2026年7月1日星期三

Google DeepMind 发布 Nano Banana 2 Lite，这是其最快、最具成本效益的 Gemini 图像生成模型，同时推出 Gemini Omni Flash 用于高质量视频和对话式编辑。这两个模型旨在扩展创意工作流，降低计算成本并提升实时交互体验。

shot-scraper 1.10 版本新增 video 命令，允许通过 YAML storyboard 文件定义浏览器操作流程，并使用 Playwright 自动录制演示视频。该功能由 GPT-5.5 在 Codex Desktop 中编写，旨在让编码代理能够生成其工作成果的可视化演示。文章展示了如何为 Datasette 的批量插入和 CSV 导入功能创建演示视频，并详细说明了实现过程中的技术挑战与解决方案。

Anthropic 发布 Claude Sonnet 5，性能接近 Opus 4.8 但价格更低。然而新分词器导致输入 token 增加约 30%，实际成本上升。模型支持 100 万 token 上下文、12.8 万输出 token，默认开启自适应思考，不再支持 temperature 等采样参数。网络安全能力低于 Mythos 5，安全措施与 Opus 4.7/4.8 一致。

Anthropic 正式发布 Claude Sonnet 5，定位为迄今为止代理能力最强的 Sonnet 系列模型，在编码和日常专业工作中具备顶级智能水平。该模型在复杂任务执行、工具调用和自主决策方面有显著提升，旨在为开发者和企业用户提供更高效的 AI 助手体验。Claude Sonnet 5 延续了 Sonnet 系列的速度与成本优势，同时在推理准确性和多步骤任务规划上实现突破。

Anthropic 宣布自7月1日起重新部署 Claude Fable 5，此前出口管制已解除。更新包括增强的网络安全防护措施和一个全新的行业防越狱框架，旨在提升模型的安全性与可控性。

Anthropic推出Claude Science，一个专为科学家定制的AI工作台。它集成了研究人员常用的工具和包，生成可审计的工件，并提供灵活的计算资源访问，旨在加速科学发现和实验分析。

本研究提出元认知反馈强化学习（RLMF）框架，通过奖励模型对自身性能判断的质量来优化生成排序，同时引入元认知数据选择以识别高价值训练样本。该框架应用于忠实校准任务，将内在不确定性映射为自然语言表达。实验表明RLMF在保持准确性的同时实现了通用且最先进的校准效果，相比标准强化学习提升了63%，增强了模型评估和表达自身能力边界的能力。

大型语言模型智能体通过技能库解决复杂任务，但如何从大量技能中自动选择并编排合适的技能序列是当前瓶颈。现有方法或暴露全部技能给推理过程，或基于检索排序，但都忽略了技能组合的结构性——即同时决定技能子集、数量和顺序。本文形式化定义了结构化技能组合问题，并提出SkillComposer，通过任务条件化的自回归解码器，将子集、数量和顺序联合预测为一个技能计划序列。在真实人工策展的技能库上构建训练集，实验表明SkillComposer在组合质量和下游任务成功率上显著优于检索基线，匹配黄金技能检索上界，且提示词开销更低。

IBM Research在Hugging Face发布ScarfBench，这是一个专门评估AI Agent在企业级Java框架迁移任务中表现的基准。该基准包含多种企业Java迁移场景，旨在衡量AI Agent理解代码、处理依赖关系和执行复杂重构的能力，为AI辅助企业软件现代化提供标准化评测。

一篇来自arXiv的论文首次证明：在光滑凸优化中，使用随机洗牌的随机梯度下降算法（Shuffling SGD）在任意合理步长和任意有限轮次后，性能均严格优于传统随机梯度下降（SGD）。此前理论认为RR只能在极小的步长下收敛，且收敛速率在轮次较少时弱于SGD，严重偏离实际。本研究彻底消除了这一矛盾，为RR的广泛成功提供了坚实理论依据。

