AI 安全、语音与代理基础设施齐发，模型价格战继续升温

7月9日 03:56 UTC·#ai-safety

诉讼称 Grok 促成数千张儿童性虐待图像

一项扩大的拟议集体诉讼称，一名男子利用 xAI 的 Grok 生成了约 7000 张涉及其继女的色情图片和视频，其中包括乱伦和强奸内容，后来该男子自杀身亡。诉状还称，在触发 CyberTip 之后，xAI 未能配合警方和 NCMEC，涉嫌阻碍调查。

此案尖锐地提出了一个问题：AI 图像工具是否可能被大规模滥用于生成儿童性虐待材料，以及提供方是否具备足够的安全防护和报告机制。它可能影响 AI 安全义务、平台责任，以及公司在执法机构要求提供 CSAM 调查相关数据时的应对方式。

一项针对 X 和 xAI 的拟议集体诉讼在周二被扩大，并新增了关于 Grok 生成儿童性虐待材料的指控。诉状称，一名男子利用 Grok 制作了约 7000 张涉及其继女的色情图片和视频，这些内容基于她 11 岁时拍摄的一张照片。投诉文件表示，Grok 允许生成极端的乱伦和强奸图像，却没有将这种行为标记为有害。根据诉讼说法，直到用户输入“gang rape”提示词后，xAI 的儿童安全系统才介入。该提示词据称触发了发给美国国家失踪与受虐儿童中心（NCMEC）的 CyberTip，随后又由 NCMEC 通知执法部门。

诉状还指控 xAI 拒绝与调查人员合作，包括不提供可帮助识别用户的身份信息。原告称，这种阻挠持续了数周，使警方更难抓获当事人。该男子最终是在警方取得搜查令并扣押其设备后被逮捕的，随后法医检查据称发现了约 7000 张由 AI 生成的儿童图像和视频。家属还认为，如果 Grok 没有提供便捷的“脱衣”功能，这些有害内容可能根本不会被生成。诉状称，这些图像还被他在网上交换，用来换取其他儿童性虐待者制作的 CSAM。

根据诉状，Grok 并未对许多有害提示词进行拦截，直到用户输入“gang rape”时才触发儿童安全报告。诉讼称，xAI 随后多次拒绝提供包括用户 IP 地址在内的身份信息，导致定位和逮捕行动被延误，直到警方取得搜查令并扣押其设备。

7月8日 15:00 UTC·#ai-security

HalluSquatting 可能将 AI 工具变成大规模僵尸网络

研究人员提出了一种新的拉取式提示注入技术，名为 HalluSquatting，意为对抗性幻觉抢注。它可以针对 Cursor、Gemini CLI、Windsurf、GitHub Copilot、Cline、OpenClaw、ZeroClaw 和 NanoClaw 等流行的 AI 编程助手和智能代理。

这种攻击可能让对手从一次性的提示注入升级为大规模入侵，包括组建僵尸网络、实施大规模 DDoS 和感染设备。这使它成为一个重要的 AI 安全问题，因为它利用了那些经常运行高权限命令并获取第三方资源的工具。

文章认为，提示注入已经迅速成为 AI 安全领域的首要威胁，因为大型语言模型无法可靠地区分可信指令与隐藏在电子邮件、源代码以及其他第三方内容中的恶意文本。由于开发者无法真正为可信输入和不可信输入建立清晰边界，只能依赖各种防护栏来尽量减轻伤害，而不是从根本上解决问题。到目前为止，大多数提示注入都属于推送式攻击，也就是攻击者必须把恶意内容逐个送到每个受害者那里，因此攻击规模受到限制。拉取式攻击也存在，但通常难以扩展，因为攻击者很难把大量 LLM 引到恶意网站上。新的 HalluSquatting 攻击改变了这一点，因为它利用了模型天生会“幻觉”出资源标识符的倾向。

研究人员可以预测 LLM 最可能编造出的标识符，然后注册这些标识符，并在其中植入安装反向 Shell 或其他恶意载荷的命令。这种技术针对的是 AI 编程助手和代理，这些工具往往会访问高权限命令行，并经常从仓库和注册表拉取代码。文章称，受影响的工具包括 Cursor、Cursor CLI、Gemini CLI、Windsurf、GitHub Copilot、Cline、OpenClaw、ZeroClaw 和 NanoClaw。最终，这种提示注入方法有可能被用来大规模组建僵尸网络、发动大规模 DDoS 攻击以及广泛感染设备，文章将其描述为此类攻击中的首次突破。

HalluSquatting 利用 LLM 容易“幻觉”出仓库或注册表标识符的倾向，随后注册这些被预测出来的标识符，并在其中植入恶意指令。文章称，受影响的工具在正常使用中会经常拉取代码和其他资源，因此这种攻击可以在不逐个定点攻击受害者的情况下传播。

7月9日 03:30 UTC·#ai-models

SpaceXAI 发布 Grok 4.5，定位为 Opus 级模型

SpaceXAI 发布了 Grok 4.5，这是公司在几周前上市后推出的首个新模型。公司表示，该模型已面向公众开放，目标是用于编码、应用开发、研究、写作以及其他常规知识工作任务。

如果 SpaceXAI 的说法属实，Grok 4.5 可能会因更强能力、更低 token 成本和更高效率而吸引开发者和企业。由于 AI 使用成本正成为重要问题，而模型定价会影响哪些系统能在真实工作负载中被采用，这一点尤其重要。

SpaceXAI 发布了 Grok 4.5，这也是公司在几周前上市后推出的首个重要模型更新。在周三发布的博客文章中，公司把这款模型描述为一款“主力型”产品，面向 AI 厂商长期尝试自动化的各种任务。相关任务包括编码、应用开发、办公和文书工作、研究、写作，以及更广泛的常规知识工作。SpaceXAI 还特别强调效率，声称这款模型的 token 效率比其他领先模型高出一倍。公司表示，这有望降低客户成本，因为 token 定价已经成为 AI 用户越来越关心的问题。SpaceXAI 在周三公布了基准测试结果，称 Grok 4.5 与其他竞争对手的顶级模型相比具有竞争力，但还不是最强。

埃隆·马斯克在 X 上将其称为“Opus 级模型”，这里指的是 Anthropic 面向高强度、复杂任务的 Opus 系列。马斯克说，测试版用户给出了强烈正面反馈，因此 Grok 4.5 将在第二天向公众开放。他随后补充说，SpaceXAI 的内部评估认为，Grok 4.5 大致可与 Opus 4.7 相比，但速度要快得多。SpaceXAI 还给出了较激进的定价：每百万输入 token 2 美元、每百万输出 token 6 美元，并将其与 Opus 4.7 以及部分 OpenAI 价格层进行对比。文章还指出，这次发布发生在 AI 模型集中更新的一周，OpenAI 也计划在周四发布 GPT 5.6。

SpaceXAI 表示，Grok 4.5 的“token 效率提高了一倍”，并将价格定为每百万输入 token 2 美元、每百万输出 token 6 美元。埃隆·马斯克称它是“Opus 级模型”，并表示它大致可与 Opus 4.7 相比，但速度更快、token 效率更高、成本更低。

7月9日 01:00 UTC·#openai

OpenAI 推出 GPT-Live-1 语音模型

OpenAI 发布了 GPT-Live-1 和 GPT-Live-1 mini，这两款新的全双工语音模型旨在让 ChatGPT 的对话更自然，并更好地处理打断。公司还将用 GPT-Live-1 mini 默认替换 ChatGPT 中的 Advanced Voice Mode，而付费用户可以使用更大的 GPT-Live-1 模型。

这对消费级和企业级语音助手都很重要，因为全双工交互可以让 AI 的对话体验更自然，不那么像预设脚本。它也表明 OpenAI 正在推动语音成为更长、更复杂任务以及实时翻译的主要计算接口。

OpenAI 发布了两款新的对话式语音模型 GPT-Live-1 和 GPT-Live-1 mini，并表示它们能让实时对话听起来更自然。 这两款模型采用全双工设计，意味着它们可以边听边说，目标是改善轮流发言的体验，并让用户打断时更自然。OpenAI 表示，ChatGPT 现有的 Advanced Voice Mode 将默认切换到 GPT-Live-1 mini，而付费用户可以使用更大的 GPT-Live-1 模型。公司解释说，之前的语音系统由语音转文字、大语言模型和文字转语音三个部分串联组成。相比之下，新语音模式可以在持续对话的同时，把请求转给 GPT-5.5 之类更新的文本模型，以获得搜索、推理或代理能力。OpenAI 还演示了模型可以长时间保持安静，吸收对话上下文，等被叫到时再继续回应。

