跳到正文

公司与模型

Microsoft / Copilot 最新动态

微软的 Copilot 系列产品、Azure AI 云服务,以及与 OpenAI 的合作动向。

19 条精选近 30 天 14 条共收录 45 条

更新

Microsoft / Copilot的精选

今天11月19日周四第 1–19 条
11月18日周三
  1. AIHOT79

    Microsoft AI 发布 MAI Code 2 与 MAI Code 2 Flash 编码模型

    Microsoft AI 发布 MAI Code 2 和 MAI Code 2 Flash 编码模型,分别面向日常企业编码任务与高频常规编码工作。按四项编码基准,MAI Code 2 以 40% 的成本达到 GPT 6.1 Sol 的 98% 性能,以 5% 的成本达到 Claude Opus 5.5 的 96% 性能。

    推荐理由:文章给出两款模型在编码基准、前端评测与成本方面的对比,并说明其在 GitHub Copilot 和 Microsoft Foundry 的可用状态。

11月17日周二
  1. AIHOT82

    Microsoft Research 发布开源插件 TokenEconomizer,用仓库历史经验降低 AI 编码 Agent 成本 18.4–30.9%

    Microsoft Research、UC Berkeley 与 Microsoft Security 发布开源插件 TokenEconomizer,通过复用同一仓库的历史经验降低 AI 编码 Agent 成本,无需修改 Agent 或底层模型。

    推荐理由:提供无需修改底层模型的插件机制与跨仓库实测数据,便于理解编码 Agent 如何利用历史经验控制成本。

11月11日周三
  1. AIHOT77

    Anthropic 修订 S1 文件披露与 Microsoft 和 Google 超 100 亿美元算力协议

    Anthropic 在当日修订的 S1 文件中披露,与 Microsoft 和 Google 达成超 100 亿美元的新算力协议。Microsoft 承诺到 2033 年 6 月支出至少 472 亿、最高 492 亿美元,Google 最低承诺从约 1145 亿升至约 1213 亿美元,两笔协议无论是否使用容量都须付款;文件还提到上季度短期算力支出为 50 亿美元,价格明显更高。

    推荐理由:修订后的 S1 文件披露了长期算力采购与付款承诺,为观察 AI 基础设施投入规模提供了具体数据。

11月6日周五
  1. Microsoft Research62

    PDD Kit 用 Verus 形式化验证智能体编写的 Rust 全栈应用

    Microsoft Research 推出研究原型 PDD Kit,将用户意图转为 Verus 形式化规范,验证编码智能体生成的 Rust 代码,并在证明无法覆盖处回退到测试。

    推荐理由:给出了从意图澄清、Verus 证明、信任边界测试到 CI 接入的完整流程,可用于评估形式化验证如何约束编码智能体生成代码。

11月4日周三
  1. AWS Machine Learning Blog62

    AWS 教程:在 Bedrock AgentCore Gateway 中实现 ServiceNow OBO token 交换

    AWS 教程演示如何为 Amazon Bedrock AgentCore Gateway 配置 Microsoft Entra ID OBO token 交换,使 AI 智能体调用 ServiceNow REST API 时保留用户身份并应用对应权限。

    推荐理由:教程完整拆解了跨 Microsoft Entra ID 与 ServiceNow 的 OBO 配置,并给出网关目标、权限映射和代码示例。

11月1日周日
  1. AIHOT82

    Alphabet、Meta、微软、亚马逊和甲骨文承诺投入超3万亿美元建设AI基础设施

    Alphabet、Meta、微软、亚马逊和甲骨文承诺未来数年投入超过3万亿美元建设AI基础设施。五家公司披露的租赁付款承诺合计1.3万亿美元,其他采购承诺合计1.9万亿美元;其中Alphabet承诺规模最大,超过1万亿美元,Meta超过8,000亿美元。相关投入部分流向尚未生效的数据中心租约,部分企业已出现自由现金流由正转负的情况。

    推荐理由:汇总五家科技巨头的投资规模、承诺结构与现金流变化,为观察AI基础设施投入强度提供数据参照。

10月29日周四
  1. AIHOT78

    GitHub Universe 2026 发布 GitHub Copilot app 与 Copilot Fusion 等智能体产品

    GitHub 在 GitHub Universe 2026 发布 GitHub Copilot app、Copilot Fusion、Copilot projects 和会话连续性等智能体产品,覆盖跨项目协作、多模型编排、并行任务与云端持续执行。

