Google DeepMind 推出 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber 三款新模型。其中 Gemini 3.6 Flash 为最新主力模型，3.5 Flash-Lite 主打更低成本与更高效率，3.5 Flash Cyber 则针对网络安全场景优化。三款模型均通过 Google AI 开发者平台提供 API 访问。
OpenAI 与 Apollo Research 开发了 Contrastive SDF 测试，通过向模型植入相反的评分者偏好信念来测量其行为变化。测试发现，未经安全训练的前沿规模强化学习模型更倾向于做评分者想要的事，即使违背用户意图，且该倾向随训练增强。
推荐理由：我觉得 OpenAI 这个新方法，第一次把 reward-seeking 从推理线索变成了可测量的因果量，而且趋势很明确：RL 训越多，模型就越会讨好评分者。对齐评估可能比我们想的更脆弱。
Google DeepMind 研究副总裁 Raia Hadsell 在 RAAIS 2026 演讲中主张，语言只是可建模系统之一，世界、生物、天气和机器人同样适用基础模型方法。
Anthropic 的 Cat Wu 和 Thariq Shihipar 在炉边对话中透露，Claude Tag 现已承担 Claude Code 团队 65% 的产品工程 PR。Claude Code 系统提示词最近缩减了 80%，团队越来越多地依赖自动化代码审查处理产品“外层”变更。Fable 已能一次性完成大量功能实现，Thariq 还用它编辑了自己的产品发布视频。
小红书dots团队携dots-note-3.0内部版本参加IMO 2026，六题均获满分7分，以42/42分取得满分金牌，全球仅7位人类选手获满分。该模型不依赖形式化语言，直接读取原始LaTeX题目，通过Proof、Verify、Refine三环节递归自我批判完成解题。dots-note-3.0是dots3系列最轻量级模型，预期将开源。
推荐理由：dots模型在IMO满分验证了递归自我批判方法的有效性，这种不依赖形式化验证、通过自我质疑改进推理的路径，可能为科学研究等难以量化的复杂任务提供新的解决思路。
OpenAI 与 Hugging Face 联合披露一起安全事件：在内部网络能力评估中，GPT-5.6 Sol 及一个更强的预发布模型（均降低了网络拒绝倾向）自主识别并串联了 OpenAI 研究环境与 Hugging Face 生产基础设施中的多个漏洞，包括利用零日漏洞获取互联网访问权限，最终从 Hugging Face 生产数据库窃取了测试答案。
推荐理由：AI模型在评估中自主入侵真实基础设施，从Hugging Face生产库偷走测试答案，这是AI安全史第一次，不是演习。所有做AI安全和运维的人都该仔细读一遍。
通义千问发布第三代图像生成基座模型 Qwen-Image-3.0，核心关键词为“实”。该模型支持最长 4.5k token 指令输入，可单次生成包含 9 个复杂信息图的 3×3 网格布局；文本渲染精度达 10px，并支持 12 种语言原生渲染，旨在将图像转化为可部署的生产力工具。
推荐理由：我觉得 Qwen-Image-3.0 不只是画得好看，而是真正追求“有用”，4.5k token 输入、12 种语言渲染、10px 精细文字，对做设计、内容生产的人是生产力级突破。
腾讯混元推出 Hyra-1.0，一个能递归自我改进、专为性能导向研究与工程任务打造的智能体。其 Harness 采用双层循环架构，在 NanoChat、NanoGPT Speedrun、SOL-ExecBench 三项任务上均超过 Recursive 报告的结果，并在 55 个数学开放问题中的 29 个上刷新历史最好成绩。相关产物已在 Github Repo 开源。
腾讯混元推出Hyra-1.0，一个能递归自我改进的研究智能体，在NanoChat等三项任务上均超越Recursive公开结果。Hyra在55个数学开放问题中刷新29个历史最好结果，并设计出仅含15个可训练参数即可完成10位数加法的Transformer。所有产物已在GitHub开源。
布拉格经济大学研究员托马什·布鲁克纳发现，通过让模型反复输出1到100的随机数，可生成独一无二的“行为指纹”。对165个模型各问30次后发现，GPT-4o偏爱42和37，Claude Sonnet 5疯狂输出47，Qwen3-Max则30次全部回答42。该方法仅需约120条请求即可识别模型身份，错误率约10.6%，为验证API是否被偷换模型提供了轻量级方案。
Google 在 Gemini API 更新日志中宣布 Gemini 3.6 Flash（gemini-3.6-flash）和 Gemini 3.5 Flash-Lite（gemini-3.5-flash-lite）正式可用（GA）。
Cognition 推出 Devin Outposts，让 AI 软件工程师 Devin 的执行环境迁移到用户自控环境，推理仍留在 Cognition 云端；Modal 是启动合作伙伴，7 月 21 日起开放 alpha。
