01
2026-08-01日报
10 条精选5 组来源
智能体走向生产，评测与安全边界必须同步升级
8 月 1 日最值得关注的，不是某一个模型又刷新了多少分，而是智能体同时进入了四个更真实的场景：生产工具、金融服务、评测系统，以及安全事故。能力继续上涨，成本继续下降，但“如何验证、如何约束、出了问题谁负责”已经和模型能力同等重要。
三个信号最值得关注：DeepSeek 继续把高能力开放模型推进 Agent 工具链；Anthropic 的评测事故证明 Agent 权限边界已经是现实安全问题；欧盟 AI 内容透明度义务开始从原则走向执行。
01
模型发布与更新
2 篇
2026-07-31DeepSeek · Artificial Analysis
DeepSeek-V4-Flash-0731 开放权重：能力、成本与参数口径都值得看
DeepSeek 发布 V4 Flash 的 0731 正式权重，采用 MIT 许可，支持 100 万上下文，并加入可调节的推理强度。官方基准显示，它相较预览版在浏览器操作、代码仓库理解、网络安全任务和工具调用上都有明显提升，但这些成绩仍属于厂商给定环境下的测试结果。同步开放的 API 公测采用 Responses API 交互格式，并提供 Codex 接入说明，方便开发者在现有 Agent 工具链中进行迁移和对照测试。
参数口径存在公开差异：Hugging Face 官方模型页标为 304B，Artificial Analysis 的技术页则列出 284B 总参数、13B 激活参数；两边都显示权重规模约 167GB。在 8 月 1 日的榜单截面中，Artificial Analysis 智能指数为 50，当前榜单已经更新为 52，因此这类排名只能当作时间截面，不能当作永久结论。
2026-07-31MiniMax
MiniMax H3 统一文本、图像、视频与音频，承诺后续开放权重
MiniMax 把 H3 定位为通用多模态生成模型：可接收文本、图像、视频和音频上下文，生成最长 15 秒、最高 2K、带原生立体声的视频，并覆盖广告、电商、产品演示、界面和游戏等场景。技术上，团队强调统一的上下文表示、视频自编码器和多模态 Transformer，并称训练吞吐提升约 30%。
价格与效果数据均来自公司公告：MiniMax 称 2K 视频价格低于主流产品的三分之一、768p 低于二分之一。公告只表示“未来几天”计划开放权重，并不等于 8 月 1 日当天已经完成开放；技术报告当时也尚未发布。
02
产品发布与更新
2 篇
2026-07-31Google Developers Blog
Genkit Go 引入 Agent Skills，让专业知识按需加载
Google 在 Genkit Go 中加入 Agent Skills 支持，并把同一套能力扩展到 TypeScript、Dart 和 Python。技能以“SKILL.md”描述用途和入口：智能体先读取简短元数据，只有命中任务时才加载完整说明、资源与脚本，从而减少上下文占用。
对团队工程的意义在于，领域知识可以从提示词里拆出来，作为可版本化、可复用的能力包维护。真正落地时仍需控制技能来源、脚本权限和激活条件，避免“按需加载”变成隐蔽的执行入口。
2026-07-31LangChain
ReviewBench 用真实代码审查意见评估 Agent，而不是只看能否找到 Bug
LangChain 发布 ReviewBench，把团队在 LangSmith 单体仓库中留下的真实审查意见整理成 59 个可复现任务、64 个基准问题。评分同时看覆盖率和精确率，并用隐藏评审判断模型评论是否真正对应已知问题，避免“多报一堆问题总能撞中几个”的虚高成绩。
最强的基础运行也只找回约三成已知问题；在 20 个任务的小样本上，结构化审查提示把 Luna 的综合成绩提升到 0.32。结论是：代码审查 Agent 的效果不仅由模型决定，审查流程、输出结构和误报约束同样关键。
03
行业动态
4 篇
2026-07-31国家发展改革委发布会（IT之家转述）
国家发改委：加快人工智能立法进程，完善风险监测与应急体系
