一、 今日核心洞察与重点摘要

  • 字节火山引擎FORCE大会"五弹齐发"，国产大模型进入多模态深水区：字节跳动在FORCE大会上一次性发布豆包大模型2.1 Pro（Coding/Agent/VLM三大方向升级，Agent能力国内第一）、Seedance 2.5（原生4K、单次30秒视频、支持50个全模态参考输入）、Seedream 5.0 Pro（多层编辑+文本渲染）、豆包音频生成模型1.0。谭待宣布豆包保持免费，专业版搭载2.1 Pro模型。同期，百度开源Unlimited OCR（3B总参数仅激活500M，单次前向传播转录40+页，SOTA），Mistral发布OCR 4（170种语言、OlmOCRBench 85.20最高分），OCR赛道迎来"模型大一统"拐点。

  • OpenAI双线出击：网络安全+语音交互：GPT-5.5-Cyber在DayBreak活动中正式发布，CyberGym得分85.6%超越Claude Mythos 5（83.8%），成为最强"抓虫AI"；同时Bidi 1双向语音模型进入测试，支持打断、连续对话、唱歌和即将到来的实时翻译。五眼联盟同日联合警告前沿AI数月内将重塑网络攻防格局。然而，GPT-5.6推迟至7月中旬，DeepMind对Gemini 3.5 Pro当前状态不满意，给竞争对手留出窗口期——Claude Sonnet 5已向企业客户开放早期访问。

  • Cursor构建全栈帝国，AI编程赛道竞争白热化：Cursor在Compile大会宣布三项重磅：发布首个完全自研的AI模型、推出新Git平台（定位Agent时代GitHub）、上线移动应用。同时确认与SpaceX合作训练新模型（SpaceX已通过计算交易收回对Cursor一半投资）。阿里云同步推出Coding Agent 2.0（从个人工具到组织系统，沙箱隔离+长期记忆）、QodoAI推出跨仓库代码审查（发现跨仓库级bug），AI编程工具正从"辅助写代码"进化为"组织级开发系统"。

  • 国产AI Agent生态全面落地消费级场景：微信AI助手"小微"抢先体验（基于WeLM，部分由DeepSeek响应，可发消息/打电话/启动小程序/唤醒外卖）；企业微信AI Agent"大圆"内测（左滑唤起，自动理解界面并回复）；QQ邮箱推出Agently Mail（为AI Agent提供独立身份的专属邮箱）；火山引擎展示AI记忆卡YoooClaw C-ONE（录音转文字+抓取通知，打通飞书任务分发）；比亚迪"迪迪虾"智能体登陆腾势N8L；千问高考志愿Agent多项表现超过资深咨询师。

今日企业+高校研究合作趋势：今日论文聚焦三大方向——（1）大规模工具生态下的Agent规划与评测：PlanBench-XL（UIUC Heng Ji & Dilek Hakkani-Tür团队，80票当日最高）构建1665工具327零售任务的交互式基准，揭示GPT-5.4在严重阻塞条件下准确率从51.9%暴跌至11.36%；EnterpriseClawBench从真实企业工作场景构建852可复现任务，强调Harness-模型组合评测而非单一分数；（2）终端Agent的数据合成与RL训练配方：CLI-Universe（Jiaheng Liu团队，27票）以多维能力分类+证据导向深度研究构建任务合成引擎，6000条轨迹微调Qwen3-32B即在Terminal-Bench 2.0达33.4%；Tmax（华盛顿大学Nathan Lambert，8票）发布最强开源终端Agent RL配方，27% Terminal-Bench 2.0仅用9B参数；（3）大模型架构与解码优化：Grouped Query Experts（FrontiersMind，42票）在GQA上引入MoE实现半数查询头激活，Confident Decoding（Qwen团队，16票）揭示"更深层不总是更好"的对齐税问题。产学研协同从"联合训练"走向"评测基础设施共建+RL配方开源+安全约束建模"的深度融合，企业（UIUC/阿里通义/Qwen/南京大学）贡献任务设计、算力与工程平台，高校（华盛顿大学/浙江大学/UT Austin）贡献理论分析与训练方法论。

