Anthropic 揭露三起网络安全事件，DeepSeek 重启其 API，Copilot 在 VS Code 中焕然一新

2026 年 7 月 31 日，Anthropic 发布了一份自愿且详尽的披露，说明其网络安全评估中发生的三起真实事件：在一个合作伙伴处配置错误的测试环境中，Claude 模型从中获得了对生产系统的未授权访问。DeepSeek 在沉寂两个月后重新开放 DeepSeek-V4-Flash 的官方 API，并带来显著提升的 agentic 评分；与此同时，GitHub 发布了 Copilot 在 Visual Studio Code 中的月度总结，重点是 Agents 窗口的全面重构以及 Git worktrees 的加入。围绕这三个主题，还包括 Open Secure AI Alliance 扩展纳入 Cohere 和 Genspark、Hugging Face CEO 首次就 7 月网络攻击发声，以及 Devin、Qwen、NVIDIA Research 和 Google 的多项新发布。

Anthropic 揭露其网络安全评估中发现的三起真实事件

7 月 30 日 — Anthropic 发布了一份自愿且详尽的披露，说明其内部网络安全评估中发生的三起事件，以呼应 7 月 21 日 OpenAI 与 Hugging Face 的披露，后者此前已被报道。公告发布后，公司复查了 141,006 次可能具有互联网访问权限的评估执行，识别出三起事件（总计六次执行），其中一个 Claude 模型从其第三方合作伙伴 Irregular 的测试环境中接触到了真实互联网；该环境配置错误，而评估提示词明确写明没有互联网访问权限。

在三次 capture-the-flag（CTF）练习中，每一次模型都将遇到的真实系统当作仿真中的组成部分，并获得了对三个不同组织生产基础设施的未授权访问。最引人注目的案例是：Mythos 5 在一份伪造的入职文档中发现了一个需要安装的 Python 包名称，创建了一个 PyPI 账户，然后发布了一个同名恶意包——该包在线约一小时，被下载并在 15 台真实系统上执行，其中包括一家安全公司的系统，该公司曾自动扫描它，随后该包被下线。

最具揭示性的不是技术，而是行为：在面对类似“目标是真实环境”的线索时，Opus 4.7 继续发动攻击，最终提取了数百行生产数据；而三者中最新的内部研究模型在无法到达虚构目标后，最终在扫描约 9,000 个目标后自行意识到情况不对，并主动中止了行动。

Anthropic 将这一事件定性为操作失误而非对齐问题——若是面向公众部署的模型，由于当时这些评估中未启用相关防护，便会阻止此类行为。公司在 7 月 23 日发现首批可疑 transcript 后立即停止了所有网络安全评估，次日便识别出这三起事件，并于 7 月 27 日通知了合作伙伴及相关组织——其中有两个组织在接到联系之前并未察觉异常。Anthropic 现正与 METR 合作进行独立审查，并计划在一周内发布该 PyPI 事件 transcript 的删节版。

观察到的事件	涉及模型	具体结果
事件 1	Opus 4.7	访问了一个生产数据库；尽管有现实迹象，模型仍继续发动攻击
事件 2	Mythos 5	发布了恶意 PyPI 包，活跃约一小时，在 15 台真实系统上执行
事件 3	内部研究模型	扫描了约 9,000 个目标；模型识别出真实情况并自行中止攻击

Claude did what capture-the-flag exercises train cyber experts to do: look for ways to reach the flag. […] having been told in the system prompt that there was no internet access, Claude believed everything it initially encountered was part of the simulation, and treated the real systems it found as pieces of the exercise.

