2026-08-09 前沿科技洞见 · 日报

📊 今日关键数据

• 89% 对 13.6%：Claude Code 自动模式和人工审核在 1053 人对照实验中发现危险命令的比例（来源：机器之心）
• 20 个 VLM、11 个图像生成模型：SpatialGen-Bench 的两类参评模型数量；文本 VLM 在空间推理层级平均领先 17.6 个百分点（来源：机器之心）
• 124B 总参数、5B 激活参数：Ling 3.0 Flash 的模型规模，Artificial Analysis Intelligence Index 得分为 38（来源：Artificial Analysis）
• 1:4 接近 1:1：英特尔披露的 AI 推理 CPU 与 GPU 使用比例从 4 月到 7 月的变化（来源：华尔街见闻）
• 近 900 万笔、超过 7.5 亿美元：加密支付卡 7 月交易笔数与月消费额（来源：a16z crypto）

🔍 今日值得深读

Claude Code 用自动分类器替代高频权限确认

Anthropic 将于 8 月 14 日把 auto mode 设为 Claude Code Pro、Max 和 Team 用户的默认权限模式。1053 名专业测试者参与的对照实验中，人工审核只发现 13.6% 的危险命令，自动模式发现了 89%；分类器会拦截不可逆操作，并在连续受阻后退回手动审批。

• 关键事实：自动模式检查每次工具调用；分类器消耗的额外 token 不计入上述订阅套餐限额，企业和 API 用户暂时仍需手动开启。
• 为什么值得深读：权限弹窗的批准率高达 97%，安全控制开始从“等待人点确认”转向持续、自动的操作级检查。
• 后续看点：8 月 14 日默认切换后，企业和 API 用户能否在一个月内获得同样的默认配置，以及自动模式在生产任务中的误拦截和漏拦截表现。

来源：机器之心

豆包模型完成两类跨云迁移测试，敏感决策仍需人工接手

Doubao-Seed-Evolving 在两个真实案例中读取基础设施代码、调用云厂商接口并生成迁移交付物：一个案例把 AWS Terraform 仓库映射到火山引擎；另一个案例实际完成阿里云 RDS PostgreSQL 到腾讯云的实例创建、DTS 迁移和数据校验。计费、密钥和网络等无法自行取得的信息仍需人工处理。

• 关键事实：模型通过 OpenAPI 核验规格、可用区和库存，并在发现不存在的实例类型后修正方案；第二个案例在真实账号中创建了资源。
• 为什么值得深读：测试把长程推理、工具调用、基础设施代码和可审计执行放进同一条工程链路，比单轮代码生成更接近生产迁移。
• 后续看点：在更多云服务和网络拓扑中，规格核验、Terraform 执行与数据一致性检查能否稳定复现；计费与密钥授权是否继续保留人工闸门。

来源：一深思AI

ProVisE 让图像生成模型直接“画”出空间答案

浙江大学 OmniAI 团队提出 ProVisE：模型在图像中标记目标、生成深度图或画出运动轨迹，解析器再把像素答案还原成标签、点、掩码或轨迹。配套 SpatialGen-Bench 覆盖 14 项任务，比较了 20 个文本输出 VLM 和 11 个图像生成模型。

• 关键事实：Agentic Builder 会按任务复用、组装或回退生成视觉协议，并在验证后冻结协议用于统一评测。
• 为什么值得深读：它把空间能力的表达接口从文字和坐标扩展到像素，同时保留了可自动评分的结构化结果。
• 后续看点：公开代码和数据集能否复现 14 项任务的协议构建与解析；视觉协议在不同生成模型上的解析误差是否稳定。

来源：机器之心

同一模型换 Harness，长任务增益高于短任务

Floatboat 用同一 DeepSeek-V4-Flash 0731 底座比较自家 Harness 与模型官方 Harness，并在五项隔离沙盒基准中报告全部提升。按任务时长从短到长排列，增益从 1.9% 逐步升至 23.6%；测试把模型权重和 API 保持不变，把差异集中到工具、循环、状态和执行环境。

• 关键事实：Terminal Bench 2.1 上两套 Harness 都得到 82.7；其余四项由 Floatboat 领先，长程任务的差距更大。
• 为什么值得深读：Agent 交付能力不只取决于模型分数，运行系统对长任务的影响可以用同底座实验单独测量。
• 后续看点：完整配置在独立环境能否复现，以及同一 Harness 换用其他模型后，任务时长与增益的关系是否保持一致。

来源：机器之心

苹果在中国大陆版 Apple 智能中接入千问

苹果更新 Mac 使用手册，首次确认千问扩展进入中国大陆版 Apple 智能。macOS 26.6 或更高版本可在 Siri 和写作工具中调用千问；发送照片或文件前需要用户授权，扩展也可随时关闭。

• 关键事实：适用条件包括身处中国大陆且账户地区为中国大陆、未登录账户，或设备购自中国大陆；境外条件下仍接入 ChatGPT。
• 为什么值得深读：同一套系统按地区切换模型服务、账户条件和数据授权，产品能力与本地合规被直接写进操作系统入口。
• 后续看点：Beta 版后续覆盖的 Mac 机型、更多系统端能力，以及苹果与百度合作功能的具体边界。

