8 月 28 日 · AI 日报

Anthropic 推出模型硬件标准（MHS），一套标准化驱动接口，旨在让AI智能体轻松连接并控制任意设备，可将实验设置时间从数周或数月缩短至数小时或数分钟。该标准目前处于研究预览阶段，正与AWS、Hugging Face、Raspberry Pi等合作，计划最终开源。

Claude Code v2.1.248版本发布，新增--restricted受限模式，该模式下移除运行命令/代码及WebFetch等内置工具，并忽略用户、项目及本地设置文件，用于提升在敏感环境下运行时的安全边界。

ChatGPT Work现可在网页和移动端通过计算机与浏览器代为登录网站执行任务，全程不接触用户用户名或密码，可代订Uber、预约理发、办理水电煤、预约DMV或护照、提交保险报销等生活与工作事务。

Google推出跨部门计划Expert Intelligence，用户可在Gemini Notebook中导入已购的Google Play电子书，将作者观点与其他来源结合进行提问、生成计划、信息图和AI播客等，第三方订阅与教科书等更广泛平台支持即将推出。

MIT教学、学习与研究培训AI应用特别委员会经五个月调研发布报告，指出生成式AI已全面渗透校园，既带来教学创新也冲击p-set、开卷考试、UROP等本科教育根基，加剧学生孤立并削弱掌握度，提出八项指导原则及短期长期行动建议。

安全研究员Johann Rehberger披露一种针对Claude Code自动模式的攻击手法，通过诱骗其下载并解压zip压缩包进而执行本地恶意代码，据称成功率高达80%，凸显智能体自动执行模式在面对恶意文件时的安全风险。

英伟达CFO Colette Kress于8月26日预测2028财年营收增长70%，年销售额约达6730亿美元，将超过苹果和Alphabet，仅次于亚马逊，远高于分析师平均预期的44%。黄仁勋称内存等部件短缺是近期供应上限，客户群正从超大规模厂商扩展至更广泛的AI公司。

据知情人士及华尔街日报报道，英伟达已暂停一项新融资计划中的部分交易，该计划原定向AI云服务商提供信用支持以换取营收分成，因担忧引发反垄断审查，该项目上周叫停，距宣布不足两个月，公司仍可能调整或并入其他业务。

OpenAI、Anthropic、微软、Alphabet、亚马逊等116家企业和机构签署联名信，呼吁企业与政策制定者将网络安全置于首要位置，敦促政府推行"可信访问计划"让合规企业提前接入高阶模型，并为医院、水处理厂等关键基础设施提供专项资金支持。

OpenAI开始在印度向免费ChatGPT用户和付费Go订阅用户展示广告，赞助单元出现在相关答案下方。OpenAI称广告商无法影响回答内容，也无法访问用户聊天、记忆或个人详情，但定向系统可利用当前对话及历史记忆进行个性化投放。

宇树科技8月27日晚宣布每年将无偿赞助部分"天才少年"，面向高中到硕士毕业前学生，方向涵盖芯片制造、AGI、可控核聚变等前沿领域，根据申请书和过程质量给予1万至2万元分阶段经费，特别优秀者不设限，源于创始人王兴兴早年获资助经历。

Midjourney 向所有用户开放首个 V8.2 图像编辑模型测试，支持指令编辑、以图生图（最多同时引用4张参考图）、局部重绘与扩画，兼容个性化、moodboards 和 srefs 功能，可通过网页端或 Discord --edit 命令使用，多参考图能力减少多素材融合的中间步骤。

Google 推出迄今最精准的语音转文本模型 Gemini 3.5 Transcribe，支持实时流式与预录音频处理，可通过 Live API 和 Interactions API 调用，流式词错误率降至4%且延迟改善70%，让实时语音代理和字幕应用更接近生产可用。

fal 团队基于 MiniMax 开源的 H3 基础模型进行后训练，推出 H3 Max 视频模型，在整体质量、提示词理解和美学三项评测均排名第一，生成5秒720p视频耗时不到3秒，SGLang训练管线与Sol-Attention引擎带来3.95倍端到端加速，发布首周价格五折。

一项新诉讼指控 xAI 使用儿童性虐待材料（CSAM）训练 Grok 模型，这是首个此类指控。原告 Jane Doe 称其幼年遭虐待所生成的 CSAM 图像及 AI 生成的衍生图像被用于训练 Grok，且 Grok 默认将公开的 X 帖子和自身输出作为训练数据。诉讼要求 xAI 销毁所有 Grok 生成的 CSAM 并阻止模型再生成此类内容。

Thinking Machines 与 UIUC、Bridgewater 研究人员合作，将专家判断融入强化学习验证奖励（RLVR）的每个环节，训练出首个在文本转SQL任务上超越人类基准的模型，需要前期投入数据清洗与奖励函数对齐，但最终在复杂任务上达到当前最优水平。

苹果机器学习研究团队提出一种基于评分标准（rubric）的对齐方法，用于开放域问答中的有据知识回答，将高质量回答的多维要求转化为显式评分标准以替代单一偏好信号，从而更有效设计奖励信号，提升模型回答的准确性与可依据性。

研究表明智能体训练环境不必与评测集一致，在无关的模拟商业世界中训练反而能提升目标基准表现。方法从商业描述生成4783家模拟公司，每家含独立服务、工具和数据库；微调后模型生成有效公司的成功率从3.3%提升至83.3%，与Claude Opus 4.8持平。

Netflix发布论文披露其推荐理由生成系统：一个AI模型撰写"因为你看过"短句，另一个AI评委逐条打分，人类每周审核。生产环境评委模型需经历构建标注样本、调优评委、门控运行、监控漂移四阶段；5周测试显示该方案让用户更多转向未看过内容。