Meta 和 Microsoft 正大幅削减 Claude 的内部使用，并转向各自工具及其他模型。Microsoft 原计划每年在 Claude 上投入超过 $1 billion，随后将支出削减超过三分之一，云部门每名员工的月度预算从 $100,000 降至约 $10,000，并要求员工优先使用 GitHub Copilot 和 OpenAI 模型。
推荐理由：两家公司削减 Claude 的预算和用户量数据，呈现大型科技公司在成本控制、内部工具扶持与供应商竞争之间的取舍。
GitHub 发布 AI 代码审查开放基准 ReviewBench，其 219 个 pull request 来自 187 个公开开源许可仓库，覆盖 19 种语言，分布参考了对 103.9M 个 GitHub pull request 的分析。
推荐理由：公开数据集、评分规则和自助运行器形成可复现评测链路，线上实验案例也展示了离线指标筛选代码审查改进的用法。
Microsoft ThinkingBox 根据智能体执行后留下的数据库终态和副作用评分，并让507个有状态业务工作流各重复运行20次，以衡量结果一致性。在覆盖12个LLM、121,680次有效试验的消融中，79,853次未通过可执行检查，其中67.24%仍正常结束、调用了状态变更工具且未报告最终工具错误。
推荐理由：它把智能体评估从回答与工具调用转向数据库终态，并以连续20次运行揭示单次成功率难以代表工作流可靠性。
Microsoft Research 开发机器学习管线，利用太阳风信息为美国本土66,935座变电站生成位置特定的空间天气风险预估。系统结合AE、Dst预测与纬度、地质及地面电导率，可提前30-60分钟预警；对重大、严重和极端事件的检出率分别为76.5%、81.2%和64.1%。
Microsoft Research 推出 Quine，这套实验性 AI 研究系统由多模态生物世界模型和连接模型、科学工具、文献、湿实验及研究人员的交互框架组成。
推荐理由：案例展示了如何用跨模态生物世界模型筛选实验候选，再以湿实验反馈迭代，提供了可迁移的计算与实验闭环思路。
Microsoft Research Asia – Singapore 成立一年来扩充团队、深化合作，推动前沿 AI 研究在医疗等领域转化为实际应用。其工作涵盖下一代 AI 模型与智能体系统、领域 AI、AI 原生研究、生态与人才发展，并与 EDB 开展联合博士培养。
GitHub Copilot app 可通过 canvases 构建自定义工作流界面，用户在智能体会话中运行 /create-canvas 并用自然语言描述需求，无需手动编写代码或设计布局。提示词应说明界面支持的工作流、用户可执行的操作以及智能体可执行的操作。生成的 canvas 支持双方实时修改共享状态，并可保存为供团队共享或个人使用的扩展。
推荐理由：通过拆解 /create-canvas 的描述要素和双向协作机制，给出将日常流程转换成可复用界面的具体路径。
当任务需要反复操作、自定义界面或自动化开发流程时，聊天往往不是 GitHub Copilot 的合适交互方式。GitHub Copilot app 的 canvas 是运行在应用内的全栈程序，可与 Copilot 智能体双向通信、调用第三方 API，并在本机执行代码。
推荐理由：文章把重复操作从聊天迁移到可复用的自定义界面，并以数据库和开发流程示例说明如何减少 token 消耗与人工介入。
Microsoft Research 在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型通过学习式集成融合 Transformer 模型 R-SMILES 2 与图神经网络模型 NeuralLoc，按排名为候选反应分配权重。
GitHub 使用 Copilot app 和 CLI，将 Copilot agent runtime 从 TypeScript 和 Node.js 完整改写为超过 800,000 行生产级 Rust，AI 智能体编写了大部分代码。
推荐理由：这份迁移复盘把增量替换、跨语言互操作、智能体协作和分层审查串成一套可迁移的大型代码库改写方法。
Microsoft Research 开源 GigaPath-Flash 与 GigaTIME-Flash，以蒸馏骨干降低群体规模病理研究的计算成本。GigaPath-Flash 配备 22M 参数 ViT-S 和 21M 参数 LongNet 编码器，计算量约低 50 倍，成绩与原版相差 3% 以内；两者采用 Apache 2.0，仅供研究且未经临床验证。
Microsoft Research 发布 Skala 1.1：训练数据量为前版的 2.5×，GMTKN55 加权平均误差为 2.8 kcal/mol，并在 55 类中的 32 类排名第一。Skala 已可用于 CP2K，正集成至 Psi4、FHI-aims、ORCA 和 VASP；持续更新的 benchmark 将跟踪后续版本性能。
MindTopo 基准显示，当前多模态模型在静态拓扑识别上明显优于交互式规划，但两者均远低于人类水平，模型难以在连续行动中维持一致的结构理解。该基准围绕连续性、分离、顺序、封闭和绳结五类关系，同时测试推理与规划。图像生成有时能辅助单帧判断，视频推演则常改变拓扑或违反任务动态。