AI 领域一周观察｜2026.07.20—07.26

发布时间：2026-07-27来源：腾讯科技

AI领域一周观察：一周一期，比信息整合深一步

文｜博阳

编辑｜徐青阳

产业

Google 两代模型并行推进，仍没补上旗舰发布空档

Bloomberg Law 7 月 16 日发布媒体报道，援引 10 名 Google 现任及前员工称，Gemini 3.5 Pro 因编程能力未达到内部目标而延期数月，团队 6 月仍在调整训练数据。Alphabet 当日收跌 4.4%，市值减少约 2000 亿美元。

7 月 21 日，Google 在官方公告中连发三款 Flash 模型，旗舰 Pro 仍未出现。 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber 补的是低成本、高吞吐和安全工具，无法填上旗舰模型的空档。

一天后，Sundar Pichai 在电话会上首次确认 Gemini 4 已进入预训练。他称这是 Google “迄今最具雄心的预训练”，同时承认 Gemini 3.5 Pro 仍在测试。Google 已让两代管线重叠运行，短期仍要依赖尚未完成的 3.5 Pro 追赶。

● 这次延误说明，稳定换代本身就是前沿 Lab 的稀缺能力。预训练、数据、后训练和产品验收任何一环失速，都可能让发布延期数月。Gemini 3 的成功无法自动复制到 3.5 和 4；前沿竞争看的是连续交付，一代模型只能赢得一次时间。

● 这段空档也在改变中国模型的位置。Kimi K3 和 Qwen3.8 Max 此时越过 2T，让国产模型从“低价开放替代”进入“第一梯队候选”。Alphabet 有 Search、Android、Workspace 和 Cloud，却仍因模型延期和资本开支承压；欧盟又要求 Android 向其他 AI 助手开放系统能力。平台可以放大好模型，补不了模型代差。现阶段，模型能力与更新节奏比入口更难替代。

Kimi 与 Qwen 跨过 2T，中国模型开始重写前沿模型的成本与定价

月之暗面 7 月 16 日在官方披露中发布 2.8T 参数的 Kimi K3。模型支持原生视觉和 100 万 Token 上下文，每个 Token 只调用 896 个专家中的 16 个；Kimi Delta Attention、Attention Residuals、Stable LatentMoE 和量化感知训练共同压低训练、通信与推理成本，官方称整体 scaling efficiency 约为 K2 的 2.5 倍。

阿里 7 月 19 日通过官方账号预告 2.4T 的 Qwen3.8-Max-Preview。两家公司在几天内连续越过 2T，使超大规模模型不再只是美国巨型 Lab 的专属项目，也不再只是单家中国公司的异常值。

两个国产模型统统跨过2T门槛，带来了一系列市场变化。

● 这些国产大体量模型的模型发布搅乱了算力预期。AP 7 月 20 日报道，市场担心更高效的中国模型削弱美国 Lab 和芯片公司的定价逻辑；美银 7 月 21 日测算，K3 单个服务实例仍需约 1.4TB HBM，中国在电力、人工和土地等基础设施成本上约有 1.5—2 倍优势。国内产业分析则把瓶颈指向数万卡集群的利用率、互联与推理供给。

● 2T 的价值不在数字本身，而在受限算力下仍能扩大模型容量。K3 每次只调用约 1.8% 的专家池，用稀疏 MoE 把总容量与单次计算部分拆开，再靠线性注意力、跨层残差、低精度训练和超节点通信把系统跑起来。

公开报道只支持“数万张高端 GPU”的量级，仍远低于美国头部 Lab。工程效率没有消灭算力差距，却把它压缩成更短的模型代差。

下一道门槛是单次激活参数。7 月 23 日发布的梁文锋投资者交流会整理中，他判断美国前沿模型可能已激活约 800B 参数，国内主力仍在几十 B；DeepSeek 下一步希望提高到 150B—250B。 19 2T 证明中国团队已经能管理巨大的稀疏容量，下一轮更昂贵的竞争是让每个 Token 调动更多有效参数。

