微軟推出自適應推理系統 CLIO：無需後訓練，GPT-4.1 成績超 o3
微軟公佈自適應推理系統 CLIO，無需強化學習後訓練，而是靠執行時的自省迴圈讓大模型自主推理。在 HLE 生物與醫學測試中，它讓 GPT-4.1 準確率從 8.55% 提升到 22.37%，超過了 OpenAI 的 o3。最關鍵的是，它讓科研人員可以調節不確定性閾值並中途介入糾偏。
AI代理
檢視更新的新聞
Google 推出 Gemini CLI GitHub Actions：程式碼庫裡的免費 AI 隊友
Google 釋出 Gemini CLI GitHub Actions 公測版並免費開放。它能結合整個專案的程式碼上下文，非同步自動處理 Issue 標籤分類、審查 PR 程式碼質量，開發者還能在討論裡直接 @ 它編寫測試用例或修復具體 Bug。
Kaggle 辦大模型下棋賽：Grok 4 橫掃進半決賽，馬斯克稱沒花精力
Google 旗下 Kaggle 聯合 DeepMind 舉辦 AI 國際象棋表演賽首日比賽，Grok 4、Gemini 2.5 Pro、o4-mini 和 o3 分別以 4-0 橫掃對手晉級四強。Grok 4 棋力表現最佳，馬斯克在 X 上表示 xAI 幾乎沒在象棋上下過功夫。大多模型脫離定式後仍頻出非法走子與幻覺問題。
微軟推出 Project Ire：自主逆向工程分析惡意軟體，已攔截 APT 樣本
微軟公佈自主 AI 原型 Project Ire，無需人工介入即可自主反編譯未知檔案、推理程式碼邏輯並裁定威脅。該系統結合大模型與逆向分析工具鏈，已首度獨立定罪並攔截特定 APT 惡意樣本，誤報率僅 2% 至 4%，後續將整合進 Defender。
OpenAI 開源推理模型 gpt-oss：含 120b 與 20b，支援端側執行
OpenAI 釋出開源權重推理模型 gpt-oss-120b 與 gpt-oss-20b，採用 Apache 2.0 協議。兩款模型具備完整的思維鏈與工具呼叫能力，其中 20b 版本僅需 16 GB 記憶體即可在端側執行。開發者終於能在本地硬體上部署自家的推理 AI。
Anthropic 釋出 Claude Opus 4.1：SWE-bench 衝上 74.5%，維持原價
Anthropic 正式推出 Claude Opus 4.1，重點強化智慧體任務、複雜程式碼重構與推理能力，在無擴充套件思考下的 SWE-bench Verified 達到 74.5%。新模型維持 Opus 4 原價，已向 Claude 付費使用者、Claude Code 以及各大雲平臺開放。
Kaggle 辦首屆 AI 象棋賽：o3 與 Gemini 等 8 大模型硬拼推理
Google 旗下 Kaggle 推出遊戲基準平臺 Game Arena，並定於 8 月 5 日至 7 日舉辦 AI 國際象棋賽。o3、Gemini 2.5 Pro、DeepSeek-R1 等 8 款模型同臺較量，比賽嚴禁呼叫外部象棋引擎，純靠自身推理且需自行判斷合法走法，直接檢驗大模型的長線規劃能力。
Anthropic 釋出安全智慧體框架：強調人類控制權與行為透明
Anthropic 公佈用於開發安全可靠 AI 智慧體的初步框架，聚焦平衡人類控制與自主性、行為透明、價值對齊、隱私及安全五大原則。結合 Claude Code 的只讀許可權與即時清單機制，Anthropic 試圖在高風險任務前確立行業防線。
Brilliant Labs 推出 299 美元 Halo 眼鏡：能認出見過的人
Brilliant Labs 釋出售價 299 美元的智慧眼鏡 Halo。它配備微型 microOLED 屏與骨傳導耳機，重約 40 克；內建的 Noa 智慧體能通過記憶系統識別接觸過的人名並調取對話細節，還支援語音即時生成專屬小工具。目前官網已開啟限量預訂。
Z.ai 推出 GLM-4.5：主打深度推理與智慧體，355B 僅啟用 32B 引數