公司表示，新语音模式还可以因为接入了更新的 GPT 模型而用视觉方式展示部分信息。ChatGPT Voice 产品负责人 Atty Eleti 在发布会上说，他曾在散步时与该功能进行过 30 到 40 分钟的长时间对话，并称 OpenAI 认为语音可能成为复杂、长时任务的主要计算接口。OpenAI 还表示，已有超过 1.5 亿人通过 Voice 和 Dictation 等功能与 ChatGPT 进行语音交流。演示同时暴露了一些不足：在印地语实时翻译中，助手带有很重的美国口音，印地语也显得不够自然，甚至有些书面化。OpenAI 说新模式针对“多数口语语言”进行了优化，但没有具体说明包括哪些语言。公司还强调，这并不是要做一个 AI 伴侣，并表示系统内置了针对青少年的安全保护，以及在对话涉及自伤等话题时提供资源的机制。

OpenAI 表示，这些新模型可以边说边听，从而改善轮流发言，并支持自然的打断。公司还说，系统可以在保持语音对话的同时，把请求转交给 GPT-5.5 等更新的文本模型，以获得搜索、推理或代理能力。

7月9日 00:22 UTC·#ai-agents

Prime Intellect 融资1.3亿美元助企业构建AI代理

Prime Intellect 以 10 亿美元估值完成了 1.3 亿美元的 A 轮融资，用于扩展其面向 AI 代理构建的算力和软件平台。该轮由 Radical Ventures 领投，Nvidia Ventures、Intel Capital、Dell Technologies Capital、Iconiq 以及多位知名创业者天使投资人参与。

这笔融资表明，企业级 AI 基础设施存在强劲需求，越来越多公司希望自己构建并掌控代理系统，而不是完全依赖前沿模型实验室。它也反映出企业正在追求更可定制、风险更低的 AI 技术栈，以兼顾性能、隐私和控制权。

Prime Intellect 成立于 2024 年，此次完成了 1.3 亿美元 A 轮融资，估值达到 10 亿美元，目标是帮助企业构建和训练自己的 AI 代理。该初创公司提供算力和专用软件工具，面向那些希望开发代理式系统、但不想完全依赖前沿 AI 实验室的企业。此次融资由 Radical Ventures 领投，Nvidia Ventures、Intel Capital、Dell Technologies Capital、Iconiq 以及一批知名创业者天使投资人共同参与。Prime Intellect 表示，它希望让组织通过强化学习来微调面向具体业务任务的模型，从而成为自己的“AI 实验室”。强化学习通过对成功结果进行奖励、对错误进行惩罚，使这种能力在近几年变得更可行。

尽管如此，公司认为，要把这些能力拼装成可投入生产的系统，底层基础设施仍然过于复杂，大多数企业难以独立完成。为此，Prime Intellect 提供了一个“全栈”平台，包含算力接入、强化学习工具和评估能力，并以模块化、类似市场的方式交付。公司称，这种模式已经吸引了 Ramp、Zapier 和 Flapping Airplanes 等客户，其托管工具带来了 1 亿美元的年化收入运行率。Ramp 表示，他们用 Prime Intellect 构建的代理在准确率上超过了前沿模型，同时运行更快、成本更低。Prime Intellect 还认为，企业越来越担心把专有信息交给封闭模型提供商，以及依赖可能随时被调整或关闭的系统。

Prime Intellect 表示，其平台把算力接入、强化学习框架和评估工具组合成一个可模块化选用的“全栈”代理开发系统。公司称其年化收入运行率已达到 1 亿美元，客户包括 Ramp、Zapier 和 Flapping Airplanes。

7月8日 15:16 UTC·#ai-chips

SambaNova以110亿美元估值融资10亿美元

SambaNova Systems在F轮融资的首轮交割中以110亿美元估值融资10亿美元，由General Atlantic领投。首席执行官Rodrigo Liang表示，未来几周还会有更多投资者加入，第二轮交割预计很快完成。

这笔交易表明，投资者仍然看好定制AI芯片以及支撑大规模推理工作负载所需的基础设施。它也说明，银行、政府和企业对本地部署和私有AI系统的需求依然强劲。

SambaNova Systems在F轮融资的首轮交割中以110亿美元估值融资10亿美元，由General Atlantic领投。首席执行官Rodrigo Liang表示，未来几周还会有更多投资者加入，第二轮交割预计很快完成。 这笔交易表明，投资者仍然看好定制AI芯片以及支撑大规模推理工作负载所需的基础设施。

它也说明，银行、政府和企业对本地部署和私有AI系统的需求依然强劲。 这轮融资距离SambaNova在2月发布SN50芯片以及完成3.5亿美元E轮融资大约只有五个月。公司表示，SN40L和SN50系统面向超大规模推理，能够处理万亿参数级模型；新资金将用于扩大业务规模并保障供应链产能。

这轮融资距离SambaNova在2月发布SN50芯片以及完成3.5亿美元E轮融资大约只有五个月。公司表示，SN40L和SN50系统面向超大规模推理，能够处理万亿参数级模型；新资金将用于扩大业务规模并保障供应链产能。

7月9日 03:01 UTC·#ai-models

Grok 4.5 以低价押注实用性

xAI 发布了 Grok 4.5，这是一款面向编程、智能体任务和知识工作的模型。文章强调它的定价远低于竞争对手的前沿模型，xAI 将成本优势定位为比少量基准分差更重要的卖点。

如果 xAI 的定价在实际使用中成立，Grok 4.5 可能会对更看重吞吐量和成本、而不是绝对榜单领先的团队更有吸引力。这对产品团队、软件工程流程和智能体系统都很重要，因为这些场景里的 token 消耗很快就会成为总成本的主要部分。

xAI 发布了 Grok 4.5，官方定位是面向编程、智能体任务和知识工作的模型。文章并没有把它描述成一次颠覆性的技术飞跃，而是更强调它在成本和性能之间的取舍。xAI 表示，该模型是在数万块 Nvidia GB300 GPU 上训练的，并且在训练中非常重视数据过滤、去重以及按领域筛选，以提高数据质量。公司还称，强化学习阶段覆盖了数十万项任务，其中大部分来自软件工程，并使用自动评分来完成训练反馈。为了支持耗时很长的智能体工作流，xAI 还搭建了异步训练基础设施，使训练可以在模型执行长时间任务的同时并行进行。

文章最突出的信息是价格：Grok 4.5 的输入 token 价格为每百万 2 美元，输出 token 价格为每百万 6 美元。相比之下，文中列举的 Opus 4.8、Fable 5 以及 GPT-5.5/5.6 都更贵，因此 Grok 4.5 的定价优势非常明显。文章认为，这种策略与中国厂商如 Zhipu 和 DeepSeek 的做法相似，即先把性能做到“足够接近”，再通过价格取胜。Grok 4.5 现在可以通过 Grok Build、Cursor 和 xAI 控制台使用，而且 Word、PowerPoint 和 Excel 的插件也已经上线。不过，欧盟地区目前还不能使用，xAI 预计会在 7 月中旬开放。

xAI 表示，Grok 4.5 训练于数万块 Nvidia GB300 GPU，并通过大量数据过滤、去重和领域选择来提升数据质量。其强化学习阶段据称覆盖了数十万项任务，主要来自软件工程，并采用异步训练基础设施，使较长的智能体运行可以在训练并行进行时继续执行。

7月9日 02:18 UTC·#openai

ChatGPT新增全双工语音对话

据报道，OpenAI 推出了 GPT-Live，这是一个新的 ChatGPT 语音模型，采用全双工架构，可以边听边说。它分为两个版本：付费用户使用的 GPT-Live-1，以及免费用户可用的 GPT-Live-1 mini，并会把更复杂的任务在后台交给 GPT-5.5 处理。

这让 ChatGPT 的语音对话更接近真人交流，因为模型可以像人一样处理打断、停顿和重叠说话。把复杂问题在后台交给 GPT-5.5 也有助于弥合流畅语音交互与前沿模型推理能力之间的差距。

OpenAI 推出了 GPT-Live，这是为 ChatGPT 设计的新一代语音模型，目标是让口语对话更像人与人交流。其核心技术变化是采用全双工架构，也就是模型可以在听和说的同时进行，而不再局限于严格的一问一答轮流模式。OpenAI 表示，该系统能够自然地处理用户打断，还会使用像“mhmm”或“got it”这样的填充语来表明自己仍在跟进对话。此次全球同时上线两个版本：面向 Go、Plus 和 Pro 付费用户的 GPT-Live-1，以及面向免费账户的 GPT-Live-1 mini。两者都可在 iOS、Android 和 ChatGPT.com 上使用，API 访问也计划在之后开放。

对于需要网页搜索、推理或类似智能体能力的复杂请求，GPT-Live 会在后台把任务交给 GPT-5.5，同时维持前台对话不中断。用户还可以根据需求选择不同的推理级别，包括 Instant、Medium 和 High。OpenAI 称，新模型在用户偏好测试中优于此前的 Advanced Voice Mode，并在其内部的 tau3 Voice Telecom 基准上表现更好。此次发布暂时不包括带视频或屏幕共享的语音功能，但这些功能据称很快会加入，而旧版语音模式也会继续保留一段时间。