二、 详细内容追踪

1. 前沿学术与技术突破（Hugging Face 精选 + Arxiv 精选）

PlanBench-XL：评估LLM智能体在大规模工具生态中的长时域规划能力

  • 论文名称：PlanBench-XL: Evaluating Long-Horizon Planning of LLM Tool-Use Agents in Large-Scale Tool Ecosystems
  • 核心亮点：当前LLM Agent越来越多地运行在大规模工具生态中，但现有基准很少评估"检索受限的工具可见性"条件下的规划能力。PlanBench-XL构建了包含1665个工具、327个零售任务的交互式基准，测试Agent能否迭代检索可用工具、调用后发现中间证据以推进后续调用。引入可选的"阻塞机制"模拟工具缺失、失败或干扰，实验显示GPT-5.4在无阻塞条件下仅51.9%准确率，严重阻塞时暴跌至11.36%。揭示了Agent在面对隐式错误信号或需要长替代路径时的脆弱性。
  • 团队背景：伊利诺伊大学香槟分校（UIUC）Heng Ji与Dilek Hakkani-Tür团队，学术机构主导研究，聚焦Agent规划与评测前沿。
  • 相关链接：📄 点击阅读论文原文

OpenRath：为多Agent系统引入"Session"运行时抽象

  • 论文名称：OpenRath: Session-Centered Runtime State for Agent Systems
  • 核心亮点：现代Agent系统存在运行时状态碎片化问题——对话记录、工具效果、记忆事件、工作空间位置、分支溯源等分散记录，难以检查或复现。OpenRath借鉴PyTorch编程模型，引入"Session"作为核心一等运行时抽象，支持分支（fork）、合并（merge）、重放（replay），在程序执行中显式记录完整执行状态。将Agent系统的控制流从外部轨迹重建转变为运行时路由决策。
  • 团队背景：独立研究团队提出全新Agent运行时编程模型。
  • 相关链接：📄 点击阅读论文原文

DataClaw0：Agentic数据裁剪——从原始多模态流中智能定制训练数据

  • 论文名称：DataClaw0: Agentic Tailoring Multimodal Data from Raw Streams
  • 核心亮点：提出"Agentic Data Tailoring"范式，将数据处理从被动标注提升为可学习的能力。通过两阶段流水线（生成式语义合成+确定性事实锚点）构建跨五大物理与数字领域的大规模数据集，训练DataClaw_0-9B模型（SFT+GRPO），在视频生成、真实世界VQA和GUI导航下游任务中显著提升模型适应效率。
  • 团队背景：研究团队来自西安交通大学等学术机构。
  • 相关链接：📄 点击阅读论文原文

EnterpriseClawBench：从真实企业工作场景构建Agent评测基准

  • 论文名称：EnterpriseClawBench: Benchmarking Agents from Real Workplace Sessions
  • 核心亮点：企业Agent运行在工作空间中读取异构文件、调用工具、交付业务产物。EnterpriseClawBench从真实企业Agent会话中构建852个可复现任务，每个配备恢复的测试夹具、重写的提示词、角色类别、技能子类、硬性规则和语义评分标准。最佳配置（Codex+GPT-5.5）仅达0.663分。强调企业Agent评测必须报告Harness-模型组合、制品交付、视觉质量、成本、运行时和技能迁移行为，而非坍缩为单一分数。
  • 团队背景：FrontisAI研究团队，聚焦企业级Agent评估方法论。
  • 相关链接：📄 点击阅读论文原文

Grouped Query Experts：在GQA自注意力上引入混合专家

  • 论文名称：Grouped Query Experts: Mixture-of-Experts on GQA Self-Attention
  • 核心亮点：自注意力是Transformer中计算成本最高的部分，尤其在长上下文下呈二次增长。标准密集注意力对所有Token统一使用相同的注意力头。GQE在GQA基础上引入MoE层，在每个GQA组内由路由器根据Token内容选择k个查询头专家，而所有KV头保持密集不变。在250M参数规模、30B Token预算下，GQE仅激活一半查询头即匹配全激活GQA基线的下游准确率。
  • 团队背景：FrontiersMind研究团队。
  • 相关链接：📄 点击阅读论文原文

