SubQ 宣称速度达 FlashAttention 56 倍，但公开证据仍不足
迈阿密 AI 初创公司 Subquadratic 上月从隐身模式浮出，声称解决了困扰 LLM 近十年的"二次注意力瓶颈"。6 月 19 日，公司通过 MIT Technology Review 披露了第三方评测机构 Appen 的独立测试结果：SubQ 在 LiveCodeBench 编程测试中得分 89.7%，与顶级模型持平；速度测试中比 FlashAttention 快 56 倍；12M Token 上下文窗口下，"大海捞针"测试得分 98%。公司声称运行 RULER 128 基准仅花费 $8，而 Anthropic Opus 4.6 需要 $2600。
- 但争议远未结束。SubQ 复用了开源模型 Qwen 的权重进行 bootstrapping，而非从零训练。独立研究员 Will Depue 的评论一针见血："他们可能构建了一些真实有用的东西，但公开证据尚不足以支撑'他们解决了二次注意力瓶颈'这一更强的主张。"关键问题是：Subquadratic 尚未广泛开放访问，数万用户在等待名单上。如果它所声称的成本优势属实，这将是自 Transformer 以来最重要的架构突破；如果不是，就是 AI 时代的 Theranos。
MIT Technology Reviewhttps://www.technologyreview.com/2026/06/19/1139313/a-startup-claims-it-broke-through-a-bottleneck-thats-holding-back-llms/
Project Fetch 二期：Claude 加速机器狗编程，实验仍有人类审批
Anthropic 于 6 月 18 日发布 Project Fetch 第二阶段结果。Claude Opus 4.7 在研究员输入初始提示并审批命令的条件下，完成连接摄像头、激光雷达、编写控制程序和检测沙滩球等任务；四项共同任务平均耗时 9 分 35 秒，而此前最快人类团队为 181 分钟。Opus 4.7 仅用 1,045 行代码即完成任务，不到人类团队（10,309 行）的十分之一。
- 值得划线的一句：Anthropic 写道："这些进步并非针对机器人能力的定向优化结果，而是通用扩展的自然涌现。"这与我们在编程和网络安全领域看到的模式一致：先辅助人类，再由人类提供有限监督，模型逐步承担更多执行工作。物理世界 Agent 的时代正在从"科幻"进入"早期阶段"。
Anthropichttps://www.anthropic.com/research/project-fetch-phase-two
DeusData/codebase-memory-mcp
https://github.com/DeusData/codebase-memory-mcp
高性能代码智能 MCP 服务器。将代码库索引为持久化知识图谱，支持 158 种语言，亚毫秒级查询，减少 99% Token 消耗。单静态二进制文件，零依赖。对于需要让 AI 理解大型代码库的开发者来说，这比每次塞入全部上下文高效得多。
zai-org/GLM-5（华人团队）
https://github.com/zai-org/GLM-5
智谱 AI 的 GLM-5 系列开源仓库，定位"从 Vibe Coding 到 Agentic Engineering"。GLM-5.2 刚刚登顶 Artificial Analysis 开源模型排行榜，在 Agent 评测 AA-Briefcase 上超越 GPT-5.5。
Claude Code Artifacts
6 月 19 日榜单第 1 名。实时预览并分享 Claude Code 正在生成的应用。
Zernio WhatsApp API
6 月 19 日榜单第 2 名。统一处理 WhatsApp 消息、通话与 AI Agent。
Midjourney Scanner
6 月 19 日榜单第 3 名。利用超声波进行约一分钟的全身扫描。