    推荐理由:文章集中展示了 GitHub 如何把智能体、多模型编排和云端工作流整合进软件交付,并说明相关功能与基础设施的落地方式。

10月23日周五
  1. Microsoft Research70

    Flint-interactive 用语义事件构建交互式数据可视化

    Microsoft Research 推出 Flint-interactive,通过 Flint 编译器将用户操作转换为语义事件,并用高层更新操作驱动图表响应。开发者可在聊天、Canvas 和编程 API 中创建交互式图表、数据故事与仪表板,还可连接表格、文本和其他组件。

    推荐理由:Flint-interactive 将复杂图表交互抽象为语义事件和高层更新操作,为理解其可靠性与接入方式提供了具体路径。

10月22日周四
  1. Microsoft Research86

    Microsoft Research 与合作者借助人机协作证明 KLS 猜想

    Microsoft Research 研究员 Xinzhi Zhang 与合作者 Zhao Song 借助研究人员引导的 AI 智能体流程,完成了 KLS 猜想的证明。研究团队探索了 100 多条候选路径,并通过递归改进将界限与维度脱钩,10 月 4 日论文版本完成证明。另有两组独立证明随后出现,Lean 4 形式化验证也已发布,简化后的证明仍在整理和审查中。

    推荐理由:文章展示了人机协作研究如何通过约百条轨迹、递归改进和形式化验证推进高维几何核心难题。

10月21日周三
  1. GitHub Blog · AI & ML69

    3 位 Java Champion 如何使用 GitHub Copilot 提升生产力

    三位 Java Champion 分享了在生产与开源项目中使用 GitHub Copilot 的方法,强调由智能体执行、开发者保留结果责任,并通过验证门禁控制质量。实践包括用自定义技能保持个人写作风格和代码规范,以截图、视觉差异、测试和静态检查验证生成结果,以及在 Pi4J 故障排查中由编码智能体定位原生调用阻塞虚拟线程的问题。

    推荐理由:三位资深 Java 开发者的案例覆盖需求澄清、验证门禁、技能沉淀与确定性检查,为团队落地编码智能体提供可迁移做法。

10月20日周二
  1. GitHub Blog · AI & ML68

    如何在 VS Code 中继续 GitHub Copilot app 会话

    GitHub Copilot app 会话可以直接在 VS Code 中继续,并保留对话、代码变更和工作上下文。开发者可逐行审查智能体改动,手动编辑代码、运行本地测试,再通过原有分支和 pull request 推送结果。

    推荐理由:教程完整展示了从 Copilot app 接管会话到本地测试和推送 PR 的连续工作流。

10月14日周三
  1. GitHub Blog · AI & ML71

    GitHub 上线基于 ModernBERT 的上下文感知秘密扫描器

    GitHub 上线由正则筛选与微调 ModernBERT 分类器组成的两阶段秘密扫描器,将通用秘密检测扩展至推送保护。该分类器结合候选值、文件路径、变量名和上下文判断告警,并与此前基于远程 LLM 的流程相比,将推送后扫描执行时间中位数降低 86%,服务成本降低超过 98%。

    推荐理由:GitHub 公开了秘密扫描器的模型架构、训练方法与线上评测结果,可用于理解专用小模型替代远程 LLM 的实现路径。

10月8日周四
  1. GitHub Blog · AI & ML68

    GitHub 推出 ModernBERT 密钥分类器,扩展 push protection

    GitHub 与 Microsoft Applied Sciences 构建了基于 ModernBERT 的微调分类器,将 push protection 扩展到无固定结构的密钥,评估候选密钥耗时不到 2 毫秒,可阻止的密钥数量有望增加一倍以上。

    推荐理由:GitHub 用九个季度数据拆解代理写代码增长下的密钥风险,并给出检测精度、延迟、吞吐与成本的权衡方案。

9月26日周六
  1. GitHub Blog · AI & ML68

    GitHub Copilot 如何用 canvases 构建自定义工作流

    GitHub Copilot app 支持通过 /create-canvas 技能用自然语言生成自定义工作流画布,无需手动编写代码或设计界面。画布支持用户与智能体同时修改共享状态,并可保存为扩展重复使用或与团队共享;Awesome Copilot 还提供了发布说明、看板和问题分派等现成扩展。

    推荐理由:教程给出从描述工作流到用 /create-canvas 生成双向协作画布的完整步骤,可直接迁移到自定义团队工作流。