跳到正文
只看一手
8月13日周四
  2. Gemini API：更新日志68

    Gemini 3.7 Flash 正式发布（GA）

    Google 在 Gemini API 更新日志中宣布 Gemini 3.7 Flash（gemini-3.7-flash）正式可用，称其为目前最智能的主力模型，面向编码与智能体场景。该模型在软件工程、Web 开发和智能体工作流方面有大幅改进，2026 年 12 月 31 日前提供入门优惠价，可从模型页和 Latest model guide 开始使用。

    推荐理由：官方更新日志直接说明 Gemini 3.7 Flash 在编码和智能体工作流上的能力提升，并给出限时优惠价格与入门入口。

  4. OpenRouter：Announcements61

    OpenRouter 工具调用指南：一次编写循环，切换模型字符串即可跨模型运行

    OpenRouter 发布工具调用指南，展示如何用同一套代码在 Claude、GPT 和开源权重模型间切换，仅需更改模型字符串。指南涵盖定义工具、发送请求、读取 tool_calls 响应、执行函数并返回结果的完整循环，支持 OpenAI 兼容的 JSON schema，并提供 cURL、Python 和 JavaScript/TypeScript 示例。

  5. Claude Code：GitHub Releases50

    Claude Code v2.1.229 发布：新增远程会话恢复、插件市场命令源及多项修复

    Claude Code v2.1.229 发布，新增远程控制会话恢复、自托管 runner 的服务器端 hook 支持，以及插件市场命令源。修复了长响应流式输出丢失、窄终端渲染崩溃、Windows 扩展路径崩溃等问题。改进工作流扇出以复用缓存提示前缀，并调整 /commit-push-pr 对危险 git/gh 命令不再自动批准。

  6. Claude：Blog65

    Claude in Chrome 侧边栏升级为 Claude Cowork 会话

    Claude in Chrome 浏览器扩展的侧边栏现已升级为 Claude Cowork 会话，对话会保存至历史记录，技能和连接器可在浏览器中工作，且任务可在桌面、网页和移动端应用间无缝切换。

    推荐理由：把浏览器扩展升级为与桌面、网页、移动共享的 Cowork 会话，解决以往侧边栏与主应用上下文割裂的问题，长流程任务可以在不同设备间接力。

  7. GitHub Blog67

    AutoGPT 如何用 AGENTS.md 和技能门控管理 AI 生成的拉取请求

    AutoGPT 维护者发现，AI 智能体不会主动阅读文档，因此将指令放在 AGENTS.md 和技能文件中，并置于代码目录旁。他们通过强制 PR 模板、测试计划、CI 覆盖率门槛和 CLA 签名等门控机制，将智能体提交的 PR 从“不可用”转变为“可用但不符合路线图”。其中 CLA 签名因需浏览器和 OAuth 流程，被用作区分人类与智能体的“人类探测器”。

    推荐理由：AutoGPT 的经验指出发现机制比文档完善度关键，agent 只读当前目录层级的指令，所以把 AGENTS.md 放在代码旁比继续写 wiki 更有效。

  8. Cursor Blog70

    Cursor 与 SpaceXAI 联合发布 Grok 4.6

    Cursor 与 SpaceXAI 今日发布 Grok 4.6，重点强化长时运行智能体与交互式视觉任务，在多项智能体编程与知识工作基准上达到前沿水平，并在 Artificial Analysis Intelligence Index 上追平 GPT-5.6 Sol。

    推荐理由：长程轨迹中出现自检与验证，对需要模型持续执行多步项目的团队，可能减少中途人工纠偏，比单纯基准分更有参考价值。

  9. Google Research：Blog66

    空货架还是丢钥匙？Google 研究：Recall 是参数化事实性的瓶颈

    Google Research 提出知识画像框架，发现前沿 LLM（如 Gemini3、GPT-5）的事实编码接近饱和，但回忆（recall）能力不足，多数事实错误源于“丢钥匙”而非“空货架”。该框架将事实分为编码失败、回忆失败等五类画像，并配套推出 WikiProfile 基准，含 2,150 条维基百科事实，每条配 10 个问题，用于分别探测编码、回忆与识别能力。

