韩国 AI 模型 Solar Pro 4 首次登上 Agent Arena，排名第 44
韩国人工智能实验室 Upstage 发布了 Solar Pro 4，这是一款面向复杂 AI 智能体任务的商用大语言模型。该模型支持 512K token 上下文窗口，最高输出长度为 128K token，但官方尚未公布参数量。价格为每 100 万输入 token 0.3 美元，缓存读取 0.06 美元，输出 1.2 美元。Upstage 公布的评测成绩包括 Terminal-Bench v2.1
AI 新闻中心
AI 新闻中心 过去30天分析了 2005 篇文章，发现了 0 条重要报道 (分数 ≥ 5.5)
获取从可信来源聚合的最新 AI 新闻。
持久递归世界实现软件自主演化
Genesis以持久化项目为核心组织长期软件开发，而不是依赖一个持续运行的编程智能体。系统将软件表示为递归世界：短生命周期智能体提出局部修改，在不同代码仓库路径之间委派任务，只有被接受的结果才能推进持久版本历史。使用DeepSeek V4 Flash时，Genesis在超过120小时内从零构建了一个基于Rust的C编译器，生成约25万行受跟踪代码。该编译器通过了完整的c-testsuite，以及大
2026 年最大规模 AI 供应链泄露：LiteLLM 攻击疑波及 2500 个组织、泄露 195TB 数据
据 Ars Technica 以及安全公司 CloudSEK、Hudson Rock 披露，3 月被植入恶意代码的 LiteLLM 软件包引发了一场约 40 分钟的攻击。攻击者据称从约 2500 个组织中抓取凭据，并外传约 195TB 数据。泄露信息包括云密钥、代码仓库 Token、SSH 和 Kubernetes 密钥、软件包发布凭据、环境变量、CI/CD 凭据以及 AI 服务商 API 密钥等
Self-Geometry：无需真值的3D视觉基础模型即插即用测试时自适应
Self-Geometry是一种用于3D视觉基础模型的即插即用测试时自适应流程。它将二维像素对应关系作为伪真值，直接施加明确的多视图几何一致性和极线一致性约束。该方法结合了几何解耦优化、基于SO(3)测地距离的视角采样，以及通过LoRA实现的轻量化自适应。在六个视觉模型和四个基准数据集上的实验表明，该方法能够稳定提升相机位姿和几何估计性能。
矽品精密云林斗六厂动工，将导入先进 CoWoS 封装
日月光投控旗下半导体封装测试企业矽品精密（SPIL）已在云林县斗六市启动新厂建设。该项目投资近千亿新台币，预计用于AI半导体先进封装，并导入CoWoS 2.5D异构集成技术。厂区开发面积约6公顷，满载运营后可创造超过2200个就业岗位。首期预计于2028年启用。矽品目前也在台湾多地持续扩充生产能力，以应对先进芯片封装需求。
AI编程独角兽Cognition传正洽谈新一轮融资，估值或达400亿美元
据知情人士透露，AI编程助手Devin的开发商Cognition正与投资者洽谈新一轮融资，估值可能至少达到400亿美元。Cognition今年5月刚以约26亿美元估值完成10亿美元融资。公司称其年化收入运行率已达到10亿美元，过去半年企业客户对Devin的使用量保持每月50%的增长。其客户包括梅赛德斯-奔驰、美国国家航空航天局和高盛。Cognition表示，Devin并非用于取代程序员，而是帮助处
LLM代理能否遵守剧本？新基准测试长期交互一致性
一项新研究评估了大语言模型（LLM）代理在互动叙事中长期保持逻辑和故事承诺的能力。研究提出的NCP-Bench包含100个由电影梗概衍生的环境，每个环境都设有结构化的事实、情节轨迹和叙事承诺，可在交互过程中自动检查。实验显示，语言表达流畅并不保证逻辑一致性；面对用户的对抗性干预，即使是较强的模型也经常生成相互冲突的内容。表现最佳的GPT-5.2在20轮交互后的存活率仅为42%，不同模型的事实冲突率
消息称美国AI网络安全审查未来可能扩展至开放权重模型
