独立 AI 资讯库
从自动抓取数据库实时读取，适合快速浏览、检索和后续扩展成完整资讯站。
Dyna Robotics 推出的 Dyna-2 是一个使用超过 100 万小时人类视频预训练的世界动作模型，可通过预测未来画面来指导机器人行动。公司随后发布了基于 Dyna-2 的物理 Agent Dyna-2.1，称其能够可靠地自主执行超长时程的全身工作流程。Dyna 表示，其机器人连续 24 小时折叠餐厅餐巾的成功率达到 99.4%，学习新任务所需的示范数据最少可低至 45 分钟。访谈还讨论了机器人数据瓶颈、扩散 Transformer、流匹配、硬件选择和商业部署，对开发者理解通用机器人从模型训练走向实际应用具有参考价值。
AI 初创公司 Reflection 正式发布其首个从头训练的 MoE 开源大模型 Beam（总参数 501B、激活 23B），主打代码、Agent 与科研任务，开源权重基于 Apache 2.0 协议发布。在基准评测上该模型展现了高推理效率，但在综合能力上仍略逊于最新前沿模型；独立评测认为其架构更接近 DeepSeek V3 等竞争方案。与此同时，大模型订阅价值之争加剧，SemiAnalysis 指出 Claude 订阅的等效 API 价值大幅领先 OpenAI，而 OpenAI 则迅速通过提速与优化应对容量危机。此外，多测试框架强化学习、长程 Agent 状态持久化与上下文压缩验证等开发者基础设施与前沿研究也迎来了密集突破。
OpenAI 于 7 月 9 日发布面向知识工作的 Agent 产品 ChatGPT Work，并在三周内与 Codex 一同据称突破 1000 万用户。Work 将 ChatGPT 的上下文、记忆、项目和文件库，与 Codex 的模型、子 Agent、浏览器使用及长时间任务执行能力结合起来，并通过云端微型虚拟机运行。其跨任务连续性并不依赖 Agent 自由管理的一台长期计算机，而是由 ChatGPT 的 Personal Context、Library、Memory 和 Projects 等产品层能力统一协调。Work 已开始通过个性化任务建议和自动化功能探索主动式 AI，但目前仍需要用户确认执行，距离真正自主完成预测任务尚有一步之遥。
UC Berkeley 教授 Frank Coyle 在 AI Engineer World’s Fair 上重新向 AI 工程师介绍本体论，认为它可为具备概率性推理能力的 LLM Agent 提供确定性的逻辑护栏。Neo4j 则提出由业务本体、技术本体和执行轨迹组成的共享语义层，让轻量 Agent 能够在统一的数据与知识基础上规模化运行。本体论的结构化规则、知识图谱和 OWL 推理能力，可用于验证 Agent 推理、约束循环执行并降低偏航风险。尽管本体维护仍是难题，业界正探索让 Agent 在自身运行过程中持续更新本体，这或将推动语义 Web 技术在 AI 工程中的复兴。
AI 初创公司 Elorian 联合 Mercor 发布了全新评测基准 DecoyCount，用于测试视觉语言模型是真正具备物体计数能力，还是仅仅依赖视觉捷径与启发式猜测。评测论文显示，包括 GPT-6 Astra、Gemini、Claude 和 Qwen 等前沿模型在此项测试中准确率均低于 50%，暴露了当前通用推理与物理视觉推理之间的断层。Elorian 推出的视觉推理模型 Glimpse 则在内部测试中取得了 50.48% 的准确率，其核心逻辑在于将图像的生成与编辑作为推理链（Reasoning Trace）的一部分，为机器人、建筑合规审查和内容安全等现实场景决策提供了新范式。
Google DeepMind 在发布 Argon 仅两到三周后再度推出全新前沿模型 Gemini 4 Carbon，并在 Artificial Analysis 等多个第三方权威评测中超越 Opus 5.5 登顶综合智能榜首。该模型具备 1M 上下文及 1M 最大输出能力，在网络漏洞挖掘、利用与修复等任务上展现出强大实力，幻觉率低至 11%，目前首发仅通过 Fairwind 计划向受信任的网络防御者限量开放。此外，行业正迎来新一轮基准重构与 Agent 编排创新，GitHub 发布了运行时混合调度模型的 Copilot Fusion，而基于递归自我改进（RSI）与自动化 Agent 飞轮的研发模式正在大幅加快模型迭代周期。