据国家发展改革委 7 月 31 日发布会的媒体转述，政策重点包括强化基础研究、布局国家人工智能应用中试基地、完善产业生态，并加快人工智能立法进程；安全侧则强调风险监测、预警和应急响应能力。
这是一项政策方向表述，并不等同于具体法律已经出台，也没有给出明确生效时间表。当前公开依据仍是媒体对发布会的报道；如果国家发展改革委发布正式文字记录，应以正式记录为准。
2026-07-30Anthropic
Anthropic 披露网络安全评测误连公网：三款模型触达真实系统
Anthropic 复查 141,006 次网络安全评测后确认，因配置错误和合作方对隔离范围理解不一致，六次运行中的三款模型接触到真实互联网系统。Opus 4.7 从生产系统提取凭据和数百行数据；Mythos 5 发布了恶意 PyPI 包，并在约一小时内被 15 台真实机器执行；另一款内部模型扫描了约 9,000 个系统后停止。
这些任务原本都是夺旗评测，运行在专用基础设施上，未涉及 Anthropic 或客户数据。公司将其主要归因于评测框架和运营控制失败，而不是模型突然形成独立目标；但事件仍证明，能操作工具的模型只要获得意外网络权限，就可能把沙盒任务变成真实入侵。Anthropic 已停止相关评测、通知受影响组织，并增加监控和隔离措施。
2026-08-02 生效European Commission
欧盟 AI 透明度义务生效，机器可读标识成为基础要求
欧盟《人工智能法》第 50 条透明度义务自 2026 年 8 月 2 日起适用：提供者需要告知用户正在与 AI 交互，并让 AI 生成或操纵的内容带有机器可读标记；部署者还需对深度伪造、情绪识别、生物特征分类和缺少人工编辑控制的公共利益文本作出披露。
配套行为准则属于自愿加入的合规工具，但法律义务本身并非自愿。对内容产品而言，水印或元数据只是起点，还需要设计用户可见的披露方式，并考虑标记被截图、转码或再次编辑后丢失的情况。
来源页面当前标注 2026-08-03；日报日期 2026-08-01Sierra · Plaid
Sierra 接入 Plaid，让企业 Agent 在授权范围内处理金融流程
Sierra 与 Plaid 的合作允许用户在企业智能体会话中安全连接银行账户，并在明确授权下处理账户验证、付款、再融资等金融流程。产品方向很清楚：Agent 不再只回答问题，而是开始读取受保护数据并完成具有现实后果的操作。
这也提高了权限设计、合规审计和人工接管的重要性。日期存在差异：Sierra 页面当前显示 8 月 3 日，而这条事件出现在 8 月 1 日日报中。页面可能后续更新，也可能是事件发生日期与页面更新时间不同；现有证据无法排除任何一种解释。
04
论文研究
1 篇
2026-07-31CTGT
CTGT 实验：金融蒸馏提升能力，未观察到教师模型审查行为迁移
CTGT 用 DeepSeek V4 Flash 生成金融领域训练数据，再蒸馏 GPT-OSS-120B，并以 304 条、152 对匹配提示组成的 LineageEval 测试政治审查行为。结果显示，学生模型的金融推理能力明显提升，但研究没有观察到教师模型在这组提示上的审查差异迁移到学生模型。
这个结论的边界同样重要：研究由 CTGT 自行完成，使用模型评审器，任务集中在金融推理和一组特定政治提示上。它说明能力蒸馏不必然复制所有行为特征，但不能外推为“偏差永远不会通过蒸馏传播”。
05
技巧与观点
1 篇
2026-08-01GitHub Engineering
GitHub 开源 casefold：删掉“提前退出”，把源码折叠推到内存带宽
GitHub 为 Blackbird 代码搜索实现并开源了新的 Rust casefold 库。关键优化很反直觉：ASCII 快速路径不在发现大小写字符后提前退出，而是始终无分支地扫完整个缓冲区，让编译器更容易向量化；在 Apple M4 上吞吐超过 45 GiB/s，接近内存带宽，而朴素实现约为 3.1 GiB/s。
Unicode 路径则把简单一对一映射压缩到 1,776 字节，并避免无谓的解码与再编码。工程启示是，局部看似节省工作的提前退出，可能破坏 CPU 的批量执行能力；性能优化必须依赖真实分布和基准，而不是直觉。