Claude 发现前所未有的密码学漏洞，Gemini Robotics ER 2 让多机器人协同工作，GPT-5.6 降价

2026 年 7 月 30 日的焦点被两项研究进展占据：Anthropic 的内部研究模型 Claude Mythos 发现了 NIST 的后量子候选算法以及 AES 弱化版本中的前所未见的密码学漏洞；与此同时，Google DeepMind 发布了 Gemini Robotics ER 2，能够让多个机器人在同一任务上协同工作。围绕这两个主题，还有 OpenAI 对 GPT-5.6 的降价、GitHub 与 Devin 同步采用堆叠式 pull request、多家开放模型的新发布（Thinking Machines、Sakana AI、LightOn），以及代理侧的一波更新（Perplexity、Genspark、Gemini）。

Claude Mythos 发现前所未见的密码学漏洞（HAWK、AES）

7 月 30 日 — Anthropic 发布了其 Frontier Red Team 的一项研究，表明其最先进且未商业化的内部研究模型 Claude Mythos Preview，在两个重要密码算法中发现了前所未见的数学漏洞——超出了 Claude 早已能够在 OpenSSL 等库中识别出的简单实现 bug。该公告于 7 月 28 日发布在 X 上，随后又在一篇完整博客文章中进行了详细说明。

第一个结果：针对 HAWK 的改进攻击。HAWK 是 NIST（美国标准机构）后量子数字签名竞赛第三轮的候选算法。经过 60 小时工作、约 10 万美元 API 成本后，该模型找到了一种攻击，将 HAWK-256 的有效密钥长度减半——完整攻击的估计成本从 2^64 次运算降到 2^38 次运算。第二个结果：在 AES-128 的 10 轮简化到 7 轮版本上，一种名为 Möbius Bridge（莫比乌斯桥） 的新技术将已知最佳攻击速度提升了 200 到 800 倍，成本相近——模型起初认为这项任务不可能完成，但在研究人员的推动下坚持了下来，随后研究人员又花了数百小时验证结果。

Anthropic 强调，没有任何生产系统受到影响：HAWK 只是一个尚未部署的候选算法，而对 AES 的攻击只适用于弱化版本的加密——完整的 10 轮 AES 并未被破解。初步结果还涉及 LEA（在 13 轮上不到一小时即可恢复密钥）、Serpent-128（6 轮上的完整攻击），以及在 Salsa20、Poseidon 和 SHA-1 上较有限的提升。

为深入推进这些研究，Anthropic 正与 ETH Zurich、Tel Aviv University 和 TU Berlin 合作构建 CryptanalysisBench，这是一个用于衡量模型密码分析能力的基准测试。

密码目标	达成结果
HAWK-256（后量子签名）	有效密钥长度减半（2^64 → 2^38），60 小时内发现
简化到 7 轮/10 轮的 AES-128	通过 Möbius Bridge 技术实现 200 到 800 倍加速的攻击
简化到 13 轮/24 轮的 LEA	在台式机上不到一小时恢复密钥
简化到 6 轮/32 轮的 Serpent-128	新的完整密钥恢复攻击
Salsa20、Poseidon、SHA-1	相比已知最佳攻击，提升不足 10 倍

🔗 完整研究 — Anthropic

Google DeepMind 发布 Gemini Robotics ER 2

7 月 30 日 — Google DeepMind 发布 Gemini Robotics ER 2（Embodied Reasoning，具身推理），这是其最强大的模型，用于为机器人提供高层“大脑”。它能够理解物理世界、与人类对话、规划多步骤任务，然后将运动执行交给更低层的 vision-language-action 模型；它还可以原生调用 Google Search 或开发者定义的函数等工具。

与前一版本（ER 1.6）相比，最主要的进步在于 连续视频理解：在观察实时视频流时，机器人可以跟踪自身进展、在出错时自我调整，并准确判断何时进入下一步。Google 还引入了 多机器人协作：不同机器（例如轮式机器人和类人机器人）通过共享语义理解进行通信，从而分配复杂任务——这一点已通过 Apptronik 的 Apollo 2 机器人和 Franka F3 Duo 机器人得到了演示，它们一起整理一个车库。

