微软的 AI 布局：Copilot 全家桶、Azure AI 基础设施与 OpenAI 合作关系的持续追踪。
OpenAI 在开发者大会公布 Dot 智能体、GPT-6.1 Sol、UltraFast、Decisions API、Agents API、云端 Codex 和 OpenAI Marketplace 等更新。Dot 可持续执行任务并连接 4000+ 应用，现场演示出现翻车；GPT-6.1 Sol 以约五分之一成本接近 Astra 表现。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Microsoft Research 发布 Quine，一个面向生物学的多模态世界模型与交互式实验框架，连接模型、工具、文献和研究人员。与 Broad Institute 合作在胰腺癌细胞状态转换中预测并验证了数千种化合物，整个筛选与验证过程在一个周末完成，部分化合物出现意外表型。Quine Fellows 计划现已开放申请，系统目前仅限研究用途。
推荐理由：原文展示了跨模态生物世界模型的实际验证路径，读者可据此评估计算实验与湿实验闭环对研发效率的潜在影响。
Microsoft Agent Framework 发布 AG-UI 交互接入、FoundryMemoryProvider 记忆、CodeAct 执行与弹性后台执行四项更新，覆盖 .NET 与 Python，并提供 FastAPI 与 ASP.NET Core 示例。
推荐理由：原文给出了四项能力更新与跨语言示例，读者可据此判断哪些能力能直接接入现有应用。
HEMA 搭建了内部 AI 助手 HAL，将分散的知识库、API 目录和流程文档整合为统一知识层，并通过 MCP 在 Kiro、Claude 等工具中提供即时答案。
推荐理由：原文给出了一家零售商从门户跳跃到即时答案的完整搭建路径，读者可据此理解 MCP 与 AgentCore 在企业知识层中的实际组合方式。
Microsoft Research 在 Physical AI Toolchain 中新增行业首个机器人推理卸载能力，可将 SO-101、UR10e 等机器人的推理从机载 GPU 卸载至边缘或云 GPU。实验显示，卸载改善了移动操作任务的成功率、响应精度和电池续航，并支持通过 Kubernetes 自动容器化与编排。
推荐理由：首次系统量化了机器人推理卸载的收益，为物理 AI 基础设施选型提供可对比的实测依据。
Microsoft Agent Framework 发布 Foundry 托管代理隔离，包含用户隔离和 Foundry 托管会话隔离两个独立控制，分别对应调用者身份和沙箱会话。开发者可使用 .NET 和 Python SDK 通过 AgentSession 传入 delegated user identity 或显式 agent_session_id，实现共享沙箱或独立会话等部署模式。
推荐理由：原文给出了用户隔离与会话隔离两套控制及多种可用模式，读者可据此评估自身应用在数据归属和会话生命周期上的选择。
GitHub Copilot运行时从TypeScript重写为Rust，由AI代理主导完成，超过80万行Rust代码。迁移过程实现了性能提升和跨产品共享运行时。
推荐理由：原文详细记录了使用Copilot代理将GitHub Copilot运行时从TypeScript迁移至Rust的过程，性能提升显著，并实现了多产品共享。
作者 Tommaso Stocchi 以滑雪度假村演示为例，对比 A2A 专家代理与基于 MCP 的分布式技能两种架构，并给出五步迁移流程。技能路径将专家指令移入编排器，由 SDK 直接加载 SKILL.md 并暴露 MCP 工具；实测显示技能路径模型调用更少（3 次 vs 6-7 次）、延迟更低，但总 token 数反而增加约 22%。
推荐理由：通过同一应用的 A2A 与 MCP 两种架构对比，给出可迁移的迁移步骤与实测延迟和 token 数据，帮助读者判断是否将专家代理改为分布式技能。
作者 Tomoko Tanaka 介绍如何将 GitHub Issues、Issue forms、Labels、GitHub Actions 与 Copilot agent skills 组合，把活动落地页生成、UTM 链接、邀请邮件、注册名单清洗、CRM 上传和报告等重复流程自动化。
推荐理由：作者以第一手经验展示如何用 GitHub Copilot 将重复营销流程自动化，读者可迁移该方法到自身有 API/CLI 入口的重复任务。
GitHub Copilot 发布 Project HydraFusion 研究预览，通过运行时多模型编排自动选择工作流以平衡性能、成本和延迟。在 TerminalBench 2.1 上比 Claude Opus 5 质量提升 4.9 个百分点且成本降低 67%，DeepSWE 和 CheckpointBench 上也接近 Opus 5 水平。
推荐理由：HydraFusion通过多模型编排自动选择最优工作流，在三个编码基准中以显著成本降低逼近Claude Opus 5的性能，为开发者提供无需手动协调模型的前沿质量编码体验。
GitHub Engineering 公布 GitHub Copilot 的四项成本优化：选择性压缩重复输出、移除文件读取行号前缀、缩短任务工具提示词、批量送达后台完成结果。离线基准与在线实验显示平均成本下降约 2.3%–5%，无质量回归；强调应按完整任务而非单次工具调用评估效率。
推荐理由：GitHub Copilot 通过四项工程优化降低 AI 编码成本，读者可据此理解上下文压缩与提示精简的边界。
Skala 1.1 在 GMTKN55 上加权误差达 2.8 kcal/mol，在 55 个类别中 32 个达到最优，同时保持半局域泛函的计算效率。Skala 已登陆 CP2K，并正在集成至 Psi4、FHI-aims、ORCA 和 VASP；微软研究院同步推出持续更新的性能基准报告。
推荐理由：原文给出精度提升与多软件集成进展，读者可据此评估 Skala 在现有计算化学工作流中的可用性。
CARE-X是微软研究介绍的胸部X光统一视觉语言模型，结合生成式报告与结构化预测并通过DAPO奖励对齐学习优化临床正确性。该模型在ReXVQA基准达到94%准确率，并在印度Narayana Health临床数据上验证了罕见ICU病理检测效果。工具增强测量实验显示，Qwen3-VL-4B-Instruct结合确定性计算工具后，测量依赖条件的F1平均提升43.6个百分点。
推荐理由：CARE-X通过联合训练生成与判别能力，在统一模型中实现灵活报告生成与校准预测，为放射学人工智能提供了可迁移的多任务优化方法。
Microsoft Research 发布开源框架 Orchard，核心是 Orchard Env，一个基于 Kubernetes 的可复用环境服务，支持软件工程、网页导航和个人助理智能体的训练与评估。
推荐理由：开源框架 Orchard 把训练、评估与真实部署 harness 打通，让小参数模型也能在 SWE-bench 等基准接近前沿系统。
Microsoft Research 发布 Echoverse，包含 10 个深度领域世界和 2 个能力世界，通过数据库锚定的真实状态与可重置环境训练计算机使用智能体。
推荐理由：高保真合成环境与模型共同进化的闭环设计，为计算机使用智能体提供了可复现的训练与评估新路径。
微软在 Build 2026 发布 Foundry Managed Compute，Hugging Face 模型现可通过一键部署在 Azure 上运行。模型目录每周更新，仅包含 SafeTensors 格式的安全筛选模型，支持 vLLM、SGLang、TensorRT-LLM、NIM、TEI、llama.cpp 等运行时，并提供统一端点、Azure Monitor 指标和每部署计费标签。
推荐理由：Hugging Face 模型现可通过 Foundry Managed Compute 一键部署，微软承担了从运行时构建、安全扫描到 CVE 补丁的运维层，让企业能在自有租户中运行开源模型。