夜雨聆风07月01日 AI 新闻与开源项目整理。
新闻 1
英文标题：Start building with Nano Banana 2 Lite and Gemini Omni Flash
中文标题：Google 发布更快、更便宜的图片模型 Nano Banana 2 Lite，并推出视频模型 Gemini Omni Flash
主要内容：Google 发布了两个面向生成式媒体的新模型。Nano Banana 2 Lite 是 Gemini Image 系列中更快、更省成本的图片生成和编辑模型，主打快速出图、低延迟和低成本，适合开发者流水线、广告素材测试、产品原型图和实时视觉应用。Google 在介绍中强调，虽然这个版本更轻量，但仍保留了几个关键能力：更稳定地遵循提示词、保持人物或角色一致性、处理图中文字，并支持较精确的图像编辑。
Gemini Omni Flash 则侧重视频生成和对话式视频编辑。Google 的思路不是只让用户生成单张图片，而是把图片生成、视频生成、多轮修改串成完整的多媒体创作流程。简单说，Nano Banana 2 Lite 负责更快更便宜地生成和修改图片，Gemini Omni Flash 负责把视频生成和视频编辑做得更连续。对开发者来说，这意味着可以把图片、视频、编辑和迭代放进同一个产品体验里，而不是分别接入多个割裂工具。
来源：Google Blog
新闻 2
英文标题：DeepSeek open sources DSpark, a new framework to speed up LLM inference by up to 85%
中文标题：DeepSeek 开源 DSpark，用“提前预测再校验”的方式加速大模型输出
主要内容：DeepSeek 开源了 DSpark，这是一个用于加速大语言模型推理的框架，报道中称最高可让推理速度提升约 85%。它解决的是一个很实际的问题：大模型生成回答时通常是一个 token 接一个 token 地往外吐，长回答、代码生成和 Agent 任务都会因此变慢。DSpark 的做法可以理解成给主模型配一个“探路员”：先由较小或辅助模块预测接下来可能生成的一段内容，再让主模型快速检查哪些预测是正确的。预测命中时，主模型就能一次接受更多 token，输出速度自然变快；预测不准时，系统也会尽量减少无效校验带来的损耗。
这次开源不只是发布一篇论文，DeepSeek 还放出了模型检查点和 DeepSpec 代码库，采用 MIT 许可。它目前应用在 DeepSeek-V4-Flash 和 DeepSeek-V4-Pro 上，也覆盖 Qwen、Gemma 等其他开源模型家族的测试。对实际应用来说，DSpark 不是普通 API 用户点一下开关就能用的功能，而是更适合掌握模型权重和推理服务栈的团队使用：如果企业自己部署开源模型，就可以研究如何把这种投机解码方法接到自己的聊天机器人、代码助手、Agent 系统或企业内部 AI 服务里。
来源：VentureBeat
新闻 3
英文标题：DeepSeek to launch V4 in mid-July with new peak-time API pricing
中文标题：DeepSeek V4 正式版计划 7 月中旬发布，并引入峰谷 API 定价
主要内容：TechNode 报道称，DeepSeek V4 正式版计划在 7 月中旬发布。相比预览版，正式版会继续增强能力，并且全系列默认支持 100 万 token 上下文窗口。报道提到，DeepSeek V4 会重点提升 Agent 任务执行、数学推理和代码生成能力。这几个方向都和当前大模型应用的核心需求有关：长上下文用于处理大型项目和长文档，Agent 能力用于执行多步骤任务，数学和代码则是模型能否可靠完成复杂工作的关键指标。
DeepSeek 同时宣布新的 API 定价方式：正式版上线后，将第一次引入峰谷价格。每天 9:00—12:00 和 14:00—18:00 为高峰时段，高峰 API 价格是低峰时段的两倍。这说明模型厂商开始更精细地管理算力成本和请求高峰，而不是只给一个固定单价。对开发者来说，如果应用不是强实时业务，就可以把批处理、离线分析、自动总结等任务放到低峰时段，降低模型调用成本。
来源：TechNode
新闻 4
英文标题：We Scanned 34,266 Repos. 1 in 4 Orgs Showed Gaps In AI Agent Config Files
中文标题：Codacy 扫描 34,266 个仓库，发现许多团队没有认真管理 AI Agent 配置文件
主要内容：Codacy 扫描了 34,266 个代码仓库，关注的不是普通代码漏洞，而是 AI 编程 Agent 的配置文件，例如 CLAUDE.md、.cursorrules、copilot-instructions.md 和 AGENTS.md。现在越来越多团队用 Claude Code、Cursor、GitHub Copilot 等工具写代码，而这些配置文件会告诉 Agent 应该遵守什么编码规范、哪些目录不能碰、遇到错误怎么处理、可以运行哪些命令。Codacy 的结论是，很多团队还把这些文件当成“随手写的说明文档”，但实际上它们已经在影响 Agent 的执行行为，应该像生产代码一样被审查和治理。