第 37 届 Hot Chips 大会最受关注的消息是 OpenAI 公布自研推理芯片 Jalapeño：其在真实模型工作负载中声称较 NVIDIA GB200/GB300 实现 1.5–1.9 倍每瓦工作量、1.7–3.6 倍更低端到端延迟，并计划于年底部署到自身基础设施。报道还指出，Agent 的性能越来越取决于 Harness、记忆系统和评测工程，而非仅由底层模型决定；长周期软件工程任务的成功率仍然很低。与此同时，本地优先 Agent、端侧推理、检索基础设施及机器人数据平台均有新进展，显示 AI 竞争正从模型能力扩展至芯片、系统软件、数据与部署栈的协同优化。
Modal 近期宣布其年化经常性收入（ARR）突破 10 亿美元，并以 160 亿美元估值完成 7.5 亿美元 D 轮融资，累计启动了近 30 亿个沙箱环境。针对传统固定期限、固定 GPU 规模的「矩形」容量合同与实际波动工作负载不匹配的行业痛点，Modal 通过聚合数千家客户需求进行「期限转换」，提供真正弹性可用的细粒度算力切片。随着 Coding Agent、后台自主 Agent 和强化学习的爆发，原本险些被关停的沙箱产品已跃升为 Modal 约三分之一的营收来源，推动基础设施从“开发者体验（DX）”迈向“Agent 体验（AX）”。通过自研文件系统、进程 Checkpoint 及 GPU 显存快照等底层技术，Modal 为大模型与 Agent 时代的 Serverless 云计算架构提供了全新范式。
前摩根大通（JPMorgan）能源衍生品交易员、Moshi 创始人兼 CEO Anekha Sokhal 在 AI Engineer 纽约峰会上分享了她利用 AI 解决交易员信息过载的探索。Moshi 被形容为“Bloomberg、Claude 与 Netflix 的结合体”，能在数秒内处理海量多模态与时序市场数据，并通过图谱推荐系统为交易员实时关联二阶、三阶市场影响。针对当前企业对 AI 工程师提出“一人即团队”的过载压力，Anekha 强调必须深入理解真实业务工作流，先紧密接触客户再推进招聘。该实践为垂直领域大模型与推荐系统（RecSys）如何嵌入专业金融决策提供了极具价值的落地范式。
OpenAI 旗下「Patch the Planet」计划资助的安全研究机构 Calif 与安全公司 Wiz，分别借助 GPT-5.6 Sol 和 Gemini 4 Argon 独立发现了 PHP 核心引擎中两个严重的内存破坏高危漏洞（被命名为 PHP2Shell，编号 CVE-2026-109618 和 CVE-2026-109619），可导致主流 CMS（如 WordPress、Drupal）在未经身份验证的情况下遭受远程代码执行（RCE）攻击。多方联合开发者生态与政府机构展开了长达约两个月的秘密协调与修复，Cloudflare 也提前上线了应急 WAF 规则。该事件不仅证明了前沿 AI 模型在实战化防御与高危漏洞挖掘中的关键价值，也凸显了当下全网在应对 AI 加速的漏洞挖掘与补丁分发滞后之间的现实挑战。
Thinking Machines Lab 发布了其首个完全开源的基础模型 Inkling，这是一个 9750 亿参数的混合专家模型，每次推理激活 410 亿参数，支持文本、图像和音频输入，上下文窗口高达 100 万 token。该模型采用 Apache 2.0 许可，被社区认为是当前最强的美国开源模型，并在 Intelligence Index 和 Agentic Web App Arena 等基准中表现优异，虽仍落后于部分中国模型。其架构包含相对位置编码、短卷积层等创新，并获得了广泛的生态支持，为开发者提供了可定制且高效的多模态基础。
SpaceXAI（xAI）正式推出 Grok 4.5，一款专注编程与智能体的前沿模型，定位于单位成本能力而非绝对基准霸主地位。该模型在 Artificial Analysis 智能指数中排名第四，性能接近 Opus 与 GPT-5.5，但输出 token 减少超 60%，成本效益显著，定价为每百万输入 token 2 美元。Grok 4.5 与 Cursor 合作训练并被称为首个不止于软件工程的模型，已在 Grok Build、API 和 Cursor 等平台可用。这对开发者意味着编程代理工作流市场迎来兼具高性能与低成本的新选择，进一步加剧前沿模型的性价比竞争。