● OpenRouter 6 月 30 日发布的平台数据中，DeepSeek 的 Token 份额从年初略低于 10% 升至 6 月初接近 20%；按 1 月与 6 月对比，则从 9% 升至 18%。OpenRouter 代表的是最容易换模的一批开发者，而不是全部企业采购；这批流量中的变化仍然重要，因为模型先拿走的是工作负载、开发者习惯和应用的默认路由。

● K3 没有延续“国产模型必须极低价”的打法。月之暗面 7 月 25 日的官方定价页面列出，每百万 Token 的未缓存输入为 3 美元、输出为 15 美元。 13 上线仅 48 小时，模型便逼近现有集群上限，月之暗面暂停 C 端新订阅，并把通用会员与 Kimi Code 会员拆分，以分别配置算力。

这说明前沿模型进入第一梯队后，就自有了自己的定价体系权限，而非单纯跟随标准利润率。稀缺带来的溢价这个经济规律在模型方面也成立。

AI市场回调加深，问题逐渐明确

持续了一个月的AI股市回调进一步加深。

6月下旬以来，SOXX从高点回撤约20%，Intel、Micron等高波动标的跌幅更大。但在指数真正加速下跌之前，资金已经提前撤退。高盛Prime Brokerage数据显示，截至7月3日，对冲基金已连续四周净卖出科技硬件与半导体。

● 美国银行调查中，82%的基金经理又把“做多全球半导体”视为最拥挤交易。也就是说，上半年积累的高涨幅、高估值、高杠杆和动量仓位，已经让板块处于一种极度脆弱的状态。

● ASML在7月15日上调全年指引并宣布扩产，台积电在7月16日交出402亿美元季度收入和67.7%的毛利率，同时继续上调AI需求预期。这些都说明先进制程、光刻设备、HBM和AI服务器订单没有同步转冷。

● 市场反而在好消息后继续下跌。这意味着定价逻辑已经发生变化。投资者开始思考“这么强的需求还要持续多久”、“当前股价已经提前计入了多少增长”。

但从未来三至五年的资本回报、利润率和现金流来看，目前股价集中的半导体点位确实存在收益压缩风险。云厂商的资本开支越来越大，折旧和融资压力开始进入利润表。长鑫的存在，意味着存储、设备和先进封装的竞争明确，未来供给紧张未必永久存在。K3和OpenRouter数据，则表明模型价格则可能因开放竞争持续下降。

因此这轮下跌，可以认为是市场开始提前交易中期盈利质量下降。

Google 发布新AI职业渗透性调查，已出现在 68% 的细分职业中

Google 7 月 23 日发布官方报告 AI & Economy ATLAS v1.0，将约 1500 万次 Gemini 交互映射到 800 多个职业和 4000 项任务。Gemini 出现在 68% 的细分职业中，覆盖美国 88.4% 的就业人口；已有任务达到统计门槛的职业，覆盖率中位数却只有 21%。非例行认知任务占工作交互的 65%，端到端自动化只有 6.5%。

这组数据把当前 AI 渗透的形态说清楚了：进入面很广，进入深度很浅。模型先接管改写、翻译、初步检索和草稿生成等可以独立拆分、迅速验收的任务，而不是整份岗位。

下一阶段的产业差距不会由“员工是否使用 AI”决定，而由企业能否重写任务分工决定。谁能让模型持续读取业务上下文，把零散辅助动作接成可验收的流程，并明确人和 Agent 的责任边界，谁才能把广泛试用变成组织产能。ATLAS 把竞争焦点从采用率推向了任务覆盖率。

Neo Lab 一上场就训练万亿级开放模型 Inkling

Thinking Machines Lab 7 月 16 日在官方披露中发布 Inkling：这是一款由975B 总参数、41B 激活的原生文本—图像—音频 MoE 模型。 27 它尝试提供一个可以被实时交互系统调用的开放多模态推理后端。这是 Thinking Machines 此前提出的“交互模型 + 后台推理模型”双层架构的一次实践。

