AI 日报 · 2026-09-02

今天的主线是谷歌与 Anthropic 同日更新模型：谷歌推出 Gemini 3.7 Flash，主打编程和智能体场景的高性价比，并同步带来 Gemini 智能视频理解、Google Pics 图像工具和 Pixel 11 系列，Gemini 应用月活突破 10 亿；Anthropic 发布 Claude Fable 5.1，在 Terminal-Bench-Science 等长程推理基准上提升明显，但 Simon Willison 实测显示模型表现受推理档位影响较大，风格上仍被拿来与 Gemini 3.7 Flash 比较。产业应用方面，OpenAI 将 ChatGPT 接入医疗机构 EHR 数据，NVIDIA 与 CrowdStrike 联合推出 SafeMind 代理式网络安全系统。开源与工具层面，Python 3.15 进入 RC2，Datasette 发布 MCP 0.2，头部 AI 开源项目开始用自研 agent 替代外部 PR；谷歌还发布用深度学习从卫星数据定位甲烷排放的 MAPL-EMIT。

北美一手（LLMs 官方 & 关联账号）

OpenAI

⭐⭐ [产品更新] Healthcare organizations can now connect EHR and additional industry data to ChatGPT

OpenAI 发布公告称，ChatGPT 现已能够连接受信任的医疗健康数据，帮助临床医生安全地获取患者背景信息、医学研究等内容。该功能面向医疗保健机构，支持将电子健康档案（EHR）及其他医疗行业数据接入 ChatGPT。

Google

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

谷歌发布 2026 年 8 月 AI 动态汇总：重点包括推出 Gemini 3.7 Flash，这是一款面向编程与智能体的高性价比模型，发布距 3.6 Flash 仅三周，每百万 token 的入门价格减半；同时发布 Pixel 11 系列，搭载 Tensor G6 芯片并运行最新 Gemini Nano。Gemini 应用月活跃用户突破 10 亿。此外还面向学生提供一年免费 Google AI 套餐，并为 Google 搜索新增 AI 学习功能。

⭐⭐ [产品更新] Introducing agentic video understanding with Gemini

Google DeepMind 正式推出基于 Gemini 的 agentic 视频理解功能，首批支持 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite。该功能让模型通过原生视频工具主动决定观看哪些片段、以何种速度和模态处理，替代原先固定帧率的静态处理方式。据官方数据，在标准视频理解基准上最多可降低 88% 的 token 消耗、66% 的成本，同时准确率最多提升 7%；其中 Gemini 3.7 Flash 在准确率与成本的权衡上居于前沿。该功能即日起可用于视频上传和 YouTube 视频，开发者可通过 Google AI Studio 或 Gemini Enterprise Agent Platform 将 API 配置设为 agentic 来使用。官方还列举了亚秒级片段检索、异常检测、精确计数等应用场景。

⭐⭐ [产品更新] Try Google Pics: Easy image creation and editing in Google Workspace

谷歌发布了基于 Nano Banana 模型的 AI 图像创建与编辑工具 Google Pics，面向 Google AI Pro/Ultra 订阅用户及多数 Workspace 商业客户，将在未来数周内陆续推出。该工具既可作为独立产品使用，也会集成到 Slides、Docs、Drive 等 Workspace 应用中，让用户无需切换标签页即可直接生成和编辑图像。主要功能包括对象分割与局部编辑、图像内文字修改与翻译、多人协作，以及从单一提示生成多个版本供选择。用户可通过 pics.new 立即在 Docs 和 Slides 中体验这些能力。

⭐⭐ [研究] Mapping global methane emissions from space with deep learning

谷歌研究院在 PNAS 发表论文，介绍了「MAPL-EMIT」深度学习方法，用于从 NASA EMIT 高光谱卫星数据中自动检测、增强量化并定位全球甲烷羽流。该系统对专家标注羽流的召回率达 84%，信噪比优于基于匹配滤波的现有增强方法。谷歌同步发布了 Earth Engine 上的全球羽流数据库、Kaggle 上的训练模型与合成羽流数据，以及 GitHub 上的推理库。文章指出甲烷的百年温室效应是二氧化碳的 30 倍，并贡献了工业时代以来约 25% 的人为变暖，因此识别点源排放有助于实现「全球甲烷承诺」的减排目标。

衍生 & 周边（产品 / Agent / Tools / 观点）

模型发布

⭐⭐⭐ [模型发布] Claude Fable 5.1 made me a really nice animated pelican

Anthropic 于当日发布 Claude Fable（以及 Mythos）5.1，官方称其在编程、知识工作和长程问题求解上树立新标准。在 Terminal-Bench-Science 0.1 基准上，Fable 5.1 得到 52.6%，高于 Fable 5 的 24.7%、Opus 5 的 29.0% 与 GPT-5.6 Sol 的 22.4%，其他基准提升不大。Simon Willison 用生成「鹈鹕骑自行车」SVG 的方式测试了该模型的五个推理档位：low 与 medium 下模型似乎完全跳过了推理，high 只做少量推理，xhigh 与 max 则分别消耗约 3.7 万与 6.6 万 output tokens，耗时 7 分 51 秒与 13 分 54 秒，费用为 1.83 美元与 3.30 美元。他认为 max 档产出了他在 Anthropic 各模型中见过最好的鹈鹕，但在风格表现上仍不如 Gemini 3.7 Flash。