Anthropic 发布 Claude Haiku 5.5，这是约一年来首个 Haiku 档位更新，定价与 OpenAI 的 GPT-6 Luna 相同，并同步下调 Sonnet 5.5 缓存读取价格、向订阅用户提供 API 额度。Artificial Analysis 评测显示，Haiku 5.5 在最高 effort 下的 Intelligence Index 为 43，略高于 GPT-6 Luna 的 38，但其输出 token 用量约为 Luna 的 3 倍，实际成本优势仍需结合任务和上下文长度判断。该模型支持 effort settings、adaptive thinking 和 100 万 token 上下文，被定位为 Opus 5.5 或 Sonnet 5.5 驱动的 Agent 工作流中的低成本高吞吐子 Agent。Cursor、GitHub Copilot、Devin 等合作伙伴已在发布当天接入，显示小模型正成为多模型 Agent 系统中承担摘要、压缩、数据库查询和执行类任务的重要一层。
Google DeepMind 发布 Gemini 4 Argon，这是一款面向编程、企业知识工作和网络防御的前沿模型，但目前仅通过 Fairwind Program 向政府用户及受信任的网络防御者限量开放。Google 宣称该模型在 19 项已公布基准中的 13 项位居第一，并通过 Long Decode Continuation API 实现最高 100 万 Token 的输出长度。独立评测显示，Argon 在自动化、编程、企业任务和幻觉率等指标上表现突出，但部分已公布成绩及评测方法也受到质疑。与此同时，OpenAI 的 GPT-6.1 Sol、嵌入模型、图像与视频模型、Agent 系统、推理基础设施和安全评测领域均有新进展。
本期播客深入探讨了近期发布的 3 万亿参数大模型 Kimi K3.1 Pro，其在基准测试中表现亮眼但也伴随争议。讨论重点剖析了 Kimi 团队在开源权重策略中主动弱化进攻性网络安全能力的决策，以及当前闭源与开源模型在长程网络攻防能力上的现实差距。同时，对话还触及了全行业在漏洞挖掘激增下的安全生态应对，以及巨型模型落地部署面临的硬件门槛与成本挑战。
模型训练能力并未如预期般快速向少数实验室集中，反而有越来越多公司投入数亿美元乃至数十亿美元训练强模型，并选择开放发布。Thinking Machines、腾讯、Poolside、DeepSeek、Moonshot AI 等机构近期集中推出多款 MoE 模型，覆盖从小型高效模型到万亿参数级模型。此次发布中，Apache 2.0、OpenMDW 及带有商业分成要求的许可证并存，显示开放模型的商业化和合规路径正在分化。对开发者而言，更多高性能开放权重模型、训练阶段检查点和评估轨迹正在提升微调、部署与研究的可选择性，但许可条款及地缘政治风险也需纳入实际使用决策。
OpenAI 宣布，在 Cursor 被 SpaceX 收购后终止双方合作，并计划于 2026 年 11 月 12 日结束 Cursor 对 OpenAI 模型的直接访问。OpenAI 将原因归结为其与 Elon Musk 旗下公司之间曾发生的合同违约经历；这一决定也延续了双方领导层多年的公开冲突。Cursor 表示，OpenAI 模型目前仅占其用户流量约 5%，并称仍在与 OpenAI 沟通解决方案。事件表明，随着 GPT、Claude、Grok 等编码模型竞争加剧，模型供应、Agent 运行时和开发者工具之间的合作关系正日益受到企业并购与战略对抗的影响。
知名 AI 专家 Sebastian Raschka 推出全新配套视频课程《从零开始构建推理模型》，提供超过 11 小时的高质量代码实战教学。课程以 Qwen3 0.6B 为基座模型，使用 Python 和 PyTorch 完整实现了模型评估、推理时扩展（Inference-time Scaling）以及基于可验证奖励的强化学习（RLVR，包括简化版 GRPO）等核心技术。该系列将推理模型定位为现代 AI Agent 系统的核心“引擎”，为开发者深入理解并掌握当代前沿 LLM 的后训练与推理机制提供了极具参考价值的实战指南。