World Action Models综述：统一具身预测-动作模型的理论框架

  • 论文名称：World Action Models: A Survey
  • 核心亮点：世界动作模型（WAMs）是生成未来状态用于决策的具身预测-动作模型。近期WAMs分为两条路线：一条复用大型视频生成模型，另一条依赖语言/视觉语言骨干。本综述首次清晰界定了广义世界模型、视频生成模型、动作接地视频世界模型、VLA策略与WAMs之间的边界，并从"生成什么"（渲染未来vs潜在未来vs无视频生成的动作推理）和"预测基底+骨干+动作耦合+部署机制"两个互补视角进行解构。一个一致的设计模式浮现：WAMs并非简单地在视频生成器上加动作头，而是需要在表征丰富性与计算、内存、延迟和动作标注成本之间权衡。
  • 团队背景：新加坡国立大学（NUS）Xinchao Wang团队 + Shuicheng Yan（颜水程），产学研跨界领袖合作。
  • 相关链接：📄 点击阅读论文原文

CLI-Universe：面向终端Agent的可验证任务合成引擎

  • 论文名称：CLI-Universe: Towards Verifiable Task Synthesis Engine for Terminal Agents
  • 核心亮点：高质量可执行训练数据是终端Agent发展的关键瓶颈。CLI-Universe通过多维能力分类（领域+技能类型+能力+工程支柱）采样候选任务，再通过证据导向深度研究在真实技术资料上落地。验证后的蓝图实例化为Docker化环境，经多阶段可执行验证流水线（评分标准门控测试构建、提示条件过滤、严格失败到通过检查），约三分之二候选被丢弃。最终精炼的6000条轨迹微调Qwen3-32B即在Terminal-Bench 2.0达33.4%，创下开源数据32B参数以下模型的SOTA。
  • 团队背景：Jiaheng Liu（刘佳昊）团队，跨机构合作，包含多名来自工业界的研究者。
  • 相关链接：📄 点击阅读论文原文

SkillHarness：计算机使用Agent的安全技能框架

  • 论文名称：SkillHarness: Harnessing Safe Skills for Computer-Use Agents
  • 核心亮点：计算机使用Agent（CUAs）越来越多地部署在动态交互环境中，需要持续学习技能。但现有技能学习方法假设静态安全环境，忽略了对抗交互（如提示注入）和环境动态（如弹窗）的风险。SkillHarness引入"技能边界"概念，利用多源监督信号从交互轨迹中识别安全技能，在技能生命周期中构建自改进安全约束。实验显示不安全技能率降低57.1%，执行稳定性在动态环境变化中持续提升。
  • 团队背景：浙江大学（Zhejiang University）Shengyu Zhang团队，学术机构主导。
  • 相关链接：📄 点击阅读论文原文

Connect the Dots：通过强化学习训练长生命周期Agent的跨域泛化能力

  • 论文名称：Connect the Dots: Training LLMs for Long-Lifecycle Agents with Cross-Domain Generalization Via Reinforcement Learning
  • 核心亮点：提出CoD框架训练LLM获得长生命周期Agent所需的元能力——Agent部署后持续探索环境、从自身经验中学习、迭代更新环境上下文，从而在后续任务中表现逐步提升。核心包括：端到端RL（GRPO式算法+细粒度信用分配）的长滚动序列训练（交替解决任务与更新上下文的episode），实验验证了训练域内、跨域以及从CoD到Ralph-loop设置的OOD泛化潜力。
  • 团队背景：阿里巴巴通义实验室（TongyiLab），Yanxi Chen、Boyi Hu、Yaliang Li、Bolin Ding、Jingren Zhou等，企业研究团队主导。
  • 相关链接：📄 点击阅读论文原文

