Berkeley RDI等机构提出软件开发自主性三级框架,展望编码不再是瓶颈后的软件工程
UC Berkeley、MIT、Microsoft、Cursor等机构的研究者发布立场论文《Towards Autonomous Software Development》,提出软件开发自主性三级框架:Level I代码自主、Level II流水线自主、Level III需求自主。
UC Berkeley、MIT、Microsoft、Cursor等机构的研究者发布立场论文《Towards Autonomous Software Development》,提出软件开发自主性三级框架:Level I代码自主、Level II流水线自主、Level III需求自主。
Microsoft AI 官方博客发布欧洲、中东和非洲区内容汇总,涵盖数据中心学院助力科技职业、AI 辅助分子合成研究 RetroChimera、Kier Group 的 Louisa Finlay 用 Copilot 提升建筑行业安全与生产力,以及 Fantasy Premier League Companion 工具等条目。
Microsoft Source Asia 页面汇总了亚太地区多项 AI 落地实践,包括新加坡 SNTUC 的 Siow Shong Seng 借助 Microsoft 365 Copilot 推动 AI 就绪劳动力建设,以及澳大利亚 Regis 养老机构用 AI 处理文书工作。
微软官方博客 Microsoft On The Issues 汇总了其高管撰写的多篇AI与政策议题文章,最新一篇为 2026 年 9 月 22 日由数字犯罪部门副总法律顾问 Steven Masada 撰写的《Disrupting EvilTokens:为网络犯罪打造的 AI 聊天机器人》。
Microsoft AI 发布 run-assert-eval,这是一个开源技能,用于发现给定 Agent 的关键风险、测量其失败频率。它会根据评估结果直接生成运行时策略,并复跑 eval 以验证修复是否生效。
微软推出新版 Copilot,包含 Home、Code 和 Autopilot 三项功能。该消息由微软首席营销官 Jared Spataro 于 9 月 25 日在官方博客公布。
微软推出 MAI-Code-1.1-Flash 模型,已用于 GitHub Copilot,在命令行编码和 .NET 开发任务上表现提升,用更少 token 完成任务且成本低于 6 月版本。微软还发布开源智能体框架 Orchard,为训练和评估能写代码、浏览网页的 AI 智能体提供可复用环境。此外,微软研究模型 CARE-X 可将多项放射学任务整合,在胸部 X 光任务和真实患者数据上表现良好。
Microsoft AI 官方博客推出 More from AI 栏目,用于汇总 AI 与科技领域的新进展与后续动向。该栏目同时呈现 Microsoft 在创新与可持续发展方面的内容,包括研究、产品和服务,以及帮助客户构建可持续解决方案、推动环境相关政策等方向。
NVIDIA 在 IFA 2026 宣布与 Microsoft 及伙伴合作加速本地 AI,包括 Hermes Agent、OpenClaw 和 Perplexity Portable Computer 的简化本地模型配置,llama.cpp 与 vLLM 带来最高 1.9x 推理提升,并推出开源工具 NVIDIA PAIR 在局域网内分发推理请求。
Black Forest Labs 发布面向企业的 FLUX 方案,提供托管 API、自托管开放权重和联合开发三种模式。自托管可选 FLUX.1 [dev]、FLUX.2 [dev] 及 FLUX.2 [klein] 4B(Apache 2.0)与 9B,数据全程留在自有网络内。托管 API 支持零数据保留、多区域部署,企业协议起订量为每月 20 万次生成。
GPU 租赁价六个月内从 $4.40 涨到 $8.08 每卡时,但 AI 价格仍在下降。文章归因于数据中心建设推高电力、材料和信贷成本,需求激增放大竞价;同时模型效率快速提升,Claude Opus 5.5 运行成本降 40%,同一基准的通过成本从 $0.55 降至 $0.0015。Microsoft 称每 GPU 生成的 token 年增 90%,效率与成本两股力量大致相当。