同时，它有两个特色。1）可训练的推理预算旋钮：在强化学习中联合训练答案质量与 Token 成本，使同一模型可以按七档 effort 调节推理强度，达成模型成本优化。2）置信度校准：同时通过现实预测、允许弃答的事实问答，训练模型表达与正确率相匹配的置信度。

● Inkling 的出现确实说明，前沿模型训练的基础设施正在工业化。一个成立时间不长、但拥有顶尖人才、巨额融资和芯片资源的团队，已经可以较快完成接近万亿总参数模型的预训练、强化学习和多模态整合。

● 它是近期完整开放权重的最大美国基础模型。给美国市场补上了“高端开放底座”这个缺口。

● 从技术上看，Linking的三个技术方向都明显带有实验性质，也都针对已经暴露出来的产业痛点。既然一家新 Lab 很难在纯能力榜上立刻压过 OpenAI、Anthropic 和 Google，那就必须提前押注一些前沿模型尚未完全产品化的能力，争“下一代前沿模型应该具备哪些原生能力”的定义权。

● 同时，它在Meta失败之后，扛起了开源模型的经典商业模式。Inkling 提供可修改的底座，Tinker 提供强化学习、微调、checkpoint 管理和托管算力。把“模型”从最终产品降为一种获客入口，真正出售的是模型改造能力。

Netflix 花 5.87 亿美元，把 AI 影视后期变成正式生产线

Netflix 7 月 17 日在季度公司文件中披露，公司 3 月完成的一笔业务合并支付约 5.87 亿美元现金；媒体结合此前公告确认，交易对象是 Ben Affleck 共同创办的 AI 影视公司 InterPositive。

Netflix 7 月 16 日还称，2026 年已有约 300 部电影和剧集使用生成式 AI；联席 CEO Ted Sarandos 表示，一些视觉元素的制作速度达到旧方案两倍，成本降至一半。收购把已用于补拍、背景替换、灯光和特效的工作流收归平台。视频公司的 AI 能力开始从模型跑分转向制作周期和返工成本。

早期信号｜Agent 开始花钱，钱包、授权和拒付先成了瓶颈

Agent 支付正在从“能不能调用支付接口”转向“谁授权、谁结算、失败后谁负责”。当机器代替用户发起交易，钱包、身份、拒付和争议处理会比付款动作本身更早形成基础设施需求。

金融基础设施公司 Natural 7 月 20 日在公司公告中宣布完成 3000 万美元 A 轮融资，并推出覆盖账本、资金移动、多银行结算、反欺诈和 Agent 身份的产品组。 Mastercard 3 月 5 日的公司公告则用 Verifiable Intent 绑定用户身份、授权意图和最终动作。两者一个补交易底座，一个补可验证授权。

早期信号｜AI 音乐产量失控后，平台开始按价值清库存

Deezer 7 月 21 日在公司公告中披露，平台每天接收近 9 万首 AI 音乐，峰值超过新增上传量一半，却只贡献 1% 至 3% 的播放；相关播放中，最高 85% 被判为欺诈。平台已决定移除用于流量欺诈或连续六个月无人收听的 AI 曲目。

生成成本接近零后，内容平台开始从识别“是不是 AI”转向判断“值不值得进入库存和版税系统”。检测、推荐排除和清退正在连成一套治理流程，平台真正要压缩的是没人听、靠作弊获利的供给。

研究

Agent 学技能的入口，正从Skill 扩展到演示和工作轨迹

Microsoft Research、加州大学圣克鲁兹分校和上海交通大学团队 7 月 17 日更新论文 RESOURCE2SKILL。它把教学视频、代码仓库、文章和参考作品整理成 Skill Wiki：文字解释步骤，代码提供实现，视觉样例定义成品，元数据保留来源；资料不足时，Agent 还能在线补学。

同时，研究端还开始解决示范进入系统后怎样沉淀。

7 月 15 日的论文 Experience Memory Graph 比较成败轨迹，提取真正改变结果的步骤；7 月 21 日提交的 Knowledge-Centric Self-Improvement 把有证据的经验写入共享知识库；7 月 22 日的论文 PRO-LONG 保存完整行动记录，再用程序检索历史。

