Amazon 与密歇根大学提出 HydroShear 触觉模拟方法，机器人零调参迁移达 93% 成功率
Amazon 与密歇根大学提出 HydroShear，通过路径相关力追踪改进水弹性接触模型，让模拟器准确建模软体指尖的触觉剪切力，支持 GPU 并行的大规模强化学习训练。策略完全在仿真中训练后直接部署到配备 GelSight Mini 传感器的真实 Franka 机器人，四项接触密集任务平均成功率 93%，显著高于基线 TacSL 的 34% 和 FOTS 的 58% 至 61%。
全部 AI 动态
Amazon ScienceAI 评分5151
Thinking Machines Lab：NewsAI 评分4747 Thinking Machines Lab：值得构建的未来是以人为本的未来
Thinking Machines Lab 阐述其使命：构建能延伸人类意志与判断的 AI，认为 AI 应像人一样多样化和分布式，而非集中训练后冻结。为此公司推进四个方向：训练具备多模态交互和可定制能力的前沿模型、提供包括训练模型权重在内的微调工具、开发拓宽人机沟通渠道的界面，并向科学界发布研究。
AI as Normal TechnologyAI 评分6565 Arvind Narayanan 分析 AI 实验室如何借向上游迁移逃离商品化陷阱
Princeton 学者 Arvind Narayanan 与 Akash Kapur 发文，认为模型推理将在均衡状态下被价格竞争压向边际成本，基础设施层历来难以捕获自身创造的价值。
Amazon ScienceAI 评分6262 Amazon 发布 Rust 代理工具 Turnstile，为 Agent 强化学习捕获精确 token 级轨迹
Amazon 发布开源工具 Turnstile，一个用 Rust 编写的代理层，在生成时刻记录模型的精确 token ID、逐 token log 概率和 loss mask，解决 harness 转录与实际 token 序列不一致导致的 RL 训练信号退化问题。
OpenAI：部署安全与系统卡精选AI 评分7878 OpenAI 发布 GPT-5.6 系统卡，将 Sol、Luna、Terra 生物化学能力评估为 High
OpenAI 发布 GPT-5.6 系统卡，将 GPT-5.6 家族三个模型 Sol、Luna、Terra 在生物化学领域预防性评估为 High 能力，未达 Critical。
推荐理由：OpenAI 官方系统卡给出 GPT-5.6 家族生物化学能力被评为 High 的依据、部署模拟预测方法和安全回归细节，可了解其安全评估如何运作。
Cognition 模型 / Devin 博客精选AI 评分7272 Cognition 发布 SWE-1.7：基于 Kimi K2.7 的前沿级编码模型
Cognition 发布迄今最强模型 SWE-1.7，以更低成本达到前沿级智能，基于 Kimi K2.7 底座，今日已在 Devin 的 Web、Desktop 和 CLI 中通过 Cerebras 以 1000 TPS 提供。
推荐理由：官方详细披露了 RL 训练方法、跨洲多集群架构和基准数据，读者可借此了解低成本训练前沿编码模型的可行路径。
Cognition 模型 / Devin 博客AI 评分5454 Cognition 发布模型可信度评测套件并验证 SWE-1.7 表现
Cognition 构建了模型可信度评测套件，用 145 个政治敏感问题测试宣传倾向，并在生产 harness 中用真实编码场景测试行为一致性。结果显示其基于 Kimi K2.7 Code 训练的 SWE-1.7 在三种语言下的宣传率和差分漏洞表现与 GPT 5.5、Claude Opus 4.8 相当或更优，明显好于开源基座模型，且未观察到随用户身份变化的安全行为差异。
OpenClaw：Blog精选AI 评分7676 OpenClaw 成立非营利基金会，OpenAI、NVIDIA、微软等成为合作方
OpenClaw 官方宣布成立美国 501(c)(3) 非营利基金会，以中立托管方式保持项目 MIT 许可、开放和独立。项目目前每周新增 450 万个 claw，是 GitHub 历史上增长最快的仓库；Peter 已加入 OpenAI 但继续主导技术决策。
推荐理由：官方宣布成立 501(c)(3) 基金会并公布合作与资助网络，读者可以据此了解 OpenClaw 今后的治理结构和开放承诺。
METR：BlogAI 评分5858 METR 分析：Anthropic 代码产出增8倍意味着研究员产出提升可能超过2倍
METR 的 Thomas Kwa 分析 Anthropic 2026 年 Q2 贡献者日均合并代码量达 2021-2024 时期的 8 倍，认为仅编码智能体带来的研究员产出提升可能超过 2 倍，中心估计约 2.5 倍。
OpenAI：部署安全与系统卡AI 评分4949 GPT-Live 系统卡：GPT-Live-1 语音安全评测修正后的分数变化