Confident Decoding：更深层不总是更好——缓解对齐税的置信层解码

  • 论文名称：Deeper is Not Always Better: Mitigating the Alignment Tax via Confident Layer Decoding
  • 核心亮点：传统自回归生成使用最终层预测Token，但研究揭示了一个"猜测-精炼-扰动"动态：早期层形成粗略猜测，中间层精炼推理相关语义，而最终层可能将这些精炼预测扰动为通用或对齐偏好的Token。Confident Decoding是一种无需训练的解码策略，通过熵引导的保守反向搜索动态选择最可靠的近最终层，在GPQA-Diamond、Omni-MATH和HLE等推理基准上持续提升性能，零内存开销，延迟增加不到2%。
  • 团队背景：Qwen（阿里通义）团队，Xuanming Zhang、An Yang、Chujie Zheng、Fei Huang、Dayiheng Liu、Gao Huang、Jingren Zhou等，企业研究团队。
  • 相关链接：📄 点击阅读论文原文

EvoEmbedding：面向长上下文检索与Agent记忆的可进化表示

  • 论文名称：EvoEmbedding: Evolvable Representations for Long-Context Retrieval and Agentic Memory
  • 核心亮点：现有嵌入模型本质上是静态的——孤立编码文本片段，忽略上下文和时间顺序。EvoEmbedding维护持续更新的潜在记忆，在顺序处理输入时与原始内容联合生成可进化嵌入，使同一查询能根据上下文演变检索不同目标。构建了EvoTrain-180K数据集，训练加速3.8倍，超越Qwen3-Embedding-8B和KaLM-Embedding-Gemma3-12B等更大规模专家。在比训练窗口长10倍的上下文中仍泛化良好，装备朴素RAG管道即可超越专用Agent记忆系统。
  • 团队背景：南京大学 + 中国移动研究院，Chang Nie、Chaoyou Fu、Junlan Feng、Caifeng Shan。
  • 相关链接：📄 点击阅读论文原文

Tmax：终端Agent的简单RL训练配方

  • 论文名称：Tmax: A simple recipe for terminal agents
  • 核心亮点：终端Agent已成为语言模型最流行的下游应用，但学术界的RL训练研究相对匮乏。Tmax提出了目前最强的开源终端Agent RL配方，仅用9B参数即在Terminal-Bench 2.0达到27%，超越多个远大于此的模型。数据生成使用新颖的分类法（难度控制+角色+验证器多样化），开源数据集比此前发布的终端Agent数据集大2.5倍以上。
  • 团队背景：华盛顿大学（University of Washington），Hamish Ivison、Nathan Lambert、Hannaneh Hajishirzi等，顶级学术机构。
  • 相关链接：📄 点击阅读论文原文

Training Open Models for Agentic Phone Use：训练开源手机Agent

  • 论文名称：Training Open Models for Agentic Phone Use
  • 核心亮点：手机正成为通用Agent的重要执行面，但训练开源模型进行可靠手机操作困难——真实设备运行真实应用速度慢、有状态、有副作用且难以重置。PhoneBuddy结合真实应用环境与模拟应用环境（PhoneWorld），通过共享SFT+真实应用RL vs 混合RL对比。150任务真人评测显示成功率从SFT的36.67%提升到真实RL的40.67%和混合RL的45.33%，AndroidWorld从60.3%→77.2%→83.2%。
  • 团队背景：跨机构合作，含多名来自高校与工业界研究者。
  • 相关链接：📄 点击阅读论文原文

SelfCompact：自压缩语言模型Agent

  • 论文名称：Self-Compacting Language Model Agents
  • 核心亮点：长Agent轨迹（思维链+工具调用）会积累锚定后续生成的陈旧内容，最终超出上下文窗口。现有脚手架以固定Token阈值触发压缩，忽略了轨迹结构。SelfCompact让模型自行决定何时及如何压缩，将压缩工具与轻量级评分标准（何时触发：子任务已解决或轨迹收敛；何时抑制：推理中途或卡住时）配对。无需微调，在六个基准上匹配或超越固定间隔摘要化，Token成本降低30-70%。
  • 团队背景：Johns Hopkins大学Daniel Khashabi团队等。
  • 相关链接：📄 点击阅读论文原文

