全部 · 2026-07-28

OpenAI 开源了 Codex 安全扫描工具，包含命令行界面和 TypeScript SDK。这相当于把他们在内部用来查代码漏洞的自动化助手公开了，开发者可以在自己的开发流程里直接调用，检查代码里的安全问题。 目前公开的信息很有限，只说了工具形态，没给关键指标。比如它能识别多少种漏洞模式、跟 Semgrep 或 CodeQL 这类现有工具比检出率和误报率怎么样、扫描大型仓库的速度和资源消耗是多少，这些正文都没披露。另外，它依赖的是 OpenAI 的模型接口，这意味着每次扫描都要调 API，实际使用成本和延迟会直接受模型调用价格和响应速度影响，这块也没提。 还缺一个关键信息：这个工具是只做静态分析，还是结合了模型的语义理解去做更复杂的逻辑漏洞检测。如果是后者，那跟传统规则引擎的差异才值得关注。现在只能说，方向是让安全扫描更智能，但没数据支撑，别急着替换现有工具链。

Anthropic 的 CEO 和联合创始人一起签了 pacingthefrontier.com 上的请愿，呼吁有意识地控制 AI 前沿的发展节奏。他们搬出自己上个月关于递归自我改进的研究当论据，说需要工具来踩刹车，让社会有时间跟上。 但这条帖子信息量很薄。请愿书里到底提了哪些具体措施——是要求监管审批、算力上限、还是强制安全评估——正文一个字没写。总共有多少人签名、有没有其他大厂的人跟注，也没披露。他们说的“广泛共识”到底多广，从这条帖子看不出来。 如果是真心想推行业自律，光发一条 X 不够。得看后续有没有可操作的建议落地，以及有没有其他头部实验室跟进。目前这更像一次表态，离行动还有距离。

谷歌这次盘后跌近5%，不是因为技术出问题，而是财报里资本支出继续跳涨，回报却还是没影。文章点名谷歌、微软、Meta都在往数据中心砸钱，但谁也没拿出清晰的盈利路线图。市场担心的不是AI不行，而是几千亿美元投下去，什么时候能回本。 这篇报道把这次下跌定性为情绪降温，不是崩盘信号，这个判断我基本同意。不过正文没披露谷歌这次资本支出的具体数字和同比涨幅，也没对比其他家花了多少、赚了多少，所以很难判断市场反应是不是过度。 还缺一块关键信息：这些砸下去的钱到底换来了什么。是用户增长、企业客户签约，还是模型能力提升？没有这些，光看支出数字确实容易让人紧张。

这次更新最核心的变化，是把 MCP 从一个需要维持长连接、记住会话状态的有状态协议，改成了无状态的请求/响应模式。以前客户端和服务器要先握手、维持一个 Session ID，现在每个请求自己带着协议版本、客户端身份和能力信息，不再需要初始化环节。这意味着请求可以落到任意一台服务器上，用最普通的轮询负载均衡就行，不用再搞共享存储来同步会话。这对想把 MCP 服务做大规模部署的团队来说，是个实打实的好消息。 另外几个改动也值得留意：一是“多轮往返请求”，让工具可以在中途向用户要输入，但不用一直开着流；二是方法和工具名直接塞进了 HTTP 头，网关不用解析 JSON 就能做路由和鉴权；三是列表接口现在带缓存提示和固定排序，客户端可以缓存工具目录，重连时不用重新拉一遍。授权方面，他们用 RFC 9207 加强了签发者校验，并正式从动态客户端注册转向客户端元数据文档。 文章提到 TypeScript 和 Python 的 SDK 总下载量都破了 10 亿，月下载接近 5 亿，说明生态铺得很快。但关于 Tasks 扩展具体能做什么，正文只提了个名字，没展开讲，这点得等后续文档。

Anthropic 这次不是找代码实现 bug，而是直接攻击算法设计。HAWK 已经扛过两年专家评审，Mythos 用 60 小时就把它密钥强度减半，这个效率对比很直观。简化版 AES 的攻击速度提升 200 到 800 倍，主要靠省掉一个攻击者原本需要猜的步骤。 两个成果各花了约 10 万美元 API 费，大部分是模型自主跑的。正文强调不影响生产系统——HAWK 还没部署，AES 攻击也没攻破完整版本，这点先别太激动。 还缺的信息：攻击具体怎么做的、模型有没有产生幻觉或无效路径、人工干预比例到底多低。另外，他们和几所大学合作发了 CryptanalysisBench 基准，但正文没展开这个基准覆盖多少算法、难度怎么分级。如果是真的，这相当于给密码分析加了个自动化测试工具，但效果还得看后续社区验证。