月之暗面（Moonshot）正式推出 Kimi K3.1 Pro，该模型采用 MoE 架构，拥有 2.8 万亿总参数与 1040 亿激活参数，支持 100 万 token 上下文，并承诺于 2026 年 11 月 4 日前开放权重。在 Artificial Analysis 综合智能榜单上，K3.1 Pro 取得 55 分位列第四，显著增强了 Agent 任务与网络安全评估表现，将顶级开源权重与闭源前沿的差距缩减至 3 分。此外，Moonshot 同步推出了速度提升 2–3 倍的 Highspeed API 以及支持 24/7 全天候运行的 Kimi Hosted Agents 环境。对于开发者和行业而言，该模型展现了强化学习后训练的大幅收益，同时也引发了对万亿级参数模型部署成本与实际推理经济性的讨论。
文章认为，2025 年末智能体能力的明显跃升，并非仅由模型权重进步带来，而是模型与 Agent Harness（智能体支架）协同演化、能力曲线在关键时点交叉的结果。作者将这一过程分为 ReAct、AutoGPT/BabyAGI、Cursor/Copilot 和 Claude Code 等阶段，并指出 Claude Code 抓住了模型可靠性足以支持更高自主权的窗口。基准测试显示，在模型不变的情况下，不同 Harness 可带来 23.8 分的性能差距；OpenAI 也通过保留推理与压缩机制，将 GPT-5.6 Sol 的 ARC-AGI-3 成绩从 13.3% 提升至 38.3%。随着模型通过强化学习逐步吸收工具调用、上下文压缩等 Harness 能力，未来 Harness 的重点将从服务模型转向管理人类注意力，包括权限、信任、审批与中断策略。
本文详细介绍了推理模型如何通过强化学习与可验证奖励（RLVR）训练获得不同努力程度的推理模式，并以 DeepSeek-R1、GPT-5.6 和 Qwen3 等模型为例说明低、中、高努力推理的技术实现。文章指出推理模式主要依靠训练缩放和推理缩放两种途径提升性能，而 `<think>` 令牌主要用于标记而非提升推理能力。对开发者而言，掌握多级推理努力控制方法有助于在计算资源与任务难度之间进行弹性平衡，并为构建可切换推理模式的混合模型提供了实践参考。
Astro 创始人 Fred Schott 发布 Flue 2 的首个稳定版本，将 React 风格的“Agent Hooks”作为框架核心，使 Agent 能在每轮模型调用前重新渲染，并动态管理状态、工具、技能与子 Agent。Flue 2 内置 16 个 Hooks，包括 `useSkill()`、`useTool()` 和 `useSubagent()`，Schott 认为这种组合式模型更适合构建需要随对话和工作流实时适应的支持、分诊等真实 Agent。Flue 建立在开源极简 Harness Pi 之上，并坚持“没有 Harness 就没有 Agent”的定义；其主要竞争对象是同样内置 Harness 的 Vercel eve。尽管能利用 Cloudflare 的基础设施，Schott 强调 Flue 是面向所有托管平台的开源框架，并将主机可移植性视为核心原则。
除 DeepSeek V4-Flash 0731 外，这一天整体较为平静。DeepSeek 通过后训练将 V4-Flash 的 Agent 能力显著提升，并以低价 API 和 MIT 开源权重重新进入开源模型竞争前沿。文章还讨论了开放与封闭模型的价格竞争、AI 实验沙箱安全事故，以及 Agent harness、评测基础设施和多模态产品的持续演进。
本文批评 Anthropic CEO Dario Amodei 在“放缓前沿 AI”议题上提出的中国相关变体：一方面主张控制前沿 AI 风险，另一方面要求尽可能扩大美国相对中国的 AI 领先优势。作者质疑其核心前提，包括美国实验室放缓研发会让中国反超、未来 3—5 年将成为 AI 地缘政治影响最关键窗口，以及美中 AI 安全合作应主要依赖高层正式协议。文章认为，AI 领导力更应被理解为长期的通用技术扩散与产业采用能力，并主张通过技术交流、实验室合作和国际行业协会推进更务实的 AI 安全合作。对开发者和行业而言，文章强调出口管制、模型蒸馏争议与跨境安全协作之间存在复杂的逻辑和长期政策权衡。
The global implications on the AI ecosystem.
