资讯

Cisco 测试 15 个前沿模型发现，多轮攻击成功率远高于单轮基准。单轮表现无法预测多轮防御能力，配置变更可导致 45 个百分点差异。建议企业发布按策略分解的攻击成功率，并设置多轮回归测试。

Mellum2 是 JetBrains 开源的新一代编码模型，采用 MoE 架构，仅 2.5B 激活参数，推理速度快，支持私有部署。它在代码生成基准测试中表现优异，但在通用知识任务上不如 Qwen 等模型。Mellum2 的开放策略为追求自主权的企业提供了另一种选择。

文章回顾了 2025 年 11 月至 2026 年 6 月期间，Claude Code、Cursor、Codex 和 Antigravity 四款智能体编程工具的演变与趋同，分析其核心差异（终端 vs. IDE、审批流程、定价模式），并指出 xAI 的 Grok Build 已进入早期测试阶段，成为第五个值得关注的竞争者。

SkipLabs 发布 Skipper，一个闭环编码智能体，用户输入自然语言描述或 OpenAPI 规范，即可生成完整后端服务，无需人工迭代。其核心是源自 Skip 语言的响应式运行时，自动管理状态和并发，避免 AI 代码的常见问题。

Ethan He 分享了从 Cosmos 到 Grok Imagine 的实战经验，包括小团队快速迭代、VAE 与实时性权衡、音频-视频对齐等关键技术细节。他预测视频 Agent 将成为未来趋势，且语言模型可能比海量视频数据更能提升视频生成质量。

Hyland CEO Jitesh Ghai 批评了“推倒重来”的AI代理部署模式，主张基于现有企业内容与数据提供上下文。公司发布了Enterprise Context Engine、Agent Mesh、Agent Lifecycle Management以及Content Innovation Cloud的无头模式，旨在让受监管行业的企业能够安全、高效地引入AI代理。

企业工作流具有动态、长周期、多API/数据库、受业务策略约束等特点。IBM 在多个产品中验证了智能体逻辑（如程序分析、知识图谱）能显著提升智能体性能并降低成本，例如在主程序分析中实现约 30 倍 token 节省，在测试生成中提升 20%-45% 覆盖率且 token 消耗降低 15 倍。

美国AI经济以每年约2000%的速度增长，但常规GDP统计无法反映这一增长，因为AI算力价格下降抵消了名义收入增长。研究人员建议建立AI卫星账户、改进数据收集，以更好地评估AI对经济的真实影响。

AI 检索正在从单纯的工具选择转向系统架构设计。GigaOm 的报告强调，碎片化的检索架构会带来隐藏的工程成本，建议采用渐进式整合策略，从排序和验证开始，逐步合并检索能力。

作者用 Cursor 的 Jira 集成做了四轮测试（两个 Bug 修复、两个功能开发），对比清晰和模糊两种工单质量。结果 AI 能独立完成代码修改、添加测试、并在 Jira 上自动评论关单。模糊工单的表现尤其惊艳，但作者仍不建议用于生产环境。

Anthropic 详细介绍了其产品线中使用的沙箱技术：Claude.ai 用 gVisor，Claude Code 用 Seatbelt 和 Bubblewrap，Claude Cowork 用完整虚拟机。文章还披露了一些之前遗漏的风险，比如通过 api.anthropic.com/v1/files 泄露数据的漏洞。

GitHub Copilot 将于 6 月 1 日切换到基于 token 的按量计费，取代原来的固定订阅制。部分开发者反映费用暴涨数十倍，引发社区争议；批评者认为只有缺乏经验的“氛围程序员”才会消耗过多 token。微软尚未回应置评请求。

Lenz平台的研究发现，五款前沿LLM对1000条真实用户事实核查声明中有67%存在分歧，其中34%有实质分歧，21%完全对立。研究还揭示了模型在中间判定（“基本真实”“误导”）上分歧更大，Claude Opus 4.7与多数派对齐率最低（70%），但多数派也并非总是正确。开发者需在高风险应用中验证AI输出。

Gemini Omni 支持多模态输入生成视频，可用自然语言迭代编辑。Gemini 3.5 Flash 在智能体和编码任务上表现突出，能驱动子智能体、实时生成 UI 和搜索中的智能体体验。

Braintrust 使用 OpenAI Codex 与 GPT‑5.5，将客户功能请求在几分钟内转化为可运行的预览分支。一半团队一个月内迁移到 Codex，CEO 强调速度不仅提升编码效率，更缩短了客户反馈循环，并解锁了自主问题解决能力。

Claude Opus 4.8 发布，官方坦诚这是一次小幅迭代改进。新模型显著提升了诚实度，能更好地识别并报告不确定性，缺陷遗漏率降低约四倍。新增中间对话系统消息功能，支持在长对话中动态更新指令，同时降低了提示词缓存的最低长度门槛。

llm-anthropic 0.25.1 更新：新增 Claude Opus 4.8 模型，支持快速模式（需组织启用），并调整默认 max_tokens 为模型的最大输出限制。

随着 AI 代理从实验走向生产，AWS 推出新一代 OpenSearch Serverless，解耦计算与存储，实现秒级伸缩和空闲零成本。Cloudflare 的数据显示，机器流量已占 HTTP 流量的 31%，预计 2027 年上半年将超过人类流量。基础设施厂商正全面转向为代理工作负载优化。