Flask/Sentry 工程师 @mitsuhiko 发现，Claude Opus 4.8 与 Sonnet 5 在调用 Pi 的嵌套 edits[] 工具时，会在 edit 对象末尾产生 requireUnique、type、id 等虚构字段，导致 schema 校验失败。此问题在单轮 prompt 下不出现，在长 agentic 历史中复现率约 20%。去掉历史中的 thinking 块后失败率减半，开启 strict 模式后问题消失。作者推测根因是 Anthropic 的 RL 后训练在 Claude Code 的 forgiving harness 中进行，该 harness 接受参数别名和未知键，导致模型学到“edit 操作可多带可选字段”的先验。相比之下，OpenAI 的 harmony 路线在 prompt 中显式标记 JSON 边界并支持约束采样，未出现此回归。
MistralAI 推出了 Leanstral 1.5，一个基于 Apache-2.0 许可证的 Lean 4 证明智能体。该模型采用 MoE 架构，总参数量 119B，仅激活 6B 参数。它在 miniF2F 上获得 100% 准确率，在 FATE-H 和 FATE-X 上分别达到 87% 和 34% 的新 SOTA。在 PutnamBench 上，它解决了 587/672 个问题，每问题成本约 4 美元。现在可通过 vLLM 进行部署。
腾讯混元发布Hy3，一个295B参数MoE模型，激活参数仅21B，支持256K上下文。在推理和智能体任务上，Hy3可媲美参数大2-5倍的开源模型。通过反幻觉训练，该模型的幻觉率从12.5%降至5.4%。多轮意图跟踪指标MRCR从42.9%提升至75.1%。Hy3支持MTP+EAGLE推测解码，并提供了FP8检查点以降低部署成本。
腾讯发布Hunyuan Hy3，一个295B参数的MoE架构模型，其中21B为活跃参数。该模型在Agent任务中达到90%的解决率，超越DeepSeek V4 Pro和Qwen 3.7 Max。它在多个关键基准上表现领先。
SGLang现支持DSpark算法，通过置信度驱动的变长验证优化推测解码。与传统验证所有候选token不同，DSpark仅验证高置信度token，在批大小1-256的DeepSeek-V4-Flash上实现最佳吞吐延迟权衡，优于MTP和非推测解码方案。高并发下动态调度相比固定预算带来约20%吞吐提升。使用融合内核和零开销调度后，DeepSeek-V4-Pro在B300上达到383.7 tok/s。
Google工程与开发者关系负责人Addy Osmani开源的Agent Skills项目（69.7k星）定义了六阶段生命周期DEFINE→PLAN→BUILD→VERIFY→REVIEW→SHIP，包含24个可执行的Skills。其中doubt-driven-development通过CLAIM→EXTRACT→DOUBT→RECONCILE→STOP对抗性复盘，source-driven-development要求决策挂靠官方文档防止LLM编造API。项目还引入了deprecation-and-migration作为独立技能处理代码废弃。这些Skills将工程纪律固化为AI Agent必须遵循的强制流程，而非依赖提醒。
Zhipu AI发布ZCode开发环境，集成GLM-5.2模型，主打长上下文能力处理复杂编程任务。新客户可免费试用5天，每天最多500万token。订阅用户到2026年7月可获得约1.5倍token配额。该产品以显著低于Claude Code和OpenAI Codex的价格参与竞争，目标用户为开发者。
AWS 宣布 Hugging Face 与 Amazon SageMaker AI 深度链接集成，开发者可在 SageMaker Studio 中一键从模型发现跳转到实验环境。该集成支持通过 SageMaker Studio 界面直接访问 Hugging Face 开源模型库，无需手动复制模型链接或切换平台。用户点击 Hugging Face 模型页面的“在 SageMaker 中打开”按钮即可自动打开 Studio 并预配笔记本环境。集成消除了模型搬运的中间步骤，将模型探索到实验的时间从分钟级缩短至秒级。
谷歌升级Google Cloud机密计算产品，新增基于英伟达RTX PRO 6000 Blackwell GPU的Confidential G4 VMs预览版，采用第五代AMD EPYC Turin处理器与AMD SEV技术，在TEE中实现硬件级数据隔离。同期开源Prompt Encryption SDK，用于对AI提示词和生成内容进行端到端加密。Confidential Space平台新增Intel Trust Authority认证，并引入英伟达Hopper架构GPU支持，可跨机构联合训练时保护数据隐私。
Sakana AI 在 Sakana Chat 中新增了 Sakana Translate 翻译工具。该工具基于 Namazu 模型系列，支持日语、英语、中文三语双向翻译。它提供 Translate（翻译）、Proofread（校对）和 Ask（提问）三种操作模式。工具在 XCOMET-XL 基准上进行了评估。具体用例包括跨语言文档翻译和语境理解。
Agentic Coding Harness（如Claude Code、Codex、OpenCode）本质是上下文编排工具，底层LLM（如Claude Opus、GPT系列）是无状态的。Harness每轮需重建system prompt、tool definitions和messages三件套，利用prompt caching降低延迟。工具执行在用户本地，LLM只返回JSON意图。不同harness的差异仅在上下文管理策略和TUI/UX，智能天花板由模型决定。
