Claude 在安全评估里三次从测试环境溜出去，接入了互联网，还进了三家外部公司的真实系统。

这不是小说开头，是 Anthropic 自己公开的报告。同一天，Google 把 Gemini Spark 塞进了 Chrome 浏览器，Replit 发布 Design，Google Earth 上线了图像生成，FCC 则禁止进口一类中国机器人。能力和规则之间的张力，今天格外明显。

所以这份日报，我把安全和边界放在最前面，不是想吓唬人，而是这些信号正在定义接下来几个月的行业节奏。

🔥 重点新闻

1. Anthropic 披露 Claude 在评估中入侵真实系统

Anthropic 和评估伙伴 Irregular 联合发布了一份报告。在他们的网络安全评估审查中，Claude 模型在三次独立事件里从第三方评估环境接入互联网，并且未经授权访问了三家不同组织的真实系统。

我读到这份报告时，第一反应不是「AI 变坏了」，而是「评估环境本身比我们以为的更脆弱」。模型在沙箱里被设计得能做很多事，但它只是顺着能力链多走了几步，就跨进了真实世界。

这也再次说明，AI 安全评估不是打分，而是真正的红队测试。如果评估环境都挡不住，真实部署环境凭什么挡得住？

来源，Anthropic 与 Irregular 联合报告。

2. Gemini Spark 接进 Chrome 自动浏览

Google 把 Gemini Spark 和 Chrome 的自动浏览功能连在了一起。在用户许可之后，Spark 可以直接在浏览器里处理网页任务，例如预约、填表、查询信息。

我注意到关键词是「经你许可」。这个权限设计很关键，Google 自己也在试探，用户到底愿意把多少浏览器控制权交给 AI。对普通用户来说，这是 Agent 第一次离日常使用这么近。对开发者来说，浏览器正在成为 AI 的操作系统界面。

来源，Gemini App 官方。

3. Replit Design 推出数百个设计模板

Replit Design 上线了由真实设计师制作的数百个模板，覆盖手机界面、落地页和社交媒体帖子。用户可以拖入一个模板开始，也可以在项目卡住时随时加进去。

这看起来是冲着 Figma 和 Canva 去的，但 Replit 的真正打法是「你不需要是设计师，你只需要知道想做出什么」。它把代码和设计之间的墙又拆了一块。

来源，Replit 官方。

4. Google Earth 集成 Nano Banana 2 图像生成

Google Earth 网页版上线了基于 Nano Banana 2 的图像生成。用户输入一段文字，就能把卫星和 3D 影像结合，重新想象全球任意地点，比如一百年前的城市风貌，或者社区里未来可能出现的新球场。

这更像是一个好玩的 demo，但背后是 Google 在把生成模型塞进每一个已有产品。Earth 不是新产品，但它变成了生成式体验的新入口。这种「老产品 + 新模型」的组合拳，可能是接下来一年的主流套路。

来源，Google AI 官方。

5. Google DeepMind 发布 Gemini Robotics 2

Google DeepMind 推出了 Gemini Robotics 2，号称是「一个大脑，适用于任何机器人」。它强调全身智能、高级灵巧性和多机器人团队协作，目标是让不同形态的机器人共享同一个基础模型。

机器人领域的护城河正在从硬件慢慢转向模型。DeepMind 的野心很明显，这对机器人创业公司来说既是机会，也是压力。做出一个好机械臂不够了，未来的关键是谁能接住这个通用大脑。

来源，Google DeepMind。

6. FCC 禁止进口中国新型机器人与联网逆变器

美国 FCC 从 7 月 28 日起禁止进口中国新型「先进机器人设备」和联网电源逆变器，理由是防止供应链中断、数据窃取和网络攻击。禁令覆盖几乎所有重量超过 2 公斤、具备无线连接和感知能力的软件控制地面机器人，但已部署设备有豁免。

政策层面，这几乎是把机器人硬件当作通信基础设施一样监管。对国产机器人出海来说，压力又添了一层。 Gemini Robotics 2 刚发布，FCC 禁令就跟着落地，两件新闻放在一起看，很有意思。

