AI HOT 日报 · 2026-07-18
数据来自 aihot.virxact.com。本期共 18 条，覆盖模型发布、产品更新、行业动态、论文研究与观点技巧五大版块。
模型发布/更新
Sora 2 视频克隆效果惊人，真假难辨 — X：Gabriel (@gabriel1)
一年后，没有任何东西能接近 Sora 的完美视频深度克隆。它捕捉到了我和 Sam 的每一块面部肌肉运动以及我们走路的方式。如果你从这段关于我或 Sam 的视频中截取一帧，根本无法判断它是真是假。
https://x.com/gabriel1/status/2078156277247881438Kimi K3 登顶前端编码榜，开放权重挑战闭源双巨头 — X：阿易 AI Notes (@AYi_AInotes)
Kimi K3 在 Frontend Code Arena 以 1679 分登顶，力压 Claude Fable 5 与 GPT-5.6 Sol，7 个前端细分赛道拿下 6 个第一。该模型为 2.8 万亿参数 MoE 架构，百万上下文窗口，7 月 27 日开放权重。K3 的 API 定价为输入每百万 tokens 15 美元，对标前沿闭源模型，放弃低价路线，转向长上下文智能体编码场景的定价策略。
https://x.com/AYi_AInotes/status/2077981025905316253NVIDIA 发布 Nemotron 3 Embed 系列，8B 版本在 RTEB 基准上排名第一 — MarkTechPost（RSS）
NVIDIA 发布 Nemotron 3 Embed 系列，包含三个开源 checkpoint，其中 8B-BF16 版本在 RTEB 基准上以 78.46 的平均 NDCG@10 排名第一。1B-NVFP4 版本在 Blackwell 上吞吐量比 BF16 高 2 倍，精度保留 99.5%，所有模型最大序列长度 32,768 tokens。
https://www.marktechpost.com/2026/07/17/nvidia-ai-releases-nemotron-3-embed-an-open-embedding-collection-whose-8b-checkpoint-ranks-1-on-rteb通义实验室发布 Wan-Streamer v0.2，端到端响应延迟仅 550ms — 公众号：通义实验室（千问）
通义实验室发布 Wan-Streamer v0.2，这是一款将"听、看、说、演"统一进单个 Transformer 的端到端全模态模型。其端到端响应延迟仅 550ms，输出分辨率从 v0.1 的 192×336 提升至 640×368 @ 25FPS，并采用 Thinker-Performer 双通路架构在提升画质的同时维持了极低延迟。
https://mp.weixin.qq.com/s/_eaO0wmsiQFGsrE2_zW_Dg
产品发布/更新
- Claude Code v2.1.212 发布 — Claude Code：GitHub Releases（RSS）
Claude Code v2.1.212 新增 /fork 命令，可将当前对话复制到新后台会话中独立运行。新增会话级 WebSearch 调用上限（默认 200）和子智能体生成上限（默认 200），防止失控循环。MCP 工具调用超过 2 分钟自动移至后台，并修复了计划模式自动执行文件修改命令等多项问题。
https://github.com/anthropics/claude-code/releases/tag/v2.1.212
行业动态
Apple 起诉 OpenAI：诉讼背后是竞争焦虑还是时机博弈？ — The Verge：AI（RSS）
Apple 对 OpenAI 提起诉讼，指控其存在多项不当行为，尽管许多专家认为部分指控属于行业惯例。此举正值 Apple 发布新版软件公测版（以新 Siri AI 为核心）之际，外界猜测 Apple 究竟是担忧 OpenAI 成为潜在竞争对手，还是想利用 OpenAI 的弱势期获利。
https://www.theverge.com/podcast/967244/apple-openai-lawsuit-vergecast苹果与 OpenAI 法律战升级：约 40 名前员工收到苹果律师函 — IT之家（RSS）
苹果已向约40名就职于OpenAI的前员工发出律师函，要求保存相关文件。此前苹果起诉OpenAI及两名前员工，指控其通过挖角获取商业机密以加速AI硬件研发。苹果称已有超400名前员工在OpenAI工作，正寻求法院禁令阻止OpenAI使用苹果信息并要求归还机密。
https://www.ithome.com/0/978/277.htm
论文研究
月之暗面在GTC 2026披露Kimi K2.5技术路线：用MuonClip、线性注意力与Agent Swarm重构三大基础组件 — X：宝玉 (@dotey)
月之暗面CEO杨植麟在GTC 2026演讲中提出用MuonClip优化器替代Adam，可将数据利用效率提升近一倍。同时推出Kimi Linear线性注意力，在百万Token上下文下全面超越全注意力；Agent Swarm已支持300个Agent并行工作。
https://x.com/dotey/status/2078172517085085951Schema Harness 在 ARC-AGI-3 公开集上取得约 99% 成绩 — Hacker News 热门（buzzing.cc 中文翻译）
Schema 框架在 ARC-AGI-3 公开集上，使用 Claude Opus 4.8 和 Fable 5 达到 99% RHAE 分数，使用 GPT-5.6 Sol 达到 95.35%。该框架不修改模型权重，而是将原始观测转化为可编辑程序，联合解决状态归因和机制发现问题。此前最强模型 GPT-5.6 Sol 在半私有集上仅得 7.78%。
