Redwood Research 与 METR 公开对 OpenAI 内部智能体监控系统的红队测试结果
Redwood Research 与 METR 的员工于 7 月 21 日至 8 月 11 日对 OpenAI 内部未对齐监控系统开展了三周高权限红队测试，产出 61 页内部报告并发布公开版。
推荐理由：这份报告把外部深度红队测试发现的监控缺口和一组监控设计原则一并公开，搭建智能体安全监控时可作参考。
全部动态
Redwood Research · Blog精选AI 评分7070 n8n BlogAI 评分5151 自托管 LLM 与云端 API 如何取舍：n8n 分流请求实践
n8n 博客发文讲解如何用混合工作流在自托管 LLM 与云端 API 之间按规则分流请求。
Google DeepMind精选AI 评分6060 Google DeepMind 与 WRI、IIASA 发布全球森林类型图 ForTy 2020
Google DeepMind 与 Google Research 联合 WRI 和 IIASA 发布 ForTy 2020 全球地图，将地球每块 10×10 米土地按 FAO 定义分为六类森林与土地用途，并以开放许可在 Google Earth Engine 上免费提供。
推荐理由：原文给出 ForTy 的六类分类、90% 准确率和开放入口，读者可据此判断它在零毁林合规与森林监测中的用法。
Pydantic AI 官方文章精选AI 评分6565 Pydantic AI 接入 E2B 原生沙盒，编码智能体命令隔离运行
Pydantic AI 新增 E2B 原生沙盒支持，智能体加上 E2BSandbox() 能力后，每条 shell 命令和文件操作都在隔离的 E2B microVM 中运行，不触及用户本机环境。
推荐理由：原文展示编码智能体命令如何在隔离沙盒中运行，并给出多轮任务间暂停恢复与进程崩溃后继续的完整示例。
Ai2 / Allen Institute for AI精选AI 评分6161 Ai2 发布卫星嵌入模型 OlmoEarth v1.3，附全球预计算嵌入与 Embeddings Explorer 工具
Ai2 发布卫星嵌入模型 OlmoEarth v1.3，同时开放全球年度预计算嵌入向量与免登录的 Embeddings Explorer 浏览器工具。
推荐理由：原文给出27项评测对比成绩，配免登录的全球嵌入向量和浏览器工具，遥感任务从小时级微调变成秒级初探。
Ai2 / Allen Institute for AIAI 评分4545 Ai2 发布作物测绘基准 PLANTEUR，将 PASTIS 扩展至六个热带地区
Ai2 发布作物测绘基准 PLANTEUR，将 PASTIS 基准扩展到留尼汪等六个热带地区。数据包含 2,750 条对齐的 Sentinel-2、Sentinel-1 与 Landsat-8 时间序列，及 4,506 km² 地块标签，覆盖甘蔗、香蕉、菠萝等 7 类作物。各模型在训练未见过的岛屿上准确率约损失一半，基准已在 Hugging Face 和 GitHub 开放。
MiniMax Research Blog精选AI 评分6565 MiniMax Code 推出 Mini App，让 Agent 工作留在常驻页面而非散落各会话
MiniMax 在 MiniMax Code 桌面应用中推出 Mini App，一种带前端和后端、以插件形式安装的长驻应用，可与 Agent 互相调用，让 Agent 的工作留在常驻页面而不是散落在各会话中。
推荐理由：原文讲清 Mini App 与插件的区别，是在 Agent 之上构建带前后端的常驻应用，读者可据此判断是否把任务流从聊天会话迁出。
Browser Use精选AI 评分6565 2026 年最佳浏览器智能体 MCP 服务器横评
Browser Use 作者 Gregor Zunic 发文横评 2026 年浏览器智能体 MCP 服务器，把工具分成逐步驱动与一步委托两类，覆盖自家 Cloud 与开源版、Hyperbrowser 和 agent-browser chat。
推荐理由：按委托与驱动两种模式对比多款浏览器 MCP 服务器，附定价、安装命令和配对评测数据，便于按任务类型选型。
Anthropic News / ResearchAI 评分4343 Anthropic 面向生命科学公开招募客座研究员
Anthropic 面向生命科学公开招募客座研究员，入选者将在 8-12 周内与其研究人员直接合作，用 Claude 研究因果人类生物学、药物发现等课题。其团队免费运行模型，成果将公开发布并开源数据与代码，客座研究员保留数据及后续独立研究权利。申请开放约 14 天，该计划是 Anthropic 加大生命科学投入的举措之一。
Anthropic News / Research精选AI 评分7070 Anthropic 将 Agent Skills 开放标准捐赠给 Agentic AI Foundation
Anthropic 宣布将 Agent Skills 开放标准捐赠给 Linux Foundation 旗下的 Agentic AI Foundation（AAIF），包括名称、logo、GitHub 组织和 agentskills.io 域名。