在性能方面，该模型在任务进度分类上达到 57.4% 的准确率，在判断最佳行动时机上达到 91.3% 的准确率（平均误差 0.96 秒），执行速度比精度相近但更大的模型快 4 倍。安全性方面，Google 表示这是其迄今为止最安全的模型：当有人靠近时，它会正确停止类人机器人，只有在区域清空后才恢复活动。

该模型从今天起可通过 Gemini API 和 Google AI Studio 供开发者使用，Gemini Enterprise Agent 平台则提供有限的早期访问。文档还展示了一个配合 Boston Dynamics Spot 机器人的演示：通过语音指令去取零食，并附有 GitHub 上的代码。

性能指标	测得结果
任务进度分类	57.4% 的准确率
判断最佳行动时机	91.3% 的准确率，平均误差 0.96 秒
执行速度相较更大模型	快 4 倍

🔗 官方公告 — Google DeepMind

Cursor：云端代理完成了 56% 的合并 pull request

7 月 30 日 — Cursor 分享了一项关于其云端代理采用情况的内部数据：在 12 月时，每 10 个已合并的 pull request 中只有 1 个来自云端代理；而如今这一数字已达到 56%。公司将这一增长归因于为代理提供专属云端机器，并赋予它们自行修复和改进运行环境的能力——这使它们能够端到端地完成更长的工程任务。

In December, 1 in 10 of our merged PRs came from cloud agents. Today, it’s 56%, as we use cloud agents to complete longer engineering tasks from start to finish. We got here by giving agents their own cloud computers and letting them fix and improve their environments.

🇨🇳 在 12 月，每 10 个已合并的 PR 中只有 1 个来自云端代理。如今，这一比例已达到 56%，这得益于使用云端代理来端到端地完成更长的工程任务。我们之所以走到今天，是因为我们为代理提供了自己的云端计算机，并让它们自行修复和改进其环境。 — @cursor_ai 在 X 上

堆叠式 pull request 在 GitHub 进入预览，Devin 当天即支持

7 月 30 日 — 两项彼此独立的公告，同一天发布，围绕同一个工作流：将一个大改动拆分成一系列更小、可独立审查的 pull request。

GitHub 将 stacked pull request 推向主流

GitHub 将 stacked pull requests 在所有仓库中推进到公开预览阶段。与其提交一个巨大的 pull request，或者手动 rebase 多个分支，不如将改动拆分为有序的层，每一层都可以通过一个“stack map”进行审查，显示当前审查的层在整体中的位置，然后再以一次操作合并。合并最上层会自动让其下方所有内容一起落地；合并中间层则会自动 rebase 并重新指向仍处于打开状态的更高层，同时不破坏现有的分支保护。该功能可通过 github.com、CLI（扩展 gh-stack）、移动应用，以及通过专用技能 gh-stack 直接从 GitHub Copilot 等编码代理中使用。

🔗 堆叠式 pull request — GitHub

Devin（Cognition）当天即原生支持

同一天，Cognition 的软件工程代理 Devin 宣布原生支持 GitHub 的 stacked PR：将大型改动拆分为更小的 diff，跨整个堆栈处理并修正审查评论，并在某一层演进时自动 rebase 下游变更。平台侧与代理侧的同步采用表明，这种新的审查模式正直接嵌入由自主代理驱动的工作流中，而不仅仅是服务于人类开发者。

🔗 Devin — Cognition 公告

Amp Labs 与 Westpac 银行达成合作

7 月 29 日 — Amp Labs，Amp 的服务/咨询部门（Sourcegraph 的独立分拆公司），宣布与 Westpac 建立合作关系，后者是澳大利亚历史最悠久的银行之一——一家拥有两个多世纪历史的企业。目标是改变银行构建和交付技术的方式，尤其是迁移和现代化被数百万人使用的数据系统。一支专门团队将前往悉尼现场办公，与 Westpac 的工程师并肩工作。文章介绍了该项目的创始团队——来自 Block、Ethereum Foundation、Google 和 Canva——并在悉尼开启本地招聘。此次合作体现了围绕编码代理的服务型产品正在快速增长，已超越单纯的软件订阅：Amp Labs 现在销售的是由其代理支撑的、现场的人力驻场服务。