https://schema-harness.github.io/美团LongCat发布LoHoSearch：更难搜索智能体基准 — X：美团 LongCat (@Meituan_LongCat)
美团LongCat推出LoHoSearch，一个基于762万实体维基百科知识图谱自动生成问题的搜索智能体基准，旨在解决BrowseComp等现有基准趋于饱和的问题。在11个前沿模型测试中，最佳得分仅34.74%，远低于当前模型在BrowseComp上约90%的成绩；上下文策略仅带来+6.8个百分点的提升。该基准包含544道问题、11个领域，采用树与图结构，已开源。
https://x.com/Meituan_LongCat/status/2078119654632124547Apple 研究：Show Me Examples — 从图像集推断视觉概念 — Apple Machine Learning Research（RSS）
Apple 机器学习研究团队提出一种方法，让视觉语言模型（VLM）仅从图像集示例中推断视觉概念，无需文本指令。该方法通过对比示例图像与候选图像，使模型捕捉颜色、纹理等视觉规律，在多个概念推理基准上提升准确率。该研究目前为学术论文，未公布模型或 API 可用性。
https://machinelearning.apple.com/research/visual-concept-inference
技巧与观点
八天四款前沿模型发布，Kimi K3 跻身第三 — X：Artificial Analysis (@ArtificialAnlys)
过去八天内，Grok 4.5、GPT-5.6、Muse Spark 1.1 与 Kimi K3 四款前沿模型相继发布，使 Artificial Analysis Intelligence Index 得分超 50 的实验室从 6 月初的 2 家增至 6 家。
https://x.com/ArtificialAnlys/status/2078165665278730490首届"小有可为"大赛乡村教育一等奖作品"智绘科普"技术拆解 — 公众号：通义实验室（千问）
首届"小有可为"大赛乡村教育赛道一等奖作品"智绘科普"采用 Qwen3.5-397B-A17B 大语言模型与 Manim 动画引擎，通过多Agent分阶段协作与自动修复机制，将知识主题转化为可控、可编辑的教学动画。系统包含规划、草稿、实现、审查、合成五个阶段，渲染失败时可自动提取日志并修复，该工程范式可迁移至其他赛道。
https://mp.weixin.qq.com/s/a2YKWmyMoyIc3GKLbXffpQ生成式人工智能是一场工程灾难：AI公司抢购70%高端内存，推高电脑价格 — Hacker News 热门（buzzing.cc 中文翻译）
AI公司为维持大语言模型（如ChatGPT、Claude）运行，可能已购买全球70%的高端计算机内存，导致内存与存储价格飙升：两年前350美元的硬盘现已涨至800美元且缺货，部分笔记本电脑涨价50%。科技公司计划未来几年将美国数据中心容量扩大8倍，部分站点甚至用喷气发动机供电。预测称，平价入门级电脑可能在2028年前消失，内存短缺预计持续数年。
https://www.theatlantic.com/technology/2026/07/generative-ai-engineering-disaster/687901Cursor 评估负责人确认 Claude Fable 5 在 CursorBench 达 72.9% 新高 — Claude：Blog（网页）
Cursor 的模型评估负责人 Nate Schmidt 发现，Claude Fable 5 在其内部基准 CursorBench 上以 Max effort 模式达到 72.9%，创下新高。该模型在模糊的真实编程任务中表现出全局推理能力，例如在航天模拟器中仅凭一句提示自主规划并成功登月，而此前 Claude Opus 运行 12 小时以上仍无结果。
https://claude.com/blog/working-at-the-frontier-cursorOpenAI 提出 AI 时代记分卡："有用智能每美元"衡量实际工作价值 — OpenAI：官网动态（RSS · 排除企业/客户案例）
OpenAI 提出"Useful Intelligence per Dollar"（有用智能每美元）作为衡量 AI 投资回报的核心指标，从完成的有用工作量、成功任务的实际成本、结果可靠性三个维度评估。
https://openai.com/index/a-scorecard-for-the-ai-ageAnthropic 副首席信息安全官发布智能体 AI 风险评估框架：零风险不是目标 — Claude：Blog（网页）
Anthropic 副首席信息安全官 Jason Clinton 分享了其团队在采用智能体 AI 过程中的经验教训，并提出了一套用于安全构建和部署智能体的风险评估框架。该框架通过四个核心问题（摄入的不可信内容、可执行的操作、失控时的爆炸半径、可观测性）来评估风险，并强调"最小代理权限"原则。Anthropic 的默认策略是管理员控制的分阶段推出，并指出与意图偏离的智能体在行为上无异于内部攻击。
https://claude.com/blog/ciso-guide-to-agentic-aiAI 时代"小需求"的成本逻辑变了：GitHub 博客谈工程决策新范式 — GitHub Blog
工程师对小型功能请求的决策成本已超过代码实现成本。AI 智能体可在会议预热时间内生成首个补丁，将抽象的"是否在范围内"争论转化为可审查的具体产物。关键区分在于：代码生成便宜不等于维护便宜，只有人类能自信审查并承担长期责任的变更才算低成本。
https://github.blog/engineering/the-cost-of-saying-yes-has-changed