OpenAI 表示，GPT-Live 每秒会多次决定是继续说话、继续倾听、暂停、打断还是调用工具，并且会使用“mhmm”“got it”之类的填充语来保持对话连贯。此次上线暂不支持带视频或屏幕共享的语音功能，但这些特性据称很快会加入。

7月9日 01:23 UTC·#robotics

Mistral发布Robostral Navigate机器人导航模型

Mistral 发布了 Robostral Navigate，这是其首个用于机器人导航的 AI 模型。这个 8B 模型只需一台 RGB 摄像头，据 Mistral 称，在 R2R-CE 基准上最高可达到 79.4% 的成功率。

如果这些结果成立，这可能通过减少对深度传感器或多摄像头方案的依赖，降低机器人导航的硬件成本和系统复杂度。它也表明 Mistral 正在进入具身 AI 领域，而导航是更通用机器人能力的核心基础。

Mistral 发布了 Robostral Navigate，这是其首个专注于机器人导航的模型。公司将其描述为一个 8B 模型，只使用单个 RGB 摄像头，就能在复杂环境中引导机器人移动。在用于未知环境导航的标准基准 R2R-CE 上，Mistral 称该模型最高可达到 79.4% 的成功率。公司表示，这一结果超过了最佳的单摄像头方法，也超过了使用深度传感器或多摄像头的系统。Robostral Navigate 完全由 Mistral 自主开发，并且只在模拟环境中训练。

Mistral 说，训练数据来自约 40 万条记录路径，覆盖 6000 个不同的虚拟空间。该模型被设计为可用于轮式、足式和飞行机器人。Mistral 还表示，强化学习实验已经将成功率提高了 3.2 个百分点，而且目前还没有看到提升开始停滞的迹象。公司将导航视为通用机器人能力的基础，并表示会继续改进该模型。不过，Mistral 目前尚未公布该模型的具体可用性信息。

Mistral 表示，该模型完全在模拟环境中训练，使用了约 40 万条记录路径，覆盖 6000 个虚拟空间。它被设计用于轮式、足式和飞行机器人，而且强化学习实验已经让成功率提升了 3.2 个百分点。

7月9日 00:25 UTC·#ai-agents

Anthropic 用 Sonnet 5 分担 Fable 5 成本

Anthropic 现在建议将 Claude Fable 5 主要用作规划者或管理者，把具体执行任务交给 Sonnet 5。公司表示，这样可以在显著降低成本的同时保留大部分 Fable 5 的性能，例如在 SWE-bench Pro 上可达到单独使用 Fable 5 约 92% 的表现，成本为 63%；在 BrowseComp 上可达到 96% 的表现，成本为 46%。

这为希望获得前沿模型能力、但又不想在每一步都支付前沿模型价格的团队提供了一个实用部署模式。它也反映出更广泛的趋势：由大模型负责规划，小模型承担大部分执行工作的智能体编排正在成为主流。

Anthropic 正在用一种更省钱的方式来应对 Claude Fable 5 的高成本：不再让它始终作为主执行模型，而是更多地充当规划者。第一种方案被称为“Advisor”模式，由 Sonnet 5 负责主要执行工作，只有在需要时才向 Fable 5 寻求建议。Anthropic 表示，在 SWE-bench Pro 上，这种组合可以达到 Fable 5 单独运行时约 92% 的性能，但成本只有 63%，而且 Fable 5 平均每个任务只会被调用大约一次。第二种方案则把关系反过来，让 Fable 5 作为管理者，把任务拆分并分派给 Sonnet 5 工作智能体。

Anthropic 说，在 BrowseComp 上，这种模式可以达到 Fable 5 约 96% 的性能，但成本只有 46%。这两种方法都通过 Claude Managed Agents 实现，并且每个子智能体都有自己的缓存，以避免重复上下文带来的额外开销。文章认为，Anthropic 之所以公开这些优化建议，是因为 AI 市场的定价压力正在上升。文中提到，便宜的中国开源模型，以及新推出、据称每个 token 更便宜且更高效的 GPT-5.6 Sol，都在推动价格竞争加剧。

Anthropic 描述了两种配置：一种是“Advisor”模式，由 Sonnet 5 负责执行，仅在需要时向 Fable 5 求助；另一种是规划者-工人模式，由 Fable 5 将任务分派给 Sonnet 5 工作智能体。两种模式都通过 Claude Managed Agents 运行，并且每个子智能体都有自己的缓存，以减少重复上下文成本。

7月8日 20:44 UTC·#ai

MiniMax计划开源2.7万亿参数模型

据报道，中国 AI 创业公司 MiniMax 正在开发一款拥有 2.7 万亿参数的新语言模型，并计划在今年晚些时候将其开源。该模型内部代号为 M3 Pro，消息人士称它最早可能在第三季度发布。

如果真的发布，这将成为报道中提到的规模最大的中国 AI 模型，并且会成为全球开源模型竞争中的一个重要信号。如此规模的模型可能会加剧智谱、DeepSeek 和月之暗面等中国实验室之间的竞争，同时也会为开发者提供另一个高能力的开源模型选择。

中国 AI 开发商 MiniMax 据称正在筹备一款拥有 2.7 万亿参数的新大语言模型。根据《The Information》援引两位知情人士的说法，MiniMax 计划将该模型开源。报道指出，这将是目前市场上最大的中国 AI 模型。该模型在公司内部被称为 M3 Pro，但在正式发布前名称仍可能变化。消息人士称，该模型最早可能在第三季度发布。

MiniMax 现有的旗舰模型是 M3，参数规模为 4280 亿，因此这次升级在规模上非常显著。文章还提到，通常更大的模型在需要复杂推理和多步指令处理的任务上表现更好。MiniMax 目前正在与智谱、DeepSeek 和月之暗面等中国 AI 公司竞争。报道同时称，未来这类开源模型的发布可能会面临中国监管机构更严格的控制。

MiniMax 目前的旗舰模型是 M3，参数规模为 4280 亿，因此 M3 Pro 在规模上将有大幅提升。文章指出，更大的模型通常在复杂推理和多步指令任务上表现更好，但同时也提到中国监管机构可能会收紧未来此类模型开源发布的控制。

7月8日 19:48 UTC·#ai-wearables

Meta 试验全天候 AI 眼镜

Meta 正在原型测试一款带有“Super Sensing”模式的 AI 眼镜，它会在全天持续录制音频，并每隔几秒拍摄照片。该功能旨在让用户随后询问眼镜回忆自己看见或听见的内容，Meta 还在考虑将收集到的数据用于训练自家的 AI 模型。

如果最终推出，这将把消费级 AI 可穿戴设备推进到一种全天候、类似“记忆助手”的形态，让设备能够积累整天的上下文信息。与此同时，它也带来严重的隐私和同意问题，因为旁观者可能无法知道自己何时被录音或拍摄，而且这些数据还可能被用于模型训练。

据报道，Meta 正在测试一款内部原型 AI 眼镜，它几乎可以整天持续感知用户周围的环境。该功能名为“Super Sensing”，会让眼镜的摄像头和麦克风持续工作，并每隔几秒拍摄照片和记录音频。根据《金融时报》引用的多位知情人士说法，这样做的目的，是让用户之后能够向 AI 询问自己曾看见或听见了什么。换句话说，这副眼镜相当于一种可以回溯当天上下文的“记忆助手”。

不过，这个项目已经在 Meta 内部引发了关于隐私的争论。一个主要担忧是，这种模式不会像当前的 Ray-Ban 智能眼镜那样点亮 LED 指示灯，因此旁观者无法直观看到自己是否正在被拍摄。另一个担忧是，Meta 可能会把收集到的数据用于训练自己的 AI 模型，这会让数据治理问题更加敏感。此前，Meta 已在 Connect 2025 上预览过“Live AI”等相关设想，而 Project Aria 研究项目也已经多年在收集第一视角数据，用于类似的 AI 工作。

据报道，Super Sensing 模式与 Meta 现有的 Ray-Ban 智能眼镜不同，它不会点亮 LED 指示灯，这意味着周围的人将没有明显提示知道设备正在录制。Meta 已在 Connect 2025 上预览过相关的“Live AI”功能，而其 Project Aria 研究项目也长期在为 AI 系统收集第一视角数据。

7月8日 19:16 UTC·#ai-image-generation

Meta 的 Muse Image 表现亮眼，但隐私引发争议

Meta 发布了 Muse Image，这是其 Superintelligence Labs 推出的首个图像生成模型，并且它以智能体方式工作，能够调用工具、运行代码并自动优化输出。与此同时，Meta 还预览了 Muse Video，并推出一项基于 Instagram 的功能，用户可以通过公开账号用户名在未获同意的情况下生成相关人物的 AI 图像。