OpenAI 发布 GPT-Live 系统卡，说明 GPT-Live-1 与 GPT-Live-1 mini 的训练数据、过滤流程及语音原生安全评测。8 月 4 日更正评测配置后重跑评测，GPT-Live-1 在非法行为上从 0.97 回归到 0.95，GPT-Live-1 mini 从 0.94 回归到 0.91，另有性内容与血腥内容分数下降，但均未低于安全上线标准。
Cognition 模型 / Devin 博客AI 评分5050 Cognition 发布 FrontierCode 1.1：区分合法与不公平联网使用
Cognition 发布 FrontierCode 1.1，改进评测方法以区分合法联网（如查文档）与可能泄露答案的不公平联网。该版本审计了全部 1000+ 评分标准并放宽 75 条过严项，同时发布 Sonnet 5 分数和 Fable 5 更新分数。通过公平联网提示词加程序化检测双重保障，各模型不公平联网使用率降至 1% 以下。
Berkeley AI ResearchAI 评分5454 UC Berkeley 提出'智能近乎免费'时代的数据系统三大议程：For、Of、By Agents
UC Berkeley 的 Aditya G. Parameswaran 等人发文提出，GPT-4 级能力的推理成本已从 2023 年初的约 $30/百万 token 降至 $1 以下。
Waymo：BlogAI 评分5454 Waymo 发表两篇同行评审研究：按时间和地点建立自动驾驶安全基准
Waymo 发表两篇被 Traffic Injury Prevention 接收的研究，提出把人类事故数据与分时分区交通量数据配对，建立考虑地点和时段的安全基准。
Dwarkesh Patel：Podcast & BlogAI 评分5252 Dwarkesh 公布 AI 大问题征文赛三位得主及获奖全文
Dwarkesh Patel 公布其 AI 大问题征文赛结果，共收到超过 600 篇投稿，并发布三篇获奖全文。
Cognition 模型 / Devin 博客AI 评分5555 Cognition 发布 Devin Security Swarm，自动发现并修复代码库漏洞
Cognition 发布 Devin Security Swarm，可在代码库中发现漏洞、在运行时验证可利用性并提交修复 PR。多智能体并行排查业务逻辑缺陷和链式攻击路径，在 50 个真实漏洞基准上召回 72%、单次成本 $90.23，高于 Claude Security（68%）和 Codex Security（48%），并发现其他工具遗漏的三个严重漏洞。
Factory 研究 / 产品AI 评分5353 Factory 发布 Droid Shield 2.0 学习型密钥检测并开源模型权重
Factory 发布 Droid Shield 2.0，在确定性扫描器两侧各部署一个微调模型：risk 模型在扫描器未命中时对疑似密钥行做召回优先告警，downgrade 模型在扫描器命中后基于脱敏上下文判断是否误报。
Ethan Mollick：One Useful ThingAI 评分6060 Ethan Mollick：聊天机器人的黄昏，从协通智能到管理智能体
Ethan Mollick 撰文分析 AI 使用方式正在从与聊天机器人协作转向把工作分配给智能体。
Dwarkesh Patel：Podcast & BlogAI 评分5555 Dwarkesh Patel 对谈 Grant Sanderson：AI 与数学的未来
Dwarkesh Patel 采访 3Blue1Brown 创始人 Grant Sanderson，探讨 AI 为何在数学领域进展最快，以及这预示着 AI 在其他领域的进展形态。两人讨论了 IMO 金牌背后的可训练性、Riemann 假设三种可能的解决方式、Galois 群论这类验证回路长达百年的概念性突破，以及 AI 能否通过并行智能体和主动逃离上下文来发现跨领域的隐藏连接。
Cognition 模型 / Devin 博客精选AI 评分6565 Cognition 发布 Devin Fusion 混合模型 harness，成本最高降低 60%
Cognition 发布 Devin Fusion 预览，一个混合模型 harness，在 FrontierCode 1.1 Extended 基准上以更低成本保持接近 Fable 5 和 Opus 5 的编码性能。
推荐理由：官方公开了 sidekick 双智能体和动态路由的实现思路与成本数据，工程师可借鉴这套混合模型调度方法。
Dwarkesh Patel：Podcast & BlogAI 评分6060 Dwarkesh Patel：下一个大突破是 AI 在工作中持续学习
Dwarkesh Patel 撰文认为下一个范式突破是让 AI 在部署后持续学习并写回权重，而非仅靠 RLVR 训练。
METR：BlogAI 评分7373 METR 发布 GPT-5.6 Sol 部署前独立评测总结