本文提出AutoBackSwap方法，通过辅助网络分离前景与背景，利用图像补全生成完整背景，并交换不同前景与背景来增强训练数据。仅需少量样本的补丁标注即可训练辅助网络，自动扩充整个训练集。在多种图像分类任务中，即使训练数据中没有打破虚假相关的样本，AutoBackSwap也能有效减少分类器对背景的依赖，显著优于以往方法。

语义通信通过优先传输任务相关信息提升效率，但引入中继节点后产生隐私风险：中继无需访问原始数据即可可靠推断语义并重构信号。本文提出迭代对抗训练框架，通过考虑自适应窃听者来优化编码，使合法接收者保持高解码性能，同时有效抑制中继的语义推断。该方案在多种信道条件下显著扩大合法与窃听者的语义精度差距，并以隐蔽方式实现保护，不破坏重建保真度。

本文提出通过技能蒸馏将用户浏览器交互轨迹转化为自然语言技能，使浏览器智能体能够读取、检索、复用和组合这些技能，从而克服传统行为克隆在决策不完全信息下的瓶颈。作者进一步将蒸馏出的技能组织成技能图，实现通过整合而非无限积累的方式扩展技能库，表明浏览器智能体的可扩展性可能更多来自互联网用户的集体技能而非人工设计任务。

共形预测为预测推理提供不确定性量化框架，但计算成本高。本文引入近似留一法（ALO）估计量进一步加速共形预测，并建立渐近覆盖率和效率的理论保证。模拟结果显示，基于ALO的方法在保持与精确方法相当的覆盖率和效率的同时，显著减少运行时间。

Acti 推出全新 iOS 与 Android 键盘，将 AI 代理融入输入界面。用户可通过自然语言创建自定义 AI 快捷指令，实现跨应用智能操作。该产品旨在将键盘打造成下一代 AI 助手入口，大幅提升移动端任务自动化和交互效率。

OpenClaw 是一款免费开源的自主代理程序，现已正式在 Android 和 iOS 应用商店上架。它允许用户在移动设备上运行本地化的 AI 代理，完成自动化任务、信息检索和内容生成。OpenClaw 的跨平台发布标志着开源 AI 代理生态系统从桌面扩展到移动端，为开发者与普通用户提供了更便捷的自主 AI 工具。

Venice AI 宣布完成 6500 万美元 A 轮融资，估值突破 10 亿美元成为独角兽。该平台以隐私优先为核心理念，已实现盈利，年化经常性收入超过 7000 万美元。CEO Erik Voorhees 表示，融资将用于扩展隐私保护 AI 服务，满足用户对数据安全的日益增长需求。

英国自动驾驶 AI 初创公司 Wayve 启动 8500 万美元员工要约收购，公司估值高达 85 亿美元。此举旨在通过流动性激励留住核心人才，反映了 AI 初创公司日益流行的员工股权兑现策略。

AI芯片初创公司Etched宣布其基于自研芯片的推理系统已获得10亿美元订单合同，公司估值飙升至50亿美元。作为英伟达的直接竞争对手，Etched凭借专为大规模推理优化的芯片架构，在云服务商和企业市场中快速崛起，标志着AI芯片领域竞争格局加速演变。

LuxEmo 是一个 21 小时的卢森堡语对话式表达性语音语料库，包含 4 种情感类别。数据来源于 RTL 青年广播节目，采用自动检测结合人工验证的半自动策展流程，涵盖语音活动检测、降噪、语言识别、ASR 分割、情感预测等步骤。研究同时对比了五种基于德语跨语言迁移、多语言支持、卢森堡语适配及非参数韵律迁移的 TTS 系统。实验通过客观指标和人工评价评估性能。

由三位前DeepMind研究员在布拉格创立的AI实验室EquiLibre Technologies，其估值已超过5亿美元。该团队曾开发出顶尖的扑克AI，如今正将这项技术应用于量化对冲基金领域，通过博弈论与强化学习为金融机构创造收益。

bambamramfan 开发的“AI伦理指南针”是一款政治光谱式测试，通过29道关于AI与AI伦理的问题，将测试者归类到30种AI原型之一。Simon Willison 体验后表示该测试设计精妙，能引发深度思考。