用户数据的价值因而从“说过什么”扩展到“怎样选择、排序、验收和纠错”，示范、结构化记忆和按需调用开始连成 Skill 生产管线。

这一方向也开始极快的进入产品层。Anthropic 7 月 21 日上线 Record a skill，用户录下自己完成一次任务的过程并口述判断，Claude 再把示范整理成可重复执行的 Skill。HyperFrames 7 月 23 日展示 Kimi K3 观看参考动效后，在约 20 分钟内生成约 1700 行前端代码。Screenpipe 7 月 24 日发布产品，把持续屏幕记录、无障碍树和语音转成可供 Agent 学习的工作轨迹。

专门教学、根据成品反推做法和从长期轨迹中发现习惯，正在成为三种不同的技能入口。

AIDE² 连续运行八天，完整展示自我改进研究循环

Karpathy 在今年 3 月开源的 AutoResearch，展示了一种最简单的 AI 自我改进，即让 Agent 通过循环探索自优化单个参数。

Weco AI 7 月 14 日公布的 AIDE²，把自我改进系统向上推进了一层。系统不仅修改任务代码，还会修改“Agent 应该怎样做研究”。

AIDE² 里面有两层循环。内层 Agent 负责完成具体研究任务，例如提出代码改动、运行实验、比较结果和保留更好的方案。外层系统观察内层 Agent 的整个研究过程，再去修改它的工作方法：应该如何选择实验，怎样分配计算预算，哪些历史结果值得保留，陷入停滞后要不要换一条路线，以及如何识别那些利用评测漏洞得到的虚假高分。

这套系统连续运行了八天，完成 100 次外层改写，最终留下七个依次增强的 Agent 版本。

这种改进并不只体现在分数上。Agent 还逐渐学会避免“投机结果”，例如利用评测漏洞、偶然误差或不公平手段获得看似更高的成绩。在 GPU kernel 优化任务中，这类投机结果的比例从 63% 降到了 34%。

AIDE²把过去分散的几个环节，代码修改、实验评测、候选选择、历史继承、跨任务检验和投机抑制连成了一个连续运行的闭环。相比只优化单个任务的 AutoResearch，它更接近一套能够积累和改进“研究能力”的系统。

Harness的新定义，是负责组合和分配智能

Alex Zhang 与 Omar Khattab 7 月 20 日发布的 RLM（Recursive Language Model），展示了这种变化。面对超长材料，系统并不把全部内容塞进模型上下文，而是将材料保存在外部环境中，由 Root LM 编写程序，决定应该读取哪些片段、把哪些子任务交给无状态模型、为不同步骤投入多少推理预算，以及如何汇总和检查结果。

实验中，RLM 只在较短任务上训练，却能处理长度扩大 8 至 32 倍的测试任务。

这说明真正能够跨任务迁移的，未必只是某一类问题的答案模式，也可以是一套更高层的方法：如何拆分任务、如何调用不同智能单元。

过去，人们常把 Harness 理解为模型外部的一层工程外壳，让模型能够完成更长、更复杂的任务。但该研究让我们正视一种可能的组合，即模型负责解决局部问题，Harness 则负责决定什么问题应该由谁来解决，以及这些局部智能如何组合成最终结果。

同日，Turing Post 作者 Ksenia Se 提出的 Graph Engineering，则进一步把这种调度关系显式化。模型、工具、状态、人工检查点、权限和执行分支，不再隐藏在一段线性 Prompt 或代码逻辑中，而是被组织成一张可以观察、修改和验证的图。

北京大学等机构 7 月 18 日提交的 DataFlow-Harness，则展示了图结构如何真正进入工程执行。Coding Agent 不再直接生成一整套流程代码，而是通过带类型约束的局部修改，逐步搭建可执行的数据流图，并在 12 个任务中完成了 93.3% 的端到端流程。

