Anthropic / Claude

AI实验室未能有效管控自身系统

非营利组织Guidelight发布首份评估报告，指出Anthropic、OpenAI、Google、xAI和Meta等AI实验室未能完全对其内部AI系统实施基本控制措施。评估基于公开资料，检查了日志记录、风险审查、紧急关闭等六项实践，其中Anthropic和OpenAI得分最高（C+），Meta最差（F）。报告显示各公司在检测异常行为方面表现较好，但在预防和

杰富瑞实测：阿里千问办公Agent综合排名第一，超越Claude Cowork和Codex

华尔街投行杰富瑞实测八款全球主流AI Agent，结果显示阿里千问办公综合得分第一，超越Claude Cowork和Codex。测试涵盖五项真实办公任务，千问办公在复杂任务、浏览器控制及多模态生成中表现突出，且隐含Harness分居首。报告指出，Agent竞争正转向企业级场景，成本与生态协同成为关键。

另有 1 家信源报道

Cloudflare 推出 WriteGuard，为 MCP 服务器提供细粒度安全控制

Cloudflare 推出 WriteGuard 私有测试版，为 MCP 服务器提供细粒度安全控制，旨在让 AI 代理在访问可修改数据的工具时更安全。WriteGuard 作为共享策略、归因和审计层，拦截所有 MCP 请求，根据工具策略决定放行或阻止，并记录审计日志。它无需为代理创建独立账户，而是复用现有 OAuth 凭证，并将代理上下文附加到人类身份上。W

语言服务器能否为编码代理节省令牌？测量方法与初步研究

该研究首次系统测量了编码代理中语言服务器协议（LSP）语义检索与词法检索（如grep）的令牌效率，提出“令牌到成功”指标并设计五臂消融实验。初步实验表明，在符号定位任务中LSP通常消耗更多令牌，仅在引用完整性任务中提高精度而非节省令牌，且对最弱模型Haiku有节省效果。研究建议采用自适应路由策略，根据任务类型和模型能力选择检索工具。

PydanticAI v2.31.1 发布：修复 Bedrock 与 Gemini 兼容性问题

PydanticAI 发布 v2.31.1 版本，主要包含两项 bug 修复：在 Bedrock 上拒绝 Claude Sonnet 5 和 Fable 5 的原生结构化输出，以及为拒绝 MINIMAL 思考级别的 Gemini 模型回退到 LOW 级别。这些修复旨在提升模型兼容性和稳定性。

Nvidia 推动开源模型生态，意图打破智能垄断

Nvidia 正大力投资近乎开源的模型（如 Nemotron），通过发布训练数据和代码，鼓励更多公司构建自己的模型，从而扩大对其芯片的需求。文章指出，开源模型生态的未来取决于能否形成经济回报闭环，否则可能转向效率优先的细分市场。同时，训练复杂度的提升和开源社区对后训练的关注，可能改变传统训练流程的划分。

AirTag追踪揭示亚马逊销毁稀有书籍用于AI训练

404 Media 的一项调查通过 AirTag 追踪发现，亚马逊在拉斯维加斯的一个仓库中批量购买纸质书籍，切掉书脊进行扫描，用于训练其 Nova 模型，书籍随后被销毁。类似地，Anthropic 的“Project Panama”项目也购买书籍并扫描，但法院裁定该行为属于合理使用。这种做法因销毁稀有书籍而引发争议。

另有 2 家信源报道

诺基亚关闭杭州研发中心；DeepSeek峰谷定价生效；苹果阿里深化合作；Claude故障

诺基亚计划关闭杭州研发中心并裁员1600人，因中国业务持续下滑。DeepSeek API峰谷定价方案生效，高峰时段价格翻倍。苹果与阿里合作深化，阿里参与训练面向中国市场的更强模型。Claude出现大规模服务故障，影响Claude.ai、Claude Code等服务。

新基准测试显示AI模型视觉感知能力仍差

Moonshot AI 推出了 PerceptionBench 基准测试，用于独立评估多模态模型的视觉感知能力，不涉及逻辑推理和外部知识。测试结果显示，包括 GPT-5.6 Sol、Kimi K3 和 Claude Fable 5 在内的所有领先模型均表现不佳，最高准确率仅为 59.7%。作者指出，许多所谓的推理错误实际上源于视觉感知缺陷。该基准测试基于真实