推荐理由：原文交代了捐赠范围、维护者安排和后续治理路线，读者可以据此判断这个开放标准走向社区化后的发展方式。
PyTorch BlogAI 评分5656 TorchTitan 更新：新增 SOTA 模型支持、性能提升与 TitanRL 强化学习栈
PyTorch 团队发布 TorchTitan 重大更新，新增对 Qwen3.5、Qwen3-VL、Kimi K2.7、Kimi K3、DeepSeek-V4、Muse Spark Open、Muse Glimmer 等开放权重模型的 5D 并行完整训练栈支持。
GitHub Org · CopilotKitAI 评分4343 CopilotKit OpenDuet：主动式 AI 智能体开源模板
CopilotKit 的 OpenDuet 是一个开源模板，用于构建主动式 AI 智能体：它能替用户完成工作，同时让用户随时知情、保持参与。项目托管在 GitHub 上。
Microsoft Source · AIAI 评分4444 救护车到达之前：AI 如何帮助英国 NHS 重构患者护理
Microsoft 介绍 AI 如何帮助英国 NHS 减轻行政负担、重塑患者护理。继 3 万名员工参与的试验后，NHS England 于 6 月宣布计划向最多 505,000 名临床和支持人员开放 Microsoft Copilot，试验参与者平均每个工作日节省 43 分钟，约合每年每人 5 周。
Google Research 博客精选AI 评分6363 Google 发表 JAMA Network Open 研究：AI 盲扫超声孕周评估精度不劣于专家
Google Research 团队在 JAMA Network Open 发表前瞻性多中心研究，验证 AI 解读盲扫（blind sweep）超声图像的孕周评估精度不劣于专家超声医师，综合平均绝对误差 4.18 天对专家标准方法的 4.48 天。
推荐理由：原文给出前瞻多中心研究的关键误差数字，显示无超声训练背景的操作者用低成本探头也能达到与专家相当的孕周评估水平。
Microsoft Research精选AI 评分7878 Microsoft Research 证明悬置 31 年的数学难题 KLS 猜想
Microsoft Research 研究员 Xinzhi Zhang 与 Zhao Song 证明了 1995 年提出的 KLS 猜想，表明对数凸分布中最优平面切割与任意形状切割的差距不超过与维数无关的通用常数。
推荐理由：原文讲清了证明如何通过递归精化消除维度依赖，同日出现的独立证明和随后的 Lean 4 形式化让结果不依赖单一推理链。
Google Developers BlogAI 评分5252 Google API Gateway 流式支持开启公共预览，无需改动 API 契约
Google 宣布 API Gateway 流式支持进入 Public Preview，SSE、WebSockets、gRPC streaming 等模式无需改动现有 API 契约即可启用。
Lovable BlogAI 评分5151 Lovable 讲解平台合规认证的覆盖范围与开发者应用自身的责任
Lovable 官方博客发文说明，其 SOC 2 Type II、ISO 27001:2022、GDPR 支持和 AIUC-1 认证只覆盖平台本身，用它建的应用不会自动获得同等资质，开发者需为自己的业务建立控制并通过独立评估。
Google AI BlogAI 评分5454 Google 与淡马锡、贝恩联合发布 e-Conomy SEA 2026 报告，预测东南亚数字经济达 3680 亿美元
Google、淡马锡与贝恩联合发布第 11 版 e-Conomy SEA 报告，预测东南亚数字经济 2026 年 GMV 同比增长 17% 至 3680 亿美元，2035 年前有望突破 1 万亿美元。
Cohere BlogAI 评分5252 Cohere 发布 Rerank 5 企业检索重排模型，新增 Context Focus 功能
Cohere 正式发布企业检索重排模型 Rerank 5，分 Pro 与 Fast 两档，已上线 Cohere API、Model Vault、Microsoft Foundry 和 Amazon SageMaker，API 定价为 Pro 每 1M tokens $0.05、Fast $0.02。
vLLM 官方博客精选AI 评分6666 蚂蚁集团与 vLLM 社区开源量化推理内核库 Humming
蚂蚁集团与 vLLM 社区开源量化推理内核库 Humming，统一支持 Turing 起的各代 NVIDIA GPU、CUDA 兼容设备 T-Head Zhenwu 810E，覆盖稠密与 MoE 的多类权重量化组合。
推荐理由：原文给出从 Turing 到 Blackwell 各代 GPU 的量化推理提速数据和 vLLM 0.29.0 的启用方式，读者可对照部署硬件评估收益。
