Gergely Orosz 调研 27 家公司，追问软件工程师 AI 支出的 ROI
Pragmatic Engineer 作者 Gergely Orosz 访谈 27 家公司并汇总 CodeRabbit、Gitar 数据，梳理软件工程师的 AI 编码支出与 PR 产出变化。
#Meta
Pragmatic EngineerAI 评分6767 InterconnectsAI 评分5959 开源动态第25期 盘点 DeepSeek V4.1 Flash 1017、美国本土开源模型与中美监管新规
本期开源动态盘点了近一周开放权重生态的关键动向，核心是中美监管新动作与 DeepSeek 的两连发。商务部（MOFCOM）提出前沿模型国际共享前须政府事先审批的政策提案，开源技术拟设自动审批通道；美国国土安全部（DHS）则下令将 DeepSeek 及其模型排除出联邦民用采购。
Meta EngineeringAI 评分4444 Meta 推出 GenRecs Tokenization：用稳定语义词汇表改造广告推荐系统
Meta 介绍 GenRecs Tokenization，一种用稳定语义 token 词汇表取代逐条 ID 表示广告、产品等条目的基础数据表示方法。它与 Meta 的 Generative Ads Model（GEM）和 Adaptive Ranking Model 配合，在 2026 年 2 月内部数据中带来 +0.35% 的转化率提升。
Google Developers Blog精选AI 评分6666 Google 发布 TPU 上的 vLLM 与 SGLang 原生 PyTorch 推理引擎
Google 在 TPU 上推出基于 TorchTPU 的原生 PyTorch 推理引擎 vLLM-TorchTPU 与 SGLang-TorchTPU，分别与 Inferact 和 RadixArk 合作开发，项目已在 GitHub 开源。
推荐理由：为习惯 PyTorch 的开发者提供不经 JAX 后端直接在 TPU 上运行 vLLM 和 SGLang 的方式，并附公开基准的成本与吞吐数据。
Google Developers Blog精选AI 评分6666 Google 将 TorchTPU 集成进 TorchTitan，发布面向 Cloud TPU 的大模型训练与优化方案
Google 发布 TorchTitan TPU，借助新推出的 TorchTPU 原生后端（torch.device("tpu")），PyTorch 训练脚本只需少量设备初始化改动即可在 Cloud TPU 上训练，分支仓库为 https://github.com/google-pytorch/torchtitan/，由 Google 与 Meta 共同加入 TPU 原生执行。
推荐理由：原文给出按顺序执行的 TPU 训练优化清单，并用三个模型的案例标出每步改动换来的 MFU 或吞吐提升，便于迁移到自己的训练任务。
Meta EngineeringAI 评分6060 Meta 详解 Thin Orchestrator 模式如何让 AI Agent 更可靠
Meta 分享其数据管道 Agent 的 thin orchestrator 架构经验：一个约 1300 行的编排器只负责路由和可靠性检查，把 20+ 工作流分派给 14 个上下文隔离的专用子智能体。
Interconnects精选AI 评分7676 Meta 发布 Muse Spark Open 开源模型，搅动开放与闭源前沿格局
Meta 发布开放权重模型 Muse Spark Open，作者称其为目前最强的美国造开放模型，此前 Meta 还推出了闭源前沿模型 Muse Wonder 与 Muse Wonder Full。
推荐理由：作者将 Meta 开源与闭源双线策略置于中美开放模型差距收窄的背景下评估，并指出复杂许可条款可能拖累模型采用。
Together AI BlogAI 评分7171 Meta 智能体编码开源模型 Muse Spark Open 上线 Together AI，支持 1M token 上下文
Meta 面向智能体编码的开源权重模型 Muse Spark Open 上线 Together AI，在 serverless 和专属基础设施上提供 1M token 上下文窗口，Together AI 为其 Day 0 发布合作伙伴。
One Useful ThingAI 评分6868 Ethan Mollick 谈苦涩教训如何改写智能体管理预期
Ethan Mollick 发文承认此前误判，认为组织智能体无需精心的人工管理设计，苦涩教训同样适用于组织架构。他以 OpenAI 数千个智能体组成的群体在 88 小时内得出 Navier-Stokes 存在与光滑性问题证明（尚未获 Clay 研究所正式接受）、互发约 270 万条消息为例，并实测 Codex 仅凭一句提示词和简单分组描述就自行启动 3 到 13 个智能体。
GitHub Org · facebookresearchAI 评分4242 facebookresearch 开源 logact：用共享日志设计加固智能体系统
facebookresearch 在 GitHub 开源 logact 项目，提出通过共享日志设计加固 AI 智能体系统。项目代码已在 GitHub 上公开提供。
Trail of Bits · AI安全研究AI 评分7373 算力：Don't let TEEs break your MPC
原文摘录：Page content Threshold signature schemes, a form of multi-party computation (MPC) that lets a set of parties sign together without any one of them holding the key, are increasingly deployed inside trusted execution environments (TEEs). … If you’re deploying MPC on TEEs, our cryptography team reviews these exact systems, so get in touch
Meta AI BlogAI 评分4949 重塑独立生活：Meta AI 模型如何助力匹兹堡大学变革辅助机器人技术
Meta 开源视觉模型 DINOv3 和 SAM 正被匹兹堡大学用于残障人士辅助机器人平台 RAMMP，该项目获 ARPA-H 最高 $41.5 million 资助。模型经优化部署在电池供电的边缘设备上，可查询机器人图像传感器识别自动门按钮、水杯、路缘/地面以辅助导航。该功能已集成进首个原型、准备实测，语音与触控输入正在开发。
Meta AI BlogAI 评分4141 Meta 的 SAM 3 与 DINOv3 如何驱动 Genesis Mission 首批科学项目
Meta 介绍其开源模型 SAM 3 与 DINOv3 成为美国能源部 Genesis Mission 旗下 SYNAPS-I 项目的核心分割管线，该项目由 Berkeley Lab 联合 Argonne、Brookhaven、Oak Ridge、SLAC 开展。
Meta AI Blog精选AI 评分7575 Meta 发布 Muse Spark 1.1 多模态推理模型并开放 Meta Model API 公测
Meta Superintelligence Labs 于 7 月 9 日发布 Muse Spark 1.1，定位为面向智能体任务的多模态推理模型，在工具与计算机使用、编码和多模态理解上较 Muse Spark 有明显提升，支持 100 万 token 上下文管理和多智能体编排。
推荐理由：官方发布给出了智能体、编码、多模态能力要点，百万 token 上下文和 Meta Model API 公测入口对评估可用性有直接参考。
Meta AI Blog精选AI 评分7272 Meta 发布 Muse Image 并预览 Muse Video 媒体生成模型
Meta 发布图像生成模型 Muse Image 并预览视频生成模型 Muse Video，二者是 Meta Superintelligence Labs 开发的首批媒体生成模型。
推荐理由：图像模型以智能体方式调用搜索和代码工具，并用测试时算力换质量，读者可据此对比现有图像生成产品的技术路线差异。
Meta AI Blog精选AI 评分6363 Meta 发布 Brain2Qwerty v2：非侵入式脑信号解码词准确率达 61%
Meta AI 发布 Brain2Qwerty v2，称其为能从非侵入式脑记录实时解码整句、性能最高的端到端管线，词准确率达 61%，远高于其他非侵入式方法的 8%，最佳参与者达 78%。
推荐理由：原文给出非侵入式解码与手术植入方案的准确率对比，读者可以据此判断数据规模扩大后这条无创路线还能走多远。