这里的图不仅负责表示任务，还承担了约束功能：哪些节点可以连接、数据应该以什么格式流动、局部修改是否破坏整体执行，都可以被系统检查。

把三项工作放在一起看，RLM 解决的是如何分配智能，Graph Engineering 解决的是如何表示智能之间的关系，DataFlow-Harness 解决的是如何约束这些组合能够稳定执行。

Harness 因此不再只是模型外部的工具层，而开始可能成为一个真正的智能调度层。

自进化 Harness 进入任务定制化阶段

Harness 自进化原本寄托着两层期待：一是更复杂的搜索和进化机制，能够比简单方法找到更好的工作流；二是持续进化最终可能收敛出一套普遍更强的 Harness。

近期研究正在分别削弱这两层假设。

Allen Institute for AI 与华盛顿大学团队 7 月 14 日提交论文，发现复杂的 Harness evolution 在统一反馈和预算后，经常不如简单搜索。

这说明，给搜索过程加入更多角色、循环和反思，并不会自动提高优化效率。复杂机制本身也会消耗预算、放大噪声，甚至让搜索偏离真正有效的改动。

加州大学伯克利分校等机构 7 月 20 日进一步比较了 30 种 Harness，在 12 个模型—问题组合上累计运行 310 万余次，结果仍然没有固定赢家：模型、任务和验证器一变，表现最好的 Harness 也会随之变化。

这意味着，可能根本不存在脱离具体环境的最优 Harness。

两项研究合起来意味着，Harness evolution 面临的根本的问题是，Harness 的优劣具有明显的条件性。

自进化因此不能只追求生成一个越来越复杂的统一系统，而需要根据问题动态选择优化方式。

RHI（Recursive Harness Self-Improvement） 7 月 17 日提交的论文选择选择减少单次调整的成本。它围绕当前 Harness 生成邻近版本，用成对反馈选出更好的一个，再继续迭代。达到相近结果时，这种近似搜索最多节省 60% 成本。

它回应的是第一项研究暴露的问题：既然复杂搜索未必更好，就把搜索限制在当前方案附近，以更低成本寻找可验证的改进。

GEPA 7 月 23 日的作者发布则加入 router，让 GEPA、AutoResearch 和 Meta-Harness 等优化器先进行小规模试跑，再把后续预算交给当前表现最好的路径。

它回应的是第二项研究暴露的问题：既然不存在固定赢家，就不要提前押注单一优化器，而应根据当前任务动态选择搜索方式。

一个降低局部搜索成本，一个根据任务切换优化器。Harness evolution 正从“进化出一个万能 Harness”，转向“为当前模型和问题快速配置更合适的 Harness”。

DriftWorld 让机器人能在行动前实时预演未来

MIT 与 Harvard 团队 7 月 16 日提交论文 DriftWorld，把视觉世界模型变成机器人规划中的实时内部模拟器：输入当前画面和几组候选动作，模型预演每组动作会把场景变成什么样，机器人再选择结果最好的一组。

过去的视觉世界模型多用扩散生成，一张未来画面要经过多轮去噪，预演本身往往占掉一次决策九成以上的时间。DriftWorld 直接学习“当前画面经过某个动作后应怎样变化”，运行时只用一次前向计算生成未来画面。

在五个机器人操作环境中，它超过每秒 30 帧，平均比扩散基线快 17 倍，同时保持相近或更好的预测质量。

这项进展是世界模型第一次能以实时速度让机器人进行规划。机器人可以在一个控制周期内比较多组动作，而不是先执行、出错后再纠正。

早期信号｜视频生成还没有有效的世界模型能力，但确实在提升

南洋理工大学 S-Lab 与香港中文大学团队 7 月 17 日提交论文 Apple‑π，用 400 段视频把物理能力拆成读取场景、选择规律和推演结果三步。专项训练把 Wan2.2 的综合物理分从 0.267 提高到 0.373；公开视频榜头部的 Seedance 2.0 在 Apple‑π 也领先，但最终推演分只有 0.315。当前模型已形成可训练的物理先验，没有一个跨过可靠模拟现实的及格线。

