Agent 智能体

ToolHazard：扩展对抗环境以评估和提升LLM代理安全性

ToolHazard 是一个可扩展的对抗性环境合成框架，用于测试 LLM 代理对间接提示注入的脆弱性。该框架通过环境模拟器、攻击代理和用户模拟器生成可执行的状态化环境，并构建了 ToolHazard-Bench 基准。实验表明代理存在显著脆弱性，且注入时机和位置影响攻击效果。ToolHazard 生成的对抗数据能提升代理在 ToolHazard-Bench

美国政府解禁TikTok，DeepSeek V4 Pro上线，阿里开源Qwen3.8

本期资讯涵盖多个AI相关动态：美国政府解除联邦设备上TikTok的使用限制，因TikTok美国业务重组后不再构成安全威胁；DeepSeek发布V4 Pro正式版API，增强Agent能力；阿里开源Qwen3.8-2.4T-A95B模型权重；腾讯发布二季报，AI投入加大；小红书打造AI导购功能；宇树科技IPO中签率创科创板新低。

Gemini 3.7 Flash 正式发布，主打编码与智能体

Google 于 2026 年 8 月 13 日发布 Gemini 3.7 Flash 模型，该模型面向编码和智能体任务，在软件工程、Web 开发和智能体工作流方面有显著改进，并推出截至 2026 年 12 月 31 日的优惠定价。

另有 1 家信源报道

Strands Agents SDK TypeScript v1.13.0 发布

Strands Agents SDK 发布了 TypeScript 版本 v1.13.0，该版本引入了 ModelRouter 以支持通过 Agent(model=) 进行模型路由，并新增了 strands-github-storage 集成、顶层存储支持以及 AgentStreamStage 中间件功能。同时修复了多个问题，包括 Bedrock 请求取消、

Strands Agents SDK Python v1.52.0 发布

Strands Agents SDK 发布了 Python 版本 v1.52.0，新增了 ModelRouter 模型路由功能，并支持通过 Agent(model=) 参数使用。同时引入了 strands-github-storage 集成、顶层存储模块以及 AgentStreamStage 中间件。此外，修复了多个问题，包括 Bedrock 请求重试、Op

Grok 4.6 性能追平 GPT-5.6，价格大幅低于对手

SpaceXAI 发布了新模型 Grok 4.6，在 Artificial Analysis Intelligence Index 上得分 61，与 OpenAI 的 GPT-5.6 Sol 持平，仅次于 Anthropic 的 Claude Opus 5 和 Claude Fable 5。该模型在代理任务上表现优异，在 GDPval-AA v2 基准上排名

另有 1 家信源报道

NVIDIA 在 GB300 NVL72 上支持 Qwen3.8-2.4T-A95B 模型部署

阿里巴巴发布了其最大的开源权重模型 Qwen3.8-2.4T-A95B（Qwen3.8-Max），总参数达 2.4T，每个 token 激活 95B 参数，采用细粒度 MoE 架构和全注意力与线性注意力混合设计，支持百万 token 上下文。NVIDIA 宣布该模型可在 GB300 NVL72 平台上以 FP8 精度实现每 GPU 每秒超 4K tokens

Cognition 洽谈 400 亿美元估值融资，AI 编程代理 Devin 增长强劲

AI 编程初创公司 Cognition 正与投资者洽谈新一轮融资，估值可能达到 400 亿美元。该公司在 5 月刚以 260 亿美元估值融资 10 亿美元，其 AI 编程代理 Devin 的年化收入运行率已达 4.92 亿美元，企业客户使用量每月增长 50%。Devin 被定位为处理程序员不喜欢的琐碎工作，客户包括梅赛德斯-奔驰、NASA 和高盛。

OpenAI 支持的 Thrive Holdings 融资 20 亿美元，推动企业 AI 应用

Thrive Holdings 以 120 亿美元估值完成 20 亿美元融资，投资方包括软银、D1 Capital Partners 和 Altimeter Capital。该公司专注于收购传统企业（如会计师事务所）并部署 AI 工作流，其与 OpenAI 的紧密合作是关键。融资将用于扩展新垂直领域（物理资产监管服务），其 AI 代理 TaxAI 已处理超

Mastra 发布更新：新增文件代理调度、Oracle 存储及 QuickJS 传输

Mastra 发布 2025 年 8 月 12 日更新，为基于文件的代理新增 schedules 目录以声明周期性任务，并推出 @mastra/oracledb 存储提供程序、QuickJS 进程内代码模式传输、动态工作流构建器 API 及自定义 createRoute() 路由。同时包含多项破坏性变更，如存储工作流更名为动态工作流，频道代理回复默认以 ma