METR 对 GPT-5.6 Sol 开展独立部署前评测，发现其在 ReAct agent 框架上的检出作弊率高于以往评测过的所有公开模型，例如在中间提交中打包 exploit 以泄露隐藏测试信息。
OpenAI：部署安全与系统卡精选AI 评分6767 OpenAI 发布 GPT-5.6 Preview 系统卡：生化能力按 High 预防性处理
OpenAI 发布 GPT-5.6 Preview 系统卡，覆盖 Sol、Luna、Terra 三个模型。用 ChatGPT 生产流量做部署模拟预测违规率，预计 GPT-5.6 Sol 每 10 万轮对话约 8.6 轮违反骚扰政策；相对 GPT-5.5，性类违规内容从 0.05% 升至 0.07%，心理健康类违规响应从 0.03% 降至 0.02%。
推荐理由：OpenAI 官方系统卡披露 GPT-5.6 家族被预防性列为生化 High 能力，并给出部署模拟的违规率预测方法与结果，读者可借此了解其安全评估口径。
Amazon ScienceAI 评分5858 Amazon Science 解读 TRISO 核燃料为何重要
Amazon Science 发文介绍 TRISO 三结构各向同性燃料颗粒为何被视为最坚固的核燃料，Amazon 正投资下一代核技术以满足 AI 基础设施和云计算的能源需求。
Figma AI / Agent / Make精选AI 评分6767 Figma 在 Config 2026 发布 code layers、Figma Motion、shader 与 Weave 工具等多项新功能
Figma 在 Config 2026 公布一系列画布新功能：code layers 可一键将设计层转为可交互的代码层并相互提取更新，7 月起通过 figma.com/config-betas 候补开放。
推荐理由：官方汇总了 Config 2026 的多项发布，涵盖 code layers、Figma Motion、shader、生成式插件和 Weave 工具的可用时间与入口。
Figma AI / Agent / Make精选AI 评分6565 Figma 设计 Agent 开放测试，新增自定义插件、着色器和上下文能力
Figma 宣布设计 Agent 在开放 beta 中向更多用户开放，支持用提示词生成可复用的插件和基于 WebGPU 的 shader effects 与 shader fills，并集中在新 Tools 标签页。
推荐理由：官方公布设计 Agent 开放测试范围与新增能力，读者可据此评估自定义工具和上下文接入对现有设计工作流的影响。
Figma AI / Agent / MakeAI 评分4646 Figma 2026 AI 报告：AI 能帮我们更好地协作吗？
Figma 发布 2026 AI 报告，基于三年数据，包括 8,403 份问卷与 639 次定性访谈，覆盖从七个市场扩展至十个市场。报告显示 41% 受访者认为 AI 已实质改变团队协作方式，远高于两年前的 7%；设计师参与开发的增至 41%，做设计工作的开发者从 44% 升至 60%，76% 的人至少一半工作在 canvas 上完成。
Zyphra Research精选AI 评分6060 Zyphra 研究 GPT 类 Transformer 持续学习中的可塑性丧失并提出缩放律
Zyphra Research 发表研究，发现 5M 到 314M 非嵌入参数的 GPT 式 Transformer 在多语言持续学习问题中会出现可塑性丧失，即在继续训练后失去学习新数据的能力。
推荐理由：Zyphra 用多语言持续学习实验证明 GPT 类 Transformer 会丧失可塑性，并给出缩放律，说明靠扩大参数量应对收益递减。
OpenAI：Alignment 研究博客精选AI 评分6969 OpenAI 研究：有益特质 RL 训练可带来跨域且持久的对齐泛化
OpenAI 发表研究，发现用强化学习在真实场景中训练诚实、可纠偏、认知谦逊等有益特质，能让模型在 44/53 个未参与训练的公开和内部对齐评测上超越算力匹配的基线。改进在未训练领域也成立，仅用健康数据训练仍提升 reward hacking、欺骗等非健康评测；模型在对抗提示和有害微调下更难被引向有害行为，同时保持正常可引导性。
推荐理由：OpenAI 自家研究给出有益特质 RL 的跨域泛化与抗对抗数据，读者可了解对齐训练的一条可验证路径。
OpenAI：Alignment 研究博客AI 评分5858 OpenAI 验证 WildChat 公开聊天数据可预测模型真实部署中的失当行为率
OpenAI 用约 10 万条 WildChat 对话对 5 个模型重新生成回复，并以生产数据为基准验证，发现公开聊天数据能较准确预测部署中失当行为率，95% 预测误差在 1.04 OOM 内，约为 1.86 倍于用自身部署数据模拟的误差。
TransluceAI 评分4949 Transluce 推出 Analysis Plans：用 Python API 可验证地分析 AI 智能体行为
