🤖 模型发布/更新
Claude Sonnet 5.5（xHigh）登顶 Code Arena: WebDev 第 3 名
Anthropic 的 Claude Sonnet 5.5（xHigh）进入 Code Arena: WebDev 榜单，以 1786 分位列第 3，距离第 2 名 GPT-6 Astra 的 1788 分仅差 2 分，网页开发能力已逼近榜首梯队。
阅读原文（来源：Arena）
小米 MiMo-V2.6-Pro / Flash 登陆 Agent Arena，开源榜单位列第 5、第 9
小米的 MiMo-V2.6-Pro 与 MiMo-V2.6-Flash 正式进入 Agent Arena。Pro 在超过 8100 场真实智能体会话中净提升 +3.17%，排在开源模型第 5 名，较上一代 MiMo-V2.5-Pro（第 13 名）跃升 9 个名次；其 Confirmed Success 得分提升 +7.35%，在开源模型中高居第 2。
阅读原文（来源：Arena）
Artificial Analysis：GPT-6.1 Sol 单任务成本较 GPT-6 Sol 低约 30%
Artificial Analysis 数据显示，GPT-6.1 Sol 的单任务成本（Cost per Task）约 0.72 美元，比 GPT-6 Sol 的 1.05 美元低约 30%。而 GPT-6 Sol 本就已经只有 GPT-5.6 Sol（1.99 美元）的一半左右，成本下降曲线仍在延续。
阅读原文（来源：Artificial Analysis）
🚀 产品发布/更新
FLUX 3 Image 上线 OpenRouter，支持原生 4K 与多参考编辑
Black Forest Labs 的 FLUX 3 Image 已上线 OpenRouter，是支持文生图与多参考编辑的旗舰图像模型，原生可渲染至 4K。它支持精确多轮编辑且不改动其他像素、用 bounding box 做版面布局、最多组合 10 个参考图；商业权重已开放，开放权重版本将在未来数周发布。
阅读原文（来源：OpenRouter）
FLUX 3 Image 同时登陆 Krea，带来多轮编辑与 4K 生成
Krea 宣布 FLUX 3 Image 已上线其平台，新能力包括多轮编辑且不改动其他像素、用 bounding box 排版图像、最高 4K 生成，以及组合最多 10 个参考图，为创作者提供更可控的图像工作流。
阅读原文（来源：Krea AI）
ChatGPT 现可直接构建并部署 MCP 服务器
ChatGPT Sites 现在可以托管 MCP 服务器，用户能直接在 ChatGPT 中构建并部署 MCP 服务器，还能把它转成插件安装到 Web、移动端和桌面端。作者表示可限制访问权限给指定的人，也可以向全世界公开分享。
阅读原文（来源：Tibo）
Claude Code 推出 mods 功能，用 TypeScript 定制行为与 UI
Claude Code 推出 mods 功能，支持修改模型行为、自定义 UI 并替换自有功能。只需几行 TypeScript 即可编写，也可交由 Claude 代写；mods 随插件分发，可在 CLI 或桌面应用中通过 /plugin 安装。
阅读原文（来源：Claude Devs）
Modal Clusters 正式发布，一个装饰器拿到多节点 GPU 集群
Modal 宣布 Modal Clusters 正式可用，通过 @modal.clustered 装饰器即可获得多节点集群，节点间经 InfiniBand verbs 通信可达 6.4 Tbps，并自动配置 PyTorch 和 NCCL，让分布式训练与推理的开箱即用程度再进一步。
阅读原文（来源：Modal）
Modal 发布 VM Sandboxes、Clusters 等多项 Runtime 更新
Modal 在首届 Runtime 大会上集中发布多项产品更新，VM Sandboxes 为 Agent 提供完整 Linux 环境，已在 Linear、Legora 等客户落地。这批更新整体围绕 Agent 运行时的隔离性、扩展性与性能展开。
阅读原文（来源：Modal）
Modal 正式 GA：VM Sandboxes 给 Agent 一台完整 Linux 虚拟机
Modal 宣布 VM Sandboxes 正式 GA，只需设置 runtime=”vm” 即可获得支持 Docker、FUSE 和内核功能的完整 Linux VM，同时沿用原有 Sandbox 的 API、modal.Image、亚秒级冷启动与内存爆发能力，早期客户已启动超过 2000 万个 VM。