🔗 公告 — Amp Labs x Westpac

GPT-5.6 API 降价，Sol 开启 Fast 模式

7 月 30 日 — 基于前一天取得的效率提升（GPT-5.6 Sol 已自行优化了生产内核，前文已报道），OpenAI 将 GPT-5.6 Luna 的 API 价格下调 80%，这是其最快、最便宜的模型；同时将 GPT-5.6 Terra 的价格下调 20%，后者是适用于常规用途的平衡型模型。这些降幅也体现在 Codex 和 ChatGPT Work 订阅的额度消耗上，但订阅配额和价格保持不变。

OpenAI 还在 API 中引入了 Fast 模式，取代了 Priority Processing 方案：对于 GPT-5.6 Sol，它提供最高 2.5 倍于标准处理的速度，价格翻倍，但智能水平不变。现有标记为“priority”的请求会自动切换到这一新模式。多家企业客户在证言中被提及，包括 Replit、Notion、Ramp、Blitzy、Cognition 和 Dust。

模型与模式	自 7 月 30 日起的定价
GPT-5.6 Terra（输入/输出）	每百万 tokens 2 美元和 12 美元
GPT-5.6 Luna（输入/输出）	每百万 tokens 0.20 美元和 1.20 美元
GPT-5.6 Sol，Fast 模式	最快可达 2.5 倍，价格翻倍

GPT‑5.6 Luna is the closest we’ve come to intelligence too cheap to meter. I’ve never seen a model this affordable be this powerful — it’s unlocking use cases for Replit we didn’t expect to build for a long time.

🇨🇳 GPT-5.6 Luna 是最接近“便宜到几乎无法衡量的智能”的东西。我从未见过一个如此实惠的模型还能如此强大——这为 Replit 解锁了许多我们原本认为短期内都无法构建的用例。 — Michele Catasta，Replit 总裁兼 AI 负责人——由 OpenAI 引述

两项 API 调整让 GPT-5.6 Sol 在 ARC-AGI-3 上的得分翻了三倍

7 月 29 日 — OpenAI 发布了一项分析，解释 GPT-5.6 Sol（7.8%）和 GPT-5.5（0.4%）在 2D 谜题基准 ARC-AGI-3 上初始得分偏低的原因，尽管 Sol 还解决了开放数学问题并击败了复杂电子游戏。调查显示，该基准的官方 harness 会在每次动作后清除模型的私有推理，并通过滑动窗口截断其历史记录，从而使其无法记住先前的思考和行动。

通过使用 OpenAI 的 Responses API（ChatGPT 和 Codex 生产环境中所用的接口）重建 harness，启用推理保留与压缩而非截断后，GPT-5.6 Sol 在公共集上的得分从 13.3% 提升到 38.3%，而输出 tokens 数量减少了 6 倍——人类参考值估计为 48%。OpenAI 由此给出一条通用建议：应使用 Responses API，而不是旧的 Chat Completions API，以获得更能代表真实使用场景的评估结果。

测试配置	得分（ARC-AGI-3）
基准官方 harness	13.3%
保留推理并进行压缩	38.3%（输出 tokens 减少 6 倍）
估计的人类参考值	48%

🔗 完整分析 — OpenAI

GitHub Copilot 在 Visual Studio：7 月回顾

7 月 30 日 — GitHub 发布了关于 Visual Studio 2026 中的 GitHub Copilot 的月度更新，带来四项新内容。新的 Agent（预览版） 出现在 Copilot Chat 选择器中，基于同一 Copilot SDK 构建，该 SDK 也为 GitHub Copilot CLI 提供支持——承诺带来更短的回复和更少往返即可完成任务。由相应内部团队编写的 .NET 和 Azure 内置技能，会在相关工作负载安装后自动出现在工具选择器的“Built-in”分类中（默认禁用）。Review Selection 功能允许选中代码、右键，然后获得可操作的行内评论。最后，组织级自定义指令 允许组织所有者定义共享偏好，并自动应用于所有仓库——仅限 Business 和 Enterprise 方案，而其余三项新功能可在所有方案中使用。