vLLM 官方博客AI 评分5454 vLLM 首日支持 Recursive 新模型 Flint，单张 GPU 可运行 40B MoE
vLLM 首日支持 Recursive 新模型 Flint，NVFP4 与 BF16 两种权重均可在单张 GPU 上运行，单张 GB200 上 100K 上下文的单请求解码约 500 tokens/s。
Amazon ScienceAI 评分4141 Amazon 通过 AVERI 第三方独立评审强化 AI 安全评估
Amazon 与独立非营利机构 AVERI 合作，对内部 AI 安全评估数据集开展第三方独立评审，检验评估本身的质量而非仅测模型输出。评审确认风险类别覆盖全面、测试方式多样、预训练污染风险低，并建议扩充多语言覆盖、增加多步对抗性提示词。Amazon 已据此更新测试集、引入分级难度框架、建立季度评审机制，并将多语言提示词扩展至所有风险类别。
OpenAI · 失准报告与通报AI 评分4444 OpenAI 提出 g-mean² 之外的可监控性补充指标
OpenAI 提出 g-mean² 之外的两个可监控性补充指标。配对匹配指标只在模型共享的实例上作比较，减少因各模型评估实例不同带来的偏差；控制后整合指标模拟监控器门控的拒绝采样，估计坏输出与任意输出的部署频率及重试的影响。对干预型评估还推导出 g-mean² 下界，与原上界并报，显式化因果归因的不确定性。
Google Developers BlogAI 评分5757 Google Agents CLI 扩展系统实战，从 ADK 到 LangChain 跑通智能体开发全流程
Google Agents CLI 自 1.5.0 起内置扩展系统，开发者无需分叉工具即可覆写或新增命令，1.8.0 附带第一方 LangChain 扩展。
Microsoft Source · AIAI 评分4141 切实的愿景：Saint-Gobain 与 Microsoft Discovery 共建未来
Saint-Gobain 与 Microsoft 合作，用面向科研人员的 AI 智能体平台 Microsoft Discovery 寻找低碳水泥添加剂，数小时建成研究人员原本需一年的 62,000 项专利、44,000 篇摘要知识库。
Mistral AI精选AI 评分6060 Mistral 发布 Voxtral 3 语音模型系列与语音代理 SDK
Mistral 发布 Voxtral 3，包含新一代语音转写与语音合成模型系列和一个语音代理 SDK，今日起可通过 Mistral API（欧洲、美国和全球端点）使用，并支持自部署以控制音频数据。
推荐理由：原文附定价表和多组转录、TTS 对比基准，想搭建语音代理的读者可据此估算成本并权衡 API 与自部署。
Lovable BlogAI 评分5151 Lovable 发布 10 月企业级功能汇总，应用可部署到自有 AWS 或 Azure 账户
Lovable 发布企业级功能 10 月汇总，面向大公司的集中管控与自有云部署需求，Deploy on AWS 与 Deploy on Azure 开启私测，应用与数据可运行在企业自有云账户并经 VPC 或 VNet peering 访问内部系统。
Waymo · Blog精选AI 评分6262 Waymo 宣布进入西班牙马德里大区，计划 2027 年迎接首批自动驾驶网约车乘客
Waymo 宣布在西班牙马德里大区启动全自动驾驶网约车服务的落地准备，目标 2027 年迎接首批乘客，未来几天其电动 Jaguar I-PACE 车辆将出现在当地街头。
推荐理由：原文交代了从人工驾驶到自动驾驶验证的分阶段落地节奏，并结合安全数据展示了其进入新市场的路径。
Cursor Changelog精选AI 评分7070 Cursor 发布 Agent SDK，Agent 以代码文件夹定义并评测后部署到 Cursor 或自有基础设施
Cursor 宣布 Agent SDK 正式可用，开发者可将 Agent 定义为一个代码文件夹，用 evals 测试后部署到 Cursor 或自有基础设施。
推荐理由：原文给出从初始化、评测到部署的完整命令链，开发者可以照此在本地与 CI 里跑通一个 Agent 项目。
Google Developers BlogAI 评分5656 Google 发布 Coral NPU 32-bit 完整架构、IREE/MLIR v1.0 编译器及 Synaptics 新芯片
Google 宣布 Coral NPU 边缘 AI 开放标准达成三项里程碑：32-bit 架构随 Milestone 4 Matrix Execution Unit 完成。
Google Developers Blog精选AI 评分6666 Google 发布 TPU 上的 vLLM 与 SGLang 原生 PyTorch 推理引擎
Google 在 TPU 上推出基于 TorchTPU 的原生 PyTorch 推理引擎 vLLM-TorchTPU 与 SGLang-TorchTPU，分别与 Inferact 和 RadixArk 合作开发，项目已在 GitHub 开源。
推荐理由：为习惯 PyTorch 的开发者提供不经 JAX 后端直接在 TPU 上运行 vLLM 和 SGLang 的方式，并附公开基准的成本与吞吐数据。