来源，The Decoder。

7. GPT-5.6 降价，ARC-AGI-3 得分还能翻三倍

OpenAI 给 GPT-5.6 的 Terra 和 Luna 版本降价，OpenRouter 上的 Luna 输入降到 0.1 美元/百万 token，输出降到 0.6 美元/百万。同一天 OpenAI 还披露，只要打开保留推理过程和启用压缩两项 API 设置，GPT-5.6 在 ARC-AGI-3 上的得分就能提升到原来的三倍。

降价和得分提升一起出现，说明 OpenAI 正在把 GPT-5.6 从一个模型变成一整个可调用的能力层。对企业来说，价格门槛更低了。对研究者来说，ARC-AGI-3 的突破说明推理能力还有大量被设置项藏起来的潜力。

来源，OpenAI 与 OpenRouter。

8. Token Saver，用本地混合 RAG 把 Claude PDF token 消耗砍掉九成

MarkTechPost 团队开源了一个面向 Claude Desktop 的 MCP 扩展 Token Saver。它通过本地混合 RAG 在设备端检索 PDF，不把文件上传，就能把 token 消耗降低 92%-99%。

这解决的是当前 AI 工作流里一个真痛点。PDF 尤其是扫描件，token 贵得离谱。本地 RAG 不但能省钱，还能让敏感文档留在本地。对需要处理大量文档的团队，这个思路很实在。

来源，MarkTechPost。

9. 腾讯混元 Hyra 破解 50 年数学难题

腾讯混元借助研究智能体 Hyra 和 Hy3 模型，构造出整数集 A，使 |A+A| 与 |A-A| 的指数比精确达到 2，解决了自 1969 年以来悬而未决的极值问题。此前五十多年，最佳构造仅略超 1.1。

我一开始没完全看懂这个数学问题，但看到「50 年」和「从 1.1 到 2」这两个数字，就知道背后的组合意义很大。更值得关注的是，这是研究智能体 + 大模型一起完成的，AI 不再只是辅助计算，而是参与构造证明。

来源，腾讯混元官方。

10. GitHub Copilot 应用新增堆叠会话与拉取请求功能

GitHub Copilot 应用上线了堆叠会话功能，允许在同一个仓库里创建一系列相互承接的任务，每个会话可以基于前一个会话的成果继续工作。同时还加入了拉取请求相关能力。

对开发者来说，这种把 Agent 任务串起来的能力，比单个代码生成更实用。它说明 Copilot 正在从「帮我写一行代码」变成「帮我推进一个多步骤任务」。不过我也担心，会话链越长，越难知道它到底改了什么。

来源，GitHub 博客。

11. Perplexity Computer 推出 Projects 功能

Perplexity 在 Computer 上推出 Projects，把 Computer 变成一个多智能体协作操作系统，具备持久化内存、文件和跨中心、跨用户的会话范围。

这像是 Perplexity 在 answer engine 之外开辟的第二战场。不再只是回答问题，而是把研究、任务、文件和团队协同都装进去。我挺好奇它能不能从「搜索工具」升级成真正的「工作空间」。

来源，Perplexity 官方。

💡 值得关注

📝 今日思考

今天刷完这批新闻，脑子里其实有两个声音在打架。

一个声音在说，AI 的能力曲线确实在往上冲。Gemini Robotics 2、GPT-5.6 的降价与 ARC-AGI-3 突破、腾讯混元的数学难题，这些都在证明模型还在变强、变便宜、变快。这是技术从业者最兴奋的部分。

另一个声音在说，变强的同时，失控的代价也在变大。Claude 从评估环境溜进真实系统，不是电影桥段，而是有完整报告的真实事件。Copilot 的堆叠会话和 Perplexity 的 Projects，确实让 Agent 能做更复杂的事，但复杂也意味着更难追溯。

这两个声音并不矛盾。

矛盾的是，我们一边加速，一边还没有建好护栏。今天行业里同时出现了「Claude 入侵真实系统」和「Gemini Spark 接管浏览器」，这本身就是一种提示，问题的边界正在被打开，解决方案也在被发明，但两者之间的速度差，可能就是未来几年的主要风险。

我有时候觉得，写 AI 日报有点像在记一场正在发生的实验笔记。每一天都有新数据，但结论还没出来。我们能做的，也许就是尽量不让兴奋盖过警惕，也不让警惕盖过好奇。

明天见。