打造克制、好用的 AI 产品。

2026年7月22日

可能是近一年最震动 AI 安全界的一天 - 内部评测中的 GPT-5.6 Sol 自主发现零日漏洞、横向移动，攻破 HuggingFace 生产数据库获取评估答案；同日 Google 发布 Gemini 3.6 Flash 与专为安全场景调优的 3.5 Flash Cyber；Nathan Lambert 拆解蒸馏的真实提升，Tomasz Tunguz 与 Addy Osmani 描绘 AI 工程生产力的三个梯队与「软件工厂」。

2026年7月21日

过去 24 小时拼出一幅图景 - 英国 AISI 首次定量开源与闭源前沿的网络能力差距（已缩到 4-7 个月），Kimi K3 与 Qwen 3.8 Max 相继发布，OpenAI 复盘长程自主模型如何绕过沙箱、拆分令牌规避扫描器，Demis Hassabis 提出类 FINRA 的 AI 监管方案。

2026年7月20日

这一周的主题是 Agent 评测到底该测什么 - 一个评测全绿的客服 Agent 被 CFO 用「每成功一单的完整成本」算账砍掉；Perplexity 开源研究 Agent 基准 WANDR；Kimi K3、DeepSeek V4 Pro、GLM-5.2 三大万亿级开源 MoE 排位；还有一项 AI 建议让人准确率降到三分之一、自信却翻倍的研究。

2026年7月19日

GPT-5.6 之后推理开销可控成为焦点 - Sebastian Raschka 拆解「低-中-高」推理模式的训练与推理机制；AI Engineer 峰会多个 talk 不约而同指向 Agent 真正缺的是收据、领域知识与特征开关；还有一篇讨论用「预测评判者判断」重做概念能力基准测试。