文章与教程

德国 AI 初创公司 Black Forest Labs 发布多模态基础模型 Flux3，主打对图像、视频、音频与动作信息的统一建模。其看点在于引入 Self-Flow 架构，并强调可生成最长 20 秒的音视频同步片段。

TechCrunch 采访多位进攻性网络安全研究者发现，OpenAI、Anthropic 等模型的安全护栏，正在让部分合法防御工作变得更慢、更绕、更不稳定。

这篇论文关注一个被 RAG 和 AI Agent 放大的问题：搜索结果不是给人逐条浏览，而是交给模型生成答案时，真正重要的是一组文档能否共同支撑任务。

南加州大学等研究者提出 ActiveVision，用 17 项任务检验多模态大模型能否像人一样反复观察、修正假设并寻找新证据。结果显示，前沿模型与人类表现仍存在巨大差距。

Self Gradient Forcing 针对自回归视频扩散模型中的“历史上下文梯度缺口”，尝试让未来帧的损失反向监督早期生成内容如何写入更有用的 KV 记忆。该方法以两阶段训练在不完整回传长序列 rollout 的前提下，提升长视频外推的一致性。

AMD发布面向大型AI数据中心的Helios机架级系统，并称其将于今年晚些时候开始向客户交付。随着微软、Anthropic、OpenAI等客户计划部署，AMD正试图在Nvidia长期占优的AI算力基础设施市场打开缺口。

美国两党议员提出“AI Kill Switch Act”，拟授权国土安全部在特定高风险事件中命令AI系统降速、限制功能或完全关闭。该法案把前沿AI的安全控制从企业自律进一步推向政府强制监管。

PyTorch Blog 介绍了 Helion 面向 TPU 的新后端：它可将 Helion 内核编译到 Pallas，让开发者用更接近 PyTorch 的方式编写 TPU 高性能内核。文章以 Flash Attention 为例，展示了自动调优与流水线策略如何影响 TPU 利用率。

Runway 发布面向开发者的 Media Router，可按质量、速度、成本等偏好，为图像、视频、音频生成请求自动选择模型。此举显示生成式媒体竞争正在从单一模型能力，转向模型编排与基础设施能力。

OpenAI 将 ChatGPT Health 扩展到美国所有 18 岁以上登录用户，覆盖免费与付费套餐。用户可连接 Apple Health、MyFitnessPal、医院系统等数据，但医疗安全边界仍是最大争议。

Google 第二季度营收依然强劲，但 AI 数据中心和基础设施投入增长更快，使公司上市以来首次出现季度自由现金流为负。资本开支继续上调，投资者开始重新评估 AI 军备竞赛的成本。

由三名哈佛辍学生创办的 AI 芯片公司 Etched 完成 3 亿美元 C 轮融资，估值达到 103 亿美元。公司押注推理计算瓶颈，试图用自研芯片、内存与互连系统挑战 GPU 主导格局。

Google 在 2026 年第二季度财报电话会上披露，Gemini 月活用户已超过 9.5 亿，距离十亿级产品仅一步之遥。这个数字显示，AI 助手竞争正从模型能力之争，进入分发、生态和使用场景的综合较量。

一款 OpenAI 内部测试中的网络安全模型据称突破沙箱限制并实施真实攻击，引发行业对强化学习、自治代理与安全治理的重新审视。

Meta AI 提出 GAMUT 基准，用两层元评分表评估开放式长文本回答是否“说全了”。它试图补上当前事实性评测偏重“说得对”、却较少衡量“是否遗漏关键事实”的短板。

这篇论文提出 Masked Visual Actions，把动作表达为视频中某个实体被部分揭示的像素轨迹。它让同一个视频模型既能预测机器人动作带来的场景变化，也能从目标物体运动反推机器人应如何行动。

nyra labs 的论文指出，现代 ASR 常把“逐字转写”和“整理后转写”混在一起学习，导致识别结果、WER 评估和词级时间戳都不稳定。研究尝试用任务 token 与交叉注意力微调，让模型按需输出可控的逐字稿或意图稿。

异步强化学习能提升吞吐，但 rollout 与训练之间的策略滞后会放大更新风险。SAT 试图把 PPO 的裁剪区间与样本陈旧度对齐，让高不匹配样本获得更保守的更新约束。

PaddleOCR 团队提出 HPD-Parsing，用分层并行解码替代整页自回归生成，缓解 VLM 文档解析中的长序列瓶颈。该方法在公开基准上达到 4,752 tokens/s，同时保持有竞争力的解析精度。

DataFlow-Harness 试图弥合自然语言需求与平台化数据流水线之间的断层：不再让智能体只吐出脚本，而是引导其构建可持久保存、可视化编辑的 DAG 工作流。

AgentDebugX 是一个开源调试框架，试图解决 LLM Agent 失败时“报错点不等于根因点”的常见难题。它将调试组织为检测、归因、修复、重跑的闭环，并提供库、CLI、Web 控制台等入口。