Muse Image 说明 Meta 正在高端图像生成领域认真发力，其在 Image Arena 上的表现和超出“输入提示词直接出图”的智能体能力都很有竞争力。另一方面，基于 Instagram 照片的功能带来了重大的隐私和监管问题，尤其是在欧洲，默认退出机制和生物识别相关担忧可能会受到 GDPR 和《欧盟 AI 法案》的严格审视。

Meta 发布了 Muse Image，这是其在 Chief AI Officer Alexandr Wang 领导下重组后的 Superintelligence Labs 推出的首个图像模型。这个模型最显著的特点是，它不是把提示词直接翻译成图像，而是更像一个智能体，可以调用外部工具并主动改进自己的输出。Meta 表示，Muse Image 可以借助代码执行和网络搜索来生成更准确的图像内容，例如图表、可扫描二维码、动画 GIF、网页，甚至交互式游戏。公司还称，该模型会通过局部编辑或重新生成来修正中间结果，而这种自我修正能力是在强化学习过程中自发出现的，因为它能带来更高的奖励分数和更好的图像质量。Meta 将这种方法描述为比简单地生成很多张图再挑选最好的那种“穷举式”做法更适合随着推理计算扩展。根据 Image Arena 的人类偏好排名，Muse Image 在文生图以及单图和多图编辑任务中都排名第二，仅次于 OpenAI 的 GPT Image 2。

与此同时，Meta 还展示了 Muse Video 预览版，它在文生视频中排名第三，但在音画同步和快速运动方面仍存在不足。该模型目前已可在 Meta AI 应用、meta.ai、美国版 Instagram Stories 和 WhatsApp 中使用，Facebook 和广告主也将在后续获得访问权限。另一方面，这次发布还带来了一项颇具争议的功能：用户可以在提示词中 @ 公开的 Instagram 账号，系统会利用该账号公开可见的照片来生成这个人的 AI 图像，而且不需要当事人同意。Meta 提供的是默认开启的“退出”机制，用户若想关闭，必须到 Instagram 设置里手动停止帖子和 Reels 的再利用，但已经生成的图像不会被删除。文章指出，这一做法很可能在欧洲引发监管关注，因为它涉及 GDPR 以及可能的生物识别数据问题，而 Meta 目前并未公布针对欧盟的特殊调整。

Meta 表示，Muse Image 可以调用网络搜索和代码执行等外部工具，生成图表、二维码、GIF、网页，甚至交互式游戏，并且能通过局部编辑或重新生成来自我纠错。在 Image Arena 上，它在文生图以及单图和多图编辑中都排名第二，仅次于 OpenAI 的 GPT Image 2；而 Muse Video 在文生视频中排名第三，但音画同步和快速运动表现仍有不足。

7月9日 05:42 UTC·#ai-cheating

布朗教授的开卷考试暴露疑似AI作弊

在怀疑学生广泛使用AI作弊后，布朗大学经济学教授罗伯托·塞拉诺将其2026年春季 ECON 1170 课程的期末考试改为线下现场考试。结果成绩大幅下滑，据报道与此前的开卷期中考试相比，分数下降了约50%。

这一案例为生成式AI如何扭曲精英高等教育中的考核提供了现实样本，高分的开卷成绩可能掩盖了学生真实理解不足的问题。它也凸显了大学面临的政策难题：如何在不彻底放弃灵活考试形式的前提下维护学术诚信。

这篇 Ars Technica 报道讲述了布朗大学一门经济学课程如何成为疑似 AI 作弊的案例。中心人物是盲人教授罗伯托·塞拉诺，他一直公开谈论自己在 ECON 1170 课程中怀疑发生了什么。由于 2025 年 12 月布朗校园发生枪击事件，造成两人死亡，塞拉诺在情绪受到冲击后，把 2026 年春季这门课的期中和期末都改成了开卷作业式考试。原本这门课通常学生不多，但都是能力很强的人；在改为新的考核方式后，选课人数一下子增至 86 人。3 月 5 日举行的开卷期中考试成绩异常亮眼，平均分达到 96 分，40 名学生拿到满分。

塞拉诺表示，这远高于这门课过去期中考试 65% 到 80% 的历史平均水平。更重要的是，他说这次试卷其实比以往更难，因为给学生无限时间后，本应可以把题目出得更具挑战性。由于怀疑这些结果反映的是 AI 辅助作弊而不是真实掌握知识，塞拉诺后来把期末改成了线下现场考试。在受监考条件约束的期末中，学生分数大幅下滑，约下降了 50%，这表明此前的开卷高分并不能代表同样水平的独立理解。

塞拉诺表示，这次开卷期中考试成绩异常出色，平均分达到100分中的96分，其中40名学生拿到满分，远高于这门课以往65%到80%的期中平均水平。他还指出，期末题目其实比他过去出的试卷更难，因为无限时间本应让开卷形式更具挑战性，而不是更容易。

7月9日 00:39 UTC·#llm-benchmarking

Google 扩展 Android Bench 并加入新模型

Google 更新了用于评估 Android 应用开发任务的 Android Bench，新增了八个大模型，包括 Claude Fable 5、Claude Sonnet 5、Claude Opus 4.8、GLM 5.2、Kimi K2.7 Code、MiniMax M3、Qwen 3.7 Plus 和 Qwen 3.7 Max。该基准现在还加入了成本和效率指标，Google 也表示开发者可以自行运行测试并提交反馈。

Android Bench 旨在展示哪些 AI agent 更适合真实的 Android 开发工作，因此扩展排行榜有助于让基准更能反映当前模型格局。新增的成本和效率指标也能帮助开发者不只看原始表现，还能评估实际使用中的权衡。

代码生成已经成为大语言模型最常见的用途之一，但不同的 agent 在不同任务上的表现并不一样。为了专门评估 Android 应用开发能力，Google 在今年早些时候推出了 Android Bench，用来衡量 LLM 在一组 100 个 Android 开发任务上的表现。现在，Google 对这个基准做了较大更新，并在排行榜中加入了八个新模型。新增模型包括 Claude Fable 5、Claude Sonnet 5、Claude Opus 4.8、GLM 5.2、Kimi K2.7 Code、MiniMax M3、Qwen 3.7 Plus 和 Qwen 3.7 Max。

Google 还加入了成本和效率指标，这让这个基准不再只看原始效果，也更接近实际选型需求。此外，这次更新还纳入了开放权重模型，并采用了一个 Google 认为更容易使用的新框架。Google 邀请开发者自行运行测试并提交反馈，说明 Android Bench 未来可能会继续根据社区意见演进。尽管有这些更新，文章仍指出 Gemini 在这个基准上的表现依然落后于部分竞争对手。

Google 表示，Android Bench 涵盖 100 个 Android 开发任务，并且最初在 3 月发布。这次更新还纳入了开放权重模型，但文章指出，Gemini 在这个基准上仍然落后于部分竞争对手。

7月9日 03:19 UTC·#robotics

创业公司押注机器人即将迎来基础模型时刻

TechCrunch 报道称，General Intuition 首席执行官 Pim de Witte 认为，具身 AI 即将经历与 GPT-3 之后自然语言处理相似的转变。他表示，机器人行业将从高度专用的系统转向基于更高质量数据训练的通用基础模型，而 General Intuition 正在把自己定位为这一底层模型层。

如果这一判断成立，机器人公司可能会减少对海量任务专用数据集的依赖，转而建立在共享的运动、感知和交互能力之上。这样可能会降低新进入者的门槛，并重塑实体 AI、机器人学习和自动化领域的竞争格局。

这篇文章把机器人领域描绘成可能正在进入一个类似 GPT-3 之后自然语言处理所经历的“基础模型时代”。在过去的 NLP 时代，企业往往要针对每个任务从零开始训练专用模型；而现在，许多公司会先使用 GPT、Claude 或 Llama 这样的通用模型，再通过提示词或微调来适配具体需求。General Intuition 首席执行官 Pim de Witte 认为，具身 AI 也会走上类似道路。按照他的说法，很多公司仍在为不同机器人、不同环境和不同形态做高度专门化的工作，但随着通用模型变强，这些工作很快会变得多余。在他看来，真正的产品是模型本身的泛化能力，尤其是其对空间和时间的基础推理能力。de Witte 认为，一旦有了足够强的基础模型，就不再需要采集几十万甚至几百万小时的真实机器人数据，因为实际所需的数据量可能只剩很少。

General Intuition 表示，它是用数百万小时的视频游戏数据训练出自己的模型的，其中还包括人类在手柄上按键的行为时序。de Witte 和投资人 Vinod Khosla 都认为，这类动作数据是让模型获得类似人类的空间-时间直觉的关键。该公司上个月融资 3.2 亿美元，估值达到 23 亿美元；公司称，其模型不仅可以连续玩视频游戏数小时，还能在仅用 8 分钟真实机器人数据微调后驱动一台四足机器人。de Witte 还提到一个演示：机器人在只使用前置摄像头、没有其他传感器的情况下，就能在办公室里零样本运行，而且环境中还有动态物体和行人经过。他把这看作未来趋势的信号，并强调 General Intuition 的目标不是自己去造机器人，而是成为其他机器人公司的基础模型提供方。