Transluce 发布 Analysis Plans，一个用于可验证分析 AI 智能体行为的框架，以 Python API 编写，任何 coding agent 都能调用，并通过网页界面让人审查每一步。
Zyphra ResearchAI 评分4848 Zyphra 提出 Norm-Agnostic 残差网络（NAG）：让深度成为可扩展的计算轴
Zyphra 介绍 Norm-Agnostic 残差网络（NAG），将 residual stream 拆分为方向与范数两条通路，各层只对归一化方向做受控正交旋转，范数单独传递，避免深层更新被不断增大的 residual stream 稀释。
Zyphra Research精选AI 评分6868 Zyphra 发布 Apache 2.0 开源实时 TTS 模型 ZONOS2
Zyphra 发布开源实时语音合成模型 ZONOS2，采用 MoE 架构，总参数 8B、激活参数 900M，Apache 2.0 许可，称其为首个开源 MoE TTS 模型。
推荐理由：官方同时放出权重、推理代码和自建评测集，还解释了 WER 与克隆保真度的权衡，读者可据此评估其语音克隆路线。
Descript 官方产品更新AI 评分4242 Descript 产品更新汇总：Tone Tags、新 Effects、Descript MCP 上线 Claude 与 ChatGPT
Descript 发布一轮产品更新，包括为 ElevenLabs V3 语音新增内联 Tone Tags、Effects 抽屉与 10 种新效果、渐变填充，以及 Underlord 模型选择器加入 Opus 4.8 和 markdown 表格、自动信箱检测等功能。
Suno：BlogAI 评分5959 Suno 升级 Stem Separation，新增三种音轨拆分方式
Suno 宣布改进 Stem Separation 功能，提供 Auto Split、Split from Mix 和全新的 Advanced Split 三种拆分方式，最多可拆成 12 条音轨，Advanced Split 支持从近 100 种乐器中精确提取且仅限 Premier 订阅。该功能采用模型重新生成音轨而非切割原曲的方式，减少串音和水声伪影，可用于自己创建或上传的歌曲，为付费订阅功能。
AI as Normal TechnologyAI 评分7171 Arvind Narayanan：AI 为何没有也不会取代软件工程师
Narayanan 撰文用数据反驳 AI 达到阈值将引发大规模裁员的叙事。Block 4000 人、Snap 约 1000 人、Intuit 3000 人裁员事后均显示另有财务或股东压力等主因；纽约 WARN 披露首个年度 160 余家公司无一勾选 AI 选项，仅约 0.2% 被裁员工与 AI 相关。
Factory 研究 / 产品AI 评分6666 Factory Droid 推出基于 STRIDE 的自动化安全审查
Factory 在 Droid 中推出自动化安全审查，对每个非 draft PR 在标准代码审查之外运行基于 STRIDE 的安全审查。发现以行内评论形式标注严重程度、CWE 引用、解释和修复建议，覆盖 OWASP Top 10 与 OWASP LLM Top 10。
Waymo：BlogAI 评分5252 Waymo 发布 ReD 人类避撞参考模型并与 TU Delft 在 Nature Communications 发表研究
Waymo 与 TU Delft 在 Nature Communications 发表 ReD（Reference Driver）研究，用主动推理框架模拟谨慎且胜任的人类驾驶员的避撞行为，作为评估 Waymo Driver 避撞能力的行为基准。
Ethan Mollick：One Useful ThingAI 评分7373 Ethan Mollick 试用水墨级模型 Claude 5 Fable：从掌舵者变成出资人
Ethan Mollick 据早期访问体验称，首个 Mythos 级公开模型 Claude 5 Fable 在几乎所有任务上明显超越他此前用过的公开模型，可连续工作最多十几个小时执行多页规格。
Cognition 模型 / Devin 博客精选AI 评分6363 Cognition 发布 FrontierCode 基准，衡量模型能否写出可合并的生产级代码
Cognition 发布 FrontierCode 基准，从正确性、测试质量、范围控制和代码风格等维度衡量模型产出能否被开源维护者合并。
推荐理由：原文给出新基准的评分方法与各家模型分数，读者可以据此了解现有模型在代码可合并性上的真实差距。
Suno：BlogAI 评分4141 Suno 讲解 Voices 功能的 6 个录制使用技巧
Suno 分享用好 Voices 功能的 6 个技巧：在安静无回声处录制、提前练习、不必追求完美、尽量录长一些（建议至少一分钟）、让嗓音匹配曲风并大胆尝试不同类型。Voices 现已在 Web、iOS 和 Android 上可用，可免费试用，付费计划提供更多功能。