阅读原文（来源：Modal）
Modal 推出 Sidecars，为 Sandboxes 提供低延迟信任边界
Modal 推出 Sidecars（Beta），这是一种与主 Sandbox 同宿主运行但相互隔离的可信容器，用于在可信代码与不可信代码之间建立安全边界，补齐 Agent 沙箱场景下的安全隔离需求。
阅读原文（来源：Modal）
🌐 行业动态
OpenAI 称拦截蒸馏窃取攻击，研究者称同类手法在 Azure 上仍可复现
OpenAI 表示 7 月拦截了一起针对其模型推理链的蒸馏窃取活动：7 月 24 至 25 日出现来自超 4000 名用户的 16000 次请求，关联账号超过 15000 个，OpenAI 将其与 Moonshot AI 相关人员联系起来并于 7 月 28 日关停。不过有研究者指出，同样的手法在 Azure 上仍能窃取 GPT-6 Astra 等模型的推理内容，模型防蒸馏仍是行业性难题。
阅读原文（来源：The Decoder）
📄 论文研究
Epoch AI 推出 ChatGPT usage explorer，基于 5000 名美国用户三年聊天记录
Epoch AI 与 YouGov 合作推出 ChatGPT usage explorer，公开 5000 名美国 YouGov 样本用户的聊天元数据，覆盖约 66 万段对话、830 万条消息，部分记录可追溯至 2022 年 11 月 ChatGPT 发布后数周，为研究真实使用行为提供了少见的长期数据集。
阅读原文（来源：Epoch AI）
💡 技巧与观点
LangChain 讲解如何在 Agent Harness 中构建模型路由器
LangChain 在其开源编码 Agent Open SWE 中构建了模型路由器。在 973 个线程的 A/B 测试中，中位成本从 2.61 美元降到 0.94 美元（降幅 64%），PR 合并率 29.2% 对 27.3%，质量没有可测变化，说明按任务难度分流模型能大幅省钱。
阅读原文（来源：LangChain Blog）
OpenRouter：用置信度阈值实现模型分级升级路由
OpenRouter 发布教程，讲解如何让廉价模型通过结构化输出返回 0 到 1 的置信度字段，低置信度请求再升级到更强模型。文章强调置信分数只是模型自报、并非校准概率，应基于自己流量的分数段错误率排序来设定阈值，并在上线后持续监控分数分布、升级率和未升级答案的错误率。
阅读原文（来源：OpenRouter）
Claude Code mods 入门教程：从零构建 Token Weather 插件
Anthropic 官方开发者教程介绍 mods——以 hooks 形式运行在插件内的 JavaScript 或 TypeScript 模块，可以观察、重写或拒绝事件，甚至绘制自定义 UI，需 Claude Code 2.1.287 或更高版本。教程以构建一个 Token Weather 上下文窗口预报插件为例逐步演示。
阅读原文（来源：Anthropic 开发者博客）
OpenRouter 发布 Agent 模型成本与质量权衡选型框架
OpenRouter 提出一个三步框架，帮助为 Agent 任务选出以最低成本达到质量门槛的模型，而不是盲目按排行榜挑最高分。方法是：先按任务设定质量门槛，再用 20 到 50 条自己的示例运行廉价、中档和前沿模型并统一评分，最后选出以超过运行间分数波动的余量过线的最便宜模型。
阅读原文（来源：OpenRouter）
OpenRouter 教程：如何在 CI 中用 LLM eval 门禁拦截 Pull Request
OpenRouter 发布教程，讲解如何用固定的 eval 集在 CI 中门禁 pull request：当通过率低于阈值时，脚本以非零退出码阻止合并，做法与单元测试门禁一致，把 LLM 质量回归纳入常规工程流程。
阅读原文（来源：OpenRouter）
Ethan Mollick：点与群——智能体自组织为何让管理假设失效
Ethan Mollick 承认自己此前认为人类需要像经理一样精心设计智能体组织的判断错了，Bitter Lesson（苦涩的教训）同样适用于组织管理。当智能体能够自组织时，传统的层级式管理假设正在被打破。
阅读原文（来源：One Useful Thing）
来源：AI HOT（aihot.virxact.com）