    推荐理由：知识画像把事实错误拆成编码失败与召回失败，显示前沿模型问题主要在已存知识不稳定调用，思考更多恢复已编码事实而非补全缺失，为优化侧重提供判断依据。

  13. Claude Platform：开发者版本说明53

    Claude Platform 8月11日发布说明：Compliance API 新增本地会话转录功能

    Claude Platform 的 Compliance API 现可返回用户设备上 Cowork 和 Claude Code 会话的转录记录，面向 Claude Enterprise 组织开放测试。新增三个端点分别用于列出组织内会话、获取单个会话元数据及返回其转录内容，均使用现有 Compliance Access Key 和 read:compliance_user_data 权限。

  15. xAI：News77

    xAI 发布 Grok 4.6，强化长时运行智能体能力

    xAI 今日发布 Grok 4.6，在 Grok 4.5 基础上重点强化长时运行智能体及更复杂的交互式与视觉工作能力。该模型在多项智能体编码与知识工作基准上达到前沿水平，在 Artificial Analysis Intelligence Index（九项基准综合分）上追平 GPT-5.6 Sol。

    推荐理由：与 GPT-5.6 Sol 在智能体综合基准上持平，同时把输入 token 价格定在 2 美元，长任务应用的试错成本可能重新计算。

  16. Microsoft Research 博客72

    微软研究院发布MindTopo基准，揭示VLM拓扑推理与规划能力差距

    微软研究院推出新基准MindTopo，评估多模态大模型（VLM）在连通性、封闭性、顺序、分离和打结等拓扑概念上的理解能力。研究发现，当前模型在静态图像识别拓扑关系表现尚可，但在需要维持和操作这些关系的交互式规划任务中表现显著下降，且远低于人类水平。错误主要源于无法在多步动作中保持结构一致性或违反物理约束。该基准旨在为机器人和交互环境中的可靠决策提供诊断工具。

  17. NAVER / CLOVA 研究41

    NAVER 如何解决多模态 AI 训练中的图像 token 不均衡问题

    NAVER 团队在 NVIDIA Megatron Bridge 上训练 HyperCLOVA X 多模态模型时，发现图像 token 分布不均导致 GPU 间负载失衡，拖慢整体训练。通过引入 2D 打包等优化，30B MoE 多模态模型训练吞吐量提升 50.2%，其中打包与重排单项贡献 13.3%，相关修改已贡献至 Megatron Bridge 开源项目。

  21. Suno：Blog59

    Suno Studio 2.0 发布，面向 Premier 订阅者开放

    Suno 发布 Studio 2.0，为音乐创作提供更深度的控制。新增功能包括时间线上的 MIDI 导入录制与编辑、wavetable 合成器、Chat 对话协作（beta）、升级的 stem 分离、音频效果与自定义插件、自动化曲线，以及 Premier 订阅者无限制导出 32-bit/48kHz 多轨和 stems。MIDI 片段还可用作音频生成的提示词，创建插件暂不消耗 credits。

8月12日周三
  2. OpenRouter：Announcements67

    OpenRouter 推出实时网页搜索基准测试：如何为智能体选择引擎、深度与模型

    OpenRouter 发布实时排行榜，系统评测模型、搜索引擎、搜索方法与预算四类配置组合。数据显示，将搜索预算从 1 轮增至 25 轮可使 BrowseComp 得分近乎翻倍，成本仅增 2.5-7 倍；模型选择比引擎更重要，平均分差 15 分 vs 10 分。失败率高的任务应降低搜索深度以控制成本。

    推荐理由：这份基准把搜索预算的作用量化到分数与成本上，显示从单轮增加到 25 轮搜索，质量提升幅度超过更换模型或引擎，为 agent 搜索配置提供了更直接的取舍依据。

  3. Meta Engineering Blog59

    WhatsApp 如何用端到端加密与可验证性构建 Scam Alert 诈骗提醒功能

    WhatsApp 推出可选功能 Scam Alert，通过端到端加密保护下在设备端运行机器学习模型，识别潜在诈骗消息，且消息内容不会离开设备或自动上报。该功能遵循仅设备端处理、无自动上报、用户控制三大原则，模型权重公开供独立验证，遥测数据经差分隐私聚合处理。目前已在 Beta 版有限推出，并邀请安全研究社区参与测试。

