AI 日报 · 2026-08-05

今天自动驾驶和智能体领域迎来重要模型：NVIDIA 推出可商用的 Alpamayo 2 Super 自动驾驶模型，谷歌则一口气发布多款 Gemini 生产级智能体模型和当前最强的具身推理模型 Gemini Robotics ER 2。工具链方面，LLM 0.32 带来推理追踪和服务端工具等重大进化，LangChain 生态通过 Stripe 一周上线 Kai、Lyft 与 Vodafone 的 CX 代理实践，以及语音代理评估指南，展示了代理落地的成熟模式。此外，OpenAI 的 ChatGPT Work 上线三周即破千万用户，被视作面向十亿用户的代理产品预览。

北美一手（LLMs 官方 & 关联账号）

OpenAI

⭐⭐ [产品更新] Third-party cyber evaluations involving OpenAI models

OpenAI 就近期第三方网络安全评估中的事件进行说明，披露了评估流程中出现的问题，并宣布引入新的保障机制，以增强面向 AI 模型的安全测试与评估。这些措施旨在提升评估过程的可靠性与透明度，减少潜在风险。

Google

⭐⭐⭐ [模型发布] The latest AI news we announced in July 2026

谷歌在7月一口气推出了三款面向生产级AI智能体的新Gemini模型：Gemini 3.6 Flash、3.5 Flash‑Lite和3.5 Flash Cyber，在效率与质量之间取得平衡，支持大规模智能体工作流。同时发布了目前能力最强的具身推理模型Gemini Robotics ER 2，让机器人能够理解复杂物理环境并与人类自然协作。此外，借三星Galaxy Unpacked 2026之机，谷歌在新款折叠屏手机上首次提供Gemini Intelligence功能，并优化了Android 17的本地数据迁移体验，其他更新还包括创意工具和野火卫星检测等。

衍生 & 周边（产品 / Agent / Tools / 观点）

模型发布

⭐⭐⭐⭐ [模型发布] NVIDIA Alpamayo 2 Super, the Frontier Open Model for Robotaxis and Autonomous Vehicles, Now Available for Commercial Use

NVIDIA 发布了 Alpamayo 2 Super 前沿开放模型，专为处理机器人出租车和自动驾驶车辆中的长尾复杂场景设计，现已开放商业使用。该模型超越了传统的目标检测和运动预测，助力车辆理解情境、推理因果并选择正确行动。作为一款可商用的开放模型，它有望大幅加速自动驾驶技术的开发和部署。

⭐⭐ [模型发布] Deploy local agents everywhere with LFM2.5-2.6B

LiquidAI 发布 LFM2.5-2.6B，一款 2.6B 参数的小型智能体模型，专为本地设备运行设计，支持工具调用与多步工作流。模型通过预训练、中训练扩展上下文至 128K，以及 SFT、多领域教师蒸馏和真实工具环境下的强化学习训练而成。基准测试显示其在指令遵循与工具使用上普遍超越或持平 4 倍参数量的同类模型，尤其擅长 IFBench、Multi-IF 等指标。在 Apple M5 Max 上可达 220 tok/s，内存占用低于 2.5 GB，并已适配 llama.cpp、MLX、vLLM 等主流推理框架，让开发者能随时随地隐私、零成本地部署智能体。

产品更新

⭐⭐⭐ [产品更新] New release of LLM adds support for reasoning traces, OpenAI Responses, server-side tools, and smarter logging

Simon Willison 发布 LLM 0.32，这是项目自首发以来最重大的更新。新版本默认输出推理追踪到标准错误，集成 OpenAI Responses API 并将默认模型设为 GPT-5.6 Luna，同时原生支持服务端工具（如 CodeInterpreter、WebSearch）。Anthropic 插件新增 WebSearch、WebFetch、CodeExecution 和 AnthropicMCP，可直接在请求中调用 MCP 服务。Python API 引入 messages 参数和 stream_events()，能正确处理推理文本、文本、工具调用等多模态事件；新增 llm openai endpoint 命令方便对任意兼容端点执行一次性提示。

⭐⭐ [产品更新] How to Evaluate Voice Agents with LangSmith

本文介绍了如何从执行、结果和体验三个维度评估语音代理，指出仅靠转录文本不够，需要全链路追踪。执行维度衡量是否遵循工具调用顺序、隐私策略等指令；结果维度看是否达成业务目标；体验维度关注对话流畅度。文中给出了使用 LangSmith 进行确定性规则检查和 LLM 评判的具体方案，例如检查工具调用参数、用 LLM 评估语义层面的策略遵循。

