微软正式将 Copilot 智能体模式设为 Microsoft 365 核心组件的默认体验，同时 OpenAI 推出了 Google Sheets 官方插件。

• 微软将 Agent Mode 设为默认体验，涵盖 Word、Excel 和 PowerPoint，支持所有订阅用户。
• OpenAI 发布 ChatGPT for Google Sheets 插件，允许用户在表格内通过自然语言直接建表、分析与编辑。
• 个人与家庭版用户同步获得权限，标志着 Agent 能力从企业级向全员化普及。
• 本次更新通过自然语言接口降低了复杂公式与数据透视表的操作门槛。

这标志着办公软件从“功能菜单驱动”向“意图驱动”的彻底转型。

过去 Copilot 更多作为侧边栏的辅助，而将其设为“默认体验”意味着微软认为 Agent 已经具备接管主操作流的稳定性。

OpenAI 进驻 Google Sheets 则体现了跨生态竞争的加剧。即便在对手的领地，OpenAI 也要通过插件将数据分析的主动权握在自己手中。

对于用户而言，这意味着“数据孤岛”正在被 AI 连通。用户不再需要学习复杂的 VBA 或 Apps Script，而是通过描述逻辑来实现高度定制化的自动化流程。

腾讯正式在 Hugging Face 首发了 HY3 Preview 模型，由首席科学家姚顺雨带领团队重构，主打长上下文与双模式思考。

• 模型采用 295B MoE 架构，激活参数为 21B，支持 256k 超长上下文。
• 引入 Hybrid fast/slow thinking 双模式，平衡了即时响应与深度推理的需求。
• 在搜索场景表现强劲，集成 BrowseComp 与 WideSearch 搜索 Agent 协议。
• 模型集合已完整登陆开源社区，显示了腾讯在超大规模 MoE 工程化上的最新进展。

HY3 的发布展示了国产模型在“思考深度”上的追赶路径。通过引入类似 o1 的慢思考模式，模型在处理复杂逻辑 and 长链搜索时更具优势。

21B 的激活参数是一个精妙的平衡。它在保证 295B 总参数量带来的知识储备的同时，维持了相对可控的推理成本。

搜索 Agent 的强化是本次更新的实战核心。通过专用协议提升搜索结果的召回质量与整合能力，直接对标目前的 AI 搜索头部产品。

开源 HY3 意味着腾讯正试图通过 Open Weights 策略构建自己的生态。在 MoE 架构逐渐成为主流的当下，更长的上下文支持将吸引更多垂直行业开发者。

OpenClaw 是一款强调本地化与灵活性的 Agent 编排工具，旨在让开发者能够像使用“即时软件”一样快速构建 AI 方案。

该工具解决了传统开发中功能迭代周期过长的问题。它允许用户在几分钟内生成初始功能，随后通过迭代微调在短时间内达到生产要求。

在实际工作流中，开发者可以先让 OpenClaw 完成基础逻辑，再通过对话不断配置产品特征，实现设计即代码的快速跨越。

对于追求极致响应速度和端到端自主性的 AI 开发者而言，它是目前探索 Agent 前沿的最佳选择之一。

Claude Code 引入了名为 `/ultrareview` 的研究预览功能，通过云端 Agent 阵列实现深度的自动化代码审查。

该功能专门用于捕捉复杂的逻辑漏洞。它会在云端启动多组 Bug-hunting Agent，并将结果直接反馈至本地终端或桌面端。

建议在合并关键变更（如涉及身份验证、大规模数据迁移）之前使用该命令。目前对 Pro 和 Max 用户提供有限次数的免费审查额度。

适合需要高安全性保障、但不希望手动进行繁琐 peer review 的开发团队。

Obsidian 官方网页剪藏工具更新，强化了高亮管理与阅读体验的无缝衔接。

新版本支持在点击链接时自动保持阅读模式，并允许用户自定义字体与颜色，显著提升了网页浏览的舒适度。

用户可以轻松将网页内容一键转换为 Markdown 格式并管理个人高亮。安装方式非常简单，直接通过浏览器的扩展商店添加即可。

推荐给重度使用 Obsidian 构建第二大脑，且需要频繁从网页提取结构化知识的用户。

GPT Image 2 引发广泛讨论，其“Thinking”模式通过极长的推理时间实现了图像生成质量的范式飞跃。

• 推理时长达数十分钟，该模型并非即时生成，而是通过类似推理的过程优化每一像素。
• 实现复杂视觉任务的一步到位，包括精准的 QR 码嵌套、高难度 3D 世界构建以及多分镜板（Storyboard）设计。
• 支持高效的 Storyboard 协同流，结合 Seedance 2.0 等工具可大幅降低视频生成的失败率。
• 能够单次生成复杂的 LOGO 与图表，彻底解决了过去 AI 绘图在文字和精准逻辑上的短板。

这是推理时间计算（Inference-time Compute）在视觉领域的首次大规模胜利。

牺牲实时性来换取“绝对正确”的像素排列，意味着 AI 绘图正从“概率拼贴”转向“逻辑构建”。这对于专业设计领域是革命性的。

所谓“Image Thinking”，本质是将图像生成拆解为多步骤的自我博弈与优化。这使得模型能理解复杂的物理空间约束，例如单提示词生成 3D 场景。

在工作流层面，分镜板生成能力的增强将重塑短视频与广告行业。用户可以通过 3x3 网格图锚定叙事结构，再由视频模型精准复现，生产确定性极大提高。

苹果官方开源了 MobileCLIP 与 MobileCLIP2，专为移动端和边缘设备优化的超快图像-文本模型。

• MobileCLIP2-S4 在 iPhone 12 Pro Max 上的延迟比前代降低了 2.5 倍，精度逼近 SigLIP 巨型模型。
• 参数量大幅精简，S0 版本比 OpenAI 的 ViT-B/16 快 4.8 倍且体积缩小 2.8 倍。
• 采用高效的架构设计，专注于零样本分类与跨模态检索任务。
• 该系列模型旨在提升端侧 AI 的实时响应能力，减少对云端计算的依赖。

苹果此举明确了其 Edge-first AI 路线图。通过将视觉语言模型（VLM）缩小到移动端可流畅运行的规模，为本地隐私化搜索奠定了基础。

延迟的阶梯式下降（2.5倍）意味着实时增强现实（AR）与相册本地语义搜索将变得极其平滑，不再受网络波动影响。

对于开发者而言，MobileCLIP2 提供了一个高性能的视觉特征提取器。它允许在资源受限的设备上运行复杂的图文匹配任务，而无需牺牲过多的准确度。

这反映了 AI 领域的双极化发展趋势：一边是在云端追求极致推理深度的巨型模型，另一边是在终端追求极致效能的小型化专业模型。