  6. Suno：Blog67

    Suno 宣布与 BMG 达成全球合作

    Suno 宣布与大型音乐公司 BMG 达成全球合作，该合作属于其首个与音乐行业共同开发的音乐模型发布计划的一部分。双方将为选择加入的艺术家和词曲作者创造新的音乐体验与经济机会，并深化 Suno: In Session 和 Spark 等扶持独立艺术家的项目。

    推荐理由：Suno 官方说明与 BMG 合作的内容和方向，读者可以据此了解 AI 音乐公司与唱片行业合作的实际路径。

  7. PromptArmor：Threat Intelligence62

    PromptArmor：本地部署模型无法阻止数据外泄，以 Ollama 漏洞为例

    PromptArmor 发文指出，本地运行 LLM 并不能解决数据外泄问题，因为漏洞位于处理模型输出的 AI 应用基础设施中，而非模型本身。文章以 Ollama 聊天界面为例，其不安全地渲染 HTML 和 Markdown 内容并配有不安全的 web 搜索工具，可导致钓鱼覆盖层、凭证窃取和上传文档外泄，并给出净化输出、纯文本渲染或内容安全策略等修复方式。

    推荐理由：作者基于自己发现的大量真实漏洞案例，说明本地部署模型并不能阻止数据外泄，风险根源在于下游处理环节。

  9. Modal 官方工程博客54

    Qwen3.8-2.4T-A95B 开源模型上线 Modal

    Qwen3.8-2.4T-A95B 以开源权重发布，Modal 提供首日支持，在 Modal Auto Endpoints 上通过 SGLang 和针对 Qwen3.8 结构调优的自定义 DFlash 推测模型加速推理，推测模型训练数据偏向代码、研究和工具调用场景以提高接受率。该文本模型以 OpenAI 兼容 Shared Endpoint 形式提供一个月，按 token 计费。

  10. vLLM 官方博客72

    vLLM 提供 Qwen3.8-2.4T-A95B Day-0 支持

    vLLM 宣布对 Qwen3.8-2.4T-A95B 提供 Day-0 支持，该模型是基于 Qwen 3.5 架构的 2.4 万亿参数稀疏 MoE 模型，含 512 个专家，92 层混合骨干中每 4 层使用一次 full attention，其余 69 层为线性注意力。

    推荐理由：原文给出架构细节、量化方案和硬件要求，读者可以据此评估部署这个 2.4T 参数开源权重模型的成本与配置。

  14. Google Blog：AI69

    AMIE 研究医疗 AI 系统首次展示实时临床视频问诊能力

    Google Research 与 Google DeepMind 推进医疗 AI 系统 AMIE，实现实时临床视频问诊，首次在此场景展示专家级 AI 能力。该系统基于 Gemini 和 Project Astra 构建，可解读视觉与听觉线索、引导虚拟体格检查并实时诊断推理。随机研究中，临床评估者对 AMIE 的病史采集、诊断准确性等核心能力给予好评，患者演员也更偏好视频体验。

    推荐理由：AMIE 在视频中融合视觉与听觉线索进行诊断，展示了多模态临床推理的可行性，对远程医疗产品方向有参考价值。

  17. Google Developers Blog41

    为什么 Go 是 AI 辅助软件工程的理想语言

    Google 发文论证 Go 是 AI 辅助软件工程的理想语言：当 AI 智能体可秒级生成数百行代码，开发重心从编写转向审查与维护，Go 的端到端工具链（内置格式化、测试框架、依赖管理与安全工具）让模型操作 Go 代码更快、更便宜、更可靠。Go 以可读性优先于可写性，其统一风格与标准库既便于人类团队维护大型代码库，也为 LLM 生成更干净、更标准化的训练数据。

  19. LlamaIndex：产品、工程与评测45

    LlamaIndex 发布 OCR 自动化生产级落地指南

    文章探讨从基础文本提取到生产级文档处理流水线的差距，指出传统 OCR 在复杂场景下准确率下降的问题。对比了规则型、API 型和基于 LLM 编排的 Agentic 解析方案（如 LlamaParse），强调输入质量（分辨率、倾斜度）、置信度阈值设定及直通率（STP）是决定生产环境准确性的关键因素。