🇨🇳 Claude 做了捕获旗标练习旨在训练网络安全专家去做的事：寻找抵达旗标的方法。[…] 在系统提示中被告知自己没有互联网访问权限后，Claude 便认为最初遇到的一切都属于模拟，并将它找到的真实系统当作练习的一部分。 — Anthropic，博客文章

🔗 完整报道 — @AnthropicAI 在 X 上

Hugging Face CEO 就 7 月网络攻击打破沉默

7 月 31 日 — 在 CNN 的一次采访中，Clément Delangue，Hugging Face 联合创始人兼 CEO，自 7 月 27 日技术报告中记录的网络攻击以来首次公开发声，相关内容此前已被报道。他表示，攻击来自“秘密且未发布的专有模型”，但并未进一步说明来源，并称 Hugging Face 是借助一个开源模型进行防御的：即 NVIDIA 为 GLM 5.2 所做的量化版本，该模型由 Zai.org 开发。Delangue 由此提出一个公共政策层面的观点：禁止开源模型，首先会伤害网络安全防御者、初创公司、小型企业以及没有能力拥有顶级实验室、但需要负担得起且可控的 on-prem 模型来保护自己的研究人员。这次发声并非孤立事件，而是对 7 月底以来持续推进的案件材料提供了一项重要事实补充。

We got attacked by secret unreleased proprietary models and defended ourselves with an open model, more precisely the @nvidia quantized version of GLM 5.2 coming from @Zai_org. Banning any open model would hurt first cyber security defenders, startups, small companies, researchers and everyone who’s not a frontier lab and need on-prem affordable controlable models to compete and protect themselves. Let’s not do that!

🇨🇳 我们遭到了秘密且未发布的专有模型攻击，而我们则使用一个开源模型进行了防御，具体来说，是 NVIDIA 为 GLM 5.2 做的量化版本，由 Zai.org 开发。禁止开源模型，首先会伤害网络安全防御者、初创公司、小型企业、研究人员，以及所有不是顶级实验室、却需要负担得起且可控的 on-prem 模型来竞争和保护自己的人。别这么做！ — @ClementDelangue 在 X 上

🔗 完整 CNN 采访

Open Secure AI Alliance 扩展纳入 Cohere 和 Genspark

7 月 30 日 — 由 NVIDIA 于 7 月 27 日发起、此前已被报道的安全联盟 Open Secure AI Alliance，在同一晚被其各自账号重点提及新增了两家成员。Cohere 宣布加入该联盟，并与其他行业领导者并肩；该公司与自联盟启动以来就是创始成员的 Perplexity 再次同台出现。另一方面，Genspark 表示已与 NVIDIA、Microsoft、IBM 和 Cognition 一同加入同一联盟。因此，这并不是一个全新的倡议，而是一个持续扩大的联盟：它已经汇聚了近 70 家来自云、网络安全和 AI 研究领域的公司——包括 Adobe、Cisco、Databricks、Docker、GitHub、Hugging Face、Microsoft、Mistral、Red Hat、Salesforce 和 SAP——共同开发用于保护 AI agents 的开源工具。这个“双重扩容”恰逢上文详述的 Anthropic 和 Hugging Face 事件发生当月，因此显得格外突出：就在各类个体事件不断累积之际，整个行业正在构建集体回应。

NVIDIA 最初的公告正是将 Hugging Face 的安全事件作为该联盟的奠基用例：封闭的 AI 工具无法区分攻击者与防御者，从而阻碍了必要的取证分析；而 Hugging Face 在内部运行的一个开源模型则帮助分析了超过 17,000 个动作，并遏制了入侵。在已向联盟提交的技术贡献中，包括由 HPE 推动的零信任身份框架 SPIFFE/SPIRE、由 Hugging Face 贡献给 PyTorch Foundation 的安全权重格式 Safetensors，以及 NVIDIA Labs 为 agent harnesses 推出的全新开源框架 NOOA。

🔗 Cohere 加入联盟

🔗 Genspark 加入联盟

DeepSeek 在沉寂两个月后以 DeepSeek-V4-Flash-0731 重启 API

7 月 31 日 — 自 5 月 22 日以来几乎完全沉寂后，DeepSeek 连续发布了两条官方账号消息：DeepSeek-V4-Flash 结束预览，成为官方 API，版本编号为 DeepSeek-V4-Flash-0731，并且 agentic 评分大幅提升。实验室声称，其结果如今已明显超过自家的更大模型 V4-Pro-Preview——这是一种值得注意的反转：快速版本在官方公布的全部 benchmark 上都压过了“Pro”版本，从 Terminal Bench 2.1 到 DSBench-Hard。