General Intuition 表示，它用数百万小时的视频游戏数据进行训练，其中包括人类按下手柄按钮的时机信息，以培养空间-时间推理能力。该公司称，其模型只用 8 分钟真实机器人数据进行微调后，就能仅依靠前置摄像头在四足机器人上进行零样本运行；不过报道把这描述为一次令人惊讶的演示，而不是一个经过完全验证的基准测试。

7月9日 01:47 UTC·#ai

General Intuition 认为游戏数据更适合训练世界模型

TechCrunch 介绍了从 Medal TV 分拆出来的纽约初创公司 General Intuition，并指出它认为视频游戏数据比互联网文本更适合训练面向物理 AI 和 AGI 相关任务的世界模型。该公司刚完成一轮 3.2 亿美元融资，估值达到 23 亿美元，投资者包括 Coatue、Eric Schmidt，以及来自 MIT 和 Google DeepMind 的研究人员。

如果这家公司判断正确，未来 AI 系统的训练数据可能会从网页文本转向更丰富的模拟环境，因为后者更能教会机器理解物体在空间和时间中的运动方式。这对物理 AI、机器人以及任何需要超越语言、理解动作、动力学和因果关系的系统都很重要。

TechCrunch 的 Equity 播客这一期聚焦 General Intuition，这家公司认为，视频游戏数据可能比互联网文本更适合作为世界模型的训练基础。公司认为，像 ChatGPT 和 Claude 这样的大语言模型虽然擅长处理语言，但并不能充分理解事物在空间和时间中的运动方式。General Intuition 认为，这种能力缺口正是构建可泛化智能、走向物理 AI 以及更广泛 AGI 能力的关键。由于得到 Bezos 支持，这家公司已经吸引了很多关注。

它目前的估值为 23 亿美元，并刚刚完成了一轮 3.2 亿美元融资。此次融资的投资者包括 Coatue、Eric Schmidt，以及与 MIT 和 Google DeepMind 相关的研究人员。CEO Pim de Witte 在节目中介绍了公司如何从游戏平台 Medal TV 分拆出来。访谈还谈到了伦理边界问题，因为这类模型未来可能被用于国防场景。

这次访谈的核心是 CEO Pim de Witte，以及“大语言模型擅长文本，但不擅长建模物理世界”这一观点。讨论还提出了一个重要限制：General Intuition 的技术可能被用于国防领域，因此它在技术前景之外也伴随着伦理问题。

7月8日 21:00 UTC·#agi

General Intuition 下注游戏数据可推动 AGI

获得贝索斯支持的创业公司 General Intuition 据称完成了 3.2 亿美元融资，估值达到 23 亿美元，投资者包括 Coatue、Eric Schmidt，以及来自 MIT 和 Google DeepMind 的研究人员。该公司认为，游戏数据可以用来训练世界模型，并进一步推动具身人工智能和 AGI 的发展。

如果 General Intuition 的判断成立，游戏中产生的大量、相对未被充分利用的数据，可能帮助 AI 系统学习物理世界如何运作，而不仅仅是语言规律。这对于机器人、自动驾驶和其他需要空间与时间推理的具身 AI 应用都很重要。

TechCrunch 的 Equity 播客这一期主要围绕 General Intuition 展开，这是一家位于纽约的创业公司，认为游戏数据可能是通往 AGI 的关键要素。报道提到，该公司获得了贝索斯支持，完成 3.2 亿美元融资后估值达到 23 亿美元，投资者包括 Coatue、Eric Schmidt，以及来自 MIT 和 Google DeepMind 的研究人员。CEO Pim de Witte 在节目中解释了为什么公司相信，用游戏数据训练出来的世界模型，可能比只处理文本的系统更适合具身人工智能。节目把这一思路视为对现有大语言模型局限性的回应，因为它们虽然擅长语言任务，但在理解物体如何在时间和空间中变化方面较弱。

节目还提到，General Intuition 是从游戏平台 Medal TV 发展出来的。另一个讨论点是，如果这些模型变得足够强大，它们可能被用于国防相关场景，因此公司也在思考伦理边界。节目还提到，公司据称拒绝了 OpenAI 的收购邀约，希望保持独立。最后，节目介绍了 Nerve，这是公司试图建立的一个市场，用来把玩家与数据标注和远程操作工作连接起来，公司认为这也是应对 AI 造成就业变化的一种方式。

该公司认为，大语言模型虽然擅长文本，但不擅长理解物体在空间和时间中的运动，因此不足以通向 AGI。播客还提到一个说法：仅用 8 分钟真实世界数据，就足以让一台机器人在办公室里完成冷启动导航；此外，公司还在打造 Nerve，一个连接玩家与数据标注、远程操作工作的市场。

7月8日 16:00 UTC·#ai-inference

Hot French startup ZML releases free product to speed inference across lots of AI chips | TechCrunch

French startup ZML has launched a free LLM inference server designed to speed up model inference across Nvidia, AMD, Google TPU, Apple Metal, and Intel Arc hardware.

This is a notable infrastructure announcement: ZML is releasing a free inference server aimed at improving performance across multiple AI chip vendors, which could matter for deployment flexibility and reducing vendor lock-in. It’s a TechCrunch startup/product launch rather than a proven research breakthrough, so it’s important but not groundbreaking; no comments/discussion quality were provided.

The days of Nvidia’s unparalleled market dominance aren’t over, but challengers and choices are arising from all directions. ZML, a hot French AI startup endorsed by Turing Award winner Yann LeCun, has released inference-performance software that allows a variety of open source large language models to run on a variety of chips — including Nvidia’s, AMD’s, Google’s TPU, Apple Metal, and Intel Arc. With ZML/LLMD, the newly launched LLM inference server, the company’s ambition is to break existing silos and make different chips available for AI use cases at their maximum available speed, and sometimes faster, ZML…

7月8日 23:59 UTC·#ai-benchmarks

Claude Fable 5 领跑新行业 AI 基准

Artificial Analysis 新增了六个面向行业的能力指数，覆盖金融与会计、法律、医疗健康、战略与运营、工程和经济学。Anthropic 的 Claude Fable 5（带 Opus 4.8 回退）在平台跟踪的全部八项指标中都排名第一，包括原有的 Agentic 和 Coding 指标。

这次发布为采购方和实践者提供了一种更贴近真实工作场景的模型比较方式，而不只是泛化能力测试。它也凸显了 AI 采购中的一个越来越重要的权衡：最高分往往来自运行成本高得多的模型。

Benchmarking 平台 Artificial Analysis 新推出了六个面向行业的 Capability Indices，用来衡量 AI 模型在特定行业任务中的表现。新增类别包括金融与会计、法律、医疗健康、战略与运营、工程和经济学，并在平台原有的 Agentic 和 Coding 指标之外进一步扩展。该公司表示，这套方法基于美国 O*NET 职业分类体系，从真实工作任务中提炼行业技能，例如财务建模、法律检索与合同分析，以及临床决策支持。每个领域的基准集都会按该行业中某项技能出现的频率重新组装并加权，且所有基准都独立运行。结果显示，Anthropic 的 Claude Fable 5（带 Opus 4.8 回退）在全部八项指标中都拿到第一。Claude Opus 4.8（max）在八项中的六项位列第二，而 OpenAI 的 GPT-5.5（xhigh）则在剩余两项中排名第二。文章提到，计划次日发布的 GPT-5.6 可能会缩小与 Anthropic 现有模型之间的差距。更靠后的排名则按领域变化很大，Google 的 Gemini 3.5 Flash、Gemini 3.1 Pro Preview、GPT-5.5（xhigh）、Claude Sonnet 5（max）和中国的 GLM-5.2（max）会根据具体任务互换位置。

在开源权重模型中，GLM-5.2（max）在六个新行业指数中的五项领先，并在工程基准中以 53 分排到总榜第五，仅比 Claude Sonnet 5（max）和 GPT-5.5（xhigh）的 55 分低 2 分。战略与运营类别里，DeepSeek V4 Pro（max）是开源权重模型中的领先者，得分为 38 分。文章还指出，这些结果与 LMArena 7 月 7 日的榜单快照相吻合：Claude Fable 5 同时位居 Text Arena、Code Arena 和 Agent Arena 第一，使 Anthropic 成为唯一在三大主类中都领跑的实验室。尽管如此，文章强调顶级性能伴随着非常高的价格。DeepSeek V4 Flash（max）在六项指数上都能完成任务，每项成本低于 0.04 美元，但表现处于中游；GLM-5.2（max）的开源权重表现最好，每项任务成本约 0.26 到 0.58 美元。相比之下，Claude Fable 5 在战略与运营指数中的单任务成本为 3.48 美元，比 DeepSeek V4 Pro（max）每任务 0.03 美元贵出 100 多倍，而性能优势只有 12 分。文章最后说，企业界已经在讨论这种溢价是否值得，并提出一种折中方案：把强大的编排模型与更便宜的工作型模型组合使用，让昂贵模型先判断任务可否完成，再寻找最便宜且足够好用的模型。

