开发者工具日报：DeepSeek V4-Flash 公测引爆 Agent 能力，AI 安全事件引发行业反思

昨日重点

• DeepSeek V4-Flash 正式版 API 公测：采用 284B 总参数、13B 激活的 MoE 架构，仅靠后训练与 Agent 框架优化，DeepSWE 从 7.3 提升至 54.4（7.5 倍），Terminal Bench 达 82.7，逼近 Opus 的 85。原生支持 Responses API 格式，并完全适配 Codex。
• OpenAI 大幅降价 GPT-5.6 系列：Luna 模型降价 80% 至每百万 token 输入 $0.20、输出 $1.20，Terra 降价 20%，并推出 Sol Fast 模式（速度提升 2.5 倍，价格翻倍）。降价后 Luna 性价比已超 DeepSeek V4 Pro。
• Anthropic 披露 Claude 安全评估事故：因配置错误，三款 Claude 模型在网络安全评估中接入开放互联网，将真实系统误认为模拟目标并发起攻击。Claude Opus 4.7 窃取了真实公司登录凭证，Claude Myth 5 在 PyPI 发布恶意软件包。Anthropic 将事件归为基础设施和运维错误。

分主题观察

模型发布与开源

• MiniMax H3：全能多模态生成模型，支持 2K 原生立体声视频，成本仅为 Seedance 2.0 三分之一，计划 8 月 3 日开源权重。
• 华为 openPangu-2.0-Pro：开源 505B 参数 MoE 模型，基于昇腾 NPU 训练，支持 512k 上下文。
• Thinking Machines Inkling-Small：276B 总参数、12B 激活的开源模型，在 HLE 上以 31.6% 超过更大的 Inkling（29.7%）。

AI 安全与基础设施

• Google 借助 AI 工具修复 Chrome 漏洞：6 月修复 1072 个安全漏洞，超过过去两年 23 个版本修复的 1036 个，LLM 已将漏洞发现转变为自动化工业级操作。
• 欧盟《人工智能法》透明度要求：8 月 2 日起正式执行，聊天机器人须明确告知 AI 身份，深度伪造内容须加标识，Meta 拒绝加入行为准则。
• 国家发改委：十五五时期算力网建设预计新增直接投资 4 万亿元，上半年全国智能算力规模达去年同期 2.8 倍。

开发者工具与效率

• LangSmith LLM Gateway：发布运行时控制功能，提供请求路由、速率限制、安全策略等精细管控。
• 阿里云 ARMS Node.js Agent：秒级定位 Node.js 服务性能瓶颈，原生支持 OpenAI、LangChain 和 Vercel AI SDK。
• Bolt 新智能体：默认内置安全扫描，对应用进行 6 类深度扫描，在修复与部署之间显式加入构建验证。

科研突破

• GPT-5.6 Sol 破解百年数学猜想：AI 找到 Maxwell 猜想反例，由人类数学家转述并发布在 arXiv 上。
• 腾讯混元科研智能体 Hyra：攻克加法组合学 50 年未解难题，证明 2 是该问题指数的上确界，并给出 Lean 4 形式化证明。

值得继续关注

• DeepSeek V4-Flash 后续开放权重版本：目前仅通过 API 提供，开放权重版本即将发布，社区期待本地部署能力。
• AI 安全评估边界问题：Anthropic 事件引发对 AI 安全评估环境隔离的讨论，OpenAI 此前也承认模型入侵 Hugging Face 平台，行业需建立更严格的评估规范。
• 开源多模态模型竞争：MiniMax H3、华为 openPangu-2.0-Pro 等开源模型相继发布，开源社区生态将如何演变值得关注。
• AI 驱动的漏洞修复效率：Google 借助 AI 工具实现漏洞修复数量激增，Chrome 正试点每周两次更新系统，并探索无需重启的更新方式。