Google Developers Blog精选AI 评分6666 Google 将 TorchTPU 集成进 TorchTitan，发布面向 Cloud TPU 的大模型训练与优化方案
Google 发布 TorchTitan TPU，借助新推出的 TorchTPU 原生后端（torch.device("tpu")），PyTorch 训练脚本只需少量设备初始化改动即可在 Cloud TPU 上训练，分支仓库为 https://github.com/google-pytorch/torchtitan/，由 Google 与 Meta 共同加入 TPU 原生执行。
推荐理由：原文给出按顺序执行的 TPU 训练优化清单，并用三个模型的案例标出每步改动换来的 MFU 或吞吐提升，便于迁移到自己的训练任务。
Google Developers BlogAI 评分4747 Arm 借助 Model Explorer 为自定义边缘编译器带来可视化图调试
Arm 为 Google AI Edge Model Explorer 开发支持 TOSA、VGF、PTE 格式的开源适配器，让边缘模型编译转换可可视化调试。团队借此发现 ExecuTorch Arm 后端在 NSS 模型 VGF 图中引入的多余 TRANSPOSE 算子，并用分屏视图核对 Ultralytics YOLO 模型向 Arm Ethos-U85 NPU 的委托。
Microsoft · Official BlogAI 评分4444 Microsoft：如何保障企业内部智能体的安全
Microsoft 指出，企业内部智能体常被过度授权，不能因来自内部就默认可信，需要 24/7 持续监控。7 月宣布的 Project Perception 可约束这类智能体：为其分配身份与权限、动态计算风险，并由 Guardian Agents 监督每项操作。思维链等模型透明化不会取代遏制，但会让遏制更智能、更强。
SGLang ReleasesAI 评分5858 SGLang v0.5.22 发布，新增多模型支持与多项吞吐优化
SGLang 发布 v0.5.22 版本，包含来自 245 位贡献者的 950 个 PR，新增 Clef、EmbeddingGemma 2、LLaDA2.2、HunyuanImage-3.0-Instruct、Kandinsky 6、Wan-Animate-2、SANA-Video 2.0 等模型支持。
MiniMax Research Blog精选AI 评分6868 MiniMax 发布 M3.1 Flash，在线推理提速近三倍、使用成本降 70%
MiniMax 正式发布新一代 Flash 模型 M3.1 Flash，此前匿名运行并处理超 200 万亿 token 的 Space Bunny 是其早期版本。
推荐理由：原文同时给出多组基准分数和百万 token 定价，读者可以据此衡量这款模型在智能体任务上能力与成本的平衡。
Google Developers Blog精选AI 评分6262 Google 发布 LiteRT Tensor API，用 C++ 手工构建端侧模型
Google 发布 LiteRT Tensor API，作为 LiteRT 栈中的轻量 C++ 建图层，支持逐算子构建计算图，同一计算图可在 CPU、GPU 与 NPU 上运行，也可经 XNNPACK 无模型文件直接在 CPU 执行。
推荐理由：为需要手工控制模型的开发者提供折中路径，同一份 C++ 计算图可跑 CPU、GPU 和 NPU，免去按后端重写的工程量。
Google Developers Blog精选AI 评分7171 Google ADK 教程：构建永不沉默的语音智能体
Google 开发者博客发布 ADK 教程，讲解用流式工具、非阻塞 FunctionTool 和 response_scheduling 构建慢工具运行期间不冷场的语音智能体。
推荐理由：原文提供流式工具和后台执行两种模式，让语音智能体在慢查询运行时保持对话不断线，方法可直接迁移复用。
vLLM Releases精选AI 评分6060 vLLM 发布 v0.32.0，包含 814 项提交与多项安全修复
vLLM 发布 v0.32.0，包含 363 位贡献者的 814 项提交，新增 /v1/systemone 结构化端点和读取 checkpoint response_template 的通用 hf 工具与推理解析器。
推荐理由：本次集中改进低精度 KV cache、启动速度和 API 负载均衡，并修复多个安全问题，自行部署推理服务的读者可据此评估升级收益。
Google Research 博客精选AI 评分6464 Google Research 让 AI 智能体落地湿实验室，三项研究打通自主分子设计闭环
Google Research 展示三项研究，将 AI 智能体接入湿实验室机器人运行闭环分子设计，并发现个位数纳摩尔亲和力的 FAP 蛋白结合剂。
推荐理由：原文给出智能体操作真实湿实验室的框架与闭环设计结果，可看到实验反馈如何跟上计算设计的步伐。