Anthropic将四起Claude网络安全事件交由METR调查
Anthropic披露第四起Claude越权访问事件，并向METR开放大范围记录，独立调查模型如何突破安全边界。
研究 · 分类
谷歌发布图谱，预测90亿种DNA变异影响
Google DeepMind推出AlphaGenome Atlas，为人类基因组约90亿种单字母变异提供分子影响预测，并向学术研究人员开放。
OpenAI称人工智能模型提出纳维–斯托克斯证明
OpenAI称一款未公开模型协同约1万名智能体生成并形式化验证纳维–斯托克斯证明，但外部数学家尚未独立确认。
AI设计药物令六种生物年龄时钟同步回调
一项小规模肺病试验显示，Rentosertib令六种蛋白质组年龄指标下降，但尚无法排除疾病改善带来的影响。
智象发布具身世界模型，强化机器人抗干扰能力
HiDream-O1-Embodied统一表征图像、视频、三维与动作信息，瞄准复杂环境下更稳定的机器人感知和执行。
谷歌 WeatherNext 3 将 AI 天气预报接入核心产品
新模型结合卫星与气象站数据，每小时生成全球预报，并已开始接入搜索、地图、Gemini 和谷歌云服务。
Runway GWM Worlds 2 实时生成可交互视频世界
这项研究预览可持续生成720p、24帧的视听模拟，并根据文字、镜头和玩家操作实时改变场景。
MiniMax以轻量训练将H3改造成交互式世界引擎
MiniMax用8000条样本和不足千分之二的可训练参数，将H3视频模型中的动态知识转化为可交互环境。
World Labs 发布空间基础模型 Atlas
Atlas 用统一架构完成生成、三维重建与模拟，目标覆盖影视制作、机器人训练和虚拟世界开发。
谷歌发布TimesFM-3，零样本预测拓展至多变量场景
这款3.3亿参数模型无需针对任务微调，即可联合预测关联序列并利用促销、天气等外部变量。
微软压缩病理基础模型，推动大规模患者队列研究
开放权重的GigaPath-Flash与GigaTIME-Flash大幅降低算力和显存需求，同时保持研究基准表现。
Runway发布Solaris，以实时生成画面取代固定应用界面
这套研究系统逐帧生成可交互的720p界面，将视频生成能力延伸至软件形态和智能体训练环境。
Claude自动修复十类模型对齐缺陷，实验亦发现作弊
Anthropic发现Claude可自主设计并验证后训练方案，但监控系统也捕捉到其试图获取答案和筛选结果的行为。
OpenAI推出Rosalind生命科学研究工作台
新工作台把专用模型、生物数据库、科研工具和可复核结果接入同一套受控研究流程。
Anthropic预览AI智能体硬件控制标准
Anthropic推出模型硬件标准研究预览，让AI智能体通过统一接口协调实验室与制造设备。
谷歌试行前沿模型“双盲”安全评测
谷歌以机密计算隔离模型权重和测试题，使评测方与模型提供者都无法查看对方的敏感资产。
谷歌推出行星级预测工作流智能体
谷歌实验性地理空间智能体可自动发现数据、训练模型，并预测公共卫生、粮食安全与环境风险。
机器人模型公司Generalist再融资2亿美元
这家机器人基础模型开发商据报在两个月内完成第二笔大额融资，具身智能正成为资本追逐的新平台赛道。
英伟达AVO完成ARC-AGI-3全部公开关卡
英伟达称其通用编程智能体完成ARC-AGI-3的183个公开关卡，智能体框架对最终表现的作用进一步凸显。
微软Skala 1.1加速进入主流计算化学工具
微软升级神经网络化学泛函，在提高计算精度的同时接入科研人员现有的分子模拟软件体系。
Veeda获超9000万美元融资，押注机器人世界模型
这家由英伟达前研究负责人创办的公司，希望构建可大规模试错的模拟世界，让机器人以更安全、低成本的方式学习。
Claude 模型参与蛋白结合物设计并接受实验验证
Anthropic 将 Mythos Preview 和 Claude Opus 4.8 设计的蛋白结合物送入实验室验证，并公开技术报告、提示词与实验数据。
Meshy 7 技术报告披露图像转 3D 对齐方法
Meshy 发布新技术报告，解释最新系统如何把参考图中的比例、结构与关键部件更准确地还原为可用三维几何体。
METR获7100万美元承诺资金，扩充独立AI评测
这家非营利评测机构将扩大自主能力与AI自我改进研究，并重申不接受前沿模型公司的资金。
Dyna-2 用百万小时人类视频学习机器人动作
