微软 ThinkingBox 基准登陆 Hugging Face：按数据库终态给 AI 智能体打分
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再根据其留下的后端终态和副作用判分，而非看它生成的文字。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用后端状态而非生成文本判分，并给出 20 次重复下的稳定性与成本数据。
#Microsoft
#Microsoft
今日 0 条Hugging Face Blog精选AI 评分7171
Microsoft ResearchAI 评分3434 微软研究院用机器学习预测电网空间天气风险，覆盖美国 66,935 座变电站
微软研究院开发了一套端到端机器学习流水线，利用 L1 太阳风观测和 AE、Dst 指数预测，为美国本土 66,935 座变电站生成 30-60 分钟前的局地空间天气风险估计。
AWS Machine Learning BlogAI 评分2222 Amazon Bedrock 将 Claude Opus 5、Sonnet 5、Haiku 4.5 的推理扩展至印度境内
Amazon Bedrock 在印度上线 Claude Opus 5、Claude Sonnet 5 和 Claude Haiku 4.5，通过地理跨区域推理让数据在印度境内处理。
AWS Machine Learning BlogAI 评分2323 Amazon Bedrock 在首尔和新加坡上线 Anthropic Claude 模型区域内推理
Amazon Bedrock 现支持在首尔区域使用 Claude Opus 5 和 Claude Sonnet 5、在新加坡区域使用 Claude Sonnet 5 进行区域内推理，请求与数据全程不出该 Region。
AWS Machine Learning Blog精选AI 评分7171 GPT-6.1 Sol 在 Amazon Bedrock 正式可用
GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用，是 GPT-6 Sol 的重大升级，面向智能体编码、计算机使用和专业工作负载提供更强的推理能力。
推荐理由：原文给出 GPT-6.1 Sol 在 Bedrock 上的可用范围与成本对比，读者可据此判断智能体编码任务的性价比。
Microsoft Research精选AI 评分6262 微软研究院发布 Quine：面向生物学复杂性的 AI 研究系统
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由生物世界模型和连接模型、科学工具、文献与实验人员的交互式 harness 组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，预测并优先排序数千种化合物，最高排名化合物在湿实验中产生了最大的经典态向基底态转变，从缩小搜索空间到选出候选验证仅用一个周末。
推荐理由：微软研究院公开 Quine 的生物世界模型与实验闭环，并用胰腺癌化合物筛选案例说明其预测如何被湿实验验证。
Microsoft ResearchAI 评分2020 微软亚洲研究院新加坡成立一周年：推进前沿 AI 研究、合作与人才培养
微软亚洲研究院新加坡（MSRA – Singapore）作为微软在东南亚的首个研究实验室，成立一年来围绕下一代 AI 模型与智能体系统、领域 AI、AI 原生研究实践、生态与人才培养四大方向展开工作。
GitHub Blog · AI & MLAI 评分4040 GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流
GitHub Copilot 应用推出 canvases（画布扩展），一种用户与智能体共享的可定制界面，可做成看板、发布清单或仪表盘。在 agent 会话中输入 /create-canvas 并用自然语言描述工作流，无需编码即可生成界面，画布双向同步，智能体与用户可同时修改。画布保存为扩展，可随项目共享或作为个人扩展复用，Awesome Copilot 已提供现成模板。
GitHub Blog · AI & MLAI 评分3636 GitHub Copilot 为什么说聊天框是错的 UI：用 canvas 替代 chat
GitHub Copilot 提出用 canvas 替代 chat 作为与 AI 交互的主要界面。canvas 是运行在 GitHub Copilot 应用内的全栈小应用，可与 agent 双向通信，也能调用第三方 API 或在本地执行代码，例如管理 Winget 包、操作 SQLite 数据库。
