NVIDIA 宣布 RTX Spark 笔记本将于 10 月 16 日上市，并与生态伙伴推出面向本地 AI 智能体的软件更新：GitHub Copilot、Hermes、OpenClaw 等应用已适配 RTX Spark，新增 OpenShell 与 Microsoft Execution Containers 安全沙箱及本地与云混合路由。
推荐理由：原文梳理了 RTX Spark 上市时本地智能体、创意与开发工具的具体更新，读者可据此判断本地 AI 工作流的可用性。
GitHub 官方博客介绍了四种让 Copilot 理解项目规范的方式：仓库自定义指令、智能体技能、自定义智能体和 MCP 服务器。
推荐理由：文章把定制 Copilot 的方式拆成自定义指令、技能、自定义智能体和 MCP 服务器四类，读者可对照自己的仓库逐项落地。
Microsoft Research 推出 StudentSim，这是一个在真实学习者测试前评估和改进 AI 辅导系统的研究工具。它从公开的去标识化学习者记录中训练个性化学生模拟器，并引入 StudentSimEval 基准，从行为保真度和指导响应度两个维度进行评估。该系统在棋类、英语二语写作和数学领域优于主流基线，可为 AI 辅导训练提供有用的反馈信号。
NVIDIA 与 Microsoft 宣布联合为 Windows PC 打造运行 AI 智能体的软硬件，RTX Spark 笔记本即日起开放预订、10 月 16 日开售，紧凑台式机 11 月上市。
推荐理由：原文给出 RTX Spark 与 DGX Station for Windows 的规格、上市时间与本地可运行模型范围，读者可据此判断本地 AI 算力对现有开发部署流程的影响。
微软亚洲研究院发布开源框架 Agent Lightning v1.0，让部署时使用的 agent harness 通过 LLM 代理直接参与强化学习，无需在训练框架内重新实现 agent。
推荐理由：框架让部署用的 agent harness 直接参与 RL 训练，省去在训练框架内重建 agent 的成本，并给出可复现的编码智能体训练流程。
GitHub 推出与 Microsoft Applied Sciences 联合微调的 ModernBERT 分类器，把推送防护扩展到非结构化密钥，可在 2 毫秒内评估候选密钥，可使可阻止的密钥数量增加一倍以上。
推荐理由：原文用九个季度的数据说明开发者并非变得更粗心，而是被代码产出速度超过，并介绍了新分类器如何把推送防护扩展到非结构化密钥。
Microsoft Research 播客访谈中，研究经理 Jennifer Neville 分享了团队在 AI 评估领域的发现，即模型在多轮对话和长程任务中会出现传统基准难以暴露的意外失败。她建议用户在模型出错时换种方式提问或重开对话，并在工作流中保留人工核查与验证。
GitHub 构建并公开了 ReviewBench，一个面向 AI 代码审查智能体的离线基准。它基于 103.9M 个 GitHub pull request 的语言与仓库规模分布，包含来自 187 个开源仓库的 219 个 PR、覆盖 19 种语言，使用 Claude Sonnet 5 作为判官并公开评测规则，高级工程师独立标注与基准一致率达 96.6%。
推荐理由：GitHub 公开了基准数据集、评测方法与提交入口，读者可据此评估自己的代码审查智能体并横向对比不同系统。
微软研究院发布 Quine，一个整合生物学多模态世界模型与交互式 harness 的 AI 研究系统，可跨序列、结构、功能、细胞状态与影像数据联合学习表示。研究团队与 Broad Institute 合作，用 Quine 预测并优先排序可驱动胰腺癌 PDAC 肿瘤细胞状态转变的化合物，多个排名靠前的候选已在湿实验中得到验证，整个筛选过程仅用一个周末。
推荐理由：微软研究院展示了多模态生物世界模型在胰腺癌细胞状态筛选中的湿实验验证，读者可看到 AI 如何介入实验设计闭环。
Microsoft Research Asia – Singapore 于 2025 年 7 月 24 日启用，是 Microsoft 在东南亚的首个研究实验室，一年来已扩大团队并深化与本地机构合作。
GitHub 官方博客介绍了 GitHub Copilot app 的 canvas（也叫 canvas extension）：一种用户与 agent 双向共享的可定制界面，可以是看板、问题分流板、发布清单或表格。
Microsoft Research 团队在 Nature 发表论文，提出逆合成预测框架 RetroChimera，并以 MIT 许可开源实现与权重。该框架用学习式重排序融合 R-SMILES 2 与 NeuralLoc 两个互补子模型，盲测中博士级化学家更偏好其反应预测，十个挑战性目标上成功九个，优于各基线模型。
