OpenAI 手机传闻：Agent 要抢“任务入口”
多家媒体跟进分析师郭明錤的供应链消息：OpenAI 可能与联发科、高通、立讯精密合作开发 AI 手机，目标在 2028 年量产。
- 这仍是供应链与分析师口径，OpenAI 尚未正式确认，应按高价值传闻处理。
- 产品方向的重点会从“又一台手机”转向 Agent 直接承接任务，App 层级被进一步弱化。
- 若 2028 年量产，核心规格和供应链窗口会在 2026 年底到 2027 年初逐步锁定。
建议把“家庭任务 API”作为产品和平台共同语言：哪些任务可自动执行、哪些需要确认、哪些必须留在本地边缘侧处理。入口变化会很热闹，真正难的是把家里的动作做得可靠。
GitHub Copilot 计费调整：研发 AI 从订阅费走向算力账
GitHub 官方确认 Copilot 将在 2026 年 6 月 1 日转向使用量计费，按输入、输出和缓存 token 消耗 GitHub AI Credits。
这条新闻的确定性最高：GitHub Docs 和 GitHub Blog 都已经公布新计费方式。年度订阅用户的模型倍率也会变化，例如 Claude Opus 4.7 从 7.5 调整到 27。它说明 Agentic coding 的真实成本开始显性化，长任务、多轮上下文、自动代码审查都不再适合用“固定月费无限用”的心智管理。
对研发团队来说，AI 编程工具会从“个人效率工具采购”变成“研发算力预算管理”。谁能把上下文、模型选择、任务拆分、缓存和代码审查流程设计好，谁就能在同样预算下获得更多产出。
- 为 Coding Agent 建立用量看板：按团队、仓库、任务类型追踪 token 和结果质量。
- 把简单补全、复杂重构、代码审查、测试生成分层，避免所有任务都调用最贵模型。
- 内部评估开源模型和私有工具链时，不只看回答质量，也要看单位任务成本和安全边界。
小米 MiMo-V2.5：开源长上下文把企业部署门槛继续往下压
小米 MiMo 团队在 Hugging Face 发布 MiMo-V2.5-Pro，模型卡显示其为 1.02T 总参数、42B 激活参数、1M 上下文的 MoE 模型，采用 MIT License。
- 1M token 上下文正在从少数闭源能力变成可部署的开源选项。
- MoE 的 42B 激活参数让长任务推理成本更容易被企业接受。
- MIT License 对商业使用更友好，利于企业做私有化、微调和二次集成。
MiMo 这类模型的价值，更适合落在内部知识和设备数据场景。售后工单、安装手册、设备日志、产品规格、渠道话术和研发文档都天然是长上下文材料。开源长上下文模型成熟后，私有知识助手、测试分析助手、售后辅助助手的部署成本会继续下降。
需要保持清醒的是：长上下文不等于天然可靠。设备控制、安防和能源场景必须搭配权限、审计、工具白名单和评测集。模型能读更多，只是把系统设计的上限抬高了。
GStack Browser：Agent 开发进入“可见调试”阶段
Garry Tan 开源的 gstack 把 Claude Code 的角色技能、浏览器连接、QA 和发布流程做成工具包，其中 Browser 设计让 Agent 能看见真实 Chrome 页面并操作调试。
这类工具的价值不在“又多了一组 slash command”，而在把 Agent 从黑盒文本协作拉进真实软件环境。浏览器截图、页面元素定位、表单填写、CSS 检查、QA 回归和多角色评审一旦连起来，Agent 才更接近一个能被管理的工程同事。
短期最实用的场景，是前端页面验收、后台流程测试、渠道页面巡检、知识库和表单自动化。它也提醒我们：Agent 落地的瓶颈常常不在模型聪明程度，而在工具权限、浏览器状态、登录态、截图反馈和回滚机制是否完整。
- 内部 AI 工具要优先建设可观察、可暂停、可回放的执行环境。
- 让 Agent 真正“看见”业务系统，比继续堆提示词更能提升稳定性。
- 浏览器自动化涉及账号、验证码和客户数据，必须把权限隔离和日志审计放在第一层设计。
科技裁员与 AI 归因：组织效率会被重新审计
“Q1 科技业裁员近 8 万、近半归因 AI”的说法有媒体报道，但归因并不完全稳固；更稳妥的判断是，AI 投资正在迫使企业重新计算岗位、流程和资本开支。
AP 和 Axios 对 Meta 裁员的报道已经把“AI 基础设施投入、AI 人才招聘、效率重组”放在同一张桌上；Tom's Hardware 引用 Nikkei Asia 口径提到 Q1 科技业裁员 78,557 人，其中 47.9% 与 AI 和工作流自动化相关，同时也引用专家提醒：企业可能存在把原本会发生的裁员包装成 AI 转型的情况。
因此这条线更适合当作管理信号，少一点恐慌，多一点流程盘点。未来团队会越来越频繁地被问：哪些岗位被 AI 放大，哪些流程被自动化，哪些工作仍必须由人负责验收、关系管理和异常处理。
- 先梳理流程，不要先谈替代：销售、售后、安装、客服、研发和供应链各自的 AI 价值点不同。
- 把岗位能力拆成任务清单，评估哪些适合 AI 起草、检索、校验、监控，哪些必须保留人工判断。
- AI 转型要配套培训和验收标准，否则效率口号会变成流程风险。
今日结论：AI 正在从“功能增强”进入“入口重构”和“成本重算”。硬件入口要能承接真实家庭任务，研发工具要管理 token 成本，开源模型降低私有部署门槛，Agent 开发需要可视化执行环境，组织也要把岗位变化讲清楚。下一步最务实的动作，是把设备能力、内部知识和工程流程整理成可被 Agent 安全调用、可被人类审计的系统。