今天的 AI 资讯简报继续采用“伯乐Skill / AI News Radar”的取法：优先查看官方 RSS、官方博客和公开可核验的一手来源，再挑出对开发者、企业治理和开源生态更有信号密度的更新。今天不追求堆满“爆料”，而是关注能影响实际工作流的变化。
1. Hugging Face 发布 LeRobot v0.6.0：开源机器人栈继续向评测与数据闭环推进
Hugging Face 博客发布 LeRobot v0.6.0，更新重点包括 world models、VLA 模型生态、reward models、数据集加载、基准评测 CLI，以及训练和推理改进。这个方向说明开源机器人正在从“能跑 demo”走向更完整的想象、评估、改进循环。
2. Hugging Face Kernels 重大更新：自定义算子与 agentic kernel development 更靠近生产工作流
Hugging Face 介绍 Kernels 的多项更新，包括新的 repository type、改进安全性、重做 CLI、扩大框架和后端覆盖，并为 agentic kernel development 打基础。对需要压榨推理和训练性能的团队来说，底层 kernel 的协作、发布和复用正在变得更产品化。
3. GitHub Copilot CLI 在 GitHub Actions 中简化了凭据使用
GitHub Changelog 显示，Copilot CLI 现在可以在 GitHub Actions 中使用平台内置的工作流凭据运行，不再需要单独创建和保存个人访问凭据。这个改动的信号很直接：AI 开发工具进入 CI/CD 后，凭据管理和最小权限会成为落地体验的一部分。
来源：GitHub Changelog：Copilot CLI in GitHub Actions
4. GitHub 将在 Copilot 体验中弃用部分 Gemini 模型：多模型平台需要稳定迁移机制
GitHub Changelog 公告称，将在 7 月 31 日弃用 Copilot 各体验中的 Gemini 2.5 Pro 与 Gemini 3 Flash。模型快速迭代是好事，但对企业和开发者来说，默认模型、兼容性、行为变化与迁移窗口同样重要。
5. OpenAI 发布 GeneBench-Pro：科学研究场景的评测继续细分
OpenAI 介绍 GeneBench-Pro，用复杂真实数据集测试 AI 在基因组学、生物学和科学研究任务中的表现。相比通用聊天能力，这类专业评测更关注模型是否能处理特定领域的推理、数据和决策问题，也更接近科研工作流的真实需求。
来源：OpenAI News
小结
今天最清晰的信号是：AI 工具正在向“更可接入真实流程”靠拢。机器人需要评测闭环，kernel 需要安全协作，Copilot 需要凭据治理和模型迁移机制，科学 AI 也需要更贴近领域任务的基准。真正影响生产力的，往往不是单个模型名，而是这些基础设施能否稳定进入每天的开发和研究流程。