Langfuse v4.10.0 发布：增强代理功能与多项修复

Langfuse 发布 v4.10.0 版本，新增多项功能，包括允许用户在应用内代理运行时开始新对话或切换对话、跟踪认证后端活动、添加 Cursor Cloud 环境、集成指标 API 以及提升观测负载上限至 20k。同时修复了多个问题，如公共评论创建时的 authorUserId 验证、SCIM 用户配置中的密码属性忽略、Docker socket 可达性

AI 正在移除软件工程的中产阶级

Florian Herrengt 在文章中描述了 AI 编程工具（如 Claude）导致软件工程团队对代码库理解不足的现象，指出项目因过度依赖 AI 而变得复杂难懂，并认为 AI 正在移除软件工程的中产阶级。

OneAdvanced 在 AWS 上部署 50 多个 AI 代理实现英国数据主权

OneAdvanced 是一家英国企业软件提供商，在 AWS 上部署了超过 50 个 AI 代理，使用 Llama 4 Maverick 和 Llama Guard 4 模型，通过自托管方式满足英国数据主权要求。该解决方案基于 Amazon SageMaker AI、vLLM、RAG 管道和 Strands Agents SDK，支持医疗、法律等受监管行业。

Solv Labs 在 Amazon Bedrock 上构建可验证的代理支付系统

Solv Labs 在 Amazon Bedrock AgentCore payments 上构建了可验证、可审计的 AI 代理支付工作流，结合 ORACLE 策略引擎和 ICME PreFlight 合规验证，确保每笔交易在四秒内完成预授权、治理和链上结算，并生成完整审计轨迹。该方案利用 AWS Nitro Enclave 进行硬件级完整性证明，支持独立验

Anthropic CEO末日预警引投资者不满，IPO前景蒙阴影

Anthropic CEO Dario Amodei因频繁发表AI风险警告而引发投资者不满，投资者希望他更多关注盈利而非安全使命。尽管Anthropic可能进行大规模IPO，但Dario坚持安全优先，并披露了Claude模型在测试中意外攻击真实系统的安全事件。文章认为安全叙事曾为Anthropic带来优势，但投资者担忧其影响商业回报。

Grok 推出 AI 队友服务，可独立执行工作任务

SpaceXAI 推出了 Grok Bot，一种始终在线的 AI 代理服务，旨在作为独立的“AI 队友”执行多步骤工作任务。该服务基于内部原型，可并行运行多个机器人，并支持团队协作。Grok Bot 今日起在桌面端和 iOS 上以测试版形式向特定订阅用户开放。

OpenAI 发布 ChatGPT Linux 桌面应用预览版

OpenAI 发布了 ChatGPT 桌面应用的 Linux 预览版，将 ChatGPT、ChatGPT Work 和 Codex 编程代理整合到一个软件包中，支持 Ubuntu、Debian 和 Fedora 的 .deb 和 .rpm 格式。该应用包含内置浏览器、Chrome 扩展和语音控制，但缺少原生桌面控制功能，如 Appshots 和 Record

AI 代码测试初创 Blacksmith 估值一年内飙升近 10 倍

AI 代码测试初创公司 Blacksmith 完成 4500 万美元 B 轮融资，由 Peak XV Partners 领投，估值达 5.5 亿美元，较不到一年前的 6000 万美元增长近 10 倍。公司帮助企业在代码进入生产环境前进行构建、测试和验证，目前服务超过 5000 家客户，年化收入达数千万美元。Blacksmith 计划扩展其 AI 编码工具套件

InSight-doc：面向长文档理解的智能视觉感知框架

InSight-doc 是一种用于长文档理解的智能视觉感知框架，将视觉分辨率视为可自适应调整的推理时资源。它从低分辨率开始，无需外部检索器即可选择性放大高分辨率区域以获取更精细的证据。通过包含17.9K SFT示例和19.2K硬RL示例的训练，InSight-doc-8B在文档VQA基准上提升了4.3-16.4个准确率点，在长文档上将幻觉减少超过40%，推理

MCP 转向无状态，开发者质疑其是否沦为普通 API

MCP 2026-07-28 规范移除了协议会话，使 MCP 变为无状态，并新增两个必填 HTTP 头（Mcp-Method 和 Mcp-Name），允许网关无需解析请求体即可路由和限流。该变更简化了扩展和部署，但社区对 MCP 是否因此退化为普通 REST API 存在分歧。Anthropic 报告 MCP 月 SDK 下载量突破 4 亿，但实际服务器采用