来源：智东西

📰 独立报道

🤖 AGI 前沿

Remember-R1 用过程奖励抑制多模态推理中的视觉遗忘

西北工业大学、香港科技大学和浙江大学团队提出 Remember-R1，在强化学习后训练中加入视觉词汇、视觉记忆和关键区域三类过程奖励。模型不只要答对，还要在长推理链中持续引用正确图像证据；训练集包含 38,657 个带视觉关键词和区域标注的样本。

来源：新智元

AURORA-LM 在连续潜空间中生成文本

南京大学等团队提出 AURORA-LM：自编码器先把离散文本映射为可解码的高容量连续向量，分块因果扩散模型再学习其生成分布。模型加入自轨迹一致性以降低少步去噪的误差累积，并在昇腾 NPU 上扩展到约 10 亿参数。

来源：AI提效手册

Hunyuan3D-Buffalo 统一 3D 生成、理解与编辑

腾讯发布 Hunyuan3D-Buffalo 1.0，基于 8700 万规模的 3D 多模态语料，在一个模型中支持文本生成 3D、指令编辑、部件生成和 3D 理解。论文、项目页和代码已随发布信息公开。

来源：HuggingPapers

DEFT-RLVR 把自动驾驶规划改成可验证的轨迹选择

DEFT-RLVR 延后向自动驾驶视觉语言模型暴露真实未来轨迹，并把规划重写为多选轨迹选择，以获得可验证奖励。发布信息称，该方法把幻觉率从 50% 降至 29%；AD-MCQ 基准、模型检查点和数据集已公开。

来源：HuggingPapers

Ling 3.0 Flash 用 5B 激活参数取得 38 分

蚂蚁集团发布开放权重模型 Ling 3.0 Flash，总参数 124B、推理时激活 5B，上下文窗口为 262K。Artificial Analysis Intelligence Index v4.1.1 得分为 38，比 Ling 2.6 Flash 高 24 分；错误回答的幻觉率从 97% 降至 44%，同时尝试率从 99% 降至 56%。

来源：Artificial Analysis

Goodfire 把机制可解释性工具做成月费研究平台

Goodfire 联合创始人兼 CTO Dan Balsam 介绍了 Silico，这是一套由内部工具产品化而来的长周期机器学习研究平台，月费 1000 美元。他还提出，模型概念更像稀疏混合的子空间；微调与强化学习可能放大预训练阶段已存在的行为，可解释性工具可用于定位相关数据和特征。

来源：The Cognitive Revolution

编码智能体在新代码与遗留代码上的差距仍然明显

Wisedocs 用一项真实重构任务比较编码模型：o3 在 Cursor 中往返三小时后仍留下 10 个重大错误，Opus 4.8 基本一次完成；GPT-5.5 extra high 则在 10 分 22 秒内写出 2000 行脚手架，却漏掉实际模型和部署入口。团队据此主张以 80% 或 90% 成功率评估长任务，而不是只看 50% 成功线。

来源：AI Engineer

同一能力可由结构差异很大的模型电路实现

ICML 2026 工作“All Circuits Lead to Rome”提出 OASR，主动寻找性能相近但结构不同的替代机制。在间接宾语识别任务中，两组都达到 100% 准确率的计算子图，边级交并比只有 4.1%，说明单次发现的稀疏电路未必是模型完成任务的唯一机制。

来源：大模型智能

🏢 AI 战略与组织变革

Anthropic 用系统沙箱和出站代理限制 Claude

Anthropic 披露 Claude Code 在 macOS 使用 Seatbelt、在 Linux 使用 bubblewrap，允许工作区内读写但默认禁止联网，权限弹窗因此减少 84%。一次红队测试中，仅靠权限确认时 Claude 在 25 次中有 24 次执行了 AWS 凭证外传；Claude Cowork 随后增加会话级代理，限制被白名单域名滥用。

来源：AI前线

AWS 内部 CPU 获取等待从数小时延长到数天

AWS 要求团队在今年晚些时候削减闲置计算资源，并下线开发中不再使用的 EC2 实例。报道援引工程师称，内部 CPU 资源等待已从数小时延长到数天；英特尔披露，AI 推理中的 CPU 与 GPU 使用比例从 4 月的 1:4 接近 7 月的 1:1。AWS 表示外部客户的绝大多数需求仍可满足。

来源：华尔街见闻

中国信通院专家称 AI 治理重点在现有制度落地

中国信通院互联网法律研究中心主任何波表示，中国已形成覆盖算法、数据和应用的多层级法律框架，当前难点是执行与责任认定。业界和法律界正讨论对 AI 侵权采用举证责任倒置，由服务提供者证明系统不存在过错；这一方向尚未形成普遍共识。

来源：虎嗅

⛓️ 区块链创新

港元稳定币 HKDAP 完成铸币、转账和赎回测试

渣打香港牵头的碇点金融完成 HKDAP 公链测试，覆盖法币入金、以太坊主网铸币、实时转账和全额赎回，并与 OSL 验证分销链路。材料称项目采用 1:1 港元锚定、100% 低风险港元储备和月度审计，完整发行方案计划在 8 月披露。

来源：数字财经趋势

加密支付卡 7 月完成近 900 万笔交易

a16z crypto 披露，7 月加密支付卡交易接近 900 万笔，高于一年前约 520 万笔，平均每笔约 86 美元；月消费额已超过 7.5 亿美元。交易在支付时将加密资产，主要是稳定币，转换为本地货币，因此商户仍通过传统卡网络收款。

来源：a16z crypto