Randomized YaRN：改进长上下文推理的长度泛化

  • 论文名称：Randomized YaRN Improves Length Generalization for Long-Context Reasoning（Arxiv 精选）
  • 核心亮点：LLM通常在短序列上预训练后扩展到长序列，但在极长序列上仍难以泛化。Randomized YaRN将YaRN位置外推与随机化位置编码和长度课程相结合，训练时从更大位置范围采样YaRN位置编码，即使短上下文输入也暴露于OOD位置表示。在BABILong和MRCR基准上，仅用<8K上下文训练即在16K到128K的上下文长度上持续提升推理性能，远OOD长度增益最大。
  • 团队背景：UT Austin Greg Durrett团队，纯学术研究。
  • 相关链接：📄 点击阅读论文原文

LIBERO-Safety：VLA模型的物理与语义安全全面基准

  • 论文名称：LIBERO-Safety: A Comprehensive Benchmark for Physical and Semantic Safety in Vision-Language-Action Models（Arxiv 精选，ECCV 2026）
  • 核心亮点：尽管VLA模型操作能力令人印象深刻，但在严格约束下的操作安全性基本未被验证。LIBERO-Safety程序化生成安全关键场景，开发关键姿态驱动数据生成管道，构建19,664条严格无碰撞示范。对8个VLA和2个具身基础模型的系统跨范式评测揭示了一个关键的泛化-安全张力：高多样性训练培养更安全轨迹，但任务成功率仍受次优轨迹合成和语义错位的根本瓶颈。
  • 团队背景：北京大学、中科院自动化所等联合团队（ECCV 2026接收）。
  • 相关链接：📄 点击阅读论文原文

See2Act：机器人模仿学习中的主动感知

  • 论文名称：Learning to See While Learning to Act: Diffusion Models for Active Perception in Robot Imitation（Arxiv 精选）
  • 核心亮点：大多数模仿学习方法假设桌面场景全可观测，但实践中物体常被遮挡。See2Act将动作预测条件化在测试时主动推断的视角序列上，耦合动作去噪与视角精炼。在RLBench任务上性能提升最高34%，在真实世界50个示范中实现零样本sim-to-real迁移，成功处理显著遮挡。
  • 团队背景：斯坦福大学Danfei Xu团队 + Skild AI，产学研合作。
  • 相关链接：📄 点击阅读论文原文

2. 产业动态与产品创新（AI Hot 精选）

火山引擎FORCE大会：豆包大模型2.1 Pro + Seedance 2.5"五弹齐发"

  • 事件/产品名称：字节跳动火山引擎FORCE原动力大会
  • 核心内容：字节一次性发布五款模型：豆包大模型2.1 Pro（Coding/Agent/VLM三向升级，多Coding评测比肩全球顶尖，Agent国内第一）、Seedance 2.5（原生4K/单次30秒视频/50个全模态参考输入/7月初上线）、Seedream 5.0 Pro（图像文本渲染+多层编辑）、豆包音频生成模型1.0、Seedance 2.0 4K版。谭待宣布豆包继续免费，专业版办公任务模式搭载2.1 Pro。
  • 落地应用场景：AI视频创作（30秒长视频无需拼接）、生产级Agent办公任务、AI音频制作、代码生成与多模态理解。同时发布AI记忆卡YoooClaw C-ONE（录音转文字+通知抓取+飞书任务分发）。
  • 相关链接：🌐 点击查看新闻来源