Artificial Analysis 表示，这些新指数基于美国 O*NET 的职业任务分类，并按各行业中技能出现频率进行重新组装和加权，且所有基准都独立运行。在开源权重模型中，GLM-5.2（max）在六个新行业指数里的五项中领先，而 DeepSeek V4 Pro（max）在战略与运营类别中领先开源权重模型。

7月8日 22:45 UTC·#gemini-api

Gemini API 托管智能体新增后台执行和 MCP 支持

Google DeepMind 为 Gemini API 的托管智能体新增了四项能力：后台执行、远程 MCP 服务器连接、在沙箱工具之外使用自定义函数，以及在交互之间刷新凭据。该更新可通过 Gemini Interactions API 使用，并提供了 JavaScript、Python 和 cURL 的代码示例。

这些改动让基于 Gemini 的智能体更适合真实应用场景，因为它们提升了可靠性、长任务处理能力以及与外部系统的集成能力。构建 AI 工作流的开发者现在可以让智能体更直接地连接内部 API 和数据库，同时在刷新凭据时保留会话状态。

Google DeepMind 为 Gemini API 中的托管智能体新增了四项能力。最引人注目的是后台执行，它允许智能体异步运行，而不必一直保持 HTTP 连接打开。这样一来，处理耗时较长的任务就更方便，不需要客户端全程在线。DeepMind 还加入了对远程 MCP，也就是 Model Context Protocol 服务器的支持。根据这次更新，智能体可以直接连接内部数据库或 API。

第三项能力允许开发者在内置沙箱工具之外使用自定义函数。第四项改进是凭据处理能力，令牌等凭据可以在交互之间刷新，同时不会丢失沙箱状态。所有这些功能都可以通过 Gemini Interactions API 使用。Google DeepMind 表示，文档中提供了 JavaScript、Python 和 cURL 的代码示例。

后台执行允许智能体异步运行，而无需保持 HTTP 连接打开，这对耗时任务很有用。新增的 MCP 支持指的是远程 Model Context Protocol 服务器，而凭据刷新功能则可以在交互之间保留沙箱状态，而不是强制重置。

7月9日 01:26 UTC·#open-source-security

IBM 和 Red Hat 将 Lightwell 产品化以强化开源安全

IBM 和 Red Hat 已将 Project Lightwell 从内部项目推进为两项产品：Lightwell Network 和 Lightwell Clearinghouse Premier。新服务旨在利用 AI 在企业规模上检测、验证并修复开源软件中的漏洞。

这之所以重要，是因为企业高度依赖开源组件，而更快的 AI 驱动攻击正在让传统补丁流程越来越难以维持。如果 Lightwell 的效果如其所述，它可能缩短漏洞发现与安全修复之间的时间，并覆盖更大的软件资产范围。

IBM 和 Red Hat 宣布，Project Lightwell 已经从愿景阶段走向产品化，成为一项面向开源安全的 AI 驱动计划。公司表示，这项工作背后有一项价值 50 亿美元的 AI 计划支持，并由 20,000 名工程师参与。Lightwell 的目标是在工业级规模上发现并修复开源软件漏洞。厂商认为，AI 正在同时改变攻防两端：开发者可以更快构建软件，但攻击者也能更快发现并利用漏洞。为应对这一变化，Lightwell 被设计为自动识别、验证并修复现代软件架构中关键依赖里的问题。

IBM 和 Red Hat 还称，这套修复引擎已经在运行并能大规模工作，它把前沿 AI 模型与人工工程经验结合起来。它的一个核心卖点是可以直接把关键修复回移到长期运行的生产版本，而不是要求客户频繁追随上游升级，因为那样往往会带来回归问题或兼容性破坏。Lightwell Network 是面向更广泛用户的产品，而 Lightwell Clearinghouse Premier 则从有限开通开始，首批聚焦金融服务行业。公司表示，后者用于受信任的漏洞协作、延迟披露补丁以及跨行业的深度协作，未来还可能扩展到政府、医疗和电信领域。

Lightwell Network 目前已正式提供，能够向现有流水线交付签名二进制文件、源代码、合规材料和完整的 SBOM，而且不会造成代码漂移。Lightwell Clearinghouse Premier 最初仅面向金融服务行业，主要用于受保护的漏洞协作、封锁期补丁和针对特定版本的定向修复。

7月8日 21:00 UTC·#git

Entire推出面向智能体编程的去中心化Git网络

Entire 以预览版形式上线，这是一个专为代码智能体设计的去中心化 Git 网络，由 GitHub 前 CEO Thomas Dohmke 领衔。该公司还表示，计划将其后端开源。

这次发布瞄准了现代开发中的一个真实瓶颈：随着 AI 编程智能体不断增加，中心化 Git 基础设施可能在克隆、拉取和推送流量上成为拥塞点。如果 Entire 获得采用，它可能为团队提供更分布式的替代方案，从而带来更好的区域性能、韧性以及数据驻留选择。

Entire 是一个新推出的开发者平台，目前以预览版形式上线，目标是成为一个为代码智能体时代打造的去中心化 Git 网络。该公司认为，GitHub 近期的多次故障以及 vibe coding 的快速兴起，暴露了由美国中心化基础设施服务全球开发者的局限性。Entire 由 GitHub 前 CEO Thomas Dohmke 领导，这让它在开发者工具领域格外引人关注。该平台允许团队在全球多个地区托管仓库，目标是提升速度、降低风险，并减少对 GitHub 的依赖。其预览版支持开发者只需一步就把现有 GitHub 仓库镜像到 Entire，原始代码仍保留不变，而智能体则从区域镜像中进行克隆和拉取。

Entire 表示，这种设计可以卸载大量并发读取流量，使智能体在不受限流影响的情况下工作。公司还称会把会话数据与代码一起存储，并可与 Codex、Claude Code、Cursor 和 GitHub Copilot 等常见工具集成。为了证明性能，Entire 公布了早期测试数据：单个仓库每小时大约可完成 57 万次克隆，每秒可完成 586 次推送，并将这一结果与 Cursor Origin 的推送能力进行了对比。除了性能之外，Entire 还表示它提供一个语义记忆层，用于捕捉智能体错误并提升可见性，并通过 Blame 和 Review 等功能展示某行代码由谁修改、为何修改，或者让多个智能体对某个操作进行反思。公司还计划支持原生托管公共和私有仓库，并最终让网络完全去中心化，以便在任何地区实现数据驻留和主权。

Entire 表示，开发者只需一步就能把现有 GitHub 仓库镜像到平台上，代码仍保留在原处，而智能体通过区域镜像进行克隆和拉取，从而减轻读取压力并避开限流。该公司称其早期测试达到了每小时约 57 万次克隆和每秒 586 次推送，并支持 Codex、Claude Code、Cursor 和 GitHub Copilot 等智能体。

7月9日 04:37 UTC·#ai-generated-content

SynthID帮助识破麦康奈尔深伪谣言

事实核查人员使用谷歌的 SynthID 水印，识破了一张广泛传播的 AI 生成图片，这张图片虚假地显示参议员米奇·麦康奈尔躺在医院病床上。Snopes 表示，这张图片在检测中显示含有 SynthID，证实它是 AI 生成的。

这次事件是对谷歌反深伪水印方案的一次实际验证，说明不可见的来源信号可以在真实的虚假信息场景中帮助核实争议图片。它也表明，主要平台和 AI 厂商可能会影响未来内容真实性与事实核查的方式。

谷歌的 SynthID 系统在一个真实案例中被用来识破了一张 AI 生成的谣言图片。就在本周早些时候，一张图片在 Reddit 和 X 上广泛传播，看起来像是肯塔基州参议员米奇·麦康奈尔躺在医院病床上，身上插着管子，处于极度痛苦的状态。由于麦康奈尔在 6 月 14 日因一次紧急呼叫后住院，外界一直对他的健康状况议论不断，这张图也因此迅速扩散。到周三，Snopes 已经对这张图片进行了辟谣。根据事实核查结果，这张图片在检测时显示包含由谷歌设计、用于识别 AI 生成图片的 SynthID 水印。

