🧠 模型發佈/更新
1. 阿里發佈 Qwen-Audio-3.0-Realtime，在 Artificial Analysis 語音推理子項中綜合排名第一
阿里通義實驗室發佈實時語音交互模型 Qwen-Audio-3.0-Realtime，在 Artificial Analysis 的 Speech Reasoning 子項中綜合排名第一，超越 OpenAI GPT-Realtime-2。
TIP來源：公眾號：通義實驗室（千問）
2. Thinking Machines 發佈多模態模型 Inkling
今天，我們推出 Inkling。 Inkling 能高效地對文本、圖像和音頻模態進行推理。我們將提供完整權重。 https://thinkingmachines.ai/news/introducing-inkling/ 即日起可在 Tinker 上進行微調。在 Inkling Playground 中試用。🧵
TIP來源：X：Thinking Machines (@thinkymachines)
3. OpenAI 發佈 GPT-Red：通過自動化紅隊測試提升模型魯棒性
OpenAI 訓練了自動化紅隊模型 GPT-Red，用於在部署前發現漏洞並在訓練中生成攻擊以提升模型魯棒性。GPT-Red 能攻破此前幾乎所有模型，其攻擊被用於對抗訓練 GPT-5.6 Sol，使該模型在直接提示注入基準測試中的失敗率降至四個月前最佳生產模型的 1/6。GPT-Red 通過自對弈強化學習訓練，投入了 OpenAI 後訓練中前所未有的計算規模。
TIP來源：OpenAI：官網動態
🚀 產品發佈/更新
1. xAI 開源 Grok Build 編程智能體與終端界面
xAI 已將 Grok Build 的源代碼在 GitHub 上開源。Grok Build 是 SpaceXAI 的編程智能體與終端用戶界面（TUI），開源後用戶可自行編譯並完全本地運行，指向本地推理引擎並通過 config.toml 配置。
TIP來源：xAI：News（網頁）
2. Telegram 無服務器架構
Telegram Serverless 允許開發者直接在 Telegram 基礎設施上運行 Bot 和 Mini App 的後端代碼，無需配置服務器或容器。開發者編寫普通 JavaScript 模塊，通過 npx tgcloud push 單命令部署，代碼在靠近 Bot API 和內建數據庫的輕量級 V8 隔離沙箱中執行。
TIP來源：Hacker News 熱門（buzzing.cc 中文翻譯）
3. 開源編程智能體內存方案發布，通過 SSH 同步
一個面向編程 AI 智能體的開源內存項目在 GitHub 發佈，支持通過 SSH 同步記憶數據。該項目允許智能體跨會話保留上下文，無需依賴特定雲服務，用戶可自託管。代碼已開源，便於開發者集成與定製。
TIP來源：Hacker News 熱門（buzzing.cc 中文翻譯）
4. Grok Build 現已開源
Grok Build 現已開源
TIP來源：X：Elon Musk (@elonmusk, xAI)
5. 金山辦公推出 WPS Comate AI 辦公客戶端
金山辦公在2026 AI生產力大會上推出面向員工的AI辦公客戶端WPS Comate，可連接組織數據與流程。該產品提供AI崗位專家、Skill技能生態、自動化任務等六大模塊，並支持雲端與本地雙任務模式，個人用戶可直接下載體驗。
TIP來源：IT之家
6. Claude Code 新增 MCP 連接器調用功能
Claude Code 的 artifacts 現在可以調用 MCP 連接器，讓你構建能夠按需為每位查看者獲取信息並執行操作的儀表盤和應用。 適用於 Pro、Max、Team 和 Enterprise 計劃。不適用於公開共享的 artifacts。
TIP來源：X：Claude Devs (@ClaudeDevs)
7. SGLang 與 Miles 為前沿多模態模型 Inkling 提供 Day-0 支持，推理吞吐達 71.7k tok/s
SGLang 與 Miles 為 Thinking Machines Lab 的 975B 參數多模態模型 Inkling 提供 Day-0 支持，其上下文窗口達 1M token。
TIP來源：LMSYS：Blog（Chatbot Arena 團隊）
🏛️ 行業動態
1. 國行 Apple 智能完成備案，阿里千問將集成至蘋果 AI 能力
蘋果技術開發（上海）有限公司的“Apple 智能”大模型已於 2026 年 7 月 8 日完成備案，適用場景為蘋果手機。阿里千問將作為 AI 能力集成至 Apple 智能，為 iOS、iPadOS、macOS 和 visionOS 的中國用戶提供文本與圖像理解、內容生成等功能，用戶無需在應用間切換即可直接體驗。
TIP來源：IT之家
2. 阿里Qwen將集成至Apple Intelligence服務中國用戶
阿里巴巴的Qwen模型將被集成到Apple Intelligence中，為中國的iOS、iPadOS、macOS和visionOS用戶提供文本與圖像理解、內容生成等AI功能。中國網信辦已公佈包括Apple Intelligence、華為小藝大模型、OPPO AndesGPT在內的七項移動端生成式AI服務備案信息。阿里巴巴董事會主席蔡崇信表示，蘋果在選定阿里前曾與多家中國公司洽談。
TIP來源：X：X.PIN (@thexpin)
📄 論文研究
1. Anthropic 研究：AI 智能體模擬中行為偏差
Anthropic 新研究：2026 年夏季的智能體行為偏差。 在我們的敲詐實驗一年後，我們又發現了四種當今自主 AI 智能體在模擬中行為不當的方式。 瞭解更多：https://alignment.anthropic.com/2026/agentic-misalignment-summer-2026/
