OpenAI Astra模型因关键网络安全能力被首次暂停开发；Agent训练范式进入自蒸馏与环境内化双线突破期——AgentOPSD递归贝叶斯信用分配、EnvACE世界排练免环境训练；蚂蚁Ling 3.0 Flash登顶开源帕累托前沿；Claude Code自动模式将成默认且间接提示注入趋零；Cloudflare推出Agent原生浏览器Kitesurf。

2026年二季度GDP仅4.3%，730政治局会议通稿删除了"跨周期"表述、回归"逆周期"，并首次提出"加快财政支出和债券资金使用进度"。这并非简单的政策微调——它暴露了中央与地方之间激励传导断裂的结构问题：上半年存量资金大量闲置，下半年可用资金同比多出约两万亿，存量政策本身就成了最强的"增量"。但反腐、政绩观学习、地方换届等因素能否在下半年打通堵点，仍是最大悬念。

前Meta FAIR研究员田渊栋创立Recursive Superintelligence（A轮6.5亿美元，估值46.5亿美元）后首次系统阐述RSI：它比coding agent大得多、难得多；完全自动化不会很快发生，递归会先发生；智能发展是S型曲线而非scaling law的平滑攀升，这恰恰给了初创公司窗口。他们的第一阶段成果在算子优化、NanoChat训练和NanoGPT SpeedRun三个方向取得SOTA，用一套通用系统击败了专业GPU团队。田渊栋认为AI终将从炼金术变成化学，可解释性是少数派但正确的路。

硅谷101专访Cerebras早期投资人周南、前百度研究员Greg Diamos及产品高管Angela，复盘这家"晶圆级引擎"公司十年史。从百度三亿参数模型发现Scaling Law、2016年赌注式投资、良率工程突破，到G42订单、OpenAI两百亿美元推理合同、千亿市值IPO，文章梳理了Cerebras如何从一个物理学的疯狂赌注，变成推理时代绕开HBM与CoWoS瓶颈的差异化基础设施，以及上市后毛利率、供应链和客户自研芯片带来的真实风险。

高盛亚太首席经济学家Andrew Tilton团队发布2026年经济展望，核心判断是中国经济「仍将失衡」：外需强内需弱、供强需弱延续，出口仍是GDP核心驱动力，房地产快速下行阶段已过但未触底，政策「托而不举」，居民从「养儿防老」转向「预防性储蓄」。本文基于老厉害对研报图表的逐张拆解，梳理供需分叉的成因、出口韧性的来源、房地产去库存的困境，以及人口与储蓄行为范式转变的深层含义。

Meta发布Muse Code编程智能体与Muse Spark 1.2；Google DeepMind大重组Jeff Dean离职创业Discovery Loop；ABSeeker答案回溯信用分配训练长程搜索Agent（4B BrowseComp 55.3%）；Privileged but Biased揭露自蒸馏PI偏见根因；自蒸馏训练信号精细化成为当日学术主线。

上海交通大学提出ABSeeker，通过答案回溯线索恢复（ABCR）和线索锚定步级评分（CASS），将搜索Agent训练中稀疏的轨迹级结果监督转化为密集步级奖励。基于Qwen3.5-4B仅用8.5k样本，ABSeeker在BrowseComp上达55.3%，匹配约30B级Agent性能。本文深入解析答案回溯信用分配的机制设计、实验证据与优势根源。

本文揭示了多模态LLM推理中’模态不平衡’对自蒸馏（OPSD）效果的隐性破坏。通过构建Positive Teacher（放大图像）和Negative Teacher（遮蔽图像），发现模态平衡本身可作为特权信息。提出模态平衡信任域选择on-policy token进行蒸馏，跨6个基准、4个MLLM基座、5种后训练方法一致提升推理性能并降低训练成本。

微软研究院系统性诊断自蒸馏（SD）作为RLVR替代方案的根本缺陷。通过单一因果链揭示：特权信息（PI）偏见使教师的per-token目标偏向特定参考解而非通用正确性，学生损失集中于低信息token，最终训练信号与任务成功解耦。在QA、数学、编码和Agent工具使用四个领域跨模型规模和PI形式验证，为OPSD/SDPO研究方向提供根本性警示。

本文形式化定义了’记忆不确定性下的安全承诺’问题——Agent在记忆过时、冲突或被污染时不应执行不可逆的外部动作。SafeCommit在Agent推理与外部执行间插入风险控制层，利用保形预测构建可能潜在世界集合，仅当动作在每个保留世界中安全时才允许执行。在校准世界覆盖下，不安全认证承诺概率被数学保证不超过目标水平α。