微软研究院推出 Quine,一个面向生物学复杂性的 AI 研究系统,由生物学世界模型和连接模型、科学工具、文献与研究者的交互式 harness 两部分组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究,预测并排序数千种化合物以推动肿瘤细胞状态转变,最高排名化合物在湿实验中产生了最大的预期转变,从缩小化合物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 的多模态世界模型与实验闭环设计,读者可了解 AI 参与生物实验设计与验证的具体路径。
微软在巴塞罗那 European Microsoft Fabric + SQL Community Conference 上发布多项 Fabric 与 Azure Databases 数据创新。
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、领域专用 AI、AI 原生研究实践、生态与人才培养四大方向推进工作。实验室与新加坡经济发展局(EDB)合作开展联合博士培养,并于 2026 年 2 月共同举办物流与交通 AI 高管圆桌会;医疗健康领域已落地多模态医疗 AI 与自进化诊断智能体的合作研究。
GitHub Copilot 应用中的 canvas(画布扩展)是一种可自定义界面,用户只需在 agent 会话中输入 /create-canvas 技能并用自然语言描述需求,即可生成看板、发布清单或仪表盘等界面,无需编写代码或手动设计。
微软宣布重塑 Microsoft Copilot,推出三大新能力:Home 作为统一入口整合 Chat 和 Cowork 并内置 Office;Code 让非开发者用自然语言构建应用,与 GitHub Copilot 同源技术并在沙箱中运行;Autopilot(原名 Scout)是可在租户内持续自主工作的智能体。
GitHub Copilot 应用推出 canvas,一种运行在应用内、无浏览器外壳的全栈小应用,可与 Copilot 智能体双向通信,并能在本地执行代码、调用第三方 API。
GitHub Copilot 应用重建了 pull request 视图,用一个含 2200 个文件、超 100 万行改动和 400 多条行内评论的开源 PR 做压力测试。其做法是把文档高度拆成确定性的代码几何与动态评论块两套几何:代码行高提前精确计算,评论高度则按需测量、修正幅度小且锚定在用户当前查看位置,从而避免滚动跳动。
微软研究院对移动机器人操作负载做系统性测量,发现把物理 AI 推理从机载 GPU 卸载到边缘或云端 GPU 可提升任务表现与电池续航。
推荐理由:微软对移动操作机器人推理负载的系统性测量,给出了卸载到边缘或云端 GPU 在任务成功率与续航上的量化差异。
微软研究院在 Nature 发表逆合成模型 RetroChimera,并开源其实现与权重。该模型用学习式集成策略融合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc 的排序预测。
Microsoft 高管 Kathleen Hogan 总结公司作为 Customer Zero 的 AI 转型经验,提出五条核心经验:从业务结果出发、重构完整工作流、以员工为中心、用 AI 扩展人的能力、建立人机共同学习循环,并发布 Frontier Playbook。
GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript/Node.js 完全重写为超过 80 万行生产级 Rust,AI 智能体编写了大部分代码,跨 128 个 PR 增量合入 main,性能提升数个数量级,主要由一名开发者几个月内完成。
推荐理由:GitHub Copilot 运行时迁移 Rust 的完整复盘,给出智能体并行协作、提示缓存与评审流程的可迁移工程方法。
Microsoft 公布教育领域 AI 五项原则,并与美国教师联合会(AFT)签署协议、推出面向学校产品的 Privacy & Safety Standard,限制学生和教师数据使用并要求对重大决策保留人工监督。Microsoft 称这是大型科技公司与美国最大教师工会之一首次共同界定教育产品中可信 AI 的标准,并邀请业界共同遵循。
GitHub 日本和韩国营销负责人把活动运营流程交给 GitHub Copilot,从单个 GitHub Issue 出发自动完成落地页复制、UTM 链接生成、报名名单清洗和会后报告。
GitHub Copilot 应用内置 diff、终端和浏览器三个面板,让开发者无需在编辑器、终端和浏览器之间切换即可完成 AI 编码闭环。diff 面板以绿色标注新增、红色标注删除,支持接受改动、留言或让 Copilot 继续修改;终端面板可直接运行项目命令并支持多窗口;浏览器面板可用 Pick & Polish 工具选中元素并让智能体调整。