但综合视频能力更强的模型，物理分数大体也更高，说明视频训练确实在积累对现实运动的理解。

早期信号｜大模型的MLP层是天然的可更改记忆层

Stanford 与 University at Buffalo 团队 7 月 10 日提交论文 MLPs are Hebbians，把 Transformer 的 MLP 视为联想记忆，可由 key–value 事实直接计算出对应权重，不必依赖多轮梯度下降。 Harness 未来可以管理知识的核验、编译、挂载、回归测试与回滚，让持续学习从反复训练整套模型转向管理长期参数模块。

这样，部分模型参数开始被当成可设计、可测试、可替换的记忆介质，而不只是训练留下的黑箱结果。

这可能在上下文和基础模型之间增加一层“可编译的参数记忆”：临时信息留在上下文，原始证据留在外部系统，稳定且高频的知识被写进模块化 MLP。

早期信号｜上下文压缩，需要满足充分性

Meta AI 团队 7 月 21 日提交论文 GAMUT，用结构化 rubric 描述完整答案应覆盖的部分和关系，再编译成逐项检查表。数据集含 1813 个问题、覆盖十个领域；14 款模型中最好成绩为 58.7%，说明长回答的主要缺口已不只是事实错误，还有结构性遗漏。

压缩上下文遇到的老问题就是，压了就丢信息。GAMUT的出现，意味着对上下文压缩的解决方法可能是限定“必要信息有没有讲全”。

政策

OpenAI 模型从安全评测闯入真实系统，安全控制不能再只看答案

7 月 21 日，OpenAI 与 Hugging Face 披露，一款尚未发布的 OpenAI 模型在安全测试平台 ExploitGym 中发现了包缓存代理的零日漏洞。但模型并没有停在“找到漏洞”这一步：它随后取得公网访问权限，窃取凭证、横向移动，最终进入 Hugging Face 的生产数据库寻找测试答案。

7 月 23 日，安全公司 XBOW 又向 Axios 展示了类似结果。在关闭防护栏的测试中，Agent 会主动入侵系统、窃取凭证，并继续探查 Slack 与 AWS 环境。

这次事件把前沿模型安全从内容边界推进到行动边界。一个会主动找路径的 Agent 不需要先生成明显危险的回答，也能借权限、网络和凭证造成后果。控制对象因此要覆盖模型看见什么、能调用什么、凭证怎样隔离，以及每一步行动能否被中止。

北京市把 Harness、OPC 和 RaaS 一起写进 Agent 产业政策

北京市发展改革委等四部门 7 月 21 日印发、7 月 23 日公开政策文件《北京市关于加快智能体引领发展的若干措施》，把 Harness Engineering（驾驭层工程）、OPC（一人公司）和 RaaS（结果即服务）列为建设对象。

配套方案为 OPC 提供模型、算力和数据资源包，并允许用 Token 消耗、知识产权和技术成果为“OPC 贷”增信。

Harness 是生产基础设施，OPC 是组织单位，RaaS 则把交易从软件席位或 Token 改成工作结果。把三者放进同一套政策，说明地方产业扶持已不只围绕模型和算力，也开始设计 Agent 的生产组织与交易方式。

Mark Warner 提出六项 AI 法案，要求前沿模型接受强制测试

美国联邦参议员 Mark Warner 7 月 21 日发布政府文件并提交六份法案，涉及 25MW 以上数据中心的水电与排放披露、可信 Agent 登记、生成式儿童性虐待材料与非自愿私密图像、劳动力转型基金、关键技术博士培养，以及 NIST 对前沿模型的强制测试。

《Secure AI Development Act》要求最先进模型部署前进入测试环境，并建立类似航空业的自愿事故报告机制。

早期信号｜版权争议转向实时摘要交易

Reuters 7 月 21 日发布媒体报道，称 News Corp 反诉 Brave，指控后者未经授权抓取《华尔街日报》和《纽约邮报》，再把内容分发或出售给 AI 公司；Brave 主张搜索索引、片段和高层摘要属于合理使用。