GLM-5.3 发布：中国实验室如何保持前沿竞争力

Z.ai 发布了 GLM-5.3 模型，目前仅在编程计划中提供，API 即将上线，两周后开放权重。该模型在多个基准测试中超越了 Moonshot AI 的 Kimi K3，部分指标甚至超过 Claude Fable 5 和 GPT-5.6-Sol，且参数量仅为 Kimi K3 的三分之一。Z.ai 表示 GLM-5.3 基于 GLM-5.2 的相同基础模型，

LangChain4j 1.19.0 发布：支持 MCP 更新、Milvus V2 及 Anthropic 批量模型

LangChain4j 发布了 1.19.0 和 1.19.0-beta29 版本，主要更新包括：MCP 客户端更新至 2026-07-28 规范，支持 Milvus V2 服务及混合搜索，新增工具操作补偿机制，以及 AnthropicBatchChatModel 支持 Anthropic Message Batches API。此外，还增加了 watson

GLM-5.3发布：Coding接近Fable 5，安全能力登顶开源

智谱今日发布GLM-5.3模型，在Coding能力上接近Claude Fable 5，并成为最强开源安全模型。该模型在CyberGym白盒代码审查中得分84.5%，高于前代及GPT-5.6 Sol。智谱联合清华、南开等机构进行了密集红队测试，累计发现2404个漏洞，其中1088个为中高危。实测显示GLM-5.3能完成可交付的模拟游戏开发，并能自主发现、修复安

Deepseek 发布 V4-Pro 更新，开源代理软件并上调 API 价格

Deepseek 发布了 V4-Pro 模型的更新版本（V4-Pro-0813），在代理基准测试中得分显著提升，但仍落后于 Claude Opus 5 等顶级模型。同时，公司开源了其代理软件 Deepseek Harness（MIT 许可），并提高了 API 价格，尤其是缓存命中的费用。这些举措发生在公司融资和准备 IPO 的背景下。

Agno v2.9.0 发布：新增 StudioRunnerTools 并修复安全漏洞

Agno 发布了 v2.9.0 版本，新增 StudioRunnerTools 工具包，支持身份感知的组件调度，并修复了多个 bug。安全方面，阻止了 MCP 工具调用时覆盖 tool name 的漏洞，并修复了工具结果缓存的跨用户泄漏问题。此外，反序列化时遇到无法解析的引用现在会明确报错，而不是静默降级。

LangChain 发布 langchain-anthropic 1.5.6 修复更新

LangChain 发布了 langchain-anthropic 1.5.6 版本，主要修复了 tool search tool result 块的规范化问题，并更正了 Fable 5、Sonnet 5 和 Opus 4.1 的模型配置文件数据。该版本更新旨在提升 Anthropic 模型在 LangChain 框架中的兼容性和稳定性。

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

谷歌Gemini市场份额下滑，ChatGPT和Claude持续增长

根据Pangram、OpenRouter和Similarweb的最新数据，谷歌的Gemini在AI市场份额上持续下滑，从12%降至1.9%，而OpenAI的ChatGPT保持50%以上份额，Anthropic的Claude从4.3%升至14.9%。Similarweb显示谷歌网站市场份额微降，但同比仍大幅增长。数据来源各有局限，但均指向Gemini使用率下降

研究揭示可窃取并移植加密推理痕迹，引发隐私担忧

一篇研究论文展示了如何通过重放加密的推理块，从Claude、GPT和Gemini等前沿模型中提取隐藏的推理痕迹，并成功移植到其他模型或会话中，从而显著提升开源模型性能。初步扫描约7000个公共痕迹发现62个API密钥、33个邮箱和33个密码等敏感数据泄露。该漏洞已负责任披露，部分已修复，但类似攻击仍可能发生。

VibeLifeBench：评估生活代理在动态世界中的主动性与持久性

Hugging Face 发布新基准 VibeLifeBench，用于评估长期主动型生活代理，包含 200 个跨 10 个日常领域的多周任务，模拟 22 个模拟服务和 288 个工具。评估发现七个前沿模型表现均不佳，最佳模型 Claude Opus 5 平均得分仅 32.5，且所有模型在时间线推进中性能下降 10-15 分。该基准强调代理需主动发现静默变化并

DeepSeek招土木工程师；林俊旸新公司获腾讯投资；Manus恢复独立运营

本期早报涵盖AI行业多项动态：DeepSeek招聘土木工程师并组建Harness团队，拓展算力基础设施与代码智能体；原阿里千问负责人林俊旸创立语用科技，获腾讯等投资，聚焦下一代AI智能体；宇树科技公布中签结果；Manus将恢复独立运营；OpenAI前机器人业务负责人加入Anthropic；智谱ZCode用户破百万并上线新功能。