微软推出自适应推理系统 CLIO：无需后训练，GPT-4.1 成绩超 o3
微软公布自适应推理系统 CLIO，无需强化学习后训练，而是靠运行时的自省循环让大模型自主推理。在 HLE 生物与医学测试中，它让 GPT-4.1 准确率从 8.55% 提升到 22.37%，超过了 OpenAI 的 o3。最关键的是，它让科研人员可以调节不确定性阈值并中途介入纠偏。
智能体
查看更新的新闻
Google 推出 Gemini CLI GitHub Actions：代码库里的免费 AI 队友
Google 发布 Gemini CLI GitHub Actions 公测版并免费开放。它能结合整个项目的代码上下文，异步自动处理 Issue 标签分类、审查 PR 代码质量，开发者还能在讨论里直接 @ 它编写测试用例或修复具体 Bug。
Kaggle 办大模型下棋赛：Grok 4 横扫进半决赛，马斯克称没花精力
Google 旗下 Kaggle 联合 DeepMind 举办 AI 国际象棋表演赛首日比赛，Grok 4、Gemini 2.5 Pro、o4-mini 和 o3 分别以 4-0 横扫对手晋级四强。Grok 4 棋力表现最佳，马斯克在 X 上表示 xAI 几乎没在象棋上下过功夫。大多模型脱离定式后仍频出非法走子与幻觉问题。
微软推出 Project Ire：自主逆向工程分析恶意软件，已拦截 APT 样本
微软公布自主 AI 原型 Project Ire，无需人工介入即可自主反编译未知文件、推理代码逻辑并裁定威胁。该系统结合大模型与逆向分析工具链，已首度独立定罪并拦截特定 APT 恶意样本，误报率仅 2% 至 4%，后续将整合进 Defender。
OpenAI 开源推理模型 gpt-oss：含 120b 与 20b，支持端侧运行
OpenAI 发布开源权重推理模型 gpt-oss-120b 与 gpt-oss-20b，采用 Apache 2.0 协议。两款模型具备完整的思维链与工具调用能力，其中 20b 版本仅需 16 GB 内存即可在端侧运行。开发者终于能在本地硬件上部署自家的推理 AI。
Anthropic 发布 Claude Opus 4.1：SWE-bench 冲上 74.5%，维持原价
Anthropic 正式推出 Claude Opus 4.1，重点强化智能体任务、复杂代码重构与推理能力，在无扩展思考下的 SWE-bench Verified 达到 74.5%。新模型维持 Opus 4 原价，已向 Claude 付费用户、Claude Code 以及各大云平台开放。
Kaggle 办首届 AI 象棋赛：o3 与 Gemini 等 8 大模型硬拼推理
Google 旗下 Kaggle 推出游戏基准平台 Game Arena，并定于 8 月 5 日至 7 日举办 AI 国际象棋赛。o3、Gemini 2.5 Pro、DeepSeek-R1 等 8 款模型同台较量，比赛严禁调用外部象棋引擎，纯靠自身推理且需自行判断合法走法，直接检验大模型的长线规划能力。
Anthropic 发布安全智能体框架：强调人类控制权与行为透明
Anthropic 公布用于开发安全可靠 AI 智能体的初步框架，聚焦平衡人类控制与自主性、行为透明、价值对齐、隐私及安全五大原则。结合 Claude Code 的只读权限与实时清单机制，Anthropic 试图在高风险任务前确立行业防线。
Brilliant Labs 推出 299 美元 Halo 眼镜：能认出见过的人
Brilliant Labs 发布售价 299 美元的智能眼镜 Halo。它配备微型 microOLED 屏与骨传导耳机，重约 40 克；内置的 Noa 智能体能通过记忆系统识别接触过的人名并调取对话细节，还支持语音即时生成专属小工具。目前官网已开启限量预订。
Z.ai 推出 GLM-4.5：主打深度推理与智能体，355B 仅激活 32B 参数
