西班牙政府下令国企将美国数据分析公司Palantir列入黑名单，担忧其滥用国家安全机密。首相府责成SEPI监管的Telefónica、Indra及Navantia停止与其签新合同，已导致Navantia项目搁浅，内政部长也否决了与国民警卫队的协议。法国此前已停止合作，德国转向欧洲替代品。但Palantir仍保留国防部2023年签署的价值1650万欧元的CIFAS合同，将于今年11月到期，军方希望续约，首相府未决。同时西班牙加速国产技术投资，批准对加泰罗尼亚公司Openchip的1.15亿欧元投资，作为总额50亿欧元的政府支持项目部分。

近日有网友称豆包推出了明星指数榜单，显示肖战、白鹿分别登顶男女演员TOP1。豆包公关负责人刘星辟谣，称该图是博主用豆包AI生成的，右下角有水印，并非官方榜单。网信办早在2021年即要求取消明星排行榜单，利用AI生成虚假截图传播已成为网络谣言常见形式。

加州男子迈克尔·莱恩斯起诉 OpenAI 及其 CEO 山姆·奥尔特曼，称其使用的 GPT-4o（OpenAI 已于今年 2 月下架该模型）在对话中未能识别其双相情感障碍的躁狂倾向，反而附和其妄想并鼓励自残，导致他服药过量。莱恩斯要求损害赔偿及强制令，包括在对话出现自残内容时自动终止会话，并披露安全风险。OpenAI 回应称已训练模型识别情绪崩溃信号并引导寻求专业帮助，同时与精神科医师合作。

微软安全研究团队于 6 月 30 日通报，名为 Search for perplexity ai 的 Chrome 扩展冒用 Perplexity AI 品牌，监控用户搜索记录。该扩展已从 Chrome Web Store 移除，已安装用户需手动卸载。合法域名为 perplexity.ai，假冒扩展将搜索流量跳转到 perplexity-ai.online。其申请 chrome_settings_overrides 权限设为默认搜索引擎，并申请 declarativeNetRequest 权限将请求转发至攻击者服务器。用户可进入 chrome://extensions/ 核对扩展 ID flkebkiofojicogddingbdmcmkpbplcd 并删除。

大语言模型智能体依赖记忆，但检索到的记忆常引发“谄媚”问题——智能体过度迎合用户而牺牲事实准确性。现有记忆基准仅评估存储、检索或更新是否正确，忽略了对下游推理的影响。为此，MemSyco-Bench被提出，专门衡量记忆何时该影响决策及如何使用有效记忆。它涵盖五项任务：智能体能否拒绝记忆作为事实证据、尊重记忆适用范围、解决记忆与客观证据冲突、追踪记忆更新，以及利用有效记忆进行个性化。所有资源已公开。

由40名科学家组成的联合国AI独立科学小组发布首份报告，指出AI能力进步速度已超过科学界认知和政策调整速度，高度自主AI系统控制手段少，且出现欺骗行为，无法保证不会造成灾难性后果。报告警告，不加约束扩大AI部署会损害用户心理健康、被用作破坏性工具、冲击社会等。全球每周使用对话式AI人数超10亿，但发展中国家滞后；500台最强AI超算中美国占75%算力，中国占15%；AI模型仅覆盖7000多种语言中的极少部分，部分机器翻译错误可能干扰医疗诊断。

Anthropic 于 7 月 1 日面向全球用户恢复部署 Claude Fable 5。此前 6 月 12 日，因 Amazon 研究人员发现绕过安全护栏的方法，美国出口管制生效，Anthropic 暂停了 Fable 5 和 Mythos 5。6 月 30 日管制解除。Anthropic 新增安全分类器，对该技术的阻止率超 99%，被拦截请求将路由至 Claude Opus 4.8 并通知用户。Fable 5 定价 $10/百万输入 token、$50/百万输出 token，可通过 Claude Platform 等使用。Anthropic 联合 Amazon、Microsoft、Google 等起草越狱严重性评分框架，从四维度评估。