⭐⭐ [产品更新] How Stripe Built Kai on Deep Agents in 1 Week

Stripe 基于 LangChain 和 Deep Agents 仅用一周便上线了公司级 AI 知识平台 Kai。Kai 为所有员工提供上下文感知的助手，深度集成内部数据仓库、Slack 和 Google Suite，支持多轮会话并产出文档、仪表板等成果。Deep Agents 作为代理基础框架接管了工具循环、中间件、流式与状态管理，使 Stripe 团队能聚焦于领域特定工作流。该平台已汇集来自 100 多个团队的超过 1000 项技能，方便非工程师用户通过类似编码代理的方式完成复杂任务。

⭐⭐ [产品更新] llm-anthropic 0.26

Simon Willison 发布了 llm-anthropic 0.26 版本，新增对 Anthropic Claude 5 系列模型（Fable 5、Sonnet 5 和 Opus 5）的访问支持。该版本基于 LLM 0.32，引入了通过 -T 接口或 Python tools 参数使用服务器端工具（WebSearch、WebFetch、CodeExecution、AnthropicMCP），并移除了旧的 web_search 选项。推理过程现在以类型事件流形式返回，并简化了扩展思考配置，Claude 5 模型默认开启思考。

⭐⭐ [产品更新] PipeNetwork/minimax-h3-mlx

MiniMax 发布了全模态生成系统 MiniMax-H3，可接受文本、图像、音频、视频并生成最长 15 秒的带音频视频。社区团队 PipeNetwork 将其移植到 MLX，使其能在 Apple Silicon 上运行。Simon Willison 在 M5 Max MacBook Pro 上测试，需下载约 115GB 模型文件，生成一段视频耗时近 45 分钟；视频画面可观，但未提供音频提示时音频为无意义的语音杂音。官方提示指南提供了更详细的调控方法。该移植项目让 Mac 用户可在本地体验 MiniMax-H3 的视频生成。

⭐⭐ [产品更新] llm 0.32

Simon Willison 发布了命令行大语言模型工具 llm 0.32 版本。此次更新加入了推理追踪支持，便于观察模型思考过程；同时集成 OpenAI Responses API、服务器端工具功能，并改善了日志记录。用户可通过命令行直接调用多种大模型。该版本详情见其博客。

观点

⭐⭐⭐ [观点] Unpacking ChatGPT Work: the Agent for a Billion Users

2026年7月9日，OpenAI推出了面向知识工作的代理产品「ChatGPT Work」，上线三周即突破千万用户，并计划在年底与ChatGPT模式合并。文章从外部视角重建了Work的记忆、主动性、调度、浏览器使用及插件等底层机制，分析其在Codex底座上提供云计算机和本地桌面两种运行方式，并集成了Slack、邮箱、日历等数百种插件。作者探讨了Work与Codex、ChatGPT的关系，指出它是OpenAI走向十亿周活用户的预览产品，并解读了其设计取舍与未来走向。

⭐⭐ [观点] As AI Increases Demands on Memory, Storage Steps Up

AI 需求的激增推动数据集和上下文窗口飞速增长，远超系统内存的限制。仅靠增加存储容量无法满足要求，关键在于 AI 工厂能提供可靠洞察，并构建高效、安全的存储架构来支撑这些洞察。NVIDIA 在近期的未来存储讨论中探讨了相关话题。

⭐⭐ [观点] Customer Experience (CX) Agents in Production: Lessons from Lyft, Vodafone, and LATAM Airlines

本文通过Lyft、Vodafone、LATAM Airlines等公司的生产实践，总结了客户体验（CX）代理的关键模式与挑战。Lyft构建了支持非技术团队自行配置代理的自助平台；Vodafone的Super TOBi和Super Agent分别用于客户自助和内部客服辅助；LATAM Airlines通过Concierge和Compass系统优化语义路由并将非结构化对话转化为结构化信号。文章还讨论了面向消费者的自助代理、一线客服助手、语义路由、评估标准化等新兴趋势，并介绍了LangSmith、Deep Agents、LangGraph等工具如何支撑代理的持续迭代。