觉语言模型推理，通过优化 GPU 工作负载将解码吞吐量提升 35%。

💡 33ms 意味着 VLM 推理可以接近实时——如果推理成本大幅下降，视觉 AI 应用（监控、医疗、自动驾驶）的落地门槛将大幅降低。

8. AI 就业争论有了新数据：高 AI 采纳率公司员工数增长 10.2%

TechCrunch 6 月 29 日报道，新报告显示"高强度 AI 采纳企业"员工总数增长 10.2%，其中初级岗位增长 12%，反驳了"AI 消灭入门岗位"的传统说法。

💡 AI 替代就业是 2026 年最热门的公共焦虑，新数据提供了"公司业绩增长 → 扩招"的实证，但原因和长期趋势仍需更多验证。

9. Arena（LMSYS Chatbot Arena）成为年营收 1 亿美元的商业

TechCrunch 6 月 29 日报道，LMSYS 运营的 Chatbot Arena——全球最常用的 AI 大模型排名平台——已从社区项目成长为年营收 1 亿美元的商业实体，去年 9 月才推出商业服务。

💡 一个开源的 AI 评测平台变成年收入过亿的商业——说明 AI 行业对"第三方客观评测"的需求迫切且愿意付费，也暴露了评测本身的影响力商业价值。

10. Apple Neural Engine 架构论文：首份系统性技术剖析

arXiv 上发布论文"Apple Neural Engine: Architecture, Programming, and Performance"（2606.22283），首次系统性地揭示了 Apple Neural Engine 的硬件架构、编程模型和性能特征。

💡 Apple 对 ANE 的细节一直秘而不宣——这篇论文可能是开发者了解"苹果芯"AI 能力的最权威技术文档。