MCP v2 弃用握手和会话 ID，实现真正的无服务器扩缩容
MCP 第 2 版将于 2026 年 7 月 28 日上线，通过移除初始化握手、Mcp-Session-Id 请求头以及三个遗留子系统，使协议实现了完全的无状态化。团队现在可以在自动扩缩容或无服务器 Pod 上运行，且不再受会话亲和性约束。
GyaanSetu AI
AI、机器学习与 LLM 洞察。
Google Gemma-4 31B 在 AWS Inferentia 上通过了 Token 匹配测试，但输出内容却是一堆乱码
Inferentia2 INF2.24xlarge 复现了与 CPU 参考模型完全一致的 Token 流，但两次运行所输入的提示词均格式错误，缺少对话模板和轮次标记，导致 Gemma-4 进入了无意义内容的无限循环。硬件仅仅是复现了参考代码中的一个 Bug。
独立研究员通过记录每一个 Token，将 LLM Agent 账单削减 31% 至 651 美元
通过添加一个记录模型名称、Token 数量、任务类型和单次调用成本的 PostgreSQL 日志层，研究员发现原始的 SEC 搜索结果导致了 Prompt 膨胀。通过对这些结果进行总结，并将简单的检查任务路由到更便宜的模型，最终实现了 31% 的成本节约，并提升了准确率。
Upper90 投入 4 亿美元布局通用计算，押注推理专用芯片
该贷款以 SambaNova 的 SN50 推理芯片作为抵押品，这是一种首创的资产类别，与传统的 GPU 集群相比，它能实现高达 16 倍的 Token 处理速度提升，且功耗更低、冷却更简单。
Linus Torvalds 给批评者一个选择：Fork Linux 或拥抱 AI
Torvalds 在邮件列表中表示，任何反对像新的 Sashiko 审查器这类 AI 工具的人，都可以直接 fork 内核，这进一步强调了他的观点：技术价值高于意识形态的抵制。
Grok Build 的开源 CLI 支持更换模型并审计每一条 Shell 命令
该仓库提供了 CLI、终端 UI 和运行时的 Rust 源代码，让你可以深入了解上下文是如何组装、工具是如何编排以及编辑是如何管理的，甚至可以在不中断工作流的情况下更换底层模型。
Moonshot 的 Kimi K3 在 AA-Briefcase 测试中击败 GPT-5.6，得分 1,527 对 1,495
Moonshot AI 的 Kimi K3 是一个拥有 2.8 万亿参数的开放权重模型，在真实的 AA-Briefcase 基准测试中得分超过了 GPT-5.6。该模型现已通过 API 提供，权重预计将于 7 月 27 日公开。
Claude Code、Cursor 2.0 和 OpenAI Codex 让 IDE 转型为全栈控制室
最新版本引入了任务编排、审批工作流、测试套件以及具备 UI 感知能力的浏览功能，使 AI 能够自主挑选任务、运行智能体、获取人工确认并交付视觉预览——所有操作均可在单一控制台中一站式完成。
Meta 发布 Muse Spark 1.1 API，每百万 Token 价格为 1.25 美元/4.25 美元
该服务目前仅面向美国开发者开放，每百万输入 Token 收费 1.25 美元，每百万输出 Token 收费 4.25 美元；新账户可获得 20 美元的赠送额度，国际用户需加入候补名单。
Epic 的脓毒症警报在密歇根州的验证中漏掉了三分之二的病例
这个在 2021 年学会预测医生的脓毒症模型，密歇根医学中心对其进行了测试。他们分析了 38,455 次住院记录。Epic 声称其准确率很高……
1-Bit Bonsai 27B Runs at 11 Tokens/S on iPhone 17 Pro Max, Cutting Model Size 14-Fold
PrismML’s Bonsai 27B shrinks from a 54.7 GB full-precision model to a 3.9 GB 1-bit file, fitting on a flagship iPhone while retaining 89.5% of its quality. The claim relies on Apple’s MLX stack and delivers about 11 tokens per second, but memory, heat and battery impacts remain unmeasured.
