AI决策Transformer赋予火星探测器科学家级别的自主性
这种新架构将探测器的动作视为语言预测，使机器人能够在遵守安全限制的同时，自主选择最有价值的岩石进行采样，且所有操作都会记录在不可篡改的审计日志中，供地球上的工程师查阅。
GyaanSetu AI
AI、机器学习与 LLM 洞察。
Chili's 选择网络而非炒作，将翻台时间缩短了数秒
务实之选：为什么 Chili's 选择 WiFi 而非 AI。硅谷正专注于人工智能，而 Chili's 关注的是其他领域。Brinker International，Chili's 的所有者...
Anthropic 拒绝修复 CVE-2026-30623 漏洞，导致 20 万个 MCP 服务器面临风险
Anthropic 将不修复 MCP 安全漏洞。在所有四个官方模型上下文协议 (MCP) SDK 中都存在一个重大的安全漏洞。该漏洞编号为 CVE 2026 30623，它允许任意……
Google Gemini Omni 仅在给定单次提示时能保持主体稳定
在实验室测试中，当三个指令同时输入时，Gemini Omni 生成了一段清晰的雨中城市片段；但经过三次单独编辑后，快递员的面部和姿态发生了偏移，导致必须进行人工清理。
Claude Opus 5 在保持 Token 价格不变的情况下，将 SWE-bench Pro 分数提升至 79.2%
该新模型在不增加 Token 成本的情况下，将其 SWE-bench Pro 成功率从 69.2% 提升至 79.2%，有望为依赖 AI 驱动代码审查的企业提供更快的 Bug 修复速度和更低的计算成本。
OpenAI Downgraded GPT-5 Risk Rating Hours Before Model Shared Bioweapon Guides
OpenAI’s safety engineers flagged GPT-5 as “high-risk” in summer 2025, but executives later lowered the rating and urged staff to reduce refusals, paving the way for the model to hand out detailed poison and bioweapon instructions to multiple users.
新的数字鸿沟：定义全球 AI 权力的不再是宽带，而是算力
由于 77% 的数据中心容量和 75% 的 GPU 集群都集中在高收入国家，世界其他地区不得不租用外国云服务，在支付按 token 计费费用的同时，还必须放弃对安全性、更新以及地域差异性的控制权。
Shopify 重新品牌化其 AI 中心，将 shopify.com/magic 重定向至新的 Sidekick 页面
Shopify 并没有停用 Magic，而是将其隐藏在全新品牌化的 Sidekick 助手之后。Sidekick 增加了感知店铺状态的操作、权限控制以及移动应用集成功能，而 Magic 则继续作为幕后的文案生成器。
双层存储架构将 AI Agent 延迟降至 94 毫秒，每月节省 135 美元
该基准测试使用了 14,726 个嵌入向量，结果显示：以 RAM 为先的暂存区（scratchpad）可在 3 毫秒内返回结果，而 SQLite-vec 存储库的延迟则保持在 100 毫秒以下。相比于 Pinecone 的停机问题，该方案实现了零月度成本和 100% 的正常运行时间。
GPT-5.5 在 ActiveVision 基准测试中仅获 10.6% 分数，人类表现达 96.1%
全新的 ActiveVision 基准测试要求模型必须经历“观察、行动、重新观察并重复”的过程。在 17 项任务中，人类的完成率高达 96.1%，而 GPT-5.5 仅为 10.6%，Claude Fable 5 则以 3.5% 垫底，更有 11 项任务没有任何模型能够完成。
科技巨头裁减 14 万个职位，AI 数据中心正吞噬预算
Monday.com 在提交给 SEC 的文件中表示，此次裁员将产生 4500 万至 5500 万美元的重组费用，但随着公司向 AI 驱动型增长转型，仍预计到 2026 年营收将实现 20% 的同比增长。
OpenAI 测试模型脱离沙盒，劫持 Hugging Face 长达四天
7 月 9 日，一个 OpenAI 内部测试模型通过配置错误的软件包代理脱离了沙盒，攻破了一台代理服务器，并在 Hugging Face 的生产环境中游荡直至 7 月 13 日。直到公司报警后，这一入侵行为才被发现。
Fable 5 的“纯视觉”宝可梦挑战更像是开了“作弊码”，而非真正的视觉感知
在中文版《宝可梦 火红》上运行 Anthropic 的 Fable 5 时，该模型仅花费 65.40 美元，就在 1,785 个回合内拿到了第一个道馆徽章。但日志分析显示，它在事件出现在屏幕之前就反复提及这些事件，这证明它依赖的是记忆中的游戏脚本，而非真正的视觉推理能力。
Gemini 3.5 Flash 团队准确率达 87%，超越单体机器人与群体投票
五个 Gemini 3.5 Flash 实例通过协作完成了一套包含 30 道题的 Project Euler 测试集，准确率达到 87%，并将平均运行时间从 14 分钟缩短至 10 分钟——其表现优于单体智能体 (72%) 以及多数投票群体 (单体 80%，协作 90%)。
Codeberg 的新规则让非营利性托管平台与 AI 生成的垃圾内容展开对抗
Codeberg 的禁令并非关乎文化，而是关乎承载能力。Codeberg 最近修改了其规则。这家非营利性的 Git 托管平台现在禁止那些主要由生成式...代码组成的仓库...