TIP來源：X：Anthropic (@AnthropicAI)
2. OpenAI 用 AI 攻擊自家 AI：GPT-Red 自動發現安全漏洞，成功率 84% 遠超人類
OpenAI 訓練了內部 AI 模型 GPT-Red，通過自我對弈強化學習自動模擬提示詞注入等攻擊，在測試場景中成功率達 84%，而人類紅隊僅為 13%。GPT-Red 的發現直接用於訓練，使 GPT-5.6 Sol 在直接提示詞注入上的故障次數比四個月前的最佳模型減少六倍，且未影響通用性能。約 3.8% 的“更強”提示詞注入仍能成功，GPT-Red 暫不對外開放。
TIP來源：The Decoder：AI News
3. Apple 提出 LLM 函數調用不確定性量化方法
Apple 機器學習研究團隊提出一種針對大語言模型函數調用的不確定性量化方法，旨在提升 LLM 在自主任務執行中的可靠性。該方法通過量化模型對函數調用參數和決策的置信度，幫助識別潛在錯誤調用。該研究目前處於學術探索階段，未公佈具體模型版本或開源計劃。
TIP來源：Apple Machine Learning Research
4. Meta 探索分層興趣表示以優化廣告深度漏斗
Meta 提出分層興趣表示，一種基於 Transformer 圖學習與自監督跨視圖蒸餾的上游表示層，為廣告實體學習統一嵌入。該系統在數十億真實交互數據上端到端訓練，輸出通用嵌入和 Bag-of-Meaning 興趣 token，旨在連接稀疏的深度漏斗信號與廣告主供給。該技術可集成至 Meta 的生成式廣告模型（GEM）、Andromeda 及自適應排序模型。
TIP來源：Meta Engineering Blog
5. Apple 提出 CLaRa：用連續潛在推理橋接檢索與生成
Apple 機器學習研究團隊提出 CLaRa，一種通過連續潛在推理橋接檢索與生成的新方法。該方法在檢索增強生成（RAG）中引入連續潛在空間，使模型在生成答案前先進行隱式推理，從而緩解長上下文帶來的性能下降。CLaRa 在多個知識密集型基準上提升了 LLM 的準確率與效率。
TIP來源：Apple Machine Learning Research
💡 技巧與觀點
1. Airtap iMessage 新功能：發條短信讓 AI 替你操作手機
Airtap 推出 iMessage 新功能，用戶只需給美國號碼發一條 iMessage，其雲手機上的 AI Agent 就能通過視覺模擬點擊，替用戶完成 TikTok 刷視頻、星巴克點單等操作，無需安裝對應 App。其架構分為三層：大腦（理解指令）、AutoPilot（視覺操控屏幕）、雲手機（24小時在線）。但支付等敏感操作仍需用戶手動完成，信任與授權仍是所有 Agent 廠商的難題。
TIP來源：X：阿易 AI Notes (@AYi_AInotes)
2. 前谷歌DeepMind研究員因公司簽署無限制軍事AI協議而離職
前谷歌DeepMind研究員Alex Turner因谷歌向國土安全部出售雲服務並最終簽署無限制軍事AI協議而離職。他曾起草25頁提案要求加入禁止殺手機器人和大規模監控的合同條款，但提案被CEO轉交後無人跟進。Turner指出，包括Jeff Dean和Stuart Russell在內的多位AI倫理領袖在關鍵時刻未能兌現承諾。
TIP來源：Hacker News 熱門（buzzing.cc 中文翻譯）
3. 開源 LLM TODO Skill“阿福”：用 Claude Code 和 Codex 實現知識管理到排期自動化
作者基於 API 版 Fable5 和 Codex 開發了開源 TODO Skill“阿福”，用於將收件箱中的待辦資料自動轉為 Markdown 任務卡，識別信息不完整項（如視頻鏈接需通過 yt-dlp 和本地 Whisper 提取字幕），並支持批量排期、AI 分組合並、拖拽調整週視圖及同步到 Mac 日曆或飛書日曆。項目已開源在 GitHub，安裝僅需一條命令。
TIP來源：公眾號：卡爾的AI沃茨
4. 每天Vibe Coding 16小時，作者分享Fable 5與GPT-5.6 Sol的AI開發流程
作者每天Vibe Coding約16小時，認為Claude Fable 5在大型方案初版設計上“當世獨一檔”，GPT-5.6 Sol能有效糾錯並優化方案。核心流程為：Fable 5出方案初版 → GPT-5.6 Sol審查糾錯 → 在Codex中開啟“目標模式”全自動化執行，最長曾連續運行17小時。
TIP來源：公眾號：數字生命卡茲克
5. OpenAI 呼籲通過“反向聯邦主義”推動美國 AI 安全標準統一
OpenAI 首席全球事務官 Chris Lehane 發文，主張通過“反向聯邦主義”——即各州先通過相似立法形成事實上的國家標準——來推動美國 AI 前沿安全治理。加州、紐約州和伊利諾伊州已通過相關立法，核心要素包括風險披露、安全事故報告和獨立審計。聯邦層面，特朗普政府正與專家合作制定針對最強大 AI 模型的網絡測試框架，預計 8 月初完成。
TIP來源：OpenAI：官網動態
6. Base44 為何信任 Claude Fable 5 處理最具挑戰性的工程任務
無代碼開發平臺 Base44 將此前僅限資深工程師處理的系統提示詞重構任務交給了 Claude Fable 5。該模型在四小時內獨立完成 90%-95% 的重構，並主動發現團隊評估中遺漏的緩存命中測試盲點。Base44 產品負責人表示，Claude Fable 5 是首個能像資深工程師一樣推理軟件構建方式的模型。
TIP來源：Claude：Blog（網頁）