GitHub Blog 发布 GitHub Copilot app 入门教程,讲解如何同时运行多个 agent 会话。每个会话可运行在独立的 Git worktree 上,彼此隔离、并行执行且各自保留上下文,用户可在 sessions 视图跟踪进度,把时间花在审查和决策上。
微软提出 AI 基础设施的“良率命题”,主张衡量标准应从建了多少算力转向产出多少有用智能。文中指出单个智能体任务消耗的 token 可达普通对话的 3400 倍以上,而全球 AI 渗透率仅为劳动人口的 18%,且以聊天为主。微软认为内存、网络与功耗的瓶颈需通过跨层协同设计解决,而非在单层堆叠资源。
微软研究院联合华盛顿大学和 Providence 发布 GigaPath-Flash 与 GigaTIME-Flash,两者均以 Apache 2.0 许可在 Hugging Face 开放权重。
微软研究院发布深度学习交换关联泛函 Skala 1.1,训练数据比首个公开版本多 2.5 倍,在 GMTKN55 的 55 个类别中 32 项排名第一,加权平均误差 2.8 kcal/mol,精度超过当前领先的全局(范围分离)杂化泛函而保持半局域泛函的计算成本。
微软研究院推出 MindTopo 基准,从连续性、分离、顺序、包围、绳结五类拓扑关系评估多模态大模型的推理与规划能力。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,跨多步动作时难以维持拓扑约束。
Microsoft Research 发布研究模型 CARE-X,一个统一胸部 X 光视觉语言模型,同时支持报告生成与结构化预测,并用强化学习(DAPO)在多任务设置下奖励临床正确性。
Microsoft Research 发布开源框架 Orchard,核心是可复用的 Kubernetes 环境服务 Orchard Env,支持在 Codex、OpenClaw、ZeroClaw 等真实部署 harness 内直接训练智能体。
推荐理由:官方开源了环境服务和三条训练配方,小参数量模型在 SWE-bench Verified 等基准上的具体结果可直接对照复用。
Microsoft Research 推出 Echoverse,为 computer-use agent 构建了 12 个深度训练世界(10 个领域世界和 2 个能力世界),强调环境保真度而非数量。
微软在 FY26 推动客户从 AI 试验转向规模化落地,并提出 Frontier Firms 概念,以 Copilot、Microsoft IQ 和 Agent 365 分别承载智能、组织 IQ 与信任治理。
微软发布智能体安全系统 Project Perception,通过红队、蓝队、绿队三类专用智能体组成闭环防御,用 AI 对抗 AI,并将于 8 月 3 日进入公开预览。
Microsoft 宣布向美国能源部 Genesis Mission 长期承诺 6000 万美元投资,其中 4000 万美元为三年期 Azure 算力与 AI 额度,2000 万美元为解决方案工程支持服务。
Microsoft 将 AMD 最新 Helios AI 平台和下一代 EPYC 数据中心处理器引入 Azure,推出三款新虚拟机:用于数据处理的 HDv2、用于电子设计自动化的 HXv2,以及用于 AI 推理的 ND MI455X v7。
Microsoft Build 2026 上宣布 Foundry Managed Compute 以及 Hugging Face 模型精选目录,数千个开源权重模型每周更新,可一键部署到 Foundry Managed Compute,支持 NVIDIA A100、H100 和 AMD MI300X。
推荐理由:原文完整说明了精选模型目录、策展管线和运行时选择,读者可以据此评估在私有网络内部署开源模型的路径。
Microsoft 首席人力官 Amy Coleman 宣布裁减约 4,800 个岗位,约占全球员工的 2.1%,主要集中在 Commercial 和 XBOX 组织,另将四个游戏工作室移交新管理以保留知识产权和进行中项目。公司过去一年已将超过 4,000 名员工重新部署到新岗位,超过 30% 的符合条件的员工参加了自愿退休计划,并表示这些岗位并未被 AI 取代。
推荐理由:首席人力官亲述裁员规模、安置措施与四大游戏工作室转管安排,并明确这些岗位未被 AI 取代。
MIT 与微软 Azure 研究人员提出智能体工作流优化系统 Murakkab,开发者只需用自然语言描述意图,系统即自动选择模型与工具、并行调度并动态分配云端硬件资源。