OpenAI GPT-5.5-Cyber + Bidi 1：网络安全与语音双线突破

  • 事件/产品名称：OpenAI DayBreak网络安全项目 + Bidi 1语音模型
  • 核心内容：GPT-5.5-Cyber在CyberGym（85.6%）、ExploitGym（39.5%）、SEC-bench Pro（69.8%）三项基准全面领先，超越Claude Mythos 5（83.8%）和GPT-5.5（81.8%），成为最强网络安全AI。Bidi 1双向语音模型支持打断、连续对话、唱歌、生成不同声音，即将上线ChatGPT，未来将支持实时翻译。GPT-5.6推迟至7月中旬。
  • 落地应用场景：安全团队漏洞扫描与防御、实时语音翻译、自然语言对话式AI交互（支持唱歌和情感表达）。
  • 相关链接：🌐 点击查看新闻来源

Sakana AI Fugu：0.6B参数多智能体编排系统

  • 事件/产品名称：Sakana AI Fugu / Fugu Ultra
  • 核心内容：日本团队推出仅0.6B参数的多智能体编排系统，不是单体大模型而是AI"项目经理"：简单任务自处理，复杂任务自动拆分，从全球模型池选择模型分配思考、执行、验证角色，多轮协作输出答案。编排策略由训练生成而非提示工程，性能在多个基准上超越Claude和GPT，定价$20-200/月。规避出口管制风险。
  • 落地应用场景：中小企业低成本部署强AI能力、多模型协作的复杂推理任务、规避地缘政治管制的AI部署。
  • 相关链接：🌐 点击查看新闻来源

Cursor发布自有AI模型、Git平台和移动应用

  • 事件/产品名称：Cursor Compile大会三大发布
  • 核心内容：Cursor公布首个完全内部训练的AI模型详情，同步推出新Git平台（定位Agent时代GitHub）和移动应用。同时确认与SpaceX合作训练新模型（SpaceX已通过计算交易收回对Cursor一半投资，另一半依赖Composer 3表现）。
  • 落地应用场景：移动端AI编程、Agent驱动的代码版本管理、SpaceX级高可靠软件开发。
  • 相关链接：🌐 点击查看新闻来源

百度开源Unlimited OCR：3B总参数单次转录40+页

  • 事件/产品名称：百度 Unlimited OCR
  • 核心内容：专为一次性读取长文档设计，总参数3B仅激活500M，在OmniDocBench v1.5和v1.6上取得端到端SOTA。核心创新为参考滑动窗口注意力（R-SWA），模拟人类抄书过程，保持源、近期上下文和后续焦点同时软遗忘无关信息。恒定KV缓存大小，单次前向传播可转录40+页。
  • 落地应用场景：长文档数字化（合同/论文/报告）、OCR API低成本部署、移动端长文档处理。
  • 相关链接：🌐 点击查看新闻来源

Mistral OCR 4：170种语言结构化识别

  • 事件/产品名称：Mistral OCR 4
  • 核心内容：除提取文本外返回边界框、块分类（标题、表格、公式、签名等）和逐页/逐词置信度分数。支持170种语言、10个语系，可单容器全自托管部署。OlmOCRBench得分85.20最高，独立标注者偏好率72%。API定价每1000页$4。
  • 落地应用场景：企业文档自动化处理、多语言OCR流水线、自托管安全文档分析。
  • 相关链接：🌐 点击查看新闻来源

腾讯AI Agent生态：EdgeOne Makers + QQ邮箱Agently Mail + 企业微信"大圆"

  • 事件/产品名称：腾讯AI Agent三件套
  • 核心内容：EdgeOne Makers开源——AI Agent一句话部署应用（CLI自动完成Git推送/CI-CD/边缘函数部署/预览链接，支持Claude Code调用）。QQ邮箱推出Agently Mail——为AI Agent提供独立于个人邮箱的专属邮箱地址，支持A2A自动通信（询价/报价/订单），具备Prompt注入防护。企业微信AI Agent"大圆"内测——左滑唤起，自动理解界面与问题，基于群聊/文档/会议/邮件数据回复，灰度测试"服务总结"功能。
  • 落地应用场景：Agent一键部署应用、AI Agent间的企业级邮件通信与自动化交易、企业客服与销售辅助。
  • 相关链接：🌐 点击查看新闻来源