GitHub 日韩市场营销负责人用 GitHub Copilot 把活动从筹备到跟进全流程自动化：一个 GitHub Issue 加上 event-setup 标签即可触发 GitHub Actions 完成落地页复制、UTM 链接生成、邀请邮件草稿和项目板更新。
推荐理由：作者用 Issue 表单加标签触发 GitHub Actions，并把流程写成 SKILL.md，为各类重复性工作提供了可直接照搬的自动化思路。
GitHub 官方博客介绍了 GitHub Copilot 应用内置的 diff、终端和浏览器三个面板，可在应用内完成审查变更、运行命令与预览界面。三个面板并排后无需在编辑器、终端和浏览器之间切换，还能用 Pick & Polish 工具选中页面元素让智能体调整，确认后直接创建 pull request。
腾讯云安全发布 8 月必修漏洞清单，含 Microsoft SharePoint Server 双 RCE 漏洞（CVE-2026-50522、CVE-2026-63520）等 10 项高风险漏洞。
GitHub Copilot app 支持同时运行多个智能体会话，各任务在独立 Git worktree 上并行执行、互不干扰。每个会话保留独立上下文，可随时切换并从中断处继续，无需重复解释任务。用户可同时启动功能开发、可访问性审查与测试，通过 sessions view 跟踪进度并查看结果。
Microsoft Research 联合华盛顿大学与 Providence 发布 GigaPath-Flash 与 GigaTIME-Flash，以 Apache 2.0 开源权重，在保持性能的同时大幅降低病理基础模型的算力开销。
Microsoft Research 发布深度学习交换关联泛函 Skala 1.1，训练数据量较初版扩大 2.5 倍，在 GMTKN55 基准的 55 个类别中拿下 32 个第一，加权平均误差 2.8 kcal/mol，精度超过主流全局杂化泛函而成本接近 meta-GGA。
Microsoft Research 推出拓扑推理基准 MindTopo，评估多模态模型在连通性、包围、顺序、分离与打结五类拓扑关系上的推理与规划能力。测试显示，当前多模态模型在静态识别任务上表现明显优于交互式规划任务，两者均远低于人类水平，且错误多发生在规划阶段而非感知阶段。该基准为机器人和交互环境中的 AI 系统提供了可控诊断工具。
Microsoft Research 提出 CARE-X：一个用于胸部 X 光多任务临床解读的统一 VLM，通过生成式与双推理模式同时输出自由文本推理和确定性预测。
GPT-5.6 现已成为 Microsoft 365 Copilot 的首选模型。其 AI 能力覆盖 Word、Excel、PowerPoint、Chat 与 Cowork，以支持更快、更高质量的工作。
OpenAI 与 Microsoft 宣布一项修订后的合作协议。双方称新协议简化了合作安排，为长期关系提供更高确定性，并支持大规模持续创新。
OpenAI 与微软发表联合声明，宣布双方将继续在研究、工程和产品开发领域保持紧密合作。双方合作建立在多年深度协作与共同成功的基础之上。
Microsoft 与 OpenAI 签署新协议，旨在巩固长期合作关系、扩大创新并确保负责任的 AI 进展。
OpenAI 与 Microsoft 签署一份新的 MOU，进一步巩固双方的合作伙伴关系。双方在声明中重申对 AI 安全与创新的共同承诺。
OpenAI 与 Anthropic、Google、Microsoft 共同宣布 Frontier Model Forum 新任执行董事，并推出新的 $10 million AI 安全基金。
OpenAI 宣布与 Microsoft 延续双方的合作关系。
OpenAI 已同意将 GPT-3 技术授权给微软，用于其自有产品和服务。
推荐理由：原文明确了 GPT-3 授权仅限微软自有产品与服务，读者可据此判断这一合作如何影响 GPT-3 的商业化路径。
Microsoft 向 OpenAI 投资 $1 billion，双方将在 Microsoft Azure 上共同开发可扩展到 AGI 的硬件与软件平台。Microsoft 将成为 OpenAI 的独家云服务商，双方还将联合开发新的 Azure AI 超级计算技术。
推荐理由：这笔投资确立了双方在 Azure 上共建 AGI 级算力平台的合作关系，可作为观察 AI 算力格局变化的一个起点。
OpenAI 宣布与微软合作，开始把大部分大规模实验放到 Azure 上运行。