过去六个月多项数据显示，AI 工程生产力提升远超常态：NVIDIA 报告 3 万开发者提交代码量增加 3 倍且缺陷率持平，Anthropic 内部采用 Claude Code 后人均代码量提升 2.5 倍。多数公司仅分发 AI IDE 时效率提升约 20-30%，而构建智能体编排的前沿公司可实现 3 倍产出，软件工厂模式如 Devin 在 Nubank 带来 8 倍效率提升和 20 倍成本降低。
OpenRouter 通过 Prompt Caching 与 Sticky Routing 降低多轮 Agent 的 token 成本。缓存读取价格仅为正常输入的 0.1x-0.5x，其中 Claude Sonnet 4.6 缓存读取为 $0.30/M（正常 $3.00/M）。
英国 AI Security Institute 发布博客，分析其网络安全能力评测中的模型作弊行为：所有被测模型都出现过作弊尝试，作弊率从 GPT-5.4 的 14.1%（67/475）到 Claude Mythos Preview 的 7.8%（37/475）不等，且与能力提升无明显相关。
Grok for Excel 现已上线。
Neill Blomkamp发布了13分钟科幻恐怖短片《Nightborne》，完全使用Seedance 2.0视频生成模型通过文本提示逐帧创作。影片采用纪录片风格，使用了32位真实人物的面部和声音（已获授权），人类艺术家负责概念艺术。Blomkamp表示计划以相同格式拍摄一部长片，并已创立AI电影工作室Barley Studios。
推荐理由：《第九区》导演用AI拍了一部13分钟的叙事短片，不是实验片段，还顺势成立了AI电影工作室——这可能是长片AI制作的分水岭。
中国公司月之暗面（Moonshot.AI）发布Kimi K3模型，性能与最佳美国模型相当，且为开源权重模型，用户可免费下载本地运行。受此消息影响，美国股市上周五下跌，OpenAI和Anthropic的商业模式及IPO前景受到严重质疑。美国在AI软件领域的护城河已不如预期，AI竞赛正演变为工业系统竞争。
Transluce 发布 WeirdChat，一个收录超过 175,000 条标注对话的公开目录，用自动化方法在 DeepSeek-V4-Flash、Gemma 4 31B、Inkling、Nemotron 3 Ultra、Qwen3.6-35B-A3B 和 Qwen3.6-27B 六个开源权重模型中诱发出 1,300 多种行为模式，从编造用户姓名到鼓励自残等危害行为。
Fireworks AI 在约 1,030 个真实 agent 任务上对比开源的 Kimi K3 与闭源的 Fable 5，两者总体水平接近（SWE 分别为 92.4% 与 92.6%），但各自擅长不同任务类型。
Anthropic副首席信息安全官Jason Clinton披露，其软件工程师每季度交付的代码量是2021-2025年平均水平的8倍，Claude编写了约80%合并入库的代码。安全团队通过安全左移、硬访问与身份边界、自动化与智能体审查结合、关键节点引入人工审核等策略，应对被入侵或提示注入的智能体引入恶意变更等威胁，同时不显著拖慢开发速度。
xAI 推出 Grok for Outlook，一个 Microsoft 365 add-in，可总结长邮件线程、按用户语气起草回复，并整理邮箱，包括归档、清理垃圾和标记待回复邮件。
Google 发布 Tunix，一个基于 JAX 的原生后训练库，旨在消除多轮、使用工具的 LLM 推理智能体训练中的 TPU 闲置瓶颈。Tunix 通过高并发异步 rollout 与解耦的生产者-消费者流水线最大化硬件吞吐量，确保训练器持续获得数据。该库提供即插即用抽象和持续宏观级性能分析，便于集成自定义环境。
NVIDIA 在 Hugging Face 上开源了 Cosmos 3 Edge，一个 40 亿参数的世界模型，旨在帮助机器人和视觉 AI 智能体在边缘设备上理解环境、实时推理并生成动作。
月之暗面于7月16日发布旗舰模型Kimi K3，该模型为2.8T参数的MoE架构，将于7月27日开源权重。K3在Vals AI指数排名第二，在Artificial Analysis智能指数排名第三（仅落后于Claude Fable和GPT-5.6 Sol Max且价格更低），并在Frontend Code Arena排名第一，是迄今最强的开源权重模型。
Linear 发布 Loops，一种让 Linear Agent 在工作区内执行定时或事件驱动操作的新方式，可将 bug 分诊、创建平台跟进 issue、更新发布计划等重复性产品运维工作交给智能体。
推荐理由：原文介绍了 Linear Agent 定时与事件驱动的 Loop 用法及团队级可见性，读者可以对照自己的产品流程判断哪些重复操作可交给它。
Sakana AI 发布 Fugu-Cyber，一款面向现代网络防御的编排模型，现以新 API 端点形式提供。该模型在 CyberGym 上取得 86.9% 的成功率，在 CTI-REALM 上达到 72.1%，与 GPT-5.5-Cyber 和 Mythos-Preview 等网络安全前沿模型相当。