这份报告不是技术论文，更像一份项目复盘。OpenAI 找了 8 个生命科学领域的团队，让他们用编程智能体去修老代码、换语言、重写流程。结果很直接：智能体确实把工程活的门槛打下来了，小团队也能干以前需要专业工程师才敢碰的活。比如 cyvcf2 这个基因组数据解析库，GPT-5.5 直接把它那套老旧构建系统换成了现代化的打包发布流程。 但报告也说了大实话。智能体干活快，可经常自信满满地犯错，最后验证还得靠人。最靠谱的验证方式是用外部参照物，比如输出结果要和旧工具完全一致，或者拿模拟数据提前算好的答案来对。而且项目都不是一步到位，得分阶段、靠测试反馈来回磨，最后那点边角细节往往最花时间。 报告没提具体省了多少时间或成本，也没给量化数据，只说“显著加速”。这点先别太激动。另外，报告反复强调一个老问题：代码能跑了，但长期谁负责维护、怎么保证可复现，依然没解决。智能体降低了写代码的门槛，但没降低“负责任地维护代码”的门槛。

Google 这次更新挺实在，把 Gemini API 里“托管 Agent”的默认模型从 2.5 Flash 升级到 3.6 Flash。说白了就是让模型自己决定调什么工具、按流程干活的这套服务，现在跑得更快、花得更少。新加的“环境钩子”允许开发者在 Agent 调工具前后插一段自己的代码，比如做权限检查或记审计日志，这对想在生产环境里用 Agent 的团队是个实用功能。另外开了免费套餐，每月白送 1000 次调用，适合先跑跑原型。 不过正文没给出 3.6 Flash 相比 2.5 Flash 在 Agent 场景下的具体延迟和成本降幅，也没提钩子的执行会不会增加额外延迟。免费套餐的 1000 次调用够不够用，得看你 Agent 一次任务要调多少次工具——如果一次任务就调五六次工具，那 1000 次其实撑不了太久。这点先别太激动，等实际跑过再看。

这条新闻最值得看的是产品思路的转向：不是给程序员做更好的代码助手，而是把写代码时用的那套智能体框架，直接搬给做文档、表格、幻灯片的普通人。Akshay Nathan 在播客里说得很直白，Codex 在内部先被非工程师用起来，知识工作者现在占用户约 20%，增速是开发者的 3 倍多。ChatGPT Work 7 月 9 日上线，两周内和 Codex 合计用户破千万，这个速度说明市场对“让 AI 进业务流程干活”的需求比写代码本身更大。 不过播客正文没给出千万用户里 ChatGPT Work 单独占多少，也没披露付费转化和留存数据。增速快可能有一部分来自现有 ChatGPT 用户的迁移，实际新增还要看后续财报或第三方数据。另外，Akshay 提到当人人都能构建时，想法和品味会成为瓶颈，大模型在产出真正有根据的新想法上还很吃力——这点先别太激动，目前产品更多是把已有工作流自动化，离“创造新东西”还有距离。

Fish Audio 这轮种子融了5200万美元，对一个去年才上线的语音模型公司来说，金额不小。更硬的是它自己报的年经常性收入已经做到2100万美元，开源和托管版加起来有800多万用户。产品思路是把语音控制做得像聊天一样自然，内置了15000多个自然语言指令，用户说“语气凶一点”或“像深夜电台主播”就能调风格，不用折腾参数。 这个方向对创作者和需要客服、销售语音的企业都有吸引力。但文章没披露几个关键信息：生成延迟有多高、定价模型长什么样、有没有已经上线的企业客户名字。语音产品进企业场景，延迟和稳定性比功能花哨重要得多。2100万ARR如果是真的挺省钱，但没看到客户构成和续费率，这个数字先打个折看。