这说明AI 版权争议正在从“过去用什么训练”转向“搜索引擎能否实时加工并销售出版物内容”。如果 API 给出的摘要足以替代阅读，传统搜索以导流换取预览的交易基础就会被改变。

来源

1. 公司公告（月之暗面，7 月 16 日）：<https://www.kimi.com/blog/kimi-k3>

2. 公司公告（OpenAI，7 月 21 日）：<https://openai.com/index/hugging-face-model-evaluation-security-incident/>

3. 公司公告（Hugging Face，7 月 21 日）：<https://huggingface.co/blog/security-incident-july-2026>

4. 公司公告（Google，7 月 21 日）：<https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-6-flash-3-5-flash-lite-3-5-flash-cyber/>

5. 监管文件（欧盟委员会，7 月 15 日）：<https://digital-strategy.ec.europa.eu/en/news/commission-provides-guidance-google-ai-interoperability-android-and-sharing-google-search-data>

6. 公司公告（7 月 19 日）：<https://x.com/Alibaba_Qwen/status/2078754377473601787>

7. 公司公告（月之暗面，7 月 25 日）：<https://www.kimi.com/resources/kimi-k3-pricing>

8. 公司公告（OpenRouter，6 月 30 日）：<https://openrouter.ai/blog/insights/deepseek-v4-adoption/>

9. 公司公告（ASML，7 月 15 日）：<https://live.euronext.com/en/financial-news/asml-raises-2026-forecast-expands-capacity-ai-chip-demand>

10. 公司公告（TSMC，7 月 16 日）：<https://investor.tsmc.com/english/quarterly-results/2026/q2>

11. 机构报告（Google，7 月 23 日）<https://ai.google/static/documents/GoogleATLASv1.pdf>

12. 公司公告（Thinking Machines Lab，7 月 16 日）：<https://thinkingmachines.ai/news/introducing-inkling/>

13. 公司文件（Netflix，7 月 17 日）:<https://www.sec.gov/Archives/edgar/data/1065280/000106528026000212/nflx-20260630.htm>

14. 公司公告（Natural，7 月 20 日）：<https://www.natural.com/blog/natural-series-a>

15. 公司公告（Mastercard，3 月 5 日）：<https://www.mastercard.com/global/en/news-and-trends/stories/2026/verifiable-intent.html>

16. 公司公告（Deezer，7 月 21 日）：<https://newsroom-deezer.com/2026/07/ai-music-exceeds-50-percent-daily-uploads-deezer/>

17. 论文（Microsoft Research、加州大学圣克鲁兹分校与上海交通大学，6 月 28 日提交、7 月 17 日更新），《RESOURCE2SKILL: Distilling Executable Agent Skills from Human-Created Multimodal Resources》：<https://arxiv.org/abs/2606.29538>

18. 论文（Experience Memory Graph 研究团队，7 月 15 日），《Experience Memory Graph: One-Shot Error Correction for Agents》：<https://arxiv.org/abs/2607.13884>

19. 论文（Knowledge-Centric Self-Improvement 研究团队，7 月 21 日），《Knowledge-Centric Self-Improvement》：<https://arxiv.org/abs/2607.19592>

20. 论文（PRO-LONG 研究团队，7 月 22 日），《PRO-LONG: Programmatic Memory Enables Long-Horizon Reasoning》：<https://arxiv.org/abs/2607.20064>

21. 官方材料（Weco AI，7 月 14 日）：<https://www.weco.ai/blog/first-evidence-of-recursive-self-improvement>

22. 项目仓库（Karpathy，3 月 1 日）：<https://github.com/karpathy/autoresearch>

23. 论文（AIDE 研究团队，2 月 18 日），《AIDE: AI-Driven Exploration in the Space of Code》：<https://arxiv.org/abs/2502.13138>

24. 作者原始发布（Alex Zhang 与 Omar Khattab，7 月 20 日）：<https://alexzhang13.github.io/blog/2026/harness/>

