微软披露Lazarus后门：改写不到10个休眠神经元，智能体就会在触发时下载并运行攻击者代码
微软研究人员披露一种名为Lazarus的后门手法：不重新训练模型，只改写大语言模型中不到10个平时很少激活的休眠神经元，就能让基于该模型构建的AI智能体在触发条件出现时执行攻击者命令。触发条件可以平常到日期跨过某个时刻，模型在常规评测中表现正常，因此可靠检测需要把权重与原始版本做差异比对，模型来源与权重完整性由此成为关键。
CAS Connections接入Microsoft Copilot：化学家写实验报告时可直接核对CAS登记号与结构
美国化学会旗下美国化学文摘社（CAS）宣布，CAS Connections连接器已正式登陆Microsoft Copilot，让Copilot用户直接访问CAS内容合集和面向科学的AI智能体CAS Newton。此前，制药、生命科学和化学领域的研发人员需要在Copilot之外的专门工具中查找可信的科学信息。该连接器由CAS与微软联合开发，把CAS积累逾150年、经专家人工标引的科学知识嵌入撰写、分析和协作的日常工作流程，例如在Word中核对化合物的CAS登记号与化学结构，或在Teams中查询某物质是否已出现在专利文献中。
MongoDB Atlas 接入 Microsoft 365 Copilot：不用搬数据，也能在对话里查实时业务记录
MongoDB 推出面向 MongoDB Atlas 的联合 Copilot 连接器并已正式可用，用户可在 Microsoft 365 Copilot 中直接询问 Atlas 里的实时业务数据。此前这类问题要在业务应用里查，或依赖数据的静态副本。连接器通过 MongoDB 托管的远程 MCP 服务器按需查询 Atlas，不迁移、不建索引副本，查询以登录用户身份执行并沿用 Atlas 已有权限。
微软把Copilot拆成Home、Code与Autopilot：自然语言描述的应用可在租户内沙箱运行
微软为Copilot加入三项能力：Home把Chat与Cowork合并为统一入口，并内置Word、Excel、PowerPoint；Code让非开发者用自然语言描述应用、跟踪表或仪表盘，由Copilot选择实现方式并构建，运行在与GitHub Copilot同源技术的沙箱环境中，可托管在租户内；Autopilot（原Scout）是常驻、主动的个人智能体，拥有独立身份、记忆、计算机与工作区，可在Teams、Outlook等处以@提及方式调用。Home与Code将在未来数周通过Frontier计划开始推送，Autopilot于本月底扩展至私有预览。
微软MAI语音模型接入Vercel AI Gateway：一个接口调用，推理不加价
Vercel与微软AI（MAI）合作，把MAI的语音模型接入AI Gateway，使这一平台成为少数可直接调用MAI模型的渠道之一。接入的是三个音频模型：MAI-Voice-2.1用23种语言生成富有表现力的语音并在较长段落中保持同一说话人，MAI-Voice-2.1-Flash面向低延迟交互，MAI-Transcribe-2 Streaming在音频到达时返回部分转写。AI Gateway按模型标价计费，对推理不收平台费或加价。
微软发布VibeVoice-ASR-Streaming：语音还在输入，转写已按块给出说话人、时间与内容
微软发布VibeVoice-ASR-Streaming，把此前需要整段音频一次性处理的“谁说了什么”转写改为随语音到达持续输出。此前的VibeVoice-ASR面向60分钟长音频单次处理，在64K token长度内生成含说话人、时间戳与内容的结构化转写。新模型按块输出文本，并支持自定义热词与10种语言。
微软把Copilot的智能体外壳开放到Foundry：换模型不必换外壳，20多个前沿模型按任务路由
微软把GitHub工程团队构建、已在公司内部全面采用的Copilot外壳通过Microsoft Foundry对外开放，开发者可用托管方式构建能推理、调用工具并完成长时间任务的智能体。此前自建外壳或模型路由要自行跟进前沿模型并承担维护，如今可在同一外壳下接入20多个前沿模型并自带密钥，由平台按任务路由到合适模型。该外壳运行时已移植到Rust，微软称这带来会话开销与首token时间的下降，并已在数百万用户规模的产品面上运行。
数据库终态检查变成训练奖励：Qwen3.8-27B经50步GRPO，20次全对任务从38个升到107个
智能体常声称任务完成，数据库里却留下错误记录。ThinkingBox 把对数据库终态的确定性检查当作奖励，在基准之外的任务上训练 Qwen3.8-27B：50 步 GRPO 后，平均成功率从 51.70% 升到 60.78%，20 次尝试全部通过的任务从 38 个增至 107 个，而至少通过一次的任务从 453 个降到 446 个。训练池按基础策略的相对难度离线筛选，基准 507 个任务未参与训练。
两周到六周的天气预报不再靠掷骰子：后处理层把准确率翻倍，首次稳定超过气候平均
一个机器学习后处理层学习订正现有预报模式的误差，在两周到六周的次季节尺度上把黄金标准模式的预报准确率提高一倍，并首次稳定超过气候平均。
Azure Maia 300把每瓦有效token当目标：机架翻倍到96颗，系统算力提升36%
微软发布第三代自研推理加速器 Azure Maia 300，把软件、芯片、机架、网络与数据中心放在一起设计，目标是让每瓦和每美元产出更多可用 token。相比上一代，它把片上统一内存改为跨芯粒的局部性感知非统一内存，让软件把数据放在使用它的计算单元附近，并新增窄精度格式与硬件数据类型转换以减少每个 token 搬运的字节。系统层面，机架加速器数量翻倍到 96 颗，纵向扩展域扩大到 12288 颗的超级集群，多芯粒策略使系统计算浮点算力提升 36%，HBM 带宽增加 2.5 倍。