🔗 7 月回顾 — Visual Studio 中的 GitHub Copilot

Genspark 推出 SecondBrain，AI Workspace 6.0 的持久记忆

7月29日 — Genspark 通过其 COO Wen Sang 的媒体发言重点介绍了 SecondBrain，这是 AI Workspace 6.0 中的一项功能（已于 7 月 20 日发布）。其切入点是 AI 代理的“记忆问题”：它们会在不同会话之间遗忘项目上下文。在用户明确授权下，SecondBrain 可连接电子邮件、日历、聊天历史、会议记录以及外部工具（Gmail、Slack、Notion、HubSpot、Microsoft 365 等），从而构建一层可供 Genspark Super Agent 调用的个人上下文。文中记录了多个具体用途：自动生成每周摘要、在会议前根据参会者上下文生成简报，或在所有已连接来源中进行横向搜索。Genspark 将该软件与 SecondBrain Note 产品区分开来；后者是单独销售的实体录音设备，只是众多可选输入通道之一。

🔗 SecondBrain — Genspark 公告

Perplexity 在 Computer 中推出 Projects，Spaces 升级

7月30日 — Perplexity 在其代理编排环境 Computer 中用 Projects 取代了 “Spaces”：这是面向长期工作的持久工作区，配备共享且层级化的文件系统，后续任务可以在其基础上继续推进，而无需从零开始。Projects 连接到 Brain，即 Computer 的自我改进记忆系统；它会在任务之间重新读取 Project 的文件和会话，使每个新任务都带着已积累的上下文开始。协作性也是重点：同一团队的多个成员可以在同一个 Project 上工作，同时各自保留自己的个人记忆和连接器，并与自己的账户隔离。Perplexity 声称可连接超过 400 种工具（Google Drive、Notion、Linear、Snowflake、GitHub），并支持 Slack 和 Microsoft Teams 集成。现有的 Spaces 会自动迁移；从今天起，所有 Computer 用户均可使用。

🔗 Spaces 变为 Projects — Perplexity

Gemini Spark 集成 Chrome 并扩展至 160 多个国家/地区

7月30日 — Google 为其网页任务自动化助手 Gemini Spark 增加了与 Chrome 的直接集成，名为 Chrome auto browse。在用户授权下，Spark 现在可以借助浏览器中已连接的账号和已保存密码完成繁琐操作——例如安排已保存公寓的看房，或搜索航班并开始预订。Google 表示，这些操作可抵御 prompt injection 攻击，而付款等敏感步骤会始终交回用户进行确认。该功能先在美国上线，后续还计划扩展到其他地区。与此同时，自今天起，Google AI Pro 订阅用户在另外 160 多个国家/地区也将可以访问 Spark——这一扩展范围远超 7 月 23 日仅限美国的版本。

🔗 Gemini Spark 更新 — Google

Nano Banana 登陆 Google Earth

7月30日 — Google Earth 现已将 Nano Banana 2，即 Google 的图像生成模型，直接集成到其网页界面中。只需放大到某个地点，点击 “create image”，并描述你想看到的内容：模型会基于该地点的真实影像（卫星、航空和 3D 视图）生成图像，而不是通用场景。文章详细介绍了五种具体用法：重建历史遗址（例如公元 78 年时庞贝遗址的样貌）、为某地制作教学信息图、为房地产或城市规划项目生成方案图、在施工前可视化建设项目，或只是以奇幻方式重新想象一个地点。该功能从今天起已在全球范围内向所有 Google Earth 网页用户开放，无地域限制，也不受特定订阅等级限制。

🔗 Google Earth 中的 Nano Banana — Google

ElevenLabs 在 ElevenCreative Audiobooks 中推出 Character Casting

7月30日 — ElevenLabs 在其 AI 有声书制作套件 ElevenCreative Audiobooks 中推出 Character Casting。该功能允许导入完整手稿，然后直接在文本中的真实对话上预览不同声音，从而为每个角色分配不同的声音。其目标是简化配音选角——这一步在 AI 生成有声书的制作流程中一直是手工且耗时的——如今工作室可以直接依据书中实际说出的台词来匹配声音，而不是用通用的示范文本。

