🤖 模型发布 / 更新
Qwen 发布 Qwen3.8-LiveTranslate 实时同传模型，平均滞后降至 2.3 秒
阿里 Qwen 团队推出 Qwen3.8-LiveTranslate，用 Interleave 架构和 Hybrid-MoE Thinker-Talker 设计重构了实时同声传译流程，把平均滞后（LAAL）从上代的 2.8 秒压到 2.3 秒。同传场景对延迟极为敏感，这一档提升意味着长句跟读时的”追不上”感会明显减轻。
🚀 产品发布 / 更新
ChatGPT for Word 上线，Office 三件套集成补齐
ChatGPT 正式接入 Microsoft Word，可以在文档里把粗略笔记扩写成初稿、理顺段落、做校对、给修改建议，还能顺手挑出格式问题。OpenAI 的 Sherwin Wu 透露，ChatGPT for Excel 和 PowerPoint 的用量近期已大幅增长，Word 版上线后整套 Office 集成终于完整。
🌐 行业动态
Anthropic 与 Accenture 合作开展嵌入式独立评估，双方各投入至少 10 亿美元
Anthropic 宣布与 Accenture 合作，对前沿模型做嵌入式独立评估，由 Accenture 旗下 AI 业务 Faculty 主导，覆盖模型评估与红队测试、对齐评估和安全防护测试。双方预计未来五年各投入至少 10 亿美元，这种”模型厂商 + 咨询巨头”的深度绑定，正在成为前沿实验室安全验证的新范式。
美军因 AI 生成的情报幻觉报告，险些武装拦截中国船只
据 CNN 报道，今年春天美伊战争期间，一名特种作战司令部分析师借助聊天机器人融合开源情报与机密信号情报、生成了一份标准格式报告，错误宣称一艘中东中国船只运输核武器部件。美军一度准备武装登船拦截，行动前才发现报告内容完全不实。事件暴露了美军各部门 AI 工具分散部署、缺乏统一校验标准的问题——AI 辅助目标选定在变多，人机协同的规范却没跟上。
《纽约时报》等媒体提交简易判决动议，援引 OpenAI 与微软内部言论质疑合理使用抗辩
《纽约时报》、Daily News 集团、Ziff Davis 等媒体公司向纽约联邦法院提交 92 页简易判决动议，就 AI 训练版权侵权向 OpenAI 和微软索赔数十亿美元，并援引此前未披露的内部邮件与宣誓证词。若法官支持媒体一方，”合理使用”这条辩护线将承受实质压力。
💡 技巧与观点
Ethan Mollick：真正的差距是”能力悬差”
Mollick 撰文提出”Overhang”概念：GPT-6 Astra 与 Fable 5.1 已经能可靠完成以”周”为单位的人类工作量，但绝大多数人远远没有用尽它们的能力。问题不在于模型不够强，而在于使用方式还停留在聊天框里。
Gary Marcus：该警惕的不是失控超级智能，而是智能体带来的规模化黑客攻击
Marcus 认为近期更现实的风险是被放开的 agentic AI 造成互联网级别的规模化黑客攻击，而非科幻式的超级智能失控。他同时引用 NYT 报道称 Trump 出于经济考虑淡化 AI 恐慌、抵制监管，并转发了 AI 幻觉情报报告几乎引发战争的那则报道。
3 人团队花不到 3000 美元 token 成本，接管了 OpenAI 员工账户
一支 3 人团队在 7 月 25 日利用两个漏洞接管了 OpenAI 员工的 ChatGPT / Codex 账户，进而可访问 Outlook、Slack、GitHub 等关联服务。他们最终通过向 OpenAI 内部代码库提交 PR 的方式证明漏洞，全程不到 72 小时——攻击成本之低值得所有做 agent 集成的团队复盘。
逆向分析：ZCode 登录后静默打包 Git 历史并加密上传至 Aliyun OSS
开发者 ferstar 逆向 Z.ai 的 AI 编程桌面应用 ZCode 发现，其登录后会静默把整个工作区打包（含完整 .git 历史、LFS 缓存、reflogs 和全局配置）加密上传到阿里云 OSS。实测一次快照即 42,411 个文件、313MB，其中 .git 目录占了载荷的 86.6%。用第三方编程工具前，值得先看一眼它到底传了什么。
Trail of Bits 用 Agent 给 Miden zkVM 搭审计工具链
Trail of Bits 在正式审计 Miden zkVM 之前，先让 Agent 用六个月从零构建了 MASM 的 LSP 服务器、反编译器、静态分析引擎和 Lean VM 执行器模型。这些工具随后发现了可让恶意 prover 伪造 Falcon 签名盗取资金的高危漏洞，静态分析定位 400 多处类型验证缺陷，Lean 部分产出 95 个机器验证的正确性证明。
TypeSafe AI 发布只做高频决策的模型 Jev
TypeSafe AI 推出 Jev，不做对话和文字生成，只输出判断，速度比传统大模型快 20~200 倍，成本 0.042 美元/百万 token 且输出 token 免费，采用 RLCD 训练优化决策校准。作者实测中，Jev 在预筛任务里准确性排第二且更便宜，在并行判断任务上拿到最高准确率和最快速度；Vercel 已首发接入。
OpenRouter 实测 20 个图像生成模型：单张成本相差 22 倍
OpenRouter 用相同提示词实测其路由的 20 个图像生成模型的计费、编辑能力和出图质量，单张图片成本从 $0.006 到 $0.134 不等——相差 22 倍。做批量出图的团队，模型选择本身就是一笔可观的钱。
来源：AI HOT（aihot.virxact.com）