微信"小微"AI助手 + 高考AI志愿助手

  • 事件/产品名称：微信AI助手"小微" + 高考AI志愿助手
  • 核心内容：小微基于腾讯自研WeLM大模型，部分响应由DeepSeek处理，可设日程/发消息/打电话/生成歌单/启动小程序/唤醒美团外卖和京东购物（支付需手动确认）。高考AI志愿助手上线搜一搜，支持语音提问多轮对话，千问Agent多项表现超过53位平均从业4.6年的人类咨询师（44道事实题全对，100场匿名对比中专家58次倾向千问）。
  • 落地应用场景：14亿用户的日常AI助理入口、高考志愿填报AI辅助（面向千万考生）、生活服务Agent调用。
  • 相关链接：🌐 点击查看新闻来源

Prime Intellect prime-rl 0.6.0：万亿参数MoE模型的智能体RL训练

  • 事件/产品名称：Prime Intellect prime-rl 0.6.0
  • 核心内容：开源异步强化学习框架，针对万亿参数MoE模型，聚焦长周期智能体任务（如软件工程）。在GLM-5上训练SWE任务，序列长度达131K，步时间低于5分钟，batch size 256，仅用28个H200节点。推理优化包括FP8（DeepEP/DeepSeek V3风格专家并行）。
  • 落地应用场景：开源社区训练万亿参数Agent模型、高效率RL训练基础设施、软件工程Agent训练。
  • 相关链接：🌐 点击查看新闻来源

IBM开源CUGA：轻量级智能体框架

  • 事件/产品名称：IBM CUGA（Configurable Generalist Agent）
  • 核心内容：轻量级智能体框架，处理规划、执行循环、工具调用和状态管理。开发者只需提供工具列表和提示词即可构建CugaAgent，内置计划-执行-反思循环。在AppWorld（2025年7月-2026年2月）和WebArena等基准表现优异。提供二十余个单文件示例应用。
  • 落地应用场景：快速构建企业级Agent应用、低代码Agent开发、教育和原型设计。
  • 相关链接：🌐 点击查看新闻来源

五眼联盟AI网络威胁联合警告

  • 事件/产品名称：五眼联盟 + NCSC AI网络安全联合声明
  • 核心内容：美、英、加、澳、新五国网络安全部门联合警告，即将到来的AI模型（如GPT-5.5-Cyber、Anthropic Mythos）将在数月（而非数年）内显著降低编写复杂攻击代码的门槛。自动化智能体可全天候扫描互联网漏洞，大幅缩短安全窗口期。AI驱动的超个性化钓鱼诈骗已在亚太蔓延。
  • 落地应用场景：企业安全防御体系升级、AI驱动的威胁情报、国家级网络安全战略调整。
  • 相关链接：🌐 点击查看新闻来源

英国6000万英镑建AI实验室 + Krea 2开源

  • 事件/产品名称：英国AI实验室拨款 + Krea 2开源权重
  • 核心内容：英国政府拨款6000万英镑为牛津大学和UCL建立两座AI实验室，开发低硬件需求开源AI模型，减少对美国闭源高算力方案的依赖。Krea同步发布Krea 2开源权重（Raw用于微调+Turbo快速蒸馏版本），提供广泛美学多样性。
  • 落地应用场景：主权AI基础设施、低成本开源模型部署、AI图像生成与微调。
  • 相关链接：🌐 点击查看新闻来源

GPT-5.6推迟，Claude Sonnet 5开放企业早期访问

  • 事件/产品名称：前沿模型竞争格局变动
  • 核心内容：据爆料，GPT-5.6本周不再发布，新目标推迟至7月中旬；DeepMind对Gemini 3.5 Pro当前状态不满意，本月不会推出。Claude Sonnet 5已向部分企业客户开放早期访问，被视为Mythos/Fable 5开发停滞的权宜之计。同期Claude多个模型错误率上升。
  • 落地应用场景：企业AI模型选型窗口期变化、竞争格局短暂重构。
  • 相关链接：🌐 点击查看新闻来源