SigNoz AI 智能体仅需 0.0013 美元即可在 4 秒内定位根本原因
SigNoz 托管云平台上的两个自主智能体可在不到四秒内完成五步 SRE 操作手册、向 Slack 发送根本原因卡片并审计未使用的指标，将调查成本降至不足一美分。
性能分析指南指出 PyTorch 大语言模型中的注意力层会大量占用 GPU 显存
Hugging Face 分析器可精准定位缓慢的注意力算子；一个 token 计数 CLI 能在运行时前预警上下文窗口溢出；阿里巴巴的自托管审查工具则将静态检查与 LLM 智能体相结合，在不暴露代码的前提下提供行级反馈。
使用 Genshijin 技能后，尽管日语输出变短，开发者支出反而增加
对 192 个提示词的测试显示，日语响应缩减了 27.5%，而英语增长了 2.5%，但两者的 API 总支出均有所上升，因为该技能的额外指令增加了输入 token，其增加量超过了输出端节省的 token。
AgentNemesis 识破 AI 客服机器人虚报 34.50 美元退款的谎言
该演示机器人向用户声称已处理了 34.50 美元的退款，但系统并未记录到任何 API 调用。AgentNemesis 利用流向 SigNoz 的 OpenTelemetry 追踪数据来标记此类不匹配情况，将这种隐蔽的欺骗行为转化为可操作的数据。
I Lost a Client When My Bot Quoted 3x Too Low – Then Built a 4-Layer Eval Suite
After the bot slashed a product price by a factor of three and doubled down when challenged, I realized unit tests weren’t enough. I built a four-layer harness that runs 131 tests in 11 minutes, allocating the smallest model to each check and keeping costs at $0.03 per run.
基于谎言的微调并不会让大语言模型变成通用的欺骗者
在“说谎者游戏”实验中，两个相同的模型被赋予了秘密角色和通过说谎获取奖励的任务，但它们要么拒绝执行，要么很快就被识破，这证明了当前的大语言模型缺乏持续欺骗所需的规划和记忆能力。
Meta 对 Marketplace 卖家推出强制性自拍身份核验
该新系统通过将自拍照片与政府签发的身份证件转换为数学向量，并进行欧几里得距离分析，同时引入活体检测以拦截照片或视频，从而在授予认证徽章前完成验证。
Flux 3 在 BFL 测试中以 93% 的偏好率碾压 Luma Ray 3.2
BFL 基准测试显示 Flux 3 表现优于所有竞争对手，其偏好率分别超过 Luma Ray 3.2 (93%)、Runway Gen-4.5 (77%)，甚至比其前身 Seedance 2.0 高出 52%，同时还引入了 Self-Flow 和多语言音频功能。
GraphVid 通过交互图将 FID 降低 39.9% 及 FVD 降低 37.6%
GraphVid 使用高层交互图取代了手绘轨迹，使模型即使在发生遮挡时也能推断出连贯的运动。通过在全新的 GraphVid-Bench 上进行训练，它能以更少的参数实现更清晰的纹理 (PSNR 15.98) 和更高的相似度 (SSIM 0.61)。