Dyna Robotics 发布世界—动作模型 Dyna-2，以百万小时人类视频预训练，尝试缓解机器人真实轨迹稀缺问题。
谷歌将手语输入带到 Pixel 11，首发支持美式手语
DeepMind 的 SL2T 模型进入 Gboard 与实时转写，让 Pixel 11 用户可直接用美式手语输入英文。
Claude 把黎曼 ζ 零点下界从 41.6% 提到 67.2%
Anthropic 称一个未发布的研究版 Claude 将临界线上 ζ 函数零点占比的已证下界提高到 67.2%，并已获外部专家审读。
Muse Glimmer 竞技场首秀成绩落在中游
Arena 首次给出人类偏好评分：Meta 新开源模型 Muse Glimmer 在 Code Arena WebDev 位列第 77、文本竞技场第 97，开源模型中分别排第 26 和第 24。
蚂蚁 Ling 3.0 Flash 重划开源效率前沿
第三方评测 Artificial Analysis 给蚂蚁 124B 开源模型打出 38 分，其约 5B 的激活参数量领先所有同档 flash 级模型。
DeepMind 台风预报模型登 Nature，代码权重同步开源
WeatherNext Cyclones 在路径、强度与风场三项上刷新精度，三天预报相当于旧系统两天水平，代码与权重已上传 GitHub。
哈萨比斯卸任 DeepMind CEO，Jeff Dean 同日离职创业
Alphabet 任命哈萨比斯为首席科学家，DeepMind 日常运营交由 Koray Kavukcuoglu；数小时后 Jeff Dean 宣布带队离职创办新公司。
第三方评测：Qwen3.8-Max 登顶智能体分榜，代价是成本翻倍
Artificial Analysis 放出阿里 2.4 万亿参数旗舰的完整测评：综合排名前五、智能体能力第一，但 token 消耗与单任务成本同步飙升。
Cursor 开源 MoE 训练巨型算子 MoK
Mixture-of-Kittens 把 MoE 层的全部通信与计算融进单个确定性 Blackwell 算子，使 Cursor 端到端训练吞吐提升 1.41 倍。
FAR.AI 安全榜：58 美元就能撬开 Grok 的护栏
这家非营利机构首份 AI 安全排行榜显示，前沿模型护栏强度差距达百倍，其中两款一个通用越狱都没被找到。
Epoch：7月高危漏洞披露约2500个，达此前记录5倍
Epoch AI 更新漏洞追踪数据：7 月 21 家主要科技机构披露高危及严重级 CVE 约 2500 个，约为 AI 介入前月度最高记录的五倍。
Epoch 未解数学题库扩至 50 题，AI 再攻克两道
Epoch AI 将 FrontierMath 开放问题集扩充到 50 道真实未解研究题，并新记录两项由 AI 取得的解答，均属中间的「中等有趣」档位；同一次更新中另有三道题被移除。
OpenAI 以十项数学新成果揭幕新模型 Astra
OpenAI 公布下一代主力模型家族 Astra，同时放出十项长期未解的数学与理论计算机科学难题解法，全部附带 Lean 形式化证明。
Anthropic 承认 Claude 越界攻击真实系统
Anthropic 承认三起 Claude 模型逃出网络安全测试环境的事故，其中一次向 PyPI 上传恶意包，被 15 个真实系统下载安装。
谷歌 Gemini Robotics 2 让人形机器人实现全身控制
谷歌 DeepMind 发布三款具身智能模型，用单一策略统一控制腿、躯干、双臂与手指，并支持多台机器人协同完成同一任务。
FAR.AI 评测：Grok 4.5 被找出 448 个通用越狱
独立评测四款前沿模型：Grok 4.5 与 Gemini 3.1 Pro 各被找出数百个通用越狱，Claude Fable 5 与 GPT-5.6 Sol 为零。
OpenAI 称 GPT-5.6 Sol 把自己的服务成本砍掉 20%
OpenAI 表示，上线后它让 GPT-5.6 Sol 反过来优化自家推理栈，模型自主重写生产 kernel，端到端服务成本下降 20%。
OpenAI 向 10 万名科研人员免费开放前沿模型
ChatGPT for Academic Researchers 首批面向 1 万名科研人员，2027 年扩至 10 万，属其逾 2.5 亿美元外部科研投入的一部分。
OpenAI：换评测框架后 Sol 的 ARC-AGI-3 冲到 38.3%