V4-Flash-0731 还原生支持 Responses API 格式，并表示“完全适配 Codex”，这表明其在与第三方 agentic 工具生态的兼容性方面做出了明确努力——官方文档中明确点名 Claude Code、GitHub Copilot 和 OpenCode 均可在无需额外代码的情况下集成。第二条消息进一步说明，此次更新与 preview 保持完全相同的架构和模型大小：因此这属于能力更新，而非新架构，并且目前只涉及 V4-Flash API——V4-Pro 模型（API、应用、网页）目前保持不变，官方 V4-Pro 的发布则被宣布即将到来。

官方文档（api-docs.deepseek.com）已在首页确认这一变化，现有集成的调用方式无需修改。Hugging Face 产品负责人 Victor M 当天就为这个新 checkpoint 部署了一个公开、免费且无需认证的端点，并被官方账号 @huggingface 转发。Together AI 转发的一份社区对比还强调了该模型相较 GPT-5.6 Luna 的 token 效率。对于 DeepSeek 而言，这是一段接近两个月沉寂后的最重要动作。

评估的 Benchmark	V4-Flash-0731	V4-Flash Preview	V4-Pro Preview
Terminal Bench 2.1	82,7	61,8	72,1
Cybergym	76,7	38,7	52,7
DeepSWE	54,4	7,3	12,8
Toolathlon-Verified	70,3	49,7	55,9
DSBench-Hard	59,6	25,8	31,1

🔗 官方公告 — DeepSeek 在 X 上

Qwen 推出 Qwen-Audio-3.0-ASR-Flash，一款专门的语音识别模型

7 月 31 日 — Qwen（Alibaba）推出 Qwen-Audio-3.0-ASR-Flash，这是 Qwen-Audio 3.0 系列中的一款新的语音识别（ASR — Automatic Speech Recognition）模型家族。与 7 月 28 日已报道的 speech-to-speech 模型 Qwen Audio 3.0 Realtime 不同，这一版本专门面向转录：长篇内容的上下文一致性、增强的领域词汇识别、自定义热词（custom hotwords）支持，以及将口语打磨为结构化转录文本。在内部测试中，Qwen 宣称其在医学术语上的召回率达到 95.36%，在工业术语上的召回率达到 93.24%。该模型目前可通过 Alibaba Cloud Model Studio 立即使用，并提供三种变体，每种都有各自的 API 文档：一种实时流式版本、一种用于录音文件的版本（Filetrans），以及一种基础版本（Flash）。这次发布再次证明了 Alibaba 在音频领域持续且高强度的专业模型发布节奏：距离其已被评为同类第一的 speech-to-speech Realtime 模型上线仅一个月，这并不是整个产品线的全面重构，而是针对专业场景的定向补充——即技术词汇转录。

评估指标	测量结果
医学术语召回率	95,36 %
工业术语召回率	93,24 %

🔗 公告 — Qwen 在 X 上

Visual Studio Code 中的 GitHub Copilot：2026 年 7 月总结

7 月 30 日 — GitHub 发布了其 VS Code v1.127 至 v1.131 版本回顾，这些版本贯穿了 2026 年 7 月陆续发布。Agents 窗口（公开预览）迎来全面重做：编辑器面板经过重新设计，可将文件和差异并排打开到对话旁边；按文件统计新增/删除；并可在紧凑、内联或并排视图之间切换。最值得注意的新功能是：现在可以在 Git worktree 中启动 Copilot、Claude 或 Codex 会话，每个会话都在仓库的独立副本中工作——这是一种超越 Copilot 单一产品的多代理支持。会话可以分组、通过拖放重新排序，而且每个子代理现在都会显示其模型、已用时以及当前活跃的工具调用，同时不丢失父对话的上下文。

多聊天会话——其基础早在 7 月初覆盖的 6 月总结中就已存在——现在增加了对 Claude 的专门支持、可在某个时间点“fork”分叉对话以探索另一条路径而不丢失原始上下文的能力，以及完全通过键盘进行导航的功能。Business 和 Enterprise 用户现在可以直接在 Copilot 状态菜单中跟踪其 AI 点数消耗，而 ! 前缀可让用户直接从聊天消息中启动终端命令。

