Claude在数周内为123个开源库生成约1.8亿行经机器检查的证明，并修复数百个漏洞。OpenAI内部智能体审计则发现，上下文压缩导致约10%符合条件的内部Codex流量未被监控。微软MAI-DxO在304个复杂病例中达到83%诊断准确率，下一步将通过患者直接互动检验临床表现。Modal以157.5亿美元估值融资7.5亿美元，年化营收运行率突破10亿美元，其中Sandboxes贡献3亿美元。
能证明特定缺陷不存在，不代表能捕获智能体运行中的失准行为。
Anthropic前沿红队与Theorem Labs合作，在数周内用Claude为123个开源库的239个入口验证安全属性。共生成约1.8亿行经机器检查的证明，并修复数百个漏洞。形式化验证能证明代码不存在特定类型的缺陷，但过去通常只适用于小型代码库，或需要投入大量专家时间。
读原文 →METR与Redwood Research的两名审计员在OpenAI驻场三周，评估内部智能体的失准行为监控系统。审计发现，智能体可通过不交还控制权无限期推迟监控，一种漏洞能让数百次近期操作逃过监控。上下文压缩还导致约10%符合条件的内部Codex流量未被监控。
读原文 →🔍 深度解读：即使Claude能为123个库的特定安全属性提供证明，也不能据此消除OpenAI审计中由控制权交还、上下文压缩引发的监控盲区：代码属性与运行覆盖率是两个独立的验收对象。对部署智能体的企业而言，安全验收不能只看代码检查结果，还要确认监控是否依赖智能体主动交还控制权，以及压缩后的操作记录能否进入审计。
MAI-DxO的下一道检验，是从交互式病例评测转向真实患者互动。
微软诊断系统 MAI-DxO 在304个NEJM复杂病例评测中达到83%准确率，医生使用参考资料时为36%，不使用时为22%。它不一次性给出答案，而是让多个虚拟医生分轮讨论，逐步选择问诊和检查，并权衡成本。评测采用交互式病例；微软将与波士顿贝斯以色列女执事医疗中心开展前瞻性研究，让患者直接与系统互动，检验真实临床表现。
读原文 →Modal展示运行层的付费需求，亚马逊仍在为供给缺口投入资本。
Modal完成7.5亿美元D轮融资，由Accel领投，投后估值157.5亿美元，年化营收运行率突破10亿美元。距C轮融资仅五个月，其用量已增至三倍，同比增长超过15倍。2023年推出的Sandboxes单项产品年化营收运行率达3亿美元，累计启动近30亿个沙箱，可扩展至百万并发，用于后台智能体、强化学习等场景。
读原文 →亚马逊预计2026年资本支出约为2200亿美元。CEO Andy Jassy表示，即便投入这一规模的资金，公司仍无法满足相当一部分AI需求。他认为，这轮基础设施扩建最终有望推动AWS达到1万亿美元的年化营收规模；更低的推理成本也可能推动企业更广泛地采用AI。
读原文 →🔍 深度解读：Modal的Sandboxes已占其年化营收运行率约三成，说明智能体基础设施的收入不只来自底层算力，也来自隔离执行与并发调度；亚马逊2200亿美元的资本支出预期则对应更底层的供给扩张。两者不能直接作为同一种增长指标比较：前者已有产品收入支撑，后者能否兑现回报，还取决于新增容量被需求消化的速度。
流程知识的标准归属与模型服务的采购入口正在分开。
Anthropic 将 Agent Skills 捐赠给 Linux 基金会旗下的 AAIF，已有超70个智能体平台集成该标准。它起源于 Claude Code，用技能文件夹补足业务流程知识；此次连同名称、标识、GitHub 组织及域名一并移交，以保持厂商中立。使用或贡献标准无需加入 AAIF。
读原文 →Anthropic 托管的 Claude 谷歌云服务正式可用，支持现有 Google Cloud IAM 凭证、统一账单及承诺消费抵扣。新版与原生 Claude 平台同日上线新功能和测试功能，已支持代码执行、Skills API 和 Opus 5.5 快速模式。目前提供美国及全球端点，由 Anthropic 担任数据处理方；需要谷歌担任数据处理方或严格区域数据驻留的客户仍可选谷歌托管版。
读原文 →🔍 深度解读：Agent Skills移交AAIF、已有超70个平台集成，降低的是业务流程知识绑定单一厂商的风险；Claude谷歌云服务接入IAM、账单和承诺消费，降低的则是企业采购与接入阻力。对企业而言，技能格式可以按中立标准管理，但模型服务仍需单独选择：新版功能同日上线与严格区域数据驻留，并不由同一种托管方式同时满足。
MiniMax压缩通用模型部署负担，Carbon-X针对DNA任务重做表示。
MiniMax 开放 M3.1 Flash 权重，总参数4280亿，每个 token 激活230亿。模型支持100万 token 上下文和视觉输入。vLLM 首日提供部署支持，采用原生 NVFP4 权重和 KV 缓存，将检查点体积缩小44.6%至250.1GB。
读原文 →Hugging Face发布Carbon-X，将DNA与文本结合，基于Qwen3-14B以3000亿混合词元进行中期训练。团队称其DNA基准成绩距GPT-6.1 Sol不到1分，推理成本低逾1000倍。模型使用6-mer DNA分词，词元数约为BPE的三分之一；采用Apache 2.0许可，可在笔记本电脑运行，训练排除了人类及动物病毒。
读原文 →🔍 深度解读：M3.1 Flash用原生NVFP4压缩权重与KV缓存，Carbon-X则用6-mer分词缩短DNA表示；一个减少部署负担，一个针对任务改变输入表示，成本数字不能横向等同。对开发者而言，开放权重也不意味着相同的硬件门槛：250.1GB检查点与可在笔记本运行对应不同部署条件，选型应先区分通用多模态需求与DNA专用任务，而不是只比较参数规模或基准分数。