据《连线》援引知情人士报道，美国目前针对闭源先进AI模型的网络安全审查机制，未来数月可能扩展至开放权重模型。该机制目前仍属自愿性质。报道所称“前沿”模型，是指能力相当于Anthropic Claude Mythos或OpenAI GPT-5.6的模型，但未透露具体版本。部分美国官员担心，强制审查可能抑制AI发展。白宫还在考虑，闭源模型通过审查并投入使用后，是否会降低企业对未审查开放模型的兴趣，进而
阿里巴巴在千问平台上线菜鸟智能体，协助规划寄件方案
阿里巴巴近日在千问开放平台上线菜鸟智能体。用户可以用自然语言输入物品类型、预算和上门取件时间等需求，智能体会推荐合适的快递服务和承运商，回答寄件政策相关问题，并识别重物、大件等特殊寄件需求。获得用户授权后，它还可以结合通讯录关键词和历史寄件记录，自动补全寄件和收件信息。这是物流领域的一项实用型 AI 应用，但不构成重大技术突破。
WordPress 母公司 Automattic 推出 Android 版 Mesh，加入 Nexus AI 助手
Automattic 旗下的个人 CRM 和关系管理平台 Mesh（原名 Clay）于 2026 年 8 月 12 日推出 Android 版本。该应用支持分屏、弹出视图和折叠屏设备，并可在不同设备之间实时同步。正在测试的 Nexus AI 可以让用户通过自然语言搜索复杂的人脉数据，例如查找特定公司的联系人、某个城市的人脉或某一领域的专家。Mesh 还在探索语音交互和 AI 名片识别功能。通过与
AI4AI 测试时能力迁移：通过推理框架将强模型能力传递给弱模型
一项新研究探讨了更强的 AI 模型能否在不更新参数的情况下，于测试时提升较弱模型的能力。研究人员让构建模型迭代设计推理框架，并在四项心智理论基准测试上进行评估。结果显示，目标模型的平均表现几乎从 0.49 提升至 0.91。性能提升主要来自将不稳定的模型推理转移到确定性代码中、采用基准测试专用路由，以及严格控制答案格式，而不是鼓励更长的推理或更广泛的采样。研究表明，测试时的框架设计可以作为训练时知
微软发布 VS Code 1.133：调整 Agent 窗口，支持会话中切换模型提供商
微软发布 Visual Studio Code 1.133，调整 Agent 窗口的访问方式，并支持用户在会话进行期间切换模型提供商。启用实验性设置后，用户即使不愿登录 GitHub，或设备无法连接 github.com，也可以打开 Agent 窗口。目前免登录功能仅支持 Claude，微软计划后续加入 Copilot 和 Codex。新版还允许用户在 Anthropic 与 Copilot 模型
手语人工智能首次进入消费级产品，谷歌 DeepMind 推出翻译模型
谷歌 DeepMind 发布了一款大规模多语言手语转文本模型。Pixel 11 系列的 Gboard 和 Live Transcribe 将首先支持美国手语输入，未来计划扩展到更多手语和设备。该模型使用涵盖 50 多种手语的 10 万小时数据训练，能够同时分析身体多个部位的运动，并将手语视为独立的自然语言，而不是简单的手势序列。为保护隐私，系统会将手语转换为身体关键点的位置数据，无需把原始视频流发
中国式审查疑似渗入美国人工智能的回答
ChatGPT、Claude 和 Gemini 在回答一些敏感问题时，会在无意中给出类似中国受审查聊天机器人的回应。研究人员表示，相关公司迄今为止尚未采取足够措施解决这一问题。
Cursor拟提前推出自动化代码审查平台Origin，整合Graphite团队技术
AI代码编辑工具开发商Cursor计划提前向全量用户推出自动化代码审查平台Origin。该平台由Cursor于2025年底收购的Graphite团队开发，将在Cursor网页界面中整合GitHub代码库管理和自动化拉取请求处理流程。AI代理可负责处理未解决PR的日常事务，仅在需要人类作出关键决策时通知开发者。这一产品反映出软件开发工具正从单纯的代码生成，逐步转向涵盖代码生成与审查的全流程自动化。