产品更新

⭐⭐ [产品更新] NVIDIA and CrowdStrike Strengthen Agentic Cybersecurity Frontier

NVIDIA 与 CrowdStrike 在 Fal.Con 2026 大会上宣布合作，强化代理式网络安全领域。NVIDIA CEO 黄仁勋与 CrowdStrike CEO George Kurtz 共同发布了 CrowdStrike SafeMind，这是 CrowdStrike 开发的代理式网络安全系统。黄仁勋指出网络安全正处在拐点，攻击已自动化，防御也必须自动化。

⭐⭐ [产品更新] Codex bundles LibreOffice

Simon Willison 在浏览 ~/.cache/ 目录时发现，OpenAI 的 Codex 桌面应用（已更名为 ChatGPT）的运行时缓存 codex-primary-runtime 占用约 1.7GB，其中包含完整的 Python 与 Node.js 安装，以及 Poppler、git 和 LibreOffice（2010 年从 OpenOffice.org 分支出的开源办公套件）的原生二进制。相关目录下的 documents 插件文件夹内包含一些 skills，用来指导 Codex 找到并使用这些二进制工具。

⭐⭐ [产品更新] datasette-mcp 0.2

Simon Willison 发布了 Datasette 插件 datasette-mcp 0.2，这是该插件的首个非 alpha 版本。新版本为任意 Datasette 实例添加了位于 /-/mcp 的 MCP 服务端点。execute_sql 返回的 rows 由原先的数组嵌套结构改为对象数组，以便能力较弱的模型更容易对应列名与数值。该版本同时将 mcp 依赖要求提升为 mcp>=2.1.1。

⭐⭐ [产品更新] Python 3.15.0 candidate 2 is here!

Python 3.15.0 的第二个候选版本（RC2）已发布，正式版计划于 10 月推出。发布经理 Hugo van Kemenade 表示，进入 RC 阶段后只允许合并明确的 bug 修复，并呼吁第三方维护者提前适配并为 3.15 发布 PyPI wheel。Simon Willison 在转述中建议开发者在 RC 期间就运行测试，并给出了 GitHub Actions 测试矩阵的配置方法：通过 allow-prereleases 与 check-latest 标志自动跟随最新 RC。他测试后表示 Datasette 与 sqlite-utils 均通过，而 LLM 暂时受限于 scikit-learn 尚未提供 3.15 wheel。

研究

⭐⭐ [研究] BenchMIRT: What are LLM benchmarks actually measuring?

Ai2 推出 BenchMIRT 方法，用于在单条提示层面审计 LLM 基准。它借鉴心理测量学中的多维度项目反应理论（MIRT），在模型和题目两个层面估算模型能力与题目难度、区分度。研究团队在来自 100 个 LLM、16 个基准、超过 3.4 万个问题的评测结果上训练了该方法，且未预先告知基准对应何种能力，模型独立恢复了「安全性」与「通用推理」两个主导维度。分析发现，BBQ 这一常被归入安全评测的社会偏见基准，与通用推理的关联明显更强，说明把各题目得分平均成单一基准分可能掩盖差异。

观点

⭐⭐ [观点] PRs NOT Welcome: How Top AI Open Source Projects Are Managing Thousands of Contributors

文章报道 Vercel AI SDK、Astro、Flue、tldraw 等头部 AI 开源项目正从默认开放社区 PR 转向「软件工厂」模式：维护方用自己的一组 agent 完成 issue 分流、问题复现、修复与审查，最后由人类合并，外部提交被关闭或不再优先。Vercel 在实施软件工厂四周后称，该体系产出了 25%-35% 被合并的 PR，并关闭了 70%-80% 的 issue；此前 AI SDK 一度积压超过 1000 个 issue 和近 800 个 PR。Astro 也采用自动化 triage，创始人表示过去半年局面完全扭转，issue 从不断清理的 backlog 变成了每周可排序处理的任务。文章还引用 Vercel 工程师 Lars Grammel 的观点，认为维护方更信任经过优化和验证的自有 agent，而非社区成员运行的 agent，因为这样可以缩短审查时间。

其他

⭐⭐ [其他] Quoting Rick Brewster

Paint.NET 作者 Rick Brewster 表示，Direct2D 一直是 Paint.NET 在 WINE 上运行的最大障碍，且无法直接禁用，因此 Paint.NET 现在包含一套内部从零开始、clean-room 逆向重写的 Direct2D 实现，供 WINE 下通过 /wine 参数启用，代码位于 PaintDotNet.Windows.Direct2D1.Managed.dll。这套约 18 万行的代码主要由 Claude 编写，Rick 称之为大量「vibe coded」，未经全面审查；作为参照，Paint.NET 其余代码约 70 万行，他已维护超过 20 年。Rick 还提到需要大量监督 Claude，例如纠正资源管理和引用计数问题，也发现过糟糕的架构决策，同时称赞 Claude 在推导 Direct2D 内置效果库所需公式时展现了巧妙的逆向工程能力。