🔗 Character Casting — ElevenLabs

Inkling-Small：Thinking Machines 发布，NVIDIA 当天跟进

7月30日 — Thinking Machines（Mira Murati 的实验室）发布 Inkling-Small，这是 Inkling 的压缩版：总参数量 2760 亿、激活参数 120 亿、采用 NVFP4 量化，在与 Inkling（体量大四倍）相近的性能下，据 Hugging Face 评测代码能力更优。完整权重以开放访问形式发布，并可通过 Tinker 进行 fine-tuning，还可在 Tinker Playground 中试用（文本、图像、音频）。Hugging Face 还在当天通过专门的博客文章放大了这一发布，内容聚焦基准测试和性能，并在 Hub 上提供了模型合集。

NVIDIA 也在同一天补充发布，宣布 Inkling-Small 与 DGX Station 上的 NVIDIA NeMo 兼容，可用于 fine-tuning，并在 Hugging Face 上直接发布了一个专用的 NVFP4 格式 checkpoint。这种在发布日即可使用的硬件支持，体现了如今生态围绕第三方开放模型协同的速度：实验室发布权重，Hugging Face 记录性能，NVIDIA 则保证其 fine-tuning 基础设施的兼容性——这一切都在同一天完成。

技术特性	测量值
总参数 / 激活参数	2760 亿 / 120 亿
量化	NVFP4
发布日硬件兼容性	DGX Station 上的 NVIDIA NeMo

🔗 发布 — Thinking Machines 在 X 上

🔗 NeMo/DGX 支持 — NVIDIA 在 X 上

Sakana AI 与 NYU 发布 Dream-Cubed，Minecraft 的数据集与模型

7月29日 — Sakana AI 与纽约大学（NYU）共同发布 Dream-Cubed : Controllable Generative Modeling in Minecraft by Training on Billions of Cubes。其贡献有两部分：一个庞大的 Minecraft 世界数据集（数百亿“方块”，来源于程序生成地形以及经用户同意由人类构建的地图），以及一系列以这些方块作为 token 化单位训练的 transformers，类似语言建模中的单词。该模型可在方块分辨率上生成并实时编辑交互式 3D 环境，支持定点 inpainting、大规模 outpainting 以及用户条件生成，适用于任意规模的世界。数据集、训练代码和论文均已开放发布。

🔗 公告 — Sakana AI 在 X 上

Together AI 与 Y Combinator 为 YC 初创公司推出专用 GPU 集群

7月30日 — Together AI 和 Y Combinator 宣布达成合作，为 YC 投资组合中的初创公司提供首个专用 GPU 集群。目标是解决年轻 AI 初创公司最大的瓶颈——算力获取——而不迫使它们签下通常会超过其全部现金流的多年算力合同。YC 投资组合中的初创公司可以通过 Together AI 的自助服务门户自行预订、配置和管理 GPU，用于临时推理和训练需求，无需长期承诺，同时还能享受通常只面向长期合同的价格。就在当天，Together AI 还强调了一个首个实际案例：初创公司 Osmosis_AI 正在探索，是否可以通过强化学习让一个开源模型达到基础模型的水平，而该模型正是在这个集群上训练的。

🔗 YC 专用 GPU 集群 — Together AI

LightOn 在 Hugging Face 博客发布 mDenseOn 和 mLateOn

7月30日 — 法国实验室 LightOn AI 在 Hugging Face 博客上发布了 mDenseOn & mLateOn 系列：包括单向量和多向量的信息检索模型，以及相关数据集，专注于多语言检索、长上下文和代码检索——总计 18 个项目，以开放权重形式发布。此次发布延续了 7 月 28 日 LiquidAI（LFM2.5-Encoders）发布时的模式：第三方实验室将 Hugging Face 博客作为官方发布渠道，模型卡和合集直接托管在 Hub 上。