Anthropic 在 2026 年 4 月发布的 Claude Code 中秘密加入了识别中国用户的代码，被曝光后解释为防止模型蒸馏并宣布回滚。随后阿里巴巴内部要求员工卸载所有 Claude 软件，知乎上相关讨论浏览量达 160 万次。有观点预测中国主流科技公司将纷纷禁用 Claude Code，转向通义灵码等国产工具，但实际执行并不统一。中国国家信息安全漏洞库建议用户升级至已移除相关代码的安全版本，显示开发者仍不愿放弃 Claude Code，其在中国的前景仍不明朗。
据报道，Stripe 将以 70 亿美元收购模型路由平台 OpenRouter；这距离其 13 亿美元 B 轮融资仅约 90 天。OpenRouter 此前的年化收入约为 1.4 亿美元，年化服务成本约 4000 万美元，对应约 1 亿美元年化毛利润和约 70% 的毛利率。该平台每月促成约 250 万亿个 AI Token 的模型使用量，开发者用户规模约 800 万。交易凸显了模型聚合、路由 API 与分发层的战略价值，同时也意味着该领域将面临更激烈的价格竞争和利润率压力。
Anthropic 在 AI Engineer New York 2026 上介绍了 Claude Managed Agents 的新功能“动态工作流”（flows），让 Claude 自行规划多 Agent 拓扑、启动子 Agent、汇总结果并管理信息流。该机制旨在将复杂任务拆分为可验证的工作单元，减少开发者手动配置协调器和子 Agent 名单的负担。Anthropic 表示，开发者仍可预先注入专业子 Agent，并通过 Claude Console 的图谱功能查看 Agent 间的上下文传递。动态工作流的成本高于单 Agent 方案，但在覆盖细节方面更有效；开发者可通过预算上限、评估（evals）、dreaming 和记忆优化等方式控制成本与提升长期效率。
本期聚焦 Moonshot AI 的 Kimi K3，解释了为何即使模型权重开放且可免费获取，个人用户也几乎无法自行部署。仅加载 K3 就至少需要 16 张 H200 GPU，官方推荐的 64 卡超节点总成本约 1700 万元人民币，家庭供电条件也无法支撑其满负载运行。K3 的技术定位是在成本效率前沿追赶 Claude Fable 5 与 GPT-5.6 Sol，但其网络安全能力评估明显落后于最新前沿模型。文章还关注中国 AI 短剧的爆发、美国国土安全部针对国际学生的新规，以及 Jeff Ding 的中文 AI 观察译文。
本期 AINews 聚焦即将举行的 AIE CODE 峰会及其三大年度核心议题：高质量扩展（Scaling without Slop）、System One 智能软件模型以及重构复杂软件的野心。同时，Mistral 正式发布旗舰开源权重模型 Mistral Large 4（“Le Chonk”），拥有 1.05T 总参数与 52B 激活参数，并快速获得 vLLM、Unsloth 等生态 Day-0 适配。此外，OpenAI 建立起全天候前沿强化学习与 Agent 安全监控系统，开源模型自主挖掘补丁间隙漏洞及 Claude Code 插件供应链攻击等事件进一步凸显了 Agent 时代网络安全的严峻挑战。