扫描结果显示，常见问题包括指令模糊、失败时没有明确处理方式、存在安全风险，甚至可能出现硬编码密钥或过宽权限。文章指出，人类读文档时会自己判断上下文，但 Agent 会直接按文本行动：如果配置里写得含糊、互相矛盾或泄露敏感信息，Agent 可能把问题放大到每一次代码修改、命令执行和数据访问里。这篇文章实际上提醒团队：AI Agent 配置文件已经从提示词变成了工程系统的一部分，需要版本管理、审查、静态扫描和安全规则。
来源：Codacy Blog
新闻 5
英文标题：U.S. lifts ban on Anthropic’s powerful Fable 5 AI model
中文标题：美国放宽 Anthropic Fable 5 限制，前沿模型发布继续受到监管影响
主要内容：多家媒体报道，美国方面解除或放宽了对 Anthropic Fable 5 模型的访问限制。此前 Fable、Mythos 等高能力模型受到更严格管控，主要争议集中在先进模型的网络安全能力、潜在滥用风险、出口限制以及政府审查边界。相关报道也提到 Anthropic 新的 Claude Sonnet 5 在代码能力和安全能力上有升级。
这件事说明，前沿模型现在不只是“公司发布一个更强模型”这么简单，还会牵涉到政府是否允许开放、企业客户能否访问、哪些能力需要额外限制等问题。对于依赖 Claude 系列模型的企业和开发者来说，模型能力、可用性和政策稳定性会一起影响产品规划。
来源：NBC News
GitHub 开源项目
项目 1：alibaba/open-code-review
英文标题：alibaba/open-code-review：AI-powered code review CLI tool from Alibaba
中文标题：alibaba/open-code-review：阿里开源的企业级 AI 代码审查工具
主要内容：open-code-review 是阿里开源的 AI 代码审查 CLI 工具，原本来自阿里内部的官方 AI 代码审查助手。README 里提到，这套工具过去两年服务过大量开发者，并识别过大量代码缺陷，现在被整理成开源项目。它的工作方式不是简单把 git diff 丢给大模型，而是读取代码变更，把相关文件交给一个具备工具调用能力的 LLM Agent，由 Agent 搜索代码库、读取完整文件、查看其他变更上下文，然后生成结构化、精确到代码行的审查意见。
这个项目适合放进真实研发流程里做 Pull Request 审查。它既能检查 diff，也可以用 ocr scan 审查整个文件或目录，用来熟悉陌生代码库、审计遗留模块，或者在没有明确 diff 的情况下做质量检查。它的价值不只是“让 AI 帮忙看代码”，而是把代码审查变成一个可配置、可接入 CI、可输出行级评论的工具。
来源：GitHub
项目 2：omnigent-ai/omnigent
英文标题：omnigent-ai/omnigent：The open-source meta-harness for all your AI agents
中文标题：omnigent-ai/omnigent：统一调度 Claude Code、Codex、Cursor 等工具的 Agent 编排层
主要内容：Omnigent 是一个开源 meta-harness，也就是给多个 AI Agent 工具套上一层统一编排。它支持把 Claude Code、Codex、Cursor、OpenCode、Hermes、Pi 以及自定义 Agent 放到同一个工作流里。README 里强调的核心能力是“换工具不重写流程”：团队可以在不同 Agent 之间切换或组合，让一个 Agent 写代码、另一个 Agent 审查，也可以把任务拆给多个 Agent 并行处理。
它还关注治理和协作：可以加策略限制，让高风险操作先暂停等待批准；可以设置沙箱，让 Agent 在云端或隔离环境中运行；也可以把会话从终端延续到浏览器、手机或桌面 App。这个项目适合那些已经在用多个 AI 编程工具、但缺少统一入口、权限控制和协作机制的团队。
来源：GitHub
项目 3：tigicion/dao-code
英文标题：tigicion/dao-code：A terminal coding agent built around DeepSeek V4 cost and cache pricing
中文标题：tigicion/dao-code：围绕 DeepSeek V4 成本优势设计的终端编程 Agent
主要内容：dao-code 是一个终端原生的 AI 编程助手，命令名是 dao。它能在终端里读代码、写代码、运行命令、修 bug，并在执行过程中展示推理和工具调用。这个项目的重点不是复刻 Claude Code 的界面，而是围绕 DeepSeek V4 的长上下文、低价格和缓存机制重新设计 Agent 工作流。README 里反复强调成本：Dao Code 通过保持系统前缀、工具表和记忆内容的字节稳定，让 DeepSeek 的 prefix cache 命中率不断提高，从而把跨会话记忆和自我反思层的额外 token 成本压得很低。
它还提供项目记忆、反思层、自我校验、Skills、MCP、Hooks 和 Claude Code 配置兼容。换句话说，dao-code 面向的是想用 DeepSeek 做低成本编程 Agent 的开发者：既要能在终端里自动改代码、跑测试、修问题，又希望长上下文和多轮记忆不会把调用费用推得太高。对国内开发者来说，它还强调 DeepSeek 注册和访问门槛更低，适合需要本地化、可控成本和开源方案的使用场景。
来源：GitHub