🔗 mDenseOn & mLateOn — Hugging Face 博客

快讯

Cognition 更新 FrontierCode 1.1 — 随着 GPT-5.6 Terra 和 Luna 的新一轮价格下调（见上文），该系列如今被定位在成本/性能的帕累托曲线上。 🔗 来源
Hugging Face 推出 Trackio Logbooks — Trackio 0.34.0 可自动将一次 AI 实验的代码、代理轨迹和工件捕获为可复现的静态 HTML bundle。 🔗 来源
Antigravity CLI 升级到 1.1.8 — 为 print 模式提供结构化输出格式（json、stream-json）、自定义 JSON schema 验证，以及对复合命令的改进权限。 🔗 来源
GitHub Models 正式下线 — playground、模型目录、推理 API 和 BYOK 已不再向任何客户开放；GitHub 将用户重定向到 Microsoft Foundry 或 GitHub Copilot。 🔗 来源
GitHub 将远程控制限制为受管理设备 — 为 Copilot 远程控制会话新增企业设置 remoteControl（requireSSO / disabled / enabled），可通过私有仓库、MDM 或配置文件部署。 🔗 来源
Kimi K3（Max）登顶 Fullstack Code Arena 排行榜 — 领先于 GPT-5.6 Sol（xHigh）和 Claude Fable 5，再次表明开源模型正在完整开发任务上追赶闭源模型（见上文的 Inkling-Small）。 🔗 来源

这意味着什么

基础研究正在走出实验室。 Claude Mythos 在一个 NIST 后量子候选方案以及一个弱化版 AES 中找到了新的缺陷——这是一项研究突破，而不是可在生产中利用的漏洞，但它说明了内部研究模型推进一个人类研究数十年的领域的速度之快。同一天，Gemini Robotics ER 2 让具身机器人从“单个机器人服从指令”迈向“多台机器协同完成共享任务”。Google Earth 也将图像生成锚定到真实世界：Nano Banana 不再绘制通用场景，而是根据某个具体地点的卫星影像进行重建或投影——与此同时，Gemini Spark 通过 Chrome，把文本转化为用户真实网络中的具体动作。仅在 7 月 30 日这一天，AI 就以四种不同方式离开了纯对话领域。

推理经济继续向开发者倾斜。 OpenAI 将 GPT-5.6 Luna 的 API 价格下调 80%，Terra 下调 20%，同时引入一种 Fast 模式：价格高出两倍，但速度快 2.5 倍——这是让价格与真实使用相匹配的两种相反方式。同一天，OpenAI 的分析显示，仅仅改变 API 配置（保留推理、进行压缩）就能让 GPT-5.6 Sol 在 ARC-AGI-3 上得分提升三倍，同时将输出 token 消耗降至原来的六分之一——模型性能同样取决于运行它的外部“框架”，而不仅仅是模型本身。Cognition 也据此立即更新了自己的 FrontierCode 基准：在新的折扣下，GPT-5.6 重新落到了成本/性能的帕累托曲线上。

开放模型继续追赶闭源模型。 Thinking Machines 发布了支持 NVIDIA 硬件、且发布日即可使用的 Inkling-Small；Sakana AI 与 NYU 开放了 Minecraft 的生成式数据集和模型；LightOn 发布了其多语言信息检索模型合集——三个不同实验室在同一天都选择了相同的渠道：Hugging Face 博客，用于发布和记录他们的工作。Kimi K3（Max）已经在 Agent Arena 排行榜上领先，如今又拿下 Fullstack Code Arena 第一名，领先于 GPT-5.6 Sol 和 Claude Fable 5。而 Together AI 与 Y Combinator 则直指这一生态系统仍然面临的真正瓶颈：算力获取，通过向 YC 投资组合中的 AI 初创公司交付专用 GPU 集群，而不要求它们承担多年承诺。

代码代理的工业化正在加速。 在 Cursor，来自云端代理的合并 PR 占比已从 12 月的 10% 上升到如今的 56%。GitHub 正式预览 stacked pull requests，而 Devin（Cognition）也在同一天原生支持了这一功能——平台侧与代理侧同时采用了同一套审查工作流。另一方面，Amp Labs 现在除了代理之外，还出售现场人力支持（为 Westpac 提供悉尼本地团队）；同时，GitHub 也通过新的基于其 SDK 的代理，为 Visual Studio 中的 Copilot 增添能力。Genspark 和 Perplexity 则在推动一个相关问题：记忆。SecondBrain 和 Projects 都为各自的代理提供了跨会话的持久上下文，这是连续完成长任务而不每次从零开始的前提。