戴森在巴黎发布了一款名为 Dyson CameraJet 的 AI 电动牙刷，售价 499 美元。它将内窥镜摄像头、AI 视觉算法和微型冲牙器整合进刷柄，能够实时识别牙缝并精准喷射漱口水，把 AI 从“健康建议”推向了“物理动作执行”。
OpenAI 宣布其新一代模型 Astra 达到公司内部定义的“关键”网络安全能力阈值，能够自主发现并利用真实软件中的未知漏洞。该模型将很快公开发布，但高级网络攻防能力初期仅向 Cisco、Cloudflare 等特定合作伙伴开放。
Anthropic 发布了 Claude Fable 5.1 和 Mythos 5.1 两款新模型，在智能体编码、科学研究等基准测试上大幅提升，同时通过降低缓存读取价格，将典型任务的 API 调用成本削减约 25%，复杂智能体工作流最多可节省 45%。
Anthropic 向监管机构、媒体和事实核查人员开放 Claude 的 AI 文本检测工具，试图在深度伪造和 AI 生成内容泛滥的背景下，用外部合作代替单向声明，给 AI 内容溯源提供可核查的切口。
知名前端开发者 Matt Pocock 发布了一套面向“真实工程”的 AI Coding Agent 技能包，通过小型、可组合的提示词技能，解决 Agent 在开发中“听不懂需求”“话太多”“代码跑不通”三大常见问题。
Anthropic 发布了名为 Model Hardware Standard（MHS）的硬件互操作标准预览，试图让 AI Agent 通过统一的软件驱动层控制显微镜、机械臂等物理设备，从而把实验室和工厂里的自动化流程从“周级”缩短到“小时级”。
Anthropic 将其最新模型 Fable 5.1 的 API 定价维持在 Fable 5 的水平（输入 $10/百万 tokens、输出 $50/百万 tokens），但将缓存读取价格大幅下调 75% 至 $0.25/百万 tokens，直接降低了长上下文和重复调用场景下的推理成本。
AI 基础设施公司 Baseten 发表技术长文，系统拆解了大模型推理（Inference）阶段的效率优化方法，区分了“在效率边界内做取舍”和“推动整个效率边界外移”两类技术，为开发者如何在延迟、吞吐量和成本之间做决策提供了实操框架。
Anthropic 披露下一代模型 Fable 5.1 的定价预期，典型负载下比 Fable 5 便宜约 25%，高度 agentic 场景最高便宜 45%。这意味着更复杂的多步任务在成本上变得更可行。
Hacker News 上关于 LLM 推理效率的讨论指出，真正大幅提升推理性能的关键不在部署环节的调度优化，而在模型架构设计阶段；同时量化技术正引入一条“锯齿状”的效率边界，硬件格式如 MXFP4 和 NVFP4 可能在几乎不损失模型质量的前提下显著提升服务效率。