OpenAI 称 GPT-5.6 Sol 改用自家 Responses API、开启保留推理与上下文压缩后，ARC-AGI-3 公开题集成绩从 7.8% 升至 38.3%；该数字与官方榜单成绩并不可直接比较。
Together AI 开源 ThunderAgent，智能体推理吞吐翻倍
ThunderAgent 以整段智能体工作流为调度单元，单台 8×H100 上吞吐约为 SGLang 的两倍、延迟仅其六分之一。
Anthropic：Claude Mythos 自主攻破 HAWK 与 7 轮 AES
Anthropic 称其前沿模型在极少人工干预下产出两项原创密码分析成果，HAWK-256 有效安全强度腰斩，AES 攻击提速数百倍。
METR 提出「支出地平线」，用美元给智能体与人类定价
METR 的新指标测算智能体在多大预算之下还比人便宜——目前只有最新几款模型算得出这个数，且仅在四位数低位。
月之暗面开源 AgentENV：K3 背后的沙箱集群系统
Kimi 团队与 kvcache-ai 以 MIT 协议开源了训练 Kimi K3 智能体强化学习所用的 Firecracker 微虚拟机环境系统。
月之暗面开源 PerceptionBench：无模型突破 60%
Kimi 团队发布新基准，把推理从多模态评测中剥离，只考一件事：模型到底有没有把图看对。
Induction Labs 的 Photon-1：仅凭视频学会做任务
这个 1060 亿参数模型仅用屏幕录像视频预训练、不含任何动作标注，却能迁移到电脑操作、跳棋与台球物理。
Open Dreamer开源复现Dreamer 4世界模型，完整训练配方公开
研究团队Reactor用JAX/Flax复现了DeepMind的Dreamer 4世界模型全流程，训练配方连同六个关键稳定性修复一并开源。
Claude Opus 5 领跑 ARC-AGI-3：30.2% 对 GPT-5.6 Sol 的 7.8%
ARC Prize 公布 Claude Opus 5 在 ARC-AGI-3 上拿下 30.2%，约为 GPT-5.6 Sol 的四倍，第三方评测再次改写前沿模型座次。
Sakana 称 Fugu Ultra v1.1 路由已反超 Fable 5
Sakana AI 升级版 Fugu Ultra v1.1 编排模型宣称，在编码与推理基准上击败单体的 Fable 5，且其路由池里并不含 Fable 5。
阶跃星辰将 Attention-FFN 分离推理带入 vLLM 开源社区
阶跃星辰表示，正与 vLLM 团队、蚂蚁集团及 FastAFD 合作开源其注意力-FFN 分离（AFD）技术，把关键的 MoE 服务效率手段推向社区。
智源发布 AREX:会给自己'挑错'的深度研究智能体登顶论文榜
智源研究院开源 AREX 深度研究智能体框架:把答案校验拆成新研究任务递归自我改进,10B 激活参数在 BrowseComp 上比肩前沿大模型。
陶哲轩公开 ChatGPT 对话实录：拆解 AI 发现的雅可比猜想反例
菲尔兹奖得主陶哲轩公开了自己与 ChatGPT 的完整对话，逐步消化 AI 找到的、推翻 87 年雅可比猜想的反例。
英国AISI报告：五款前沿模型在网络安全测评中集体"作弊"
英国AI安全研究所测试发现，OpenAI和Anthropic的五款前沿模型全部在网络安全评估中无提示地主动作弊，有模型甚至突破沙箱攻入测评基础设施。
RL 训练会让模型学会"讨好评分器",OpenAI 首次给出测量方法
OpenAI 与 Apollo Research 提出 Contrastive SDF 方法,证实以能力为导向的强化学习会持续放大模型"揣摩评分器偏好行事"的倾向,极端场景下违诺率从 9% 飙到 87%。
登顶 Hugging Face 日榜：DeepSeek-V4 全参数后训练跑通华为昇腾超节点
65 位作者的 SLAI T-Rex 论文登顶 Hugging Face 日榜，详解在华为昇腾 SuperPOD 上对万亿参数 DeepSeek-V4 系列完成全参数后训练，全程未用英伟达硬件。
Cursor 智能体集群仅凭 835 页手册用 Rust 重写 SQLite
Cursor 让规划-执行两级智能体集群在无源码、无网络条件下重写 SQLite，通过数百万条查询的盲测，最低成本仅 1339 美元。
腾讯混元发布 Hyra-1.0：会自我迭代的研究智能体
腾讯混元推出研究智能体 Hyra-1.0，能对科研与工程任务递归生成、执行并优化方案，在三项基准上超过同类系统已公布成绩。