微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由生物世界模型和连接模型、科学工具、文献与实验的交互式 harness 组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，预测并优先排序数千种化合物，从缩小搜索空间到选出候选化合物仅用一个周末，湿实验验证中排名最高的化合物产生了最大的预期细胞状态转变。
推荐理由：微软研究院公开 Quine 的多模态生物世界模型与实验闭环，读者可了解 AI 参与药物发现的具体流程与验证结果。
xAI 的 Grok 4.7 已在 Amazon Bedrock 上线，提供 500K token 上下文窗口和 low、medium、high、xhigh 四档可配置推理强度，通过 bedrock-runtime 端点的跨区域推理配置文件提供服务，支持 Responses、Chat Completions 和 Converse API。
推荐理由：Grok 4.7 上线 Amazon Bedrock 的接入方式与四档推理强度配置，可供评估长任务智能体的成本与延迟取舍。
微软亚洲研究院新加坡（MSRA – Singapore）作为微软在东南亚的首个研究实验室，成立一年来围绕下一代 AI 模型与智能体系统、领域专用 AI、AI 原生研究实践、生态与人才培养四大方向推进工作。实验室与新加坡医疗生态伙伴合作探索多模态医疗 AI 与自演化诊断智能体，并联合 EDB 于 2026 年 2 月举办物流与运输 AI 高管圆桌会。
GitHub Copilot 应用中的 canvas 是一种可自定义的双向界面，用户通过 /create-canvas 技能用自然语言描述需求即可生成看板、发布清单或仪表盘等工具，无需编写代码。canvas 以扩展形式保存，可随项目共享或作为个人扩展复用，用户与智能体可同时操作并即时同步状态。Awesome Copilot 社区已提供发布说明、看板、issue 分诊等现成 canvas 扩展。
GitHub Copilot 提出 canvas 概念，即在 GitHub Copilot 应用内运行的小型全栈应用，无浏览器外壳，可与 agent 双向通信，也能调用第三方 API 并在本地执行代码。
GitHub Copilot 应用重建了 pull request 视图，用一个含 2,200 个文件、超百万行改动和 400 多条行内评论的开源 PR 做压力测试。它把文档高度拆成确定性的代码几何与动态评论块两套体系，评论高度改为惰性测量、修正锚定在用户当前浏览位置，避免滚动跳动。
微软研究院对移动机器人操作负载的系统性测量显示，把物理 AI 推理从机载 GPU 卸载到边缘或云端 GPU 可提升任务表现并延长续航。
推荐理由：微软对机器人推理负载的系统性测量显示，把推理从机载 GPU 卸载到边缘或云端可提升任务成功率与续航，并给出可复用的 Kubernetes 工具链。
微软研究院在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型融合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc，通过学习式集成对两者预测重排序，在盲测中化学家更偏好其单步反应预测。
GitHub 工程师 Stephen Toub 复盘用 GitHub Copilot 把 Copilot agent runtime 从 TypeScript 重写为超过 80 万行生产级 Rust 的过程，代码主要由 AI 智能体编写，横跨 128 个 PR 并增量上线，性能提升数个数量级。
推荐理由：GitHub 工程师复盘用 Copilot 把运行时从 TypeScript 迁到 Rust 的全过程，含多智能体协作与提示缓存数据。
GitHub 日本和韩国营销负责人用 GitHub Copilot 把活动运营流程自动化：以 GitHub Issue 为工作单元，用 Issue forms 收集活动信息、Labels 触发 GitHub Actions 工作流，活动从单个 Issue 自动搭建、每日筛选报名者并在结束后自动清理。
GitHub Copilot 应用内置 diff、终端和浏览器三个面板，让用户无需切换编辑器、终端和浏览器即可完成审查、运行和预览 AI 生成代码的完整流程。diff 面板以绿红高亮展示代码增删改，支持接受更改、留言或让 Copilot 修改；终端面板可直接运行项目命令并支持多窗口；浏览器面板的 Pick & Polish 工具可选中页面元素并让智能体调整。
GitHub 官方博客介绍如何在 GitHub Copilot app 中并行运行多个智能体会话：每个会话独立运行在自己的 Git worktree 上，互不干扰，各自保留上下文，可在 sessions view 中跟踪进度并随时切换。文中以 tailspin-toys 仓库为例，同时发起构建 funded sort 功能、无障碍审查和运行测试三个会话，并建议新手先从两个小任务开始尝试。
微软研究院推出 GigaPath-Flash 和 GigaTIME-Flash，以蒸馏自十亿参数 GigaPath 编码器的 22M 参数 ViT-S 骨干替代原模型，在 PANDA 前列腺分级和 EBRAINS 脑肿瘤分型基准上以约 50 倍更少算力达到原 GigaPath 3% 以内的性能。
微软研究院发布深度学习交换关联泛函 Skala 1.1，训练数据量为此前公开版本的 2.5 倍，在 GMTKN55 基准 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol。Skala 现已在 CP2K 中可用，并正集成进 Psi4、FHI-aims、ORCA 和 VASP，同时推出持续追踪各版本计算性能的 living benchmark。
微软研究院推出 MindTopo 基准，用于评估多模态大语言模型在连通性、封闭、顺序、分离和绳结五类拓扑关系上的推理与规划能力。测试显示，当前模型在静态图像识别上表现明显优于交互式规划任务，失败多发生在规划阶段而非感知阶段，图像与视频生成工具也难以在动作序列中稳定保持拓扑关系。
微软研究院发布研究模型 CARE-X，一个统一胸部 X 光视觉语言模型，同时支持报告生成与结构化预测，并用强化学习（DAPO）在多任务设置下奖励临床正确性。该模型在印度 Narayana Health 的真实临床数据上验证，覆盖罕见 ICU 病理与 CT 确认的增大类病变。
Microsoft Research 开源智能体框架 Orchard，核心是可复用的 Kubernetes 环境服务 Orchard Env，支持在 Codex、OpenClaw、ZeroClaw 等真实部署 harness 内直接训练智能体，并同步发布训练数据与评测方法。
推荐理由：原文给出三个领域的训练配方与具体分数，读者可据此评估小参数开源模型在真实任务上的能力边界。
Microsoft Research 发布 Echoverse，一套面向计算机使用智能体的深度可演化训练环境，包含十个深度领域世界和两个能力世界，并开源其中四个世界的代码、数据与数据库接地验证器。
推荐理由：原文用对照实验说明深度与多样性比环境数量更能带来迁移，可为构建计算机使用智能体训练环境提供方法参考。
Microsoft 在 Build 2026 宣布 Foundry Managed Compute，并推出 Hugging Face models on Foundry，把 Hugging Face 生态的开源权重模型以每周更新的精选目录形式提供，可一键部署到 Foundry Managed Compute。