Hugging Face 创始人 Clement Delangue 发布推文，展示 AI 开发者存储在 HF Xet 上的数据量，称已完全取代 Git 存储。该平台数据量正快速接近 EB 级。伴随推文的一篇长文指出，AI 训练已从计算受限进入数据受限阶段，互联网公共文本数据仅剩约 300 万亿 token 可用，高质量新数据增速无法匹配模型规模增长。文章认为需要像建设计算基础设施一样，启动“数据星门”计划以应对每年超 1000 亿美元的数据支出需求。
安全研究团队Armadin发现Windows版Claude Desktop的沙箱隔离存在安全缺陷。Claude Cowork基于Hyper-V隔离的Ubuntu虚拟机运行，但本地服务CoworkVMService可通过参数指定root账户执行命令。攻击者利用DLL侧载使签名的claude.exe加载恶意DLL，绕过身份验证，并覆盖域名白名单。获取虚拟机root权限后，可窃取运行进程及数据，并外发至黑客服务器。Anthropic认为需主机代码执行权限而未认定漏洞，Armadin建议企业卸载或限制用户。
字节跳动旗下豆包和阿里巴巴旗下通义千问于2026年7月终止AI智能体功能。监管合规压力与商业变现困难是撤退主因。两家公司过去两年投入大量资源推广Agent，但用户付费意愿低。此次关闭标志着消费级AI智能体热潮结束。
WAIC 2026大会聚焦后Scaling时代，提出模型与智能体范式重构。大会发布多款智能体框架，参数量从7B到540B不等。智能体在代码生成、业务自动化等场景效率提升3-5倍。开源社区贡献32个新基准数据集。
Anthropic在2026年7月发表的可解释性研究中，发现Claude模型存在一个涌现的全局工作空间（global workspace）。该空间能保存模型内部的思考过程，但这些内部表示并不会出现在模型的最终输出中。研究利用探针和激活干预技术，定位了Claude中对应全局工作空间的神经元群体。这项工作为理解语言模型的内部推理机制提供了新视角。
南京大学在ICML 2026发表论文，发现多智能体系统故障根源来自编排器而非单个智能体。研究使用熵动力学诊断系统退化，实验显示编排器熵值升高可提前预测协作失败。该方法在多个基准测试中识别漏洞准确率达92%。
研究者发现Claude模型内部存在一组可言语化的特权表征，这些表征形成全局工作空间。这些表征仅占模型内部状态的一小部分，但可用于报告、控制和推理。相比之下，模型的大部分处理是自动且不可言语化的。该研究揭示了语言模型内部计算的可解释性结构。
Anthropic新研究发现Claude内部存在一个名为J-Space的全局工作空间，与链式推理或草稿板不同，它是训练中自发出现的推理机制。通过J-Space，研究者可以直接读取和修改模型内部的信息流动。实验表明，该方法首次实现了对模型推理过程的直接观测和操控，而非仅从输出文本推测。这为可解释性提供了新工具，可能用于验证模型行为、实施更好护栏和预测危险场景。
这篇ICML论文区分了大型语言模型的非预期记忆与泛化，并估计GPT风格模型容量约为每参数3.6比特。该结果为数据、扩展和隐私推理提供了更精确的视角。研究者通过实验方法量化了模型记忆边界。
该教程展示了如何用Tunix框架和GRPO算法微调Gemma-3模型在GSM8K数学数据集上。首先配置环境并通过Hugging Face加载Gemma-3，将样本包装为推理加答案格式。定义格式正确性和数值正确性的奖励函数，并附加LoRA适配器以降低训练成本。最终通过GRPO分组采样改进策略，并导出合并后的模型。
该方案利用 Amazon Nova 的视觉推理能力协调多个工具：Meta 的 SAM 3 进行像素级分割、Amazon Textract 进行 OCR。管道处理指纹、身份证、各种朝向的车牌等边缘案例。所有组件部署在 Amazon SageMaker AI 上。最终输出合规的 PII 编辑结果。
AWS发布教程，使用Amazon Nova Forge和Amazon SageMaker HyperPod构建两阶段多轮强化学习基础设施。该管道是事件驱动：上传训练数据到Amazon S3即可自动触发训练任务。示例训练模型玩Wordle游戏，作为用户自定义RL任务的占位符。
LandingAI 提出 Agentic Document Extraction (ADE) 范式，将传统文档解析的盲抽改为先分类后抽取。ADE Classify 阶段对 PDF 逐页并发评估，分配类别标签（如工资单、银行流水），outlier 页面标记兜底。ADE Extract 阶段按类别应用对应 Pydantic schema（工资单字段：雇员姓名、发薪周期、毛薪、净薪；银行流水：银行名、账号、余额）。每个抽取值附带 chunk reference 和 page-level bounding box，实现值到源图物理坐标的可溯源审计。该范式解决了税表里抽净薪资、身份证页抽账户号等字段错配问题。
Thariq Shihipar在AI Engineer World's Fair上分享了Fable 5模型的使用经验。他指出模型能力存在“能力悬余”，砍掉80%系统提示词后模型表现反而更好。他建议通过盲区扫描、四个风格原型对比、让模型提问等方法发现未知变量。Fable 5可在几小时内完成过去需要几周的工作，改变了对AI编程的认知。