25. 论文（北京大学等机构，7 月 18 日），《DataFlow-Harness: A Grounded Code-Agent Platform for Constructing Editable LLM Data Pipelines》：<https://arxiv.org/abs/2607.16617>

26. 论文（Allen Institute for AI 与华盛顿大学，7 月 14 日），《Rethinking the Evaluation of Harness Evolution for Agents》：<https://arxiv.org/abs/2607.12227>

27. 论文（加州大学伯克利分校等机构，7 月 20 日），《Automated Discovery Has No Universally Superior Harness》：<https://arxiv.org/abs/2607.18235>

28. 论文（RHI 研究团队，7 月 17 日），《Recursive Harness Self-Improvement》：<https://arxiv.org/abs/2607.15524>

29. 作者原始发布（GEPA 团队，7 月 23 日）：<https://x.com/ShangyinT/status/2080334982988562452>

30. 论文（匹兹堡大学，7 月 19 日），《Self-Modifying Lean Proof Agents with Verifier-Grounded Benchmark Coevolution》：<https://arxiv.org/abs/2607.17352>

31. 论文（MIT 与 Harvard，7 月 16 日），《DriftWorld: Fast World Modeling through Drifting》：<https://arxiv.org/abs/2607.15065>

32. 作者原始发布（JacobianFun，7 月 19 日）：<https://jacobianfun.org/jacobian-explained>

33. 作者原始发布（Terence Tao，7 月 21 日）：<https://terrytao.wordpress.com/2026/07/21/a-digestion-of-the-jacobian-conjecture-counterexample/>

34. 论文（南洋理工大学 S-Lab 与香港中文大学，7 月 17 日），《Apple-π: Benchmarking Thinking with Video Towards Law-Grounded Physical Intelligence》：<https://arxiv.org/abs/2607.16401>

35. 数据集（Artificial Analysis，7 月 22 日）：<https://artificialanalysis.ai/video/leaderboard/text-to-video>

36. 论文（Stanford 与 University at Buffalo，7 月 10 日），《MLPs are Hebbians: Constructing Efficient Fact-Storing MLPs for Transformers》：<https://arxiv.org/abs/2607.10034>

37. 论文（南加州大学，7 月 17 日），《An Exam for Active Observers》：<https://arxiv.org/abs/2607.16165>

38. 论文（Yale 与 UC Irvine，7 月 13 日），《Metacognition in LLMs: Foundations, Progress, and Opportunities》：<https://arxiv.org/abs/2607.11881>

39. 论文（Princeton Language and Intelligence，7 月 16 日），《T²MLR: Transformer with Temporal Middle-Layer Recurrence》：<https://arxiv.org/abs/2607.15178>

40. 论文（Meta AI，7 月 21 日），《Two-Level Meta-Rubrics for Evaluating Open-Ended Generation: GAMUT, a Benchmark for Factual Completeness》：<https://arxiv.org/abs/2607.19322>

41. 论文（Truthful AI、华沙理工大学等机构，7 月 15 日），《Value Leakage: An LLM's Answers Are Silently Shaped by Its Own Values》：<https://arxiv.org/abs/2607.14345>

42. 论文（Apollo Research 与 OpenAI，7 月 21 日），《Measuring Reward-Seeking via Contrastive Belief Updates》：<https://arxiv.org/abs/2607.18966>

43. 政府文件（北京市发展改革委等四部门，7 月 23 日）：<https://www.beijing.gov.cn/zhengce/zhengcefagui/202607/t20260723_4781085.html>

44. 政府文件（北京市相关部门，7 月 21 日）：<https://www.beijing.gov.cn/fuwu/lqfw/gggs/202607/t20260721_4774036.html>

45. 政府文件（美国联邦参议员 Mark Warner，7 月 21 日）：<https://www.warner.senate.gov/wp-content/uploads/2026/07/FINAL-AI-Framework-Booklet.pdf>

46. 机构报告（OECD，7 月 21 日）：<https://doi.org/10.1787/2858fdf4-en>