这个结果说明，即便图片被截图并在多个平台重新传播，水印仍然按预期发挥了作用。SynthID 于 2025 年在谷歌 I/O 开发者大会上发布，设计目标是让普通用户看不见，但兼容工具可以识别。这个案例也凸显了 SynthID 的局限：它只有在图像生成系统本身嵌入水印时才有效。谷歌表示 Gemini 模型自发布以来就包含该水印，OpenAI 在 2026 年 5 月加入了这一计划，而 Anthropic 并未参与。

SynthID 是嵌入图像中的一种不可见签名，兼容算法即使在图片被截图并重新传播后也能检测到。它的主要限制在于采用范围：只有图片生成工具主动参与时才有效；谷歌称 Gemini 模型自发布起就包含该水印，OpenAI 于 2026 年 5 月加入，而 Anthropic 并未参与。

7月9日 01:11 UTC·#meta

Meta 为 AI 眼镜加入摄像头安全修复

Meta 宣布将为其 AI 眼镜推出一项更新：如果表示正在录制的指示灯 LED 被篡改，摄像头将自动失效。此举旨在缓解外界对这类眼镜可被用作隐蔽监控设备的担忧。

这项更新说明 Meta 正在回应可穿戴 AI 的隐私争议，因为随时可用的摄像头会让旁观者感到暴露在监视之下。但更大的问题是，Meta 的 AI 路线图仍然高度依赖收集更多个人数据，这使隐私争论持续存在。

TechCrunch 报道称，Meta 正试图通过一项与录制指示灯相关的摄像头安全功能，让其 AI 眼镜看起来不那么“吓人”。如果表示正在录制的 LED 被篡改，眼镜的摄像头将被禁用。Meta 把这项改动描述为业内领先的保护措施，并称没有其他类型的摄像头做过类似设计。公司在公告中也承认，一些人已经用胶带遮住 LED，这促使 Meta 之前就调整了系统：当指示灯被遮挡时，录制会停止。Meta 还表示，有人会采取更复杂的方式去修改或破坏这个采集 LED。

文章认为，这等于说明公司知道部分用户可能想在未经同意的情况下录制他人或某些场景，其中也包括针对公共场合女性的偷拍行为。与此同时，Meta 仍在推进大量依赖更多用户数据的 AI 产品，例如用图像训练 AI、在用户未选择退出时使用个人内容，以及探索持续采集音频和生物识别面部识别等功能。文章还提到，Meta 正面临多起关于 AI 眼镜隐私问题的调查和诉讼，其中包括外包员工据称在训练 Meta AI 时必须审看包含性、裸露和如厕等图像内容。整体来看，这项新安全功能更像是对信任危机的一次局部修补，而不是根本性的隐私转向。

Meta 表示，当 LED 被遮挡时，眼镜此前就已经会停止录制；而这次的新保护，是为了防止有人进一步篡改或破坏这个指示灯。公司还提到，部分用户曾用胶带遮住 LED，这说明该措施主要是针对故意滥用，而不是意外故障。

7月8日 23:41 UTC·#ai-startups

AI初创公司收入增长不断加速

TechCrunch 盘点了多家 AI 初创公司，称它们的收入里程碑正在以前所未有的速度到来，包括 Mercor、Anthropic、Sierra、Glean、Gusto 和 Clio。需要注意的是，这些公司使用的收入指标并不完全一致，例如 ARR、年化运行率收入、已承诺 ARR 和过去 12 个月收入，因此这些数字不能直接等同比较。

这篇盘点表明，AI 不仅在催生新的原生创业公司，也在推动更广泛的软件市场收入更快增长。对于投资人和企业客户来说，它说明 AI 产品可能在很短时间内从早期验证迅速走向大规模商业化，尽管各家公司披露的指标口径并不相同。

TechCrunch 报道称，越来越多的 AI 初创公司不仅收入在增长，而且增长速度还在加快。文章指出，这些公司正在以越来越短的时间间隔达到新的里程碑，这已经成为 AI 行业里一个值得关注的现象。与此同时，报道提醒读者，这些收入数字并不能直接横向比较，因为各家公司使用的 ARR 或收入运行率口径并不相同。有些公司说的是基于合同的年化经常性收入，有些说的是按最近一个月收入推算的年化运行率收入，还有些说的是已经签约但尚未上线客户的已承诺 ARR；Gusto 则被指出报告的是实际过去 12 个月收入。

Mercor 是最典型的例子之一，该公司表示自己在 6 月达到 20 亿美元的年化总收入，而距离 10 亿美元仅过去四个月。Anthropic 的增长速度也非常惊人，5 月底其收入运行率达到 470 亿美元，而在不到两个月前，公司才刚报告超过 300 亿美元。Sierra 表示，公司用了七个季度才达到首个 1 亿美元 ARR，但之后只用了两个季度就再增加了 1 亿美元。Glean、Gusto 和 Clio 也被列入这份名单，因为它们在达到关键节点后都出现了更快的收入加速，这反映出 AI 正在重塑初创公司的增长曲线。

Mercor 表示其 6 月已达到 20 亿美元的年化总收入，而距离 10 亿美元仅过去四个月，且该公司此前在 9 月曾报告 5 亿美元的运行率。Anthropic 称其收入运行率在 5 月底达到 470 亿美元，且距离此前突破 300 亿美元不到两个月；Sierra 则表示，公司在达到首个 1 亿美元 ARR 后，仅用两个季度又新增了另一个 1 亿美元。

7月9日 01:00 UTC·#openai

OpenAI升级ChatGPT语音模式为更自然的全双工对话

OpenAI正在推出GPT-Live-1，这是一款新的ChatGPT语音模型，特点是更少打断用户、能更好处理说话中的停顿，并且可以同时说话和倾听。它还会把更难的问题转交给更强的文本模型，比如GPT-5.5，并能为天气、股票和体育等话题加入可视化信息。

这会让ChatGPT语音模式更像自然对话对象，而不是传统的轮流问答助手。此次升级可能提升订阅用户的日常语音体验，而免费用户也会获得一个更小但同方向改进的模型。

OpenAI正在大幅改造ChatGPT的语音模式，推出名为GPT-Live-1的新模型，并称其体验更接近“和另一个人交谈”。公司表示，这个模型会更少打断用户，如果用户在一句话中途停顿，也会耐心等待，而不是立刻把停顿当作结束。OpenAI研究负责人Kundan Kumar在发布会上称，这是公司迄今最聪明的语音模型。OpenAI产品负责人Atty Eleti表示，这是一个全双工模型，意味着它可以在说话的同时倾听，而不是严格依赖轮流发言。按照OpenAI的说法，这让模型能够持续处理输入流，并同时生成输出流，从而让对话更自然。该语音模式还会在需要推理或联网搜索时，把问题自动转交给更强的文本模型，比如GPT-5.5，以便更快从“查资料”切换到“讲结果”。

对于天气、股票和体育等主题，升级后的语音体验还会配合AI生成的视觉内容，例如比分或本周预报。OpenAI还表示，这一变化带来了实时翻译等新能力，ChatGPT可以一边听用户说话，一边同步翻译。用户现在也可以要求ChatGPT Voice先别说话，等被叫到时再回应，而模型会用“mhmm”“yeah”或“got it”之类的话确认自己正在倾听。OpenAI强调，它还加入了安全防护机制，以减少高风险场景中的有害回应，必要时甚至会结束对话；同时，该模型也会在自伤相关对话中提供经过专家审核的危机求助热线支持，并为青少年提供适龄回应。GPT-Live-1正在向iOS、Android和网页端推送，Go、Plus和Pro订阅用户将使用ChatGPT Voice的完整版本，而免费用户则默认使用更小、更高效的GPT-Live-1 mini。

OpenAI表示，GPT-Live-1是其迄今“最聪明”的语音模型，它可以在持续处理输入的同时生成输出，从而支持实时翻译和更流畅的来回交流。公司还表示加入了安全防护机制，用于处理高风险场景、自伤相关对话，以及面向青少年的适龄回应。

7月9日 04:09 UTC·#self-improving-ai

自我改进 AI 的实用实验

《Wired》的一篇特写介绍了作者搭建自我改进的 AI 工作流来自动化通讯写作任务：先用 AutoResearch 让 Claude 帮助训练一个小型语言模型，随后又借助 Prime Intellect 的训练环境创建了一个定制的论文筛选模型。这个实验表明，递归式模型改进正逐渐从大型 AI 实验室扩展到更广泛的用户手中。

这篇文章展示了一条面向特定任务的 AI 路径：模型可以在狭窄场景中自我改进，而不只属于少数几家头部公司构建的前沿大模型。如果这类工具继续成熟，小团队和个人创作者就可能自动化更多研究、筛选和知识工作流程。