GitHub Blog · AI & MLAI 评分2222 GitHub Copilot 应用如何渲染超大 pull request
GitHub Copilot 应用重建了 pull request 视图，用一个含 2,200 个文件、超百万行改动和 400 多条行内评论的开源 PR 做压力测试。由于评论高度只能在渲染时确定，团队把文档高度拆成确定性的代码几何与动态块几何两套体系，动态块按文件、行号和侧别锚定并惰性测量，使超大 diff 与评论流仍能流畅滚动。
Microsoft Research精选AI 评分6060 微软研究：把物理 AI 推理卸载出机器人可提升任务成功率与续航
微软研究院对移动机器人操作负载做了系统性测量，发现把物理 AI 推理从机载 GPU 卸载到边缘或云端 GPU 能提升任务表现。
推荐理由：微软对移动操作机器人推理负载的系统性测量，给出了端侧 GPU 与卸载到边缘或云端在成功率、时延和续航上的量化差异。
Microsoft ResearchAI 评分4242 微软开源逆合成模型 RetroChimera，成果登上 Nature
微软研究院在 Nature 发表逆合成预测框架 RetroChimera，并开源其实现与权重。该模型用学习式重排序整合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc 的预测。
GitHub Blog · AI & ML精选AI 评分8080 GitHub 用 Copilot 把 Copilot 运行时迁移到 Rust
GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行生产级 Rust，AI 智能体写了其中大部分代码，分布在 128 个合入 main 的 PR 中并逐步发布，而非一次性切换。
推荐理由：作者以亲历者身份给出把 80 万行运行时从 TypeScript 迁到 Rust 的完整工程细节，可迁移到大规模 Agent 协作开发。
GitHub Blog · AI & MLAI 评分2828 GitHub 如何用 Copilot 把营销活动运营变成代码
GitHub 日本和韩国营销负责人把活动运营流程交给 GitHub Copilot 自动化：以 GitHub Issue 为工作单元，用 Issue forms 收集活动信息、Labels 触发流程、Actions 执行任务，活动从单个 Issue 自动完成搭建、每日筛选报名者并在结束后清理。
GitHub Blog · AI & MLAI 评分3636 GitHub Copilot 应用新手指南：使用 diff、终端和浏览器面板
GitHub Copilot 应用内置 diff、终端和浏览器三个面板，让开发者无需切换编辑器、终端和浏览器即可完成审查、运行和预览 AI 生成代码的完整流程。
GitHub Blog · AI & ML精选AI 评分7171 GitHub 推出 Project HydraFusion：多模型编排实现前沿级编码质量
GitHub 发布研究预览 Project HydraFusion，通过运行时多模型编排为每个任务选择执行方案，用户可在 GitHub Copilot CLI 中通过 /experimental 启用，按各模型标准费率计费。
推荐理由：GitHub 官方给出多模型编排的三种执行模式与三项基准的成本质量对比，可据此判断自动路由在编码任务中的取舍。
Microsoft ResearchAI 评分4141 微软推出 GigaPath-Flash 与 GigaTIME-Flash：高效病理基础模型迈向人群级发现
微软发布 GigaPath-Flash 和 GigaTIME-Flash，以蒸馏自十亿参数 GigaPath 编码器的 22M 参数 ViT-S 骨干替代原模型，在 PANDA 前列腺分级和 EBRAINS 脑肿瘤分型基准上以约 50 倍更少算力达到原 GigaPath 3% 以内的性能。
Hugging Face Blog精选AI 评分6262 Hugging Face 研究量化语音识别中的基准优化现象
Hugging Face 发布研究，用共识分歧探针、掩蔽实体检索和拼写切换三项测试量化语音识别中的基准优化现象，评测了 11 个开源 ASR 模型。结果显示部分 WER 最低的模型会复现 VoxPopuli 和 LibriSpeech 参考转写中的错误，包括音频中被静音的数字，在 VoxPopuli 上复现错误参考的比例为 18–30%。