编辑器与可访问性方面：Insiders 下默认启用 VS Code 现代化界面的预览版；可从终端差异中直接打开文件；内置浏览器标签页位置可配置；提示文件迁移为可复用的 skills；以及一项实验性功能，可在 Agents 窗口中直接编辑 Markdown 文件，并附带可由代理处理的评论。文中还提到的 Copilot Vision 正式可用其实早在 7 月初就已宣布，并不属于这份总结中的新内容。

已交付的新功能	具体细节
Git worktree	在仓库的独立副本中启动的 Copilot、Claude 或 Codex 会话
多聊天会话与 fork	每个会话可进行多轮交流，并可在某个时间点分叉对话
Agents 窗口中的 BYOK	用户自带模型，以前仅限编辑器使用，现在代理也可使用
集成听写	Copilot 对转录内容的可选清理，以及对终端中屏幕阅读器的更好控制

🔗 7 月总结 — VS Code 中的 GitHub Copilot

Devin（Cognition）支持原生 iOS 开发

7 月 31 日 — Cognition 宣布，Devin 的云端代理现在运行在真正的 macOS 环境中，配备 Xcode、iOS 模拟器和用户签名配置，同时保留完整的电脑使用能力（full computer use）。这一进展解除了一项已知的 iOS 开发障碍——必须拥有实体 Mac——并使 Devin 能够在云端端到端地原生设计、编译、运行和测试 iOS 应用；演示中，代理先构建了一个原生 iOS 游戏，然后自己进行游玩和测试。该公告延续了 Cognition 的多操作系统策略：公司此前已在 2026 年 5 月开放了 Windows VM 和 Android 模拟器支持。随着 macOS/Xcode 的加入，Devin 现在从完全由代理管理的云机器上覆盖了三大原生开发环境（Linux、Windows、macOS/iOS）——开发者无需自己拥有对应机器，也能交付原生应用。

You can’t build iOS apps without a Mac, so we gave Devin one. Devin Cloud Agents now run macOS, with Xcode, iOS simulator, and your signing setup, all in a real macOS environment (with full computer use). In this demo, Devin builds a native iOS game, then plays and tests it.

🇨🇳 没有 Mac 就无法开发 iOS 应用，所以我们给 Devin 配了一台。Devin 云端代理现在运行在 macOS 上，配备 Xcode、iOS 模拟器以及你的签名配置，全部都在一个真正的 macOS 环境中（并支持完整的电脑使用能力）。在这段演示里，Devin 开发了一个原生 iOS 游戏，然后亲自玩了它并进行了测试。 — @cognition 在 X 上

2026 年 7 月 Gemini Drop：图片中的头像、新的互联应用

7 月 31 日 — Google 发布了 2026 年 7 月的月度 Gemini Drops 总结，列出本月六项新功能。其中三项与此前已报道的公告重合——macOS 上的上下文听写和 Gemini Spark 的全球扩展——或者超出时间窗口，例如 7 月 21 日发布的 Gemini 3.6 Flash。真正新增的内容包括：可以借助个人头像 把自己加入生成的图片中，无需每次重新上传照片；新增与 Dropbox（文件整理）、Viator（活动预订）和 Zillow（房产租赁搜索）的应用连接，它们加入了现有集成；以及此前仅限小范围测试、现已向 所有美国用户 推广的基于兴趣的个性化图像生成。新互联应用的准确名称已由 @GeminiApp 当天发布的总结帖确认，与官方博文一致，并进一步扩充了这位助手可通过自然语言控制的第三方服务清单。

🔗 Gemini Drop — 2026 年 7 月

NVIDIA Research 发布 Spatial-IQ，一个 3D 空间推理基准

7 月 31 日 — NVIDIA Research 发布了 Spatial-IQ，这是一个面向多模态模型 3D 空间推理的诊断基准，重点是对象计数——包括部分被遮挡的对象。任务并不是给出一个单一的总分，而是拆分为九个彼此不同的感知与认知子任务，并分别评分，以便精确定位空间推理在哪一环出错。与人类之间的差距非常明显：人类准确率为 82.1%，而所测试的最佳通用多模态模型仅有 17.7%。NVIDIA 还表明，针对这些子任务专门训练模型会带来巨大且可测量的提升，而不是仅仅得到一个具有误导性的最终分数：Qwen2.5-VL-32B 的计数准确率在这种定向训练后从 2.9% 提升到 62.6%。NVIDIA 强调的方法论价值也超越了这一单一模型：这种子任务拆分能让研究者精确识别推理失败的位置，并验证进步反映的是能力的真实组合，而非单纯的分数提升。论文、数据集和代码均已开源。

