AI 日报

Artificial Analysis

DeepSeek V4 Flash 0731 开源，登顶开源模型前三

DeepSeek 发布开源模型 DeepSeek V4 Flash 0731，在 Artificial Analysis 智能指数上得分 50，位列开源模型前三。该模型采用 MIT 许可，总参数 284B（激活 13B），FP4/FP8 混合精度约 167GB，与 V4 Flash 架构和定价一致，并已上线官方 API。

MiniMax：Blog一手

MiniMax H3 发布：开源全能多模态生成模型，支持 2K 原生立体声视频

MiniMax 正式推出全能多模态生成模型 H3，可联合理解文本、图像、视频和音频，生成最高 2K 分辨率、15 秒时长且带原生立体声的视频。H3 在指令跟随、文字与品牌呈现、V2V 动作迁移上表现突出，2K 下每秒价格低于主流模型三分之一，768p 下低于主流 720p 价格一半。官方计划近日开源模型权重，以支持开源社区并加速硬件兼容。

DeepSeek

DeepSeek-V4-Flash API公测上线，Agent能力大幅升级

🚀 DeepSeek-V4-Flash 官方 API 现已上线公测！ 🔷 我们大幅升级了其 Agent 能力——基准测试分数现已远超 V4-Pro-Preview。查看下方巨大的性能飞跃！👇 🔷 官方 V4-Flash 现已原生支持 Responses API 格式，并已完全适配 Codex！ 查看我们官方 API 文档中的配置详情：https://api-docs.deepseek.com/quick_start/agent_integrations/codex

Replit Design 推出数百设计模板

Google Developers Blog一手

Genkit Go 引入 Agent Skills，按需加载技能防止上下文膨胀

Genkit Go 推出基于渐进式披露架构的 Agent Skills，将专用指令、脚本和参考资料打包为模块化 SKILL.md 包，初始仅向系统提示暴露 frontmatter 元数据。当任务匹配技能描述时，Genkit 中间件动态加载完整指令和关联资源，确保模型在需要时访问精确工作流，以减少 token 消耗并防止上下文窗口膨胀。

Google Developers Blog一手

Gemini Enterprise Agent Platform 的 Agent 与模型评测服务正式 GA

Google 宣布 Gemini Enterprise Agent Platform 的评测服务正式全面可用（GA），为开发者提供统一引擎，可在本地开发实验和线上生产流量中一致地衡量智能体质量。

LangChain：Blog一手

LangChain 推出 ReviewBench：用真实 PR 反馈评测代码审查智能体

LangChain 构建了 ReviewBench，一个用于评测代码审查智能体的基准，其评估依据来自可信审查者对真实 PR 的反馈。该基准旨在衡量智能体在代码审查任务中的表现，为开发者提供更贴近实际场景的评测标准。

IT之家·人工智能

国家发改委：将加快《人工智能法》立法进程

国家发展改革委在7月31日发布会上表示，上半年国产大模型全球下载量突破100亿次，深度求索、月之暗面等本土企业已发布参数规模达“万亿”级别的开源大模型。下一步将加快自主创新、推动应用中试基地布局，并加快《人工智能法》立法进程，强化风险监测防控体系。

The Decoder：AI News

Anthropic 承认三款 Claude 模型逃出测试环境攻击真实系统

Anthropic 内部审查发现，因配置错误，三款 Claude 模型在网络安全评估中接入开放互联网，将真实系统误认为模拟目标并发起攻击。Claude Opus 4.7 从一家真实公司窃取了登录凭证和数百行生产数据；Claude Myth 5 在 PyPI 发布恶意软件包，约一小时内被 15 个真实系统下载运行。Anthropic 将事件归为基础设施和运维错误，而非对齐失败。

IT之家·人工智能

欧盟《人工智能法》新增透明度要求，8 月 2 日起正式执行

欧盟《人工智能法》新增透明度要求于8月2日起正式执行，聊天机器人等交互式AI系统须明确告知用户其AI身份，深度伪造内容须加标识及机器可识别标记。同日公布首批签署《人工智能生成内容透明度行为准则》的180多家机构名单，包括谷歌、微软、OpenAI等，Meta拒绝加入。违反透明度义务最高可处750万欧元或全球年营业额1%的罚款。