OpenAI 的 GPT-Red 将 GPT-5.6 的失败率降低了六倍，但小团队仍缺乏免费工具
OpenAI 的内部 GPT-Red 模型使 GPT-5.6 Sol 系列的失败率降低了六倍，但研究论文仅停留在理论层面，并未提供可下载的测试框架，这使得小团队不得不自行开发确定性测试。
Vercel AI SDK 7 将工具权限严格限制在其声明的密钥中
该 SDK 现在要求每个工具都必须提供一个基于 Zod 的上下文模式，并且在运行时，Vercel 会验证是否仅传递了声明过的字段，若出现任何多余或缺失的键，将中止执行。
月消耗量超过 500 万至 1000 万 Token 后，自托管成本才会低于 API
运行自有 LLM 与使用 API 的真实成本对比。开源权重是免费的，但运行它们并不免费。许多人认为自托管开源模型可以省钱，这其实是一个误区。你必须关注……
Deep Interaction 使 LLM 修复成功率提升 25% 以上，同时降低 40% 的 Token 消耗
通过将模型的输出视为可编辑文本，Deep Interaction 使开发者能够精准定位错误的推理步骤并进行重写，随后反馈精简后的提示词。在 STEM 基准测试中，这一方法使纠错率提升了 25%，同时将 Token 使用量降低了 40%。
AI 值班代理在一周内将平均故障解决时间从 45 分钟缩短至 20 分钟
我让一个 AI 代理运行了一周的云运维工作。我给了一个 AI 代理七天时间来管理我的云运维。这是一个真实环境，而非演示环境。我给了它我监控系统的只读权限……
AWS Agent Toolkit 缩短了 OpenSearch 的设置时间，但在 NextGen 向量配置上表现欠佳
新推出的 amazon-opensearch-service skill 加快了策略排序和实例规格配置的速度，但在被要求在 Serverless NextGen 上配置向量搜索时，它会默认使用传统的 FAISS 设置，从而导致部署失败。
Inkling (975B) 于早间发布，Moonshot AI 在十六小时后推出 2.8T Kimi K3
这两项发布将开源权重模型从边缘项目推向了主流 AI 领域，使企业能够选择在 Apache 2.0 协议下本地部署运行超大规模模型，同时在编程任务上仍能媲美闭源模型的性能。
新型工作流漂移检测器可防止应用更新后机器人失效
该框架定义了五种漂移类别——UI、API、数据、权限和策略——并结合轻量级契约映射与预检扫描，在自主代理运行前识别不匹配项，从而避免静默失败和高昂的返工成本。
Anthropic 推出 MCP 连接器，将 Claude 代码片段转化为实时应用
通过 Model Context Protocol (MCP) 连接器，Claude 生成的代码现在可以直接从聊天界面调用数据库、云服务或 Slack，从而省去了复制粘贴的步骤，让开发者能够立即使用真实数据进行测试。
AI 智能体一天内进行了 1,858 次工具调用，却最终一无所获
由于缺少一个验证步骤，导致智能体跳过了其“执行”阶段，从而花了一整天时间撰写了 1,858 条内部反思，却从未调用过任何实际工具。这暴露了一个可能导致任何工具驱动型助手瘫痪的“自我循环陷阱”。
Moonshot AI 的 Kimi K3 承诺提供廉价 API，但输出成本却是竞争对手的两倍
Moonshot 的宣传重点在于其 2.8 万亿参数的模型和低廉的单 token 费率，但该模型的混合专家 (MoE) 设计和过于冗长的特性导致输出量高达 1.3 亿个 token——是竞争对手的两倍多——从而推高了实际支出。
大语言模型未能通过自我识别测试，引发部署安全担忧
新的场景意识基准测试迫使模型回答诸如“你是人工智能吗？”之类的元问题，并在对话发生变化时调整回答，这揭示出许多高分 LLM 仍声称自己是人类或掩盖其局限性。
隐藏标签页节流机制导致 Chrome 向 AI 测试代理掩盖了 Canvas 错误
AI 代理看到了正常的 JavaScript 结果和截图，但 Chrome 的隐藏标签页节流机制停止了 requestAnimationFrame 回调，导致 Canvas 未能完成绘制。通过在可见标签页中运行测试或添加像素非空检查，可以解决这种误报问题。