最新一期第 26 期 · 共 6 条信号
2026年7月18日
周六 · 过去 24 小时的 AI 世界
企业 AI 改按结果记账，安全 Agent 走向证伪
- 本次已核验来源中未见新的旗舰模型首发，确定增量集中在企业采用、代码安全和开放研究。
- OpenAI 提出按成功任务完整成本衡量 AI
本期判断
- 今天改变的不是模型参数上限，而是能力如何被计量和验证。
- 企业开始为完整任务结果记账，安全团队则把 Agent 放进漏洞发现、证伪与修复闭环。
本期速览
3 条01企业 AI 改按结果记账
- OpenAI 提出每美元有用智能。
02代码安全工具走向主动证伪
- VulnHunter 在窗口内形成社区跟进。
03开放研究补齐三条工程线
- VideoChat3 登上 HF 日榜首位。
编辑总结
本次已核验来源中未见新的旗舰模型首发，确定增量集中在两类约束。第一类是企业如何证明 AI 值得继续投入。OpenAI 的四项记分卡要求把模型账单、人工复核、失败重试和返工放进同一个成功任务分母。
第二类是代码安全如何把模型能力变成可审计流程。VulnHunter 把主动证伪写进扫描工作流；ZK/SEC 的 OpenVM 复盘则说明，候选发现之后仍需要人工验证、影响分析和协调披露。五月旧修复与七月新复盘已经分开标注。
研究侧的三条线索都保留了边界。VideoChat3 的权重和数据入口已经可见，训练代码仍待补齐；LongStraw 证明的是执行容量；SEED 的技能蒸馏增益仍需跨模型和真实工具环境复现。
On this page
本期导航
Deep Dives
本期重点 · 深度报告
Key Numbers
4 项
Claude Opus 4.8
9.5 小时以上
4B
210 万 positions
第 2
Briefs
快讯 · 已核验与追踪
研究论文重要度 3/5中置信已核验
LongStraw 登上 HF 日榜，展示 210 万位置执行容量
- LongStraw 7 月 17 日进入 HF Daily Papers，仓库同日首次公开
- 论文 v1 为 7 月 16 日。
- 210 万位置结果只证明 RL 执行容量。
要点拆解展开
Why
推理上下文已进入百万级，RL 后训练仍常停在 256K 以下。训练与部署长度差距会限制长轨迹 Agent。
Impact
训练系统团队可研究共享前缀无梯度计算和逐支重放。采用前应等待完整梯度组合、可运行镜像和训练正确性验证。
Numbers
- 分组执行长度
- 210 万 positions8 张 H20 上完成 Qwen 分组评分与响应反传LongStraw
- 压力测试长度
- 446 万 positions单独压力测试的执行容量，不等于完整训练成功LongStraw
早报判断
- 它解决的是执行图和显存管理，不是长上下文 Agent 已经训练成功。
- 作者主动写明 detached 状态和分布式路径仍不完整，这个边界比峰值数字更重要。
接下来看
- 仓库何时从 review_only_not_runnable 转为可运行。
- 作者何时补齐分布式前向与梯度组合路径。
研究论文重要度 3/5中置信已核验
SEED 登上 HF 日榜第 2，技能蒸馏补足稀疏奖励
SEED 7 月 17 日登上 HF 日榜第 2，并更新结果图和模型页。论文 v1 为 7 月 16 日；示例模型创建于 7 月 15 日。
要点拆解展开
Why
长程 Agent 的成败奖励过于稀疏，训练很难知道哪一步值得保留。可演化技能提供了更密集的行为信号。
Impact
Agent 训练团队可比较技能增强前后的动作概率变化。复现时要审计技能质量、额外推理成本和跨任务泛化。
Numbers
- HF 日榜
- 第 2Hugging Face 2026 年 7 月 17 日 Daily PapersHugging Face
- 论文点赞
- 66采集时 Hugging Face 页面点赞数，只表示关注度Hugging Face
早报判断
SEED 试图补上结果奖励与中间决策之间的监督缺口。关键风险是技能由当前策略自生成，错误经验也可能被强化。
接下来看
- 不同基础模型是否稳定获得样本效率提升。
- 错误技能会否在自演化循环中被放大。
社交雷达 · X 讨论
- OpenAI 称 GPT-5.6 Sol 在“The Last Ones”网络靶场刷新最佳成绩，并已用于帮助团队在真实代码中发现
- 验证和修复漏洞
- 相关能力已接入 Codex Security。
原帖 ↗- 开发者 Theo 实测认为 Kimi K3 很强，但并不显著便宜：其单 Token 价格约为 GPT-5.6 Sol 一半，任务耗用 Token 约为后者两倍，因此成本接近
- GPT-5.6 吞吐约快两倍，任务完成速度约快四倍。
原帖 ↗- 宝玉转述 OpenAI 对 GPT-5.6 意外删文件事件的调查：在 Codex Full Access
- 关闭沙盒且未启用 Auto Review 时，模型可能把真实 $HOME 误作临时目录删除
- OpenAI 正更新提示并增加 harness 防护。
原帖 ↗吴恩达发布与 Cerebras 合作的短课，讲解 GPU、TPU 与 Wafer-Scale Engine 的内存至计算瓶颈，并用快速推理构建实时网页个性化、市场分析工作流、同传和语音 Agent。
原帖 ↗- draw.io 宣布其图表 Skill 已支持 OpenAI Codex CLI
- 用户可让 Codex 生成原生可编辑的 .drawio 流程图或架构图，并导出 PNG、SVG、PDF。
原帖 ↗- Claude 官方公布 Built with Claude 生命科学黑客松优胜项目
- 参赛者用一周时间结合 Claude Science 与 Claude Code 构建应用，活动由 Gladstone Institutes 与 Cerebral Valley 联合主办。
原帖 ↗更多讨论3 条
MiniMax 分享研究负责人访谈，议题包括 M3、原生多模态、研究文化及开放权重模型走向，并讨论何时达到 Fable 级能力。
原帖 ↗- K3 技术博客指出，若 harness 未完整回传历史 thinking，或会话中途从其他模型切换到 K3，输出质量可能严重不稳定。
- jakevin7 据此提醒：K3 的上下文压缩和模型路由策略不能照搬其他推理模型。
原帖 ↗- taresky 用 Vibe Coding 制作手机与电脑协同的同声传译工具 fafaMeet，并称 MVP 用时半小时
- AI 驱动版本开发两小时，消耗 1.8 亿 Token
- 这是一则个人实测。
原帖 ↗