这篇《Wired》特写讲述了作者如何尝试把递归式自我改进用于一份通讯的实际生产工作。经过大约一周的实验之后，作者认为答案是明确的“可以”，而且这种做法还指向了一种不那么中心化的 AI 发展路径。作者先从一个简单实验开始：安装了 AutoResearch，这是一款由 Andrej Karpathy 设计的工具，能够帮助现成的大模型去构建并改进一个更小的模型。随后，作者让 Claude 执行“开启新实验”的指令，自己则提供算力、电力，以及让模型在没有常规权限检查的情况下运行所需的环境。接着，Claude 不断调整训练参数和训练方案，观察小模型输出的变化，并继续优化。这个小模型最初的补全结果非常糟糕，充满了重复和混乱的词句，但后续版本逐渐变得更连贯，也更少出现异常重复。

之后，作者把实验推进到更实用的方向：为通讯搭建一个能够寻找并总结有趣研究论文的模型。作者使用 Prime Intellect 的训练环境，整理了大约 100 篇以往通讯中的“Elsewhere on the frontier of AI”条目，并让 Claude 帮忙创建了名为 Frontier_Paper_Curator 的模型。训练过程中还加入了合成数据、另一个用于评估输出的模型，以及强化学习。Prime Intellect 的 CEO Vincent Weisser 表示，他们希望让这种递归自我改进的能力变得人人可用，而不只是少数前沿实验室的专利。文章最后提到，另一家名为 Adaption 的初创公司也在提供 AutoScientist 工具，并且正在与多家在 AI 训练上投入巨大的大型公司合作。

第一次实验使用了一台 Nvidia DGX，并让 Claude 调整一个小模型的参数和训练方案；这个模型最初输出大量重复废话，但随后逐渐变得更连贯。第二次实验则使用了大约 100 篇过往通讯条目来训练一个名为 Frontier_Paper_Curator 的模型，并结合合成数据生成、另一个评估模型以及强化学习进行训练。

7月8日 17:30 UTC·#ai-policy

前DeepMind政策主管警告AI军备竞赛风险

前Google DeepMind全球公共政策负责人Verity Harding推出了新文集《Reframing the AI Arms Race》，认为当前将AI描述为战争或军备竞赛的框架，可能会把政府和实验室推向更危险的选择。该项目汇集了政治与学界人士的观点，包括Lawrence Freedman和Taro Kono，一起质疑“AI军备竞赛”这一隐喻究竟是在帮助还是伤害政策制定。

这篇文章之所以重要，是因为人们用来描述AI的语言会影响监管、国际合作和国家战略。如果领导者把AI当成零和的武器竞赛，就可能压缩以安全为中心的协作空间，并加大出口管制、阵营对立和仓促部署的压力。

Verity Harding曾在2016年至2020年担任Google DeepMind全球公共政策负责人，她认为人们谈论AI的方式，正在直接影响各国政府的行动。她在接受WIRED采访时表示，当她当年向包括Barack Obama和Emmanuel Macron在内的政治领导人简报时，AI政策仍建立在国际合作与共同理解技术的基础上。随着时间推移，讨论重心却逐渐转向实验室之间的竞争，例如Anthropic与OpenAI之间的较量，以及美国与中国之间的地缘政治对抗。Harding认为，“AI军备竞赛”之所以成为主流隐喻，是因为它听起来清晰有力，但实际上会缩小思考空间，并鼓励更危险的应对方式。

为反驳这种叙事，她策划了文集《Reframing the AI Arms Race》，其中包括历史学家Lawrence Freedman和日本政客Taro Kono等人的观点。该文集主张，如果把AI看作致命武器，就可能削弱确保技术安全、并让其利益更公平分配所需的国际合作。Harding还警告说，小国如果接受这种军备竞赛框架，可能会被迫在两个超级大国之间选边站队，即使这未必符合自身利益。她认为围绕AI的民族主义言论和出口管制，已经说明这种最坏情形正在影响政策走向。

Harding表示，从国际合作转向竞争对立的转变，受到2022年11月ChatGPT发布、疫情期间“世界重新被边界分割”的感受，以及俄乌战争的共同推动。她特别指出，特朗普政府时期的民族主义AI言论和出口管制提议，已经显示出军备竞赛叙事正在影响政策。

7月9日 05:09 UTC·#linux

Torvalds 谈 Linux 的稳步演进与角色转变

在 2026 年 Open Source Summit India 上，Linus Torvalds 表示，Linux 仍然通过小步、持续的改进推进，而不是依赖轰动性的功能发布。他还表示自己现在更像是一名开发负责人，而不是程序员，并谈到了 Rust、AI 工具以及内核中的历史遗留清理工作。

Torvalds 的说法表明，Linux 开发仍然围绕渐进式发布纪律展开，这会影响贡献者、维护者以及下游用户。他对 Rust 和 AI 的看法也反映了正在重塑系统软件的两大趋势：更安全的底层编程，以及在维护工作中越来越多的自动化工具。

在孟买举行的 2026 年 Open Source Summit India 上，Linus Torvalds 与 Dirk Hohndel 一起讨论了 Linux 的现状和未来走向。Torvalds 表示，Linux 的核心并不是戏剧性的功能发布，而是持续、稳步的进步，他也再次强调项目一直避免依赖“很炫目”的发布模式。他把这种做法与 Git 的诞生联系起来，称其目标始终是长期的渐进式改进。Torvalds 还提到，内核目前仍然保持每九到十周一次的固定发布节奏。对于 AI，他表示这让流程在某些方面变得更困难，因为 AI 会发现有意思的漏洞，从而给社区带来额外压力。谈到自己的工作方式时，他说在为期两周的合并窗口里，自己可能要处理大约 200 次合并，这项工作虽然重复，但仍然可控。他也反对在发布前夕提交不重要的修改，因为即便是修复也可能引入新的问题。

Torvalds 认为，最让他头疼的不是技术代码问题，因为代码可以修复，而是社区中的人际冲突和信任问题。他承认自己过去也制造过一些这类问题，并一直在努力改进。与此同时，他表示自己的角色已经变化：他几乎不再阅读代码，也不再把自己看作程序员，而是开发负责人。他仍然会写一些小补丁，但更多只是建议，真正的修复仍交给维护者来处理。进行 pull request 评审时，他最看重清晰的说明和更大的背景，而不是只看局部代码；他主要是在构建失败或合并冲突等问题迫使他介入时才深入代码。文章最后还提到他对 NTFS 的看法：这个子系统长期以来一直是维护难题，目前有两个团队在维护两个不同版本，Torvalds 表示自己只是让它们竞争，看看哪个版本最终胜出，或者两者都长期存在。

Torvalds 表示，Linux 大致遵循每九到十周一次的发布节奏，而在为期两周的合并窗口内，他可能要处理大约 200 次合并。他还强调，临近发布时的补丁可能带来风险，并提到内核维护者有时会借助 AI 工具来发现漏洞并处理维护任务。

7月9日 00:49 UTC·#sony

索尼 Bravia 9 II 凭 True RGB 显示令人印象深刻

ZDNET 评测了索尼 Bravia 9 II，这款旗舰电视采用了索尼名为 True RGB 的 Micro RGB 显示技术。评测称，这台电视带来了极高亮度和丰富色彩，是测试过最令人印象深刻的电视之一，但价格也非常昂贵。

这篇评测很重要，因为它展示了新一代 RGB 类显示技术如何在提升亮度的同时，向 OLED 的画质表现发起挑战。它也提醒早期用户必须面对的取舍：性能很强，但首发价格非常高。

ZDNET 表示，索尼更新后的 Bravia 系列延续了公司一贯的高电视品质传统，但这一次更强调 Micro RGB 显示技术和 AI 集成。本文评测的 Bravia 9 II 采用了索尼称为 True RGB 的实现方式，目标是让画面在色准和对比度上能够挑战甚至超越 OLED。最直观的变化是亮度：与上一代 Bravia 9 相比，新面板的亮度被描述为大幅提升，而且没有牺牲观感。评测者称，大多数测试内容都表现出色，不过红色、黄色和橙色等偏暖色会略有过饱和。这个问题可以通过七种画面模式切换，或手动调整设置来缓解。

文章还建议关闭 Cinema Motion，以免老电影和电视剧出现不自然的效果。在音频方面，这台电视没有预设声音模式，但提供了丰富的手动调节选项、Dolby 和 DTS 处理，以及可自定义均衡器。索尼的 Acoustic Surface Audio+ 也被保留下来，让屏幕本身成为扬声器，从而带来更沉浸的声音体验。作者在实验室测试和实际观看中，特别指出《绿野仙踪》和《鬼娃恰吉》都能很好地展现这块屏幕的亮度、细节和色彩。文章最后提到，Bravia 9 II 是面向早期尝鲜用户的高端产品，而它的游戏性能仍需要在完整评测中进一步确认。

评测提到，偏暖色彩会略显过饱和，但可以通过七种画面模式或手动调节来修正。文章还提到了内置音频表现不错，并支持 Acoustic Surface Audio+，同时也指出游戏相关能力仍有一些限制，摘要片段中对索尼宣称的 PS5 专属 VRR 支持也难以下定论。