推荐理由：通过三类探针量化语音模型对基准的过拟合，并给出可复用的检测脚本与榜单入口。
Microsoft ResearchAI 评分3838 微软 Skala 1.1 发布：训练数据增 2.5 倍，已集成 CP2K 并接入 Psi4、FHI-aims、ORCA 和 VASP
微软研究院发布深度学习 DFT 交换关联泛函 Skala 1.1，训练数据量较前代增加 2.5 倍，在 GMTKN55 基准 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol。Skala 现已在 CP2K 中可用，并正集成进 Psi4、FHI-aims、ORCA 和 VASP，同时推出持续追踪各版本计算性能的 living benchmark。
Microsoft ResearchAI 评分3838 MindTopo 基准揭示多模态大模型的空间推理短板
Microsoft Research 推出 MindTopo 基准，用于评测多模态大模型在连通性、封闭性、顺序、分离与打结等拓扑概念上的推理与规划能力。测试显示，模型在静态图像识别上表现明显优于交互式规划任务，失败多发生在规划阶段而非感知阶段，且整体远低于人类水平。图像与视频生成仅在单帧关系可见时偶有帮助，跨序列操作时仍不可靠。
Microsoft ResearchAI 评分3838 微软研究院发布 CARE-X：面向临床可用的放射学 VLM，结合辅助监督、奖励对齐学习与工具增强测量
微软研究院推出研究模型 CARE-X，一个统一胸部 X 光 VLM，可同时完成报告生成、结构化诊断预测与病灶定位，并用强化学习（DAPO）在多任务设置下奖励临床正确性。
Microsoft Research精选AI 评分7272 微软研究院开源 Orchard：面向可扩展智能体 AI 的开放框架
微软研究院发布开源框架 Orchard，核心是 Kubernetes 环境服务 Orchard Env，可复用于软件工程、网页导航和个人助理等任务，并支持在 Codex、OpenClaw、ZeroClaw 等真实部署 harness 中直接训练智能体。
推荐理由：微软研究院开源 Orchard 框架，给出环境服务与三个领域训练配方，读者可据此了解小模型在真实 harness 中训练的具体路径。
Hugging Face BlogAI 评分2222 GPU 管理：为什么闲置 GPU 正在成为新的停场飞机
Hugging Face 发文指出，AI 的下一个真正约束不是智能而是利用率：GPU 按日历小时计费，产出却只按算力小时累积，两家 GPU 预算相当的公司会因硬件实际使用率而拉开差距。文章以航空业为类比，称企业自购 GPU 本地部署可把按 token 线性增长的 API 成本换成固定资本支出，但集群上线后的问题变成如何让 GPU 保持忙碌。
Hugging Face Blog精选AI 评分6262 Microsoft Foundry 上线 Hugging Face 模型托管计算
Microsoft 在 Build 2026 上宣布 Foundry Managed Compute 及 Hugging Face 模型集合，将开源权重模型一键部署到托管 GPU 平台。
推荐理由：原文给出了托管部署的策展流程与运行时选择，读者可据此判断开源模型进入企业生产环境的门槛变化。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 Agentic Resource Discovery 参考实现 Discover Tool
Hugging Face 发布 Agentic Resource Discovery（ARD）规范的参考实现 Discover Tool，为 Skills、ML 应用和 MCP Server 提供搜索访问。
推荐理由：Hugging Face 给出 ARD 规范的参考实现与 CLI、REST、MCP 三种接入方式，可据此判断智能体能力发现如何落地。
Hugging Face Blog精选AI 评分6666 Hugging Face 宣布 OpenEnv 转为委员会治理，定位智能体 RL 环境接口层
Hugging Face 宣布 OpenEnv 改由委员会协调，成员包括 Meta-PyTorch、Reflection、Unsloth、Modal、Prime Intellect、Nvidia、Mercor、Fleet AI、Microsoft、Hugging Face 和 RadixArk，项目迁至 huggingface/OpenEnv。
推荐理由：OpenEnv 由多家机构共同治理并明确为环境接口层，读者可据此判断开源智能体 RL 的协作方式。