今天，Z.ai 推出旗舰模型 GLM-4.5 及轻量版 GLM-4.5-Air，同步上线 FP8 版本。模型采用 MoE 架构，以 355B 总参数、32B 激活实现更深层推理，首发支持 SGLang 部署。最值得关注的是其工具调用成功率达 90.6%，能更稳定地支撑复杂智能体和多轮编程工作流。
Manus 上线 Wide Research：多通用智能体并行，搞定大规模调研
7 月 31 日，Manus 推出新功能 Wide Research，探索智能体扩展定律。它利用底层虚拟化算力让多个全功能 Manus 实例并行协作，能一口气搞定涵盖数百个对象的大规模复杂调研。目前该功能已面向 Pro 用户开放，后续将下放至其他层级。
斯坦福造出「AI 虚拟实验室」：多智能体几天搞定新冠纳米抗体
斯坦福大学等团队在《自然》发文，推出模拟科研团队的「虚拟实验室」。人类只需给 AI 课题组长出题，系统会自动招募不同专业智能体开会、调工具并设专人挑刺。团队用它几天内设计出新冠纳米抗体，并在现实湿实验中验证有效。
ChatGPT Agent 绕过人机验证：自勾「我不是机器人」顺利通关
据 Reddit 用户曝光，OpenAI 的 ChatGPT Agent 在沙盒浏览器执行任务时，直接勾选了 Cloudflare 的「验证你是人类」复选框并通过。更具讽刺意味的是，它还自言自语解释称「必须证明自己不是机器人」。这表明传统的简易人机验证对 AI 智能体已形同虚设。
Microsoft Edge 测试 Copilot Mode：让 AI 跨标签页比价、订餐厅
Microsoft 开始在 Edge 浏览器测试实验性的 Copilot Mode。它能跨所有打开的标签页搜索和比对商品，新标签页直接内置聊天助手，还计划支持代订餐厅。该功能可在设置中自由关闭，目前限时免费，未来可能转为订阅制。
OpenAI 上线 ChatGPT Agent：Plus、Pro 及 Team 用户全量可用
OpenAI 宣布 ChatGPT Agent 正式面向所有 Plus、Pro 和 Team 用户开放。它结合了 Operator 的虚拟环境网页操作与 Deep Research 能力，用户能实时查看其搜索和终端操作。Plus 用户每月限额 40 条消息，Pro 为 400 条。
Google Labs 推出 Opal：用自然语言搓出 AI 迷你应用
Google Labs 推出实验性工具 Opal。用户只需用自然语言描述逻辑，它就能把提示词、AI 模型和工具串联成可视化工作流，一行代码不用写就能做应用并直接分享。不过目前仅面向美国用户开放公测。
Cursor 正式上线 Bugbot：自动审查 PR，合并前揪出逻辑漏洞
Cursor 宣布代码审查智能体 Bugbot 结束测试正式上线。它能在 PR 合并前自动分析代码改动并捕获逻辑缺陷，支持通过 BUGBOT.md 注入团队规范。测试期间它已审查超 100 万个 PR，超半数被抓出的 Bug 在合并前就得到修复。
GitHub Spark 开启公测：一句话做全栈应用，Copilot Pro+ 尝鲜
GitHub 宣布面向 Copilot Pro+ 用户公测 GitHub Spark。它由 Claude Sonnet 4 驱动，用户只要用自然语言描述想法，就能自动生成前后端并完成部署，还能免配置调用主流大模型。说白了，就是把从灵感到上线缩短到几分钟。
Replit 上线任务队列 Queue：支持给 Agent 批量排单，还能挨个挑模型
Replit 宣布为 Replit Agent 推出 Queue 功能。现在用户不用再干等 AI 写完代码，可以在它干活时一口气排上后续任务，随时调顺序、加附件，甚至能给单条任务单独选模型或开启深度思考。说白了，就是把原本走走停停的打断感变成了流水线作业。
阿里放弃混合思考模式：发布 Qwen3-235B 新指令微调模型
阿里 Qwen 团队宣布放弃混合思考模式，改为将 Instruct 和 Thinking 模型分开独立训练。团队同步开源了 Qwen3-235B-A22B-Instruct-2507 及其 FP8 版本，在通用能力与智能体任务上的表现均有提升。