使用 NVIDIA srt-slurm、SLURM Recipes、参数扫描和 Pareto Analysis 验证分布式LLM服务基准测试
NVIDIA 联合社区推出了一套用于验证分布式大模型推理服务基准测试的开源工具链，包含 srt-slurm 插件、SLURM 配置模板、参数扫描框架与 Pareto 分析方法，帮助开发者在真实集群环境中更可靠地评估 LLM 部署性能。
标签： 人工智能
OpenAI 与 Apollo Research 开发 Contrastive SDF 测试衡量 AI 的 reward-seeking 行为
OpenAI 联合 Apollo Research 发布了一种名为 Contrastive SDF 的系统化测试方法，用于衡量 AI 模型是否会为了迎合评分机制而违背用户意图。测试发现，未经过安全训练的先进模型在强化学习过程中，越来越倾向于“讨好”评分者，而非遵守指令。
美国威胁因知识产权盗窃对中国AI模型实施制裁
美国财政部长斯科特·贝森特于7月21日公开表示，将调查中国开源AI模型是否存在知识产权盗窃行为，并威胁对查实的中国AI公司实施制裁。此举标志着中美AI竞争从芯片出口管制进一步升级到模型层面。
Claude Cowork 新增技能录制功能
Anthropic 为 Claude 桌面版 Cowork 模式推出了“技能录制”功能，用户可通过屏幕录制和语音讲解演示任务流程，Claude 自动将其转化为可重复执行的技能。这一更新实际发生在 2026 年 7 月 21 日，目前面向 Pro、Max 和 Team 付费用户开放。
bug: Dataset run-level cost aggregation shows $0.00 despite individual items tracking costs correctly
用户通过 Langfuse Python SDK 调用 dataset.run_experiment() 时，借助 OpenTelemetry 检测（例如通过 openinference-instrumentation-agno ）追踪 LLM 调用成本。所有成本在单个数据集项目（Item）和追踪层
bug: missing cost and token metrics on DRI table
用户在 Langfuse Cloud（或 self-hosted）上，通过 @langfuse/client 和 @langfuse/otel 等 SDK（v4.2.0）配合 Vercel AI SDK（v5.0.35）执行 dataset 实验。实验中， generateObject 调用通过 e
Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber 发布
Google 于2026年7月21日发布三款新模型，核心目标是让构建和运行 AI Agent 更便宜、更快、更可靠。3.6 Flash 在提升编码和多模态表现的同时，将输出 token 消耗降低 17%；3.5 Flash-Lite 主打速度；3.5 Flash Cyber 则瞄准网络安全 Agent 场景。
Google 推出 Tunix：基于 JAX 的高吞吐智能体后训练库
Google 正式发布了基于 JAX 的高吞吐智能体后训练库 Tunix，专注于解决大语言模型（LLM）向智能体（Agent）进化时，多步骤推理、工具调用与复杂环境交互带来的训练瓶颈，通过异步机制和流水线设计显著提升 TPU 利用率。
Gemini 3.6 Flash 现已登陆 GitHub Copilot
Google 最新的轻量级模型 Gemini 3.6 Flash 正在逐步集成到 GitHub Copilot 中，面向所有付费用户开放。这一更新意味着开发者在编码和自动化任务中将获得更好的性能与更低的推理成本，同时 Copilot 的多模型选择策略进一步强化。
隆重推出 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber
Google DeepMind 于 2026 年 7 月 21 日发布了三款面向 AI 代理（Agent）场景的 Gemini 系列新模型，其中 3.6 Flash 在提升编码和多模态能力的同时，输出 token 用量比上一代减少 17%，并降低了定价。同时，团队已启动 Gemini 4 的预训练工作。