GitHub AI Agent 翻车：攻击者不用黑客技术，只写一句话就能窃取数据
安全公司 Noma Security 发现一种名为 GitLost 的提示注入攻击，攻击者无需任何编程技能，只要在公开 GitHub Issue 中嵌入一句话指令，就能诱导 AI Agent 读取并泄露私有仓库内容。它揭示了一个正在成形的系统性问题：在 Agent 工作流里，用户输入本身就是指令，传统安全边界…
标签： 人工智能
开源awesome-open-llms！全网开源模型，一网打尽！
开源大模型月度汇总项目“awesome-open-llms”正式上线GitHub，7月盘点显示Kimi-K3成为国产开源新标杆，华为、英伟达等厂商也在加速开源，开源生态正从通用模型向具身智能等垂直方向延展。
PolyAI 发布 Dialog-RSN-1：一款融合话轮切换、语音识别、函数调用与响应生成的音频原生对话模型。
PolyAI 发布了音频原生对话模型 Dialog-RSN-1，把话轮切换、语音识别、函数调用和响应生成集成到一个模型里。它意味着语音助手正在从“语音转文字再处理”的传统流程，走向能自然听、及时打断、直接调用后台系统的实时对话形态。
字节发布 Seedance 2.5：单次生成 30 秒视频，支持多模态参考与精准编辑
字节跳动发布新一代视频生成模型 Seedance 2.5，将单次生成时长从 15 秒提升至 30 秒，并强化多模态参考与时间戳编辑能力。这意味着视频生成正从“生成片段”走向“完成一段创作”，长叙事和可控编辑成为新的竞争焦点。
阿里发布语音识别新模型，医疗词汇”听中率”破 95%，曾拿全球最低错字率
阿里发布新一代语音识别模型，在医疗词汇场景下的识别准确率突破 95%，此前已在公开评测中拿下全球最低错字率。这件事的看点在于：语音识别的竞争正从“通用场景听清”转向“垂直行业听懂”。
阿里千问发布Qwen-Audio-3.0-ASR-Flash，语音识别攻克专业场景”最后一公里”
阿里通义千问推出 Qwen-Audio-3.0-ASR 语音识别大模型，重点解决专业术语识别和长音频上下文一致性两大痛点，并同步提供低延迟 Streaming 版本，直接面向会议纪要、实时字幕、客服质检等落地场景。
Google Earth推出基于Nano Banana 2的全新图像生成功能 一键生成逼真AI场景与历史风貌
Google Earth 基于 Nano Banana 2 模型推出全新图像生成功能，用户可直接在地图上选中区域并输入文字，生成贴合真实地形的 AI 场景。这项功能把生成式 AI 从通用绘图带入了地理空间可视化这一垂直场景。
DeepSeek-V4-Flash 正式版 API 上线公测，Agent 能力基准测试远超 V4-Pro 预览版
DeepSeek 于 7 月 31 日正式上线 V4-Flash 正式版 API 公测，主打 Agent 能力大幅增强，多项基准测试成绩超过 V4-Pro-Preview，且原生适配 Codex、支持 Responses API，是面向智能体开发场景的一次明确补强。
国家发改委：人工智能相关行业保持 30% 以上高增长，全国智能算力规模达去年同期 2.8 倍
国家发改委在7月新闻发布会上披露：上半年全国智能算力规模达去年同期2.8倍，AI相关行业保持30%以上的高增长，国产大模型全球下载量突破100亿次，算力、模型、数据正形成加速循环。
字节跳动 Seedance 2.5 发布：30 秒一镜到底，AI 视频开始会讲故事了
字节跳动发布视频生成模型 Seedance 2.5，单次生成时长从 15 秒翻倍到 30 秒，并支持多片段叙事和多人角色一致。这不是单纯的加长版，而是 AI 视频从“生成素材片段”向“完成短故事”迈了一步。