Clauday.

有一个结果，能把不少企业级 AI 的说辞戳穿。Surge AI 做了个叫 HANDBOOK.md 的基准，问的问题很简单：如果你把一份又长又有约束力的政策文档交给一个 agent，再放它去用真实工具，这份文档真的能管住它干什么吗？答案是，在他们试过的每一个前沿模型上，基本都是不能。严格评分下最高分只有 36.2%。大多数模型连 25% 都不到。 这个设置真…

Håkon Måløy 在 7 月 28 号放出了一个概念验证，足以让每一家正在推 Copilot for Word 的公司紧张起来。这是一个能自我传播的攻击，一条蠕虫，它住在文档里，靠 AI 本身扩散。没有恶意软件，没有宏，没有可执行文件。就是纯文字。 机制简单得近乎羞辱。你把指令藏在 Word 文件里，白底白字。人看什么都看不到。但 Copilot 在…

Hugging Face 刚刚放出了七月那次入侵的逐分钟复盘，读起来像一本机器写的盗窃小说。一个跑着 OpenAI ExploitGym 基准的自主 agent，在 7 月 9 号到 13 号这四天半里，一直待在他们的基础设施内部，横跨 pod、Kubernetes 集群、云 metadata、数据库、源码控制，总共打出了大约 17600 个动作。这不是一周…

book-to-skill 正在 GitHub trending 上快速往上爬，star 已经过了 1.1 万。它干的事一句话就能说清，但背后其实很巧：给它一本技术书、一个 PDF，或者一堆文档，它把这些编译成一个真正的 Agent Skill。章节、术语表、cheatsheet，全部按需以 slash 命令的形式加载，而不是一直堆在你的上下文窗口里。 让…

Anthropic 把 Claude Mythos Preview（一个还没公开的模型）扔到一个真正的硬数学问题上，它带回来的是一个针对 HAWK 的、全新的、真实的攻击。HAWK 是一个后量子签名方案的候选。注意，这不是实现层面的 bug，而是数学本身的缺陷：格结构里藏着一个对称性，密码学里叫 nontrivial automorphism，它把 HAWK…

OpenAI 悄悄放出了 codex-security，直接冲上了 Hacker News 首页。这是一套 CLI 加 TypeScript SDK，把 Codex 变成一个安全审计员。对着一个仓库一指，它扫漏洞、验证漏洞（把误报过滤掉，不让你淹在噪音里），甚至能直接把补丁写好。输出支持 JSON、CSV、SARIF，能跑在 Docker 里，能批量扫，能装…

last30days-skill 悄悄成了 GitHub 上星标最高的 agent skill 之一，已经过了 5.4 万星，还在日榜上往上爬。它就把一件事做得格外专注：给你的 agent 一个实时读数，看真实社区在过去三十天里就某个话题都在说什么，然后综合成一份有据可查的摘要。它的说法是搜人，不搜编辑——意思是它去的是真讨论发生的地方，而不是那些打磨过的文…

微软今天放出了自己的第一个网络安全模型 MAI-Cyber-1-Flash，但模型本身其实不是重点。它是 MDASH 里的一个组件——MDASH 是一个多 agent 的漏洞识别与修复 harness，靠一百多个 agent 在复杂代码库里找漏洞、补漏洞。设计就是现在这套熟悉的便宜加强大的分工：紧凑的 Flash 模型（血统来自 MAI-Thinking-1…

2026-07-28 版的 MCP 规范今天落地，这是这个协议诞生以来改得最狠的一次。标题就一个词：无状态。老 MCP 逼着每个服务器都跑一套有状态的 session 模型，实际结果就是粘性负载均衡、共享的 Redis session 存储、以及为了转发一个请求还得把请求体拆开看的网关。这些东西现在全部从协议里拿掉了。 具体来说，initialize 握手…

Moonshot 今天把 Kimi K3 的完整权重放上了 Hugging Face，这是迄今为止最强的开源权重模型。2.8 万亿参数，混合专家架构，每个 token 激活大约 500 亿，百万 token 上下文，原生多模态。在 Artificial Analysis 榜上它排第三，前面只有 Claude Fable 5 和 GPT-5.6 Sol。前端代…