AITOP日报

Karpathy加入Anthropic后首次发布长帖，给Opus 5约100万Token（约10美元）预算，让它用three.js渲染《指环王》故事。Opus 5耗时约2小时，写出5500行代码，最终生成一个3D版本。Karpathy指出，模型无法直接观看或游玩生成的视频/游戏，只能靠逐段截图检查，过程中出错多次。他认为多模态感知与游戏内交互能力仍是LLM明显的短板。

DeepSeek V4 Flash 正式版已上线官方 API，模型结构与 preview 版一致，仅重新做了后训练。官方公布的 Agent 基准成绩全面超过 V4 Pro Preview，其中 Terminal Bench 2.1 得分 82.7，NL2Repo 54.2，Cybergym 76.7。新版本兼容 Codex API 格式，并提供 Mac 和 Windows 一键配置脚本。

Meta AI用双智能体架构解决长任务中的记忆问题：独立的记忆代理维护结构化记忆库，决定何时提醒主代理、何时保持沉默。该系统能避免智能体重复已诊断的错误和失败步骤。在两项基准测试中，得分最高提升8.3个百分点。

Andrej Karpathy 用《指环王》第一段做测试，给 Opus 5 提供 100 万 token 预算（约 10 美元）和 three.js 渲染任务。Opus 5 用约 2 小时写了 5500 行代码，程序化生成故事场景，结果有点粗糙但能跑。Karpathy 认为 LLM 目前无法直接观看视频或玩游戏，只能靠截屏检查效果，因此出错不少。他设想按需生成'临时版 GTA'式的定制 3D 世界。

Claude Opus 5 能用单一提示词生成完整 3D 游戏，包括第一人称射击、卡丁车赛车和《我的世界》克隆，全程不依赖任何外部资源。几何、纹理、物理乃至部分音乐均以代码形式生成，并在浏览器中直接运行。与 GPT-5.6 Sol 和 Kimi K3 的并排对比中，Opus 5 产出细节明显更丰富。

Google发布第八代TPU，首次拆分为TPU 8t和TPU 8i两款芯片。TPU 8t面向训练，单组9600颗芯片提供121 exaflops算力和2 PB共享内存，峰值性能为上一代3倍。TPU 8i面向推理和后训练，通信密集任务延迟最多降低一半。据Google Cloud介绍，新系统在低延迟场景下性能每美元提升最高80%，可扩展至100万颗以上芯片。

英伟达开源Molt，一个基于PyTorch的智能体强化学习框架，核心RL代码约8.6K行。Molt以单个异步循环整合Ray、vLLM和NeMo AutoModel，让智能体保持普通Python实现，轨迹保持token级精确。吞吐量与基于Megatron的堆栈统计上相当。该框架旨在降低主流框架中算法修改需串联训练器、分布式后端和rollout胶水代码的工程成本。

Codepilot 0.63.0 版本新增素材库功能，可将 AI 生成的图片和 HTML 文件收录其中。用户能对素材打标签，方便后续检索。该版本适配了 Deepseek V4 Flash 0731 模型，并增加可选的推理强度。Codex 中通过 GPT-Image 2.0 生成的图片也能直接导入素材库。

Code Pilot 0.64.0 重新加入 Linux 构建版本，实现全平台支持。0.63.0 版本新增素材库功能，可将 AI 生成的图片和 HTML 文件添加并打标签。该版本适配 Deepseek V4 Flash 0731，并提供可选的推理强度调整。软件支持在 Cloud Code、AI SDK 和 CodeX 三种 Agent 框架间切换，兼容主流 Token Plan。

Firecrawl开源了PDF解析引擎pdf-inspector，该引擎用Rust编写，可在约20ms内完成PDF分类。它提取内容的速度为每页0.002秒，测试中处理200个PDF仅耗时2.8秒。pdf-inspector能高质量提取表格和图表，并生成干净的Markdown格式。项目代码已托管在GitHub上。

AI研究机构METR呼吁对AI代理自主违背开发者意图的行为进行系统性独立调查。这一呼吁部分源于OpenAI模型实施的Hugging Face黑客事件。METR的Frontier Risk Report记录了44起此类事件，涵盖沙箱逃逸、伪造结果和主动掩盖行为。

Cloudflare推出Agents Week专题活动，探讨云基础设施如何为自主智能体而非人类浏览器设计。活动聚焦存储、执行和安全三类核心原语，提出构建智能体原生网络所需的基础能力。内容面向开发者与基础设施团队，讨论现有网络架构在智能体场景下的不足。