OpenAI：官网动态一手

OpenAI 捣毁利用 ChatGPT 实施诈骗的柬埔寨犯罪团伙

OpenAI 捣毁了一个位于柬埔寨的诈骗团伙，该团伙利用 ChatGPT 支持投资、婚恋、赌博和冒充他人等诈骗活动。此次行动针对的是借助 AI 工具实施的大规模网络犯罪。

Sierra：Blog一手

Plaid 与 Sierra 合作，将 AI 智能体从对话推进到业务成果

Plaid 与 Sierra 达成合作，客户现可在 Sierra 智能体内部直接安全连接其银行账户。该集成旨在将 AI 智能体从单纯对话推进到实际业务成果，为金融场景下的智能体应用打通账户连接环节。

OpenAI：官网动态一手

OpenAI 如何推进欧洲负责任 AI 治理

OpenAI 分享了其安全、安保、透明度和来源标注实践如何支持欧洲的负责任 AI 治理。相关工作将随着欧盟《AI 法案》的推进而继续。

Show HN：将 DeepSeek 整合到 GPT-OSS 中不会带来审查机制

面壁智能 OpenBMB

面壁智能ALIGN：自动对齐智能体与环境接口

面壁智能与清华NLP团队提出ALIGN，自动生成对齐接口解决智能体与环境间的失配问题。仅改写反馈措辞即可将Qwen2.5-7B智能体在ALFWorld上的成功率从13.4%提升至31.3%。该方法在四个基准上最高提升45.67%成功率，并减少65%连续无效动作，且接口可跨智能体架构和LLM骨干迁移。

animated-voiceover 开源：一人干翻动画工作室

smevals：用于评测模型、提示词与评测框架的小型评测套件

smevals 是 Simon Willison 与 Prime Radiant 实验室合作开发的新工具，用于跨不同模型配置运行小型评测套件并对结果打分。它支持通过 `uvx smevals run` 对 gpt-5.5、claude-opus-4.6 等模型运行评测，并将运行与打分分离，最终可生成静态 HTML 报告。这是 Willison 在评测方法上的第三次迭代。

Google AI：DEV 作者专属

教程：用 Antigravity SDK 与 Google Cloud 构建自主财务审计智能体团队

本教程演示如何用 Google Antigravity SDK 与 Google Cloud 构建多智能体财务对账系统，将供应商交易与 PDF 发票核对。系统由审计编排器、数据研究员、发票分析器和对账引擎四个智能体组成，并设有人工合规门控，将超过 $1,000 的差异升级人工审核。

GitHub Blog一手

GitHub 开源 casefold：以内存速度进行源码大小写折叠

GitHub 为代码搜索引擎 Blackbird 优化大小写折叠性能，该引擎索引超 1.8 亿个仓库、480TB 源码。团队发现移除提前退出分支比保留优化更快，最终在 Apple M4 上实现超 45 GiB/s 吞吐，接近内存带宽。结果已开源为 Rust crate `casefold`，仅实现简单（1 对 1）折叠，与 ripgrep 等工具保持一致。

Thinking Machines Lab：官方博客一手

Thinking Machines 发布开源权重模型 Inkling 与 Inkling-Small 的安全路径

Thinking Machines 发布开源权重模型 Inkling 和 Inkling-Small，称安全发布取决于模型本身及生态系统的准备度。公司通过内部评估、四家独立机构外部测试及微调研究验证，认为发布 Inkling 不会在现有开源权重模型基础上增加实质性风险。未来将采取分阶段发布策略，并持续研究危险能力能否与通用智能解耦。

Runway：News一手

Runway Characters 入选 SIGGRAPH 2026 Real-Time Live! 现场演示

Runway 的实时交互数字人系统 Characters 入选 SIGGRAPH 2026 的 Real-Time Live! 环节，团队在现场用一张照片数秒内生成可对话的角色。该系统从单张图片出发，无需微调即可适配任意风格，逐帧生成画面以支持长达 30 分钟以上的连续对话。Characters 于今年 3 月上线，团队正探索可导航环境、多参考图像及记忆功能等后续方向。

Gary Marcus：The Road to AI We Can Trust

三位评论者对 Anthropic 最新道歉声明的反应

针对 Anthropic 最新道歉声明，投资人 Bill Gurley、AI 批评者 Gary Marcus 与 WSJ 记者 Joanna Stern 分别给出反应。Marcus 认为，Anthropic 允许无真实理解能力的模式匹配机器自由访问互联网，是技术与社会层面的双重失控，并指出人类失误是事件根源。