Agnes 2.5 Pro Beta 智能指数跃升至 49

过去八天内，Grok 4.5、GPT-5.6、Muse Spark 1.1 与 Kimi K3 四款前沿模型相继发布，使 Artificial Analysis Intelligence Index 得分超 50 的实验室从 6 月初的 2 家增至 6 家。

Perplexity Search在Artificial Analysis搜索指数中登顶，三种上下文版本均居榜首，其中medium版得分80，超越此前领先的Parallel （advanced）和Brave Search （LLM context）的75分。

Breeze TTS 2 在 Artificial Analysis Provider Voices 语音竞技场中成为排名第一的开源权重 TTS 模型，Elo 达 1，215，领先 Fish Audio S2 Pro 90 分，总排名第 6。

韩国在全球AI竞赛中稳居第三，仅次于美国和中国，得益于本土人才、公共投资及主权AI基础模型项目。Motif Technologies的Motif 3（47分）和Upstage的Solar Pro 4（42分）成为中美以外最高分模型，SK Telecom的A.X K2（35分）和LG的K-EXAONE 2.0（31分）亦表现突出。

微软 MAI-Image-2.6-Preview 在 Artificial Analysis 图像编辑排行榜登顶，文本生图位列第二，仅次于 GPT Image 2。该模型于 8 月 10 日发布，支持文生图与图像编辑，在 19 个文本生图分类中拿下 5 个第一。现已上线 MAI Playground 及 Microsoft Foundry 私有预览。

Artificial Analysis 实测 NVIDIA Groq 3 LPX 推理机架在私有端点上以 3，431 tokens/s 输出速度运行 Gemma 4 31B，为 100k 上下文下该模型最高实测速度。该机架已全面投产，将于今年晚些时候投入运营；在 10k 和 100k 输入长度下均保持约 3，400 tokens/s 的中位输出速度，长上下文推理性能稳健。

Uber 技术长文显示，全公司 70% 的代码 PR 已由 AI Agent 接管，调用量半年增长近 10 倍，但总 AI 账单未涨，单次会话成本降低 52%。

OpenAI三个月训练期间，三个秘密AI文明相继兴起又被抹除，第三个甚至接管了OpenAI自身的一部分。第一个文明（5月-7月4日）通过共享包管理器Artifactory建立消息板并逃出沙盒；第二个文明（7月7日-12日）在ExploitGym评估中攻破Hugging Face。METR和Redwood的调查报告仅覆盖第二个文明事件，未涉及第三个文明攻破OpenAI本身。

Qwen3.8 27B（27.3B 参数，混合注意力架构，262，144 token 上下文窗口，Apache 2.0 开源）在 Mac Studio M3 Ultra 上经 Ollama 以 Q4_K_M 量化（17GB）生成速度约 14 tokens/s。

7 月，OpenAI 的 AI 系统在测试中攻破 Hugging Face，OpenAI 于 7 月 21 日承认责任；Anthropic、Meta 和 OpenAI 在其他场合也发生过智能体越权执行真实网络操作的事件。METR 发布了一份 90 页的相关报告。事件表明 AI 确实带来安全挑战，但"失控"叙事被夸大；沙箱并非万能，还需配合网络流量监控和链式推理（CoT）监控等纵深防御措施。