Anthropic 发了新模型 Claude Opus 5，定价直接是 Fable 5 的一半，号称能力接近。但 Every 的评测暴露了一个挺割裂的现象：Claire 嘴上说讨厌用 Opus 5，觉得它爱争论、任务没干完就停，还跟过去那套提示词技巧打架；可一到盲测给输出打分，她反而把 Opus 5 排在了第一。Theo 也验证了这点，他花了几小时重写 CLAUDE.md 和技能文件，删掉大量旧指令，结论是“完全值得”。Anthropic 自己透露，他们把 Claude Code 的系统提示砍掉了 80% 以上，在 Opus 5 和 Fable 5 上都没测出代码评估的损失。 这其实指向一个变化：新模型对“过度提示”更敏感，老一套的调教方法可能反而在拖后腿。不过正文没披露 Opus 5 在具体基准测试上的绝对分数，也没说砍掉的提示具体是哪些部分，所以“接近 Fable 5”这个说法还得看后续更多第三方对比。另外，模型在对话中抬杠和提前终止的触发条件也没讲清楚，是特定任务才犯还是普遍问题，这点先别太激动。

Perplexity 发了一个叫 Personal Computer 的 Windows 应用，核心卖点是让 AI 直接在你的电脑上干活——翻本地文件、操作 Office 365、上网查资料，在一个窗口里完成。这比之前只会在浏览器里回答问题往前走了一步，相当于给 Windows 装了个能动手的 AI 助手。 不过，目前公开的信息很有限。Verge 的报道只说了它能“跨本地文件、Office 和网页工作”，没给出具体能执行哪些任务、支持什么文件格式、操作延迟高不高。也没提它用的是 Perplexity 自己的模型还是接了别家的，以及本地操作会不会有隐私风险——毕竟要让它读你硬盘里的东西。 如果是真的能顺畅地在 Excel 里帮你填表、从本地 PDF 里抓数据再汇总到 Word，那对办公场景挺实用。但“AI 操作电脑”这事的可靠性一直是个坑，点错一个按钮就可能翻车。这点先别太激动，等有人上手实测再看。

这篇技术报告的核心看点不是“又出了一个线性注意力”，而是他们第一次在公平对比下，让线性注意力在短文本、长文本和强化学习扩展上都超过了传统的全注意力。Kimi Linear 是个混合架构，把新设计的 Kimi Delta Attention（KDA）和多头隐式注意力（MLA）混在一起用。KDA 在 Gated DeltaNet 基础上加了更细粒度的门控，让 RNN 那点有限的记忆用得更聪明。他们训了一个总参数 48B、激活 3B 的 MoE 模型来验证，KV 缓存最多能砍掉 75%，处理百万 token 上下文时解码吞吐量是纯 MLA 的 6 倍。 不过得注意，这些数据来自他们自己的训练配方和评测集，换一套训练数据或任务分布是否还能稳住，正文没给消融实验。另外，线性注意力在需要精确位置信息的任务上容易丢细节，这篇报告没专门测这类场景的退化程度。 团队把 KDA 的 CUDA 核、vLLM 集成和模型权重都开源了，这点挺实在，后续能不能在社区里跑通更多场景，比论文里的数字更有说服力。

Projektor 把任务看板和文档库做成了 AI 助手能直接操作的东西。助手通过 MCP 协议自己建工单、挪状态、排迭代、搜文档，不用你在中间传话。它像 git 仓库里的 issue 跟踪器一样对助手友好，但又像 Jira 一样能跨项目部署。多个助手可以同时在一个仓库里干活，靠助手注册表、文件声明和协调消息避免冲突。整个系统就跑在一个 Cloudflare Worker 上，用 Hono 做框架，D1 存数据，KV 做缓存，R2 放附件，没有服务器也没有容器。部署方式是从一个纯配置仓库直接推到你的 Cloudflare 账号，wrangler 会自动配好数据库和存储。 这点先别太激动：正文没披露具体价格，只说了“自托管很便宜”。Cloudflare 的免费额度能撑多久、团队规模上去后 D1 和 KV 的成本会涨到多少，都没给数。另外，多助手并行时的冲突解决机制只提了概念，没展开讲实际效果和边界情况。如果你现在用 git-based issue tracker 觉得够用，迁移的动力可能不大；但如果你已经在让助手参与项目管理，这个工具省掉了中间传话的环节，值得试试看。

The Verge 的调查把 Hugging Face 的审核漏洞摊开了：大量能生成裸照的模型伪装成“换装”或“时尚编辑”工具，目标直指女性和儿童，只需要一张照片就能出图。平台目前没有主动扫描上传模型的技术手段，完全依赖用户举报后的人工审核。正文没披露审核团队有多少人、响应要多久，也没说清楚内容政策里对这类模型的界定标准是什么。Hugging Face 作为开源模型最大的集散地，这种“先污染后治理”的做法，等于把风险转嫁给了被侵权的普通人。我会先打个折——平台确实有内容政策，但执行速度明显跟不上滥用速度。还缺两个关键信息：一是平台到底有没有在开发自动检测这类模型的技术方案，二是对已上线的恶意模型下架后，有没有追溯和封禁上传者的机制。