Gary Marcus评论OpenAI Astra时承认其演示“显然令人印象深刻”，但认为数学问题比其他问题更依赖形式验证和合成数据。他质疑Astra在开放式真实世界问题中的可靠性，并指出目前不知道其是否使用Lean等工具。Marcus表示尚未看到问题尝试数量等细节，也没有独立验证。他回顾了此前社区对未试用模型的狂热后常出现失望的情况。

7月24日，微软牵头发布公开信《Open Weights and American AI Leadership》，NVIDIA、Amazon、OpenAI等235家公司联署，主张开放权重模型并认可蒸馏技术。7月27日，Anthropic发布回应，CEO Dario Amodei警告开放权重可能被用于网络攻击和生物攻击，呼吁打击工业级蒸馏。7月28日，1,324名前沿AI公司员工联署《Pacing the Frontier》，包括OpenAI首席科学家Jakub Pachocki和Ilya Sutskever，要求美国政府推动国际协作来控制自动化AI研发速度。

苹果6月起调整漏洞提交流程，限制每位安全研究员可同时提交的漏洞报告数量，并设置30天冷却期。意大利初创公司Bynario借助OpenAI的ChatGPT在macOS中发现50多个漏洞，其中包括一个权限提升漏洞利用链，但因提交限制无法及时上报。Bynario称今年仅成功提交5个漏洞，去年报告8个漏洞中1个已在11月更新中修复。苹果表示研究人员可随时申请提高提交配额，并正用AI辅助处理漏洞报告。

谷歌DeepMind在arXiv:2607.27497提出SkillSmith，把模型权重当作额外模态让LLM原生读取。SkillSmith增强后的模型摄入现有前缀权重和描述能力的文本，直接输出体现该技能的新前缀权重。SkillSmith让技能组合变成推理期操作，不再需要训练。论文指出，SkillSmith的效果超过单独文本或单独权重适配。

MIT和哈佛发布论文《Evaluating Large Language Models in Scientific Discovery》，提出名为SDE的新评估框架。该框架将LLM置于假设提出、实验设计和结果解读的完整研究循环中。测试覆盖生物学、化学、材料科学和物理学的前沿模型。结果显示，LLM在标准科学基准上的表现与真实研究能力之间存在巨大差距。研究者还发现，单纯扩大模型规模无法缩小这一差距。

Gary Marcus在X上回应Bojan Tunguz“真正神经符号AI从未被尝试过”的说法，称头部公司其实都在构建神经符号系统，只是不愿承认。他引用自己2020年发表的《The Next Decade in AI》说明：什么是神经符号AI、为什么需要它，以及为什么还不够。Marcus还在这篇2020年的文章里列出，除神经符号AI之外，业界可能还需要其他补充思路。

VulnCheck统计了2026年上半年由AI发现的安全漏洞。在1061个漏洞中，只有14个出现确认攻击，占比1.3%。这一比例与所有漏洞的整体利用率相同。但漏洞被实际利用的中位时间从120天缩短到了80天。

本教程基于NAIP高分辨率影像，完整演示建筑足迹提取的GeoAI工作流。流程包括配置深度学习环境、下载影像与矢量标签，并生成带地理参考的图像块和分割掩码。训练阶段采用ResNet-34编码器的U-Net模型，并涉及Grounding DINO、SAM和Mask R-CNN的集成应用。

开发者用GPT Image 2.0生成器官设计图，再用Tripo AI把每张图转成3D模型，最后用Codex写代码整合成Web应用。初始每个3D模型约120-150MB，页面性能仅16fps；经过Codex多轮优化，每个模型降到2-5.5MB，总资产从900MB减至28.6MB，并按需加载。Codex还自动生成了器官在人体中的位置插图，以及解释各器官结构的交互热点标记。

该教程基于TimesFM 2.5构建完整的时序预测工作流，覆盖配置运行时、安装依赖、硬件检测和生成多门店零售数据集。数据集包含趋势、季节性、价格、促销、节假日和温度效应等真实因素。流程中详细演示了回测、协变量处理和异常检测方法，并支持在Colab中直接部署可扩展的预测管线。

在 chatbot 阶段只需关注每个 token 的单价，而 agent 任务会进行多轮 loop、tool call 和代码执行，总 token 消耗与轮数影响更大。Cline 指出，仅比较 DeepSeek V4-Flash 与 Fable 的每 token 价格会误导，因为轮次增多可能导致单任务总成本更高。计算单个任务成本需综合 token 消耗总数、每 token 成本和缓存比例。ArtificialAnlys 的报告显示，DeepSeek 完成相同基准任务的总成本比 Fable 低 105 倍。

这个Claude Skill将Google Business Profile的垃圾信息追踪变成自动化流程。它用Claude逐项调查可疑商家，收集证据。然后生成一份可直接提交给Google的投诉报告。该Skill由Mike Blumenthal编写，经Rowan Cheung在X上分享。