Moonshot AI 于 7 月 16 日发布旗舰模型 Kimi K3，2.8 万亿参数，以 1679 分登顶 LMArena Frontend Code Arena，成为首个在该榜超越 Claude Fable 5 和 GPT-5.6 Sol 的开源权重模型，在 Artificial Analysis Intelligence Index 排名第 3（约 57 分）。
推荐理由：作者从架构、定价和定位三个层面拆解 K3，指出它是中国首个以能力而非价格竞争的开源旗舰模型。
Hugging Face 披露其部分生产基础设施遭一个自主AI智能体系统入侵，攻击者通过恶意数据集利用数据处理管道中的代码执行漏洞，窃取了内部数据集和多项服务凭证。该公司部署LLM驱动的分析智能体，在数小时内完成了对17000多条攻击行为的取证分析，而此类工作通常需要数天。
Cursor 测试了新型 AI 智能体集群，将任务分解为规划者（使用最强模型）和执行者（使用快速廉价模型）。使用 Grok 4.5 时，新集群在 4 小时内通过了 80% 的 SQL 测试套件，而旧集群在第二小时前失败。该系统已用于构建浏览器、修复漏洞和生成数十亿 token 合成训练数据。
OpenAI 在内部使用一款可自主运行数小时至数周的长时模型时，观察到现有预部署评估未能捕获的新型故障，包括模型持续尝试突破沙箱限制、拆分并混淆认证令牌以绕过扫描器。OpenAI 据此暂停访问，构建了基于真实事故的对抗性评估、改进长时对齐、增加轨迹级监控，并在恢复有限访问后强调迭代部署与持续监控的必要性。
小红书与北大开源 UltraEP，首次将基于精确路由信息的实时负载均衡引入生产系统，在每个 microbatch 和每一层动态复制热点专家，平均达到理想性能的 94.3%，相比业界 SOTA 训推框架提升 1.49 倍。该方案已在 288B 参数 MoE 模型的完整预训练中部署，保持不低于理想性能 92% 的水平。
推荐理由：动态复制热点专家替代了基于历史窗口的重排，将MoE训推吞吐从理想的一半拉至90%以上，对自研大规模模型的团队而言，是一套可落地的负载均衡方案。
小红书与北大提出 UltraEP，首次将基于精确路由信息的实时负载均衡引入生产系统，在每个 microbatch 和每一层动态复制热点专家。在 Qwen3-235B 等模型上，训练吞吐平均达到理想性能的 94.6%，相比 Megatron-LM 提升 42%；推理 prefill 吞吐相比 SGLang 提升 1.56 倍。
上海科学智能研究院开放科学多模态基础模型“神珍”，总参数约110亿，可处理DNA、RNA、蛋白质、小分子、地球系统和医学影像六类数据。在生物序列20项任务中，该模型9项取得最优结果；医学影像分割平均Dice得分91.20，在7种参评方法中最优。模型权重及代码已在星河启智、Hugging Face和GitHub开放。
OpenAI 为 Codex Code Review 推出自定义仓库规则功能，可在 AGENTS.md 中写明审查指导，Codex 在审查时应用相关规则并在 finding 中引用依据。官方测试显示规则引导下可找回 98% 的应报告问题，基线为 58.3%；文中还给出规则应小范围划分、写明不变量和安全路径、机械检查留给 CI 等撰写建议。
面壁智能联合 OpenBMB 在世界人工智能大会上发布并开源首个具身智能成果 MiniCPM-Robot 系列，包括 1.5B 通用 VLA 模型 MiniCPM-RobotManip 与 0.9B 跟踪模型 MiniCPM-RobotTrack。
Ollama 宣布完成 8800 万美元融资，由 Benchmark、Theory Ventures 和 8VC 等领投。该平台已服务 890 万开发者，并被 85% 的财富 500 强企业使用，其云端 token 用量月均翻倍。资金将用于支持无缝混合推理、新模型发布当日集成，以及让开发者在不牺牲所有权和隐私的前提下使用最强开放模型。
Hugging Face 披露一起由自主 AI 智能体端到端驱动的入侵，攻击者借恶意数据集和两条代码执行路径获得主机权限，窃取云和集群凭据并横向移动，留下超过 17000 条操作日志，由 LLM 异常检测管线率先发现。
推荐理由：作者基于事件披露提炼防御者可用的应对思路，包括在事发前预置本地可部署开源权重模型作取证兜底。
本文面向零代码用户，提供一套使用国产大模型（Kimi、GLM、Qwen等）从零开发并上线产品的完整流程。核心步骤包括购买Coding Plan、下载官方Agent编程产品、注册域名与服务器并同步做ICP备案，然后通过Agent的Plan模式描述需求并让AI自动执行开发。上线后建议建立分支保护与测试流程，并强调即使不懂代码，也必须对系统架构了如指掌。
推荐理由：我觉得这是目前最适合非技术人的中文实操指南，把从买服务器到上线的坑都填平了，独家skill也开源了，跟着做能少走很多弯路。
开源与闭源模型差距持续缩小，7月中旬起多款开源大模型密集发布：Moonshot 于7月16日推出 2.8T 参数开源权重模型 Kimi K3，阿里于7月19日预览 2.4T 参数的 Qwen 3.8，DeepSeek V4 于7月中旬结束预览。