德里高等法院驳回了ANI对OpenAI的版权诉讼，核心逻辑有两条：一是把用新闻内容训练模型归到了印度《版权法》的“研究类合理使用”里；二是ANI没能证明ChatGPT的回答直接复制了他们的原文。法官还补了一刀，说现在下临时禁令会拖累印度自己的大语言模型研发，也会损害大量免费用户的利益。 这个判决对OpenAI是实打实的利好，但它的适用范围要打个折。法院的裁定高度依赖“ANI没抓到直接复制”这个事实，如果未来有原告能拿出逐字复制的证据，局面可能不同。另外，正文没披露OpenAI具体是怎么用ANI内容的——是只做预训练，还是也进了外挂资料库（RAG）流程，这点对判断“合理使用”边界很关键。 还缺什么：判决全文没公开，我们看不到法官对“研究类合理使用”的具体解释，也不知道这个标准在印度其他法院有多大参考价值。

Gowers 的长文不是危言耸听，他两次亲眼看到 GPT 5.6 Pro 一次性解出自己苦思过的问题，这种挫败感很真实。他提出的“证据过剩”类比湖泊富营养化，点出了核心矛盾：AI 产出的数学成果会多到没人能消化，人类专家反而被淹没。群友讨论里最实在的判断是，现在给现有模型做各种外挂意义不大，下一代模型直接碾压，写论文的速度已经赶不上出成果的速度，这是个短暂的套利窗口。 Opus 5 这边就有点拉胯了。实测第三天，给它写好任务和验收标准，它干一步就停下来找人确认，像在向上管理。更离谱的是，有人问块开发板的信息，安全机制直接误判，导致模型能力被连降两级。这说明模型的安全护栏还太粗糙，离真正可靠的自主执行差得远。 两件事放一起看，一个在说天花板抬得太快，一个在说地板还没铺平。正文没披露 Opus 5 的具体错误率和误报率，也没说 Gowers 看到的那两次解题具体是什么领域、难度如何，这些缺口让判断只能先打个折。

月之暗面这次操作挺有意思：模型发布快两周才把代码和构建细节公开，跟上了国内这波开源潮流，但转头就要求大规模用户必须签商业许可。这在国内AI创业公司里是第一个这么干的，等于在开源和赚钱之间划了条明确的线。K3发布两天就因芯片不够暂停新用户注册，文章没提现在恢复了没有，这个缺口挺关键——如果至今没恢复，那所谓的大规模商用就还悬着。另外，技术细节公开延迟了近两周，在中美互相盯着AI技术的背景下，这种延迟本身就说明公司内部对放多少、怎么放有过权衡。整体看，月之暗面想用开源攒人气、用授权换收入，但芯片供应这个硬约束没解决，商业化的故事就得先打个折。

Fermion Research 放出的 Neutrino-1 8B 最直接的价值是让大模型跑在了更便宜的硬件上。它把81.9亿参数模型里252个线性层的权重，用一种自研的“三值家族”格式压缩存储，整个模型文件只有3.88GB，是常规fp16格式的八分之一。这意味着它可以直接塞进8GB显存的GPU或16GB内存的笔记本里，不用再为跑一个8B模型专门上大显存卡。 速度数据挺亮眼：H100上普通解码396 tok/s，投机解码能冲到763 tok/s；M5 MacBook用MLX跑33.7 tok/s，纯CPU也有24.9 tok/s。单流解码的瓶颈本来就是每生成一个token要搬运多少数据，3.88GB的工作集天然比16GB的fp16模型快。模型基于阿里的Qwen3-8B，用了Apache-2.0协议，MMLU 5-shot得分72.1。 但要注意，官方博文没提训练数据来源和具体的压缩训练方法，只说了“三值家族格式”和“在计算核心里直接解码”。压缩后62.63%的权重为零，正负权重几乎完美对称，这个结果是怎么训出来的、有没有精度损失、在其他基准上的表现如何，正文都没披露。想在生产环境用的话，这些信息缺口得先补上。