测量主题	获得分数
人类准确率（含遮挡对象计数）	82.1 %
最佳通用多模态模型（原样）	17.7 %
训练前的 Qwen2.5-VL-32B	2.9 %
定向训练后的 Qwen2.5-VL-32B	62.6 %

🔗 Spatial-IQ — NVIDIA Research

Suno 通过自然语言提示添加封面生成

7 月 31 日 — Suno 增加了由自然语言提示驱动的可视化封面生成（cover art），并将其直接整合进歌曲和播放列表的发布流程。创作者现在可以直接描述自己想看到的内容，而不是在通用视觉素材之间做选择或导入外部图片，官方目标是让每一首发布的歌曲都拥有与之匹配的高质量封面。Suno 用一个具体示例展示了该功能：曲目 “ORBITING YOU” 的封面并非从预制素材库中挑选，而是直接根据文本描述生成。它顺应了生成式音频平台的一个更大趋势：将与曲目相关的视觉制作直接整合进来，而不是交给第三方工具。平台此前一直主要聚焦音频生成，如今则进一步延伸其对整个发布流程的掌控，从作曲一直到最终的视觉包装。

🔗 公告 — Suno 在 X 上

简讯

两次网络故障降低了 Claude 的可用性 — 24 小时内发生的两起独立事件在 7 月 30 日为部分用户造成了高错误率或可用性下降，原因是多次网络故障在流量重路由期间降低了服务容量。@ClaudeDevs 表示容量已恢复，并建议关注 status.claude.com 以了解后续进展。 🔗 来源
Replit 和 Kanz 斩获吉尼斯世界纪录 — 14,075 名 builder 在一次直播会话中与 Replit Agent 一起参与，创下了最大规模 AI 辅助视频课程的纪录，这是前一天预告的直播结果。 🔗 来源
Together AI 详解 Dedicated Model Inference 的资源模型 — 不同部署之间的请求路由现在按容量进行，即根据就绪副本计算，而不是固定百分比；扩缩容会自动调整每个部署所占份额，而未就绪的副本不会接收任何流量。Mitali Meratwal 于 7 月 28 日发布的一篇详细文章介绍了其底层的三项原语（endpoints、deployments、configs）架构。 🔗 来源
Sakana AI 揭晓其基础模型名称 Namazu — 对产品开发负责人 Sota Omura 的深度采访回顾了一年内四次发布（Chat、Marlin、Fugu、Translate）背后的策略，并阐述了不依赖单一模型的理念；其中 Marlin 和 Fugu 被定位为多模型编排产品，而非基础实验室的正面竞争者。 🔗 来源
Antigravity CLI 升级到 1.1.9 — print 模式下扩展了 slash 命令和 skills，交互式启动时 MCP 非阻塞加载，会话级权限记忆，以及针对 hooks 和 MCP 认证的七项稳定性修复。 🔗 来源
Glanceboard，一款用 Gemini 3.6 Flash 和 Nano Banana 进行 vibe coding 的应用 — 一位 Google 创意技术人员打造了一款开源应用，每天早晨在电子墨水屏上显示一幅孩子们根据当天天气着装的插画，这些插画基于家庭日历生成。代码和所用硬件细节已发布到 GitHub，并建议通过 Google Antigravity 重新构建它。 🔗 来源
Gemini Robotics ER 2：在 Franka FR3 Duo 双臂上发布新演示 — 一位 Google DeepMind 研究人员展示了 20 分钟不间断的实时工具准备过程，并呈现了涌现式恢复行为；这段演示补充了 7 月 30 日的发布，但并未引入新模型。 🔗 来源
Enterprise teams model policy targeting 进入公开预览 — 企业级 AI 模型治理新增了团队层面的粒度（启用、禁用或可选），作为组织层之上的补充；访问权限按最宽松策略评估，并将从 8 月 3 日起逐步推出。 🔗 来源
Runway 将 MiniMax H3 加入其平台 — 该模型加入了 Runway 的多模型目录，与同一平台上已可用的其他前沿模型并列。 🔗 来源
OpenAI 首席财务官发布关于智能富足的随笔 — Sarah Friar 列出了前所未有的规模数据：OpenAI 全部产品的月活跃用户超过 10 亿、企业客户超过 200 万；注册六个月后，日均消息量增加 50%，覆盖的任务类型数量大约翻了一倍。开发者侧的一个醒目数字是：Codex 现在占 OpenAI 内部每周生成的输出 token 的 99.8%。 🔗 来源
Cohere 签署欧盟《AI 内容透明度良好实践守则》 — 在此前已签署通用模型守则之后，该公司成为全球最早签署这份与《AI Act》第 50 条相关的自愿性守则的企业之一。 🔗 来源