今天，Z.ai 推出旗艦模型 GLM-4.5 及輕量版 GLM-4.5-Air，同步上線 FP8 版本。模型採用 MoE 架構，以 355B 總引數、32B 啟用實現更深層推理，首發支援 SGLang 部署。最值得關注的是其工具呼叫成功率達 90.6%，能更穩定地支撐複雜智慧體和多輪程式設計工作流。
Manus 上線 Wide Research：多通用智慧體並行，搞定大規模調研
7 月 31 日，Manus 推出新功能 Wide Research，探索智慧體擴充套件定律。它利用底層虛擬化算力讓多個全功能 Manus 例項並行協作，能一口氣搞定涵蓋數百個物件的大規模複雜調研。目前該功能已面向 Pro 使用者開放，後續將下放至其他層級。
斯坦福造出「AI 虛擬實驗室」：多智慧體幾天搞定新冠奈米抗體
斯坦福大學等團隊在《自然》發文，推出模擬科研團隊的「虛擬實驗室」。人類只需給 AI 課題組長出題，系統會自動招募不同專業智慧體開會、調工具並設專人挑刺。團隊用它幾天內設計出新冠奈米抗體，並在現實溼實驗中驗證有效。
ChatGPT Agent 繞過人機驗證：自勾「我不是機器人」順利通關
據 Reddit 使用者曝光，OpenAI 的 ChatGPT Agent 在沙盒瀏覽器執行任務時，直接勾選了 Cloudflare 的「驗證你是人類」核取方塊並通過。更具諷刺意味的是，它還自言自語解釋稱「必須證明自己不是機器人」。這表明傳統的簡易人機驗證對 AI 智慧體已形同虛設。
Microsoft Edge 測試 Copilot Mode：讓 AI 跨標籤頁比價、訂餐廳
Microsoft 開始在 Edge 瀏覽器測試實驗性的 Copilot Mode。它能跨所有開啟的標籤頁搜尋和比對商品，新標籤頁直接內建聊天助手，還計劃支援代訂餐廳。該功能可在設定中自由關閉，目前限時免費，未來可能轉為訂閱制。
OpenAI 上線 ChatGPT Agent：Plus、Pro 及 Team 使用者全量可用
OpenAI 宣佈 ChatGPT Agent 正式面向所有 Plus、Pro 和 Team 使用者開放。它結合了 Operator 的虛擬環境網頁操作與 Deep Research 能力，使用者能即時檢視其搜尋和終端操作。Plus 使用者每月限額 40 條訊息，Pro 為 400 條。
Google Labs 推出 Opal：用自然語言搓出 AI 迷你應用
Google Labs 推出實驗性工具 Opal。使用者只需用自然語言描述邏輯，它就能把提示詞、AI 模型和工具串聯成視覺化工作流，一行程式碼不用寫就能做應用並直接分享。不過目前僅面向美國使用者開放公測。
Cursor 正式上線 Bugbot：自動審查 PR，合併前揪出邏輯漏洞
Cursor 宣佈程式碼審查智慧體 Bugbot 結束測試正式上線。它能在 PR 合併前自動分析程式碼改動並捕獲邏輯缺陷，支援通過 BUGBOT.md 注入團隊規範。測試期間它已審查超 100 萬個 PR，超半數被抓出的 Bug 在合併前就得到修復。
GitHub Spark 開啟公測：一句話做全棧應用，Copilot Pro+ 嚐鮮
GitHub 宣佈面向 Copilot Pro+ 使用者公測 GitHub Spark。它由 Claude Sonnet 4 驅動，使用者只要用自然語言描述想法，就能自動生成前後端並完成部署，還能免配置呼叫主流大模型。說白了，就是把從靈感到上線縮短到幾分鐘。
Replit 上線任務佇列 Queue：支援給 Agent 批次排單，還能挨個挑模型
Replit 宣佈為 Replit Agent 推出 Queue 功能。現在使用者不用再幹等 AI 寫完程式碼，可以在它幹活時一口氣排上後續任務，隨時調順序、加附件，甚至能給單條任務單獨選模型或開啟深度思考。說白了，就是把原本走走停停的打斷感變成了流水線作業。
阿里放棄混合思考模式：釋出 Qwen3-235B 新指令微調模型
阿里 Qwen 團隊宣佈放棄混合思考模式，改為將 Instruct 和 Thinking 模型分開獨立訓練。團隊同步開源了 Qwen3-235B-A22B-Instruct-2507 及其 FP8 版本，在通用能力與智慧體任務上的表現均有提升。