按可信来源、时间线和主题整理的新闻简报。优先保留原文链接、新闻时间和后续阅读入口。
英特尔宣布将其开源AI加速框架BigDL最终归档日期定为2026年6月30日。BigDL专注于在英特尔XPU上低延迟运行大语言模型，支持TensorFlow、PyTorch、Apache Spark等主流框架，覆盖从笔记本到数据中心硬件。英特尔近年来因开源策略收缩已终止多个项目，BigDL仍在活跃开发中即被终结，引发市场关注。
补充中文 AI 产业、产品和资本市场动态，减少只看海外来源的偏差。
中 — 来源为稳定 RSS 或专业媒体，适合作为新闻线索继续追踪。
智谱今日发布AI编程工具ZCode 3.0，全面切换自研ZCode Agent内核，深度适配其最强开源模型GLM-5.2，支持1M上下文。新版本增加分组式任务工作区、智能项目知识库、可视化Git分支图谱等功能，显著提升大型工程执行效率。后续将不再内置其他Agent适配。
补充中文 AI 产业、产品和资本市场动态，减少只看海外来源的偏差。
中 — 来源为稳定 RSS 或专业媒体，适合作为新闻线索继续追踪。
Auto: IT之家
Auto: IT之家 · 当前新闻
美国政府以国家安全为由下令AI公司Anthropic暂停向外国公民提供其最先进模型Fable 5和Mythos 5的访问权限。Anthropic随即完全切断所有客户对这些模型的访问，包括其外国员工。此举反映AI技术管控持续升级。
提供战争与停火、外交、选举、制裁、区域冲突、国际组织和大国关系等国际公共事件背景，避免新闻视角过窄。
中 — 来源为稳定 RSS 或专业媒体，适合作为新闻线索继续追踪。
Auto: The Verge - Tech
TechCrunch AI
TechCrunch AI
France 24 · 当前新闻
一项为期三年的研究对近4000名19至94岁成年人进行测试，发现每天进行几分钟大脑训练活动可带来思维清晰度、情绪健康和目标感的可测量改善。结果表明大脑健康可在任何年龄提升，挑战了老年智力必然衰退的普遍认知。
该内容与电子工程、硬件设计、半导体器件、电源/模拟/RF/PCB/测试测量等工作直接相关，适合嵌入式软硬件设计参考。
高 — 来自官方、机构或专业出版 RSS，可信度较高。
从 GitHub、项目站点、个人博客、技术论坛和硬件社区中自动发现，优先选择 AI、嵌入式、Linux/RTOS、电子工程和有趣开源项目。
OpenHands 是一个开源 AI 驱动开发平台，提供 SDK、CLI、本地 GUI 和云服务，支持多种 LLM 后端，帮助开发者通过 AI 代理自动化代码编写、调试、测试等任务。社区活跃，star 数超 7.6 万。
在 AI 编码工具日益流行的当下，OpenHands 提供了完整的开源方案，从简单的命令行助手到可扩展的代理 SDK，再到云端协作平台，让开发者能完全控制数据与模型选择。其 SDK 设计灵活，便于定制工作流；CLI 模仿 Claude Code 等工具，上手容易。对希望自建 AI 开发流程的团队或个人，这是替代闭源工具的理想选择。
项目工程化程度很高：SDK 支持定义和编排代理，CLI 兼容主流 LLM，本地 GUI 提供了类似 Devin 的交互体验。代码质量优秀，测试覆盖较全，社区贡献活跃。但性能强烈依赖底层 LLM 响应速度，大型项目可能效率不足；云服务有免费额度但生产环境需付费。整体上，这是一个成熟的、可供实际使用的 AI 开发辅助工具。
从 AI 应用层面，OpenHands 是一个极佳的代理工作流实验平台，其模块化设计便于对比不同模型和推理策略的效果。它不涉及模型训练，专注于推理与集成，适合研究 AI 辅助编程的可用性和局限性。项目本身也可作为 RAG 或多代理系统的参考架构。
主要风险：长期维护依赖社区，方向可能变化；云服务需注册，存在隐私顾虑；依赖 LLM 可能产生不准确代码，需人工审查。对于非技术用户，本地部署配置有一定门槛。此外，当前版本对大型代码仓库的上下文处理能力有限。
本周安全资讯：Microsoft 的 Azure 开源仓库遭 Miasma 蠕虫攻击，导致 GitHub 自动禁用仓库；域名注册安全提醒；Linux on ARM 相关更新；FreeBSD 改进文件缓存机制。这些事件揭示了供应链攻击的新手法和系统性能优化方向。
对于安全从业者和系统管理员，这篇报道提供了关键的威胁情报：Miasma 蠕虫通过合法仓库传播，展示了供应链攻击的隐蔽性；域名注册提醒则针对常见的劫持风险；Linux on ARM 的进展影响嵌入式安全；FreeBSD 的缓存优化值得性能调优参考。每一个线索都值得进一步追踪，例如获取具体的 IOC 或补丁信息。
作为新闻线索，本文及时报道了正在发生的安全事件，但缺乏技术细节（如攻击载荷、漏洞利用步骤）。读者应参考文末引用的 OpenSourceMalware 报告获取更完整的数据。文章本身适合作为安全研究或威胁情报收集的起点，而非直接可用的技术方案。
从 AI 或安全分析角度，此报道提供了真实世界的攻击案例，可用于训练威胁检测模型或分析攻击演变趋势。但内容不含可复现代码或数据集，研究价值有限。建议结合其他来源构建防御策略。
风险在于信息可能存在滞后或片面性，读者需交叉验证。此外，部分攻击技术可能被滥用，文章未提供具体的缓解措施。对于非安全领域读者，可能难以直接应用。
在双 ESP32-S3 上运行 15M/42M 参数 Llama 模型，通过 3 线 UART 实现层间流水线推理，INT4 量化，权重零 RAM 占用（flash mmap），且经过逐位一致性验证。
该项目突破了单 ESP32-S3 的内存限制（最多 15M 参数 INT4），通过跨芯片分割部署使 42M 模型成为可能。对于边缘 AI 和物联网领域，极具启发性：展示了模型流水线、INT4 群组量化和双核利用的实用组合。所有设计均有测试验证，并非草稿，适合嵌入式 AI 开发者参考或复现。
工程实现很扎实：使用 INT4 权重组量化、flash mmap 彻底避免 RAM 占用，双核并行计算，UART 帧含 CRC 校验，并提供了与 NumPy 参考的逐位对比（精度 3e-7）。代码结构清晰，包含测试和文档，可复现性强。但仅适用于 TinyStories 类小型模型，且需两块 ESP32-S3 及接线，有一定硬件门槛。
从 AI 部署角度，此项目提供了一个高效的极低资源推理框架，其流水线分割和量化策略可推广至其他小型 Transformer。特别适合研究边缘设备上的实时生成任务。但模型大小受限（42M），且需手动转换权重，通用性有限。
主要风险：依赖特定硬件，UART 带宽可能成为瓶颈，难以扩展更多芯片；目前仅在 TinyStories 上验证，通用性未知；缺乏预训练模型转换工具，需要用户自行处理。此外，项目活跃度低（star 少），长期维护存疑。