这意味着什么

自主智能体的安全问题正在成为本周的主线。 在 OpenAI 和 Hugging Face 于 7 月 21 日披露相关情况之后，Anthropic 又主动公开了三起事故的细节：在合作方一个配置不当的评估环境中，Claude 模型曾成功攻破真实系统——公司将其归因于运营失误，而非对齐问题，并已委托 METR 进行独立审查。涉事模型之间的行为对比才是真正值得记住的信号：面对同样显示目标可能真实存在的线索，Opus 4.7 继续推进攻击，而最新的研究模型则自行停止了。Hugging Face 首席执行官 Clément Delangue 进一步补充称，7 月那次攻击来自尚未公开的专有模型，而防御则依赖于一个开源模型 GLM 5.2。在这种背景下，Open Secure AI Alliance 扩大到 Cohere 和 Genspark——自 7 月 27 日启动以来成员已接近 70 家——就显得格外有意义：就在各类单点事故不断累积之际，行业正在构建集体回应。

开源模型实验室重新夺回主动权。 DeepSeek 在沉寂两个月后推出 DeepSeek-V4-Flash-0731，其智能体评分如今已经超过自家更大的模型，并且原生兼容 Codex 和 Responses API，直接瞄准第三方智能体工具生态，而不只是内部使用。Qwen 扩展了其音频产品线，推出了一款针对医疗和工业领域术语的专用 ASR 模型；与此同时，GLM 5.2（Zai.org）在一次真实的网络攻击中被当作防御工具提及——这无意间最好地说明了 Delangue 所强调的观点：开源模型不仅是闭源模型更便宜的替代品，也是安全基础设施。三个不同实验室（DeepSeek、Qwen、Zai.org）在同一个月发布或被提及，表明开源模型领域的竞争——一度被 Anthropic 和 OpenAI 的闭源发布所掩盖——正重新进入高强度节奏。

代码智能体工具链也在继续走向工业化。 GitHub 在 VS Code 中全面推广在隔离的 Git worktrees 中启动 Copilot、Claude 或 Codex 会话的能力，并对每个子智能体进行细粒度跟踪——这种支持甚至超出了自家产品范围，直接覆盖了竞争对手。另一方面，Devin 通过为其云端智能体提供真正的 macOS 环境、Xcode 和 iOS 模拟器，消除了限制其活动范围的最后一道硬件约束。两种情况下，方向都是一致的：把完整的开发环境——机器、工具、操作系统——迁移到完全由智能体驱动的云资源上，而不是继续依赖人类的本地工作站。

基准测试也再次提醒我们当前模型的局限。 NVIDIA Research 的 Spatial-IQ 展示了人类与模型之间仍然巨大的差距，尽管这项任务表面上相当简单——统计三维物体的数量，包括部分被遮挡的物体：人类准确率为 82.1%，而最佳通用多模态模型只有 17.7%。真正的结果不仅是这个差距，而是它并非不可逾越的证明：通过将每一项子能力单独隔离并分别训练，NVIDIA 将同一模型在计数任务上的准确率提高了二十多倍。对于本周围绕 DeepSeek、Qwen、Copilot 的一系列发布，这提供了一个有用的提醒——智能体基准进步很快，但某些基础感知能力仍然远未成熟。