高考临近，“AI押题”热潮席卷社交平台和教育市场，但深入分析显示，AI在高考押题上的能力被普遍高估，其本质更多是市场营销手段，而非可靠预测工具，这背后是社会对高考的深层焦虑。尽管AI无法精准预测，但其在辅助教学、个性化练习和提升备考效率方面展现出巨大潜力，提示我们应审慎利用AI作为工具，而非盲目依赖其“预测”功能。

Meta公司斥资148亿美元收购AI数据标注巨头Scale AI 49%股份，意在巩固自身AI业务的数据基础。此举立刻引发了OpenAI和谷歌的强烈反弹，两家公司随即宣布停止与Scale AI的合作，担忧数据中立性丧失、战略信息泄露，以及模型面临数据投毒攻击的风险。这一事件凸显了AI竞争中高质量数据控制权的重要性，并可能重塑AI基础设施服务格局。

曾获巨额资本青睐的中国AI大模型“六小龙”，正集体冲刺IPO，以期在资本趋冷、巨头入局、商业化变现承压的当下寻求一线生机。然而，即便成功上市，它们仍面临开源模型冲击、价格战白热化和人才流失等多重挑战，商业模式的可持续性与技术落地能力将是其能否在残酷淘汰赛中脱颖而出的关键。

DeepMind发布了AlphaGenome模型，能以单碱基精度预测人类DNA序列中任意变异对数千种分子属性的影响，且预测速度极快。该模型在理解非编码基因组、加速疾病机制研究及药物发现方面具有革命性潜力，标志着AI在生命科学领域的又一重大突破，已开放非商业研究预览。

小米最新发布的AI眼镜，作为其“人车家全生态”战略的重要组成，以独特的无显示屏设计和高集成度AI功能，探索了穿戴式智能设备的新方向。该眼镜整合了高通AR1芯片、第一人称视角摄像头和深度小爱同学，支持实时翻译和与主流平台的直播功能，旨在提供无感、自然的AI交互体验。然而，其强大的录摄能力也引发了对个人隐私和公共领域界限的深刻伦理讨论。

企业在部署智能体AI时面临普遍的用户信任挑战和“广泛部署但缺乏实际P&L影响”的悖论。行业领袖强调，成功的关键在于建立强大的自治理框架以提升客户信任和竞争优势，同时通过健壮的方法论加速创新并优化运营效率。最终，智能体AI的价值实现不仅依赖于技术突破，更在于其伦理治理、信任构建以及与人类工作的深度融合。

Intuit正通过其面向QuickBooks Online用户推出的AI智能体Intuit Assist，革新小型企业财务管理。这些智能体超越传统AI助手，能够自主识别并执行任务，例如自动生成个性化发票提醒，使企业收款速度平均加快5天，并每月节省12小时的行政时间。这一发展不仅显著改善了企业的现金流和运营效率，更预示着AI在企业级应用中从辅助走向自主执行的深远趋势，推动“代办式”智能工作流成为可能，并对未来的工作模式和社会经济结构产生重要影响。

一群知名作家已对微软提起诉讼，指控其在训练Megatron AI模型时未经许可使用了近20万本盗版书籍。此案是科技公司与版权持有者之间日益激烈的法律纠纷的一部分，旨在厘清AI训练数据的版权归属和“合理使用”原则的边界，并对未来AI技术发展和内容产业的商业模式产生深远影响。

极客公园的最新AI高考测评显示，主流大模型在过去一年取得显著进步，已具备冲击中国顶尖大学的实力，尤其在数学和多模态理解方面表现突出。然而，AI在处理模糊视觉信息、进行深层思辨和情感表达上仍存在盲区，其发展呈现非线性特点。文章进一步探讨了AI在高考场景中的成功与失败案例，以及这些能力演进对社会伦理（如作弊担忧）和未来人机智能协作的深远启示。

谷歌最新发布的Gemini CLI，凭借其慷慨的免费配额和基于通用模型Gemini 2.5 Pro的强大性能，在开发者社区迅速获得超过1.5万星，对现有AI代码助手形成巨大冲击。此举不仅展示了谷歌在AI编程领域的强劲回归，更体现了其押注“通用智能体”而非纯粹代码模型的战略眼光，预示着AI将更深层地融入并变革未来的软件开发工作流。

MiniMax近日开源了其首款推理模型M1，这款4560亿参数的混合注意力模型专为长上下文推理和软件任务设计，通过创新的“闪电注意力”和混合专家架构实现了百万级上下文与高效计算。尽管在多项基准测试中表现出色，尤其在长文本和软件工程领域树立了新标杆，但其在实际应用中仍面临稳定性挑战，凸显了实验室性能与真实世界鲁棒性之间的鸿沟，对未来AI模型的实用化提出了更高要求。

在当代社会高压下，中国年轻群体正通过“发疯文学”寻求情绪宣泄。生成式AI凭借其全天候、非评判性及多角色扮演的特性，成为年轻人“无痛发疯”的理想数字避风港，为他们提供了低门槛的情绪出口。然而，这种趋势也引发了对过度依赖AI可能导致的情感依赖、现实社交能力削弱、数据隐私风险以及情绪处理机制异化的深层伦理与社会影响的担忧。