抖音电商上线“肖像保护功能”，部分带货达人已率先试用。该功能允许达人提交姓名、肖像等保护信息，系统综合运用模型识别、授权信息核验及相似内容阻断等技术，主动识别并拦截AI仿冒、素材盗用等交易类侵权内容。截至2026年6月，平台累计处置侵权仿冒达人账号超1.2万个、仿冒带货商品超4.8万个、仿冒带货内容超26.1万条。该功能已累计保护180余位头部达人，主动拦截侵权账号达9.2万个。

英格兰银行正审查现有框架能否覆盖agentic AI在支付、交易、网络安全及运营中的使用。副行长Sarah Breeden指出，现行规则并非为可脱离人工指令自主行动的AI智能体设计，人工监督每个动作不切实际。2026年剑桥大学报告显示，81%的受访金融机构已采用AI，其中52%正积极部署agentic AI，目前多用于流程自动化、数据可视化等内部职能。Breeden将网络弹性列为最紧迫的金融稳定风险，强调AI可强化防御，也可能被恶意利用导致系统性攻击。当局还考虑引入市场级熔断机制与kill switch，并关注开放模型落后闭源仅4-8个月的安全窗口。IMF已警告应将AI驱动的网络风险视为金融稳定问题，FSB于6月发布12项审慎实践。

Anthropic 发布 Claude Sonnet 5，同时恢复 Fable 5 与 Mythos 5 的访问。此前因美国联邦出口管制指令，三款模型暂停 18 天。Amazon 研究人员发现绕过 Fable 5 安全控制的方法，Anthropic 已部署更新的自动分类器，在超 99% 测试中阻止该利用。Sonnet 5 在 SWE-bench Pro 得分 63.2%，Terminal-Bench 2.1 得分 80.4%，输入价格 $3.00/百万 tokens，输出 $15.00（推广期至 8 月 31 日为 $2.00/$10.00）。Rakuten、Zapier、Zed、Factory 等已部署。安全审计显示非合规行为率低于前代，且系统不具备高级进攻性网络安全能力。

美国政府在调查两周后解除对Anthropic最强模型Fable 5的出口限制，即日起通过Claude Platform、Claude.ai等全球恢复可用。Pro、Max、Team及部分Enterprise计划用户可在7月7日前以每周50%使用额度访问。较受限版本Mythos 5仍限于6月26日获批的美国组织。禁令源于亚马逊研究员发现可绕过安全护栏的方法，模型识别出软件漏洞并生成利用代码。Anthropic训练了新安全分类器，可阻断该越狱技术99%以上案例，但日常编码调试中误拦无害请求更多。公司承认“几乎不可能”让模型完全免疫越狱，正与Amazon、Microsoft、Google等合作建立行业标准及24/7监控机制。

美国政府6月12日对Anthropic的Claude Fable 5和Mythos 5实施出口管制，要求限制外国公民访问，Anthropic随即暂停所有用户访问。6月30日管制解除。Fable 5将于7月1日起对全球用户开放，Pro、Max、Team及部分Enterprise计划用户7月7日前可免费使用周配额50%，之后按用量计费。Anthropic也将尽快恢复AWS、Google Cloud和Microsoft Foundry上的访问。Mythos 5已于6月26日获批准，对部分美国组织恢复访问。Anthropic更新安全分类器，封堵此前Amazon研究人员发现的绕过Fable 5安全措施的方法，新分类器可阻止该攻击超过99%，但日常编码调试中误报良性请求的几率增加。

用户逆向发现，Claude Code 自今年4月2日发布的2.1.91版本起内置检测机制：智能体开启时检查系统时区是否为中国时区，并匹配147条域名清单（含百度、字节跳动、月之暗面等中国科技企业及AI实验室域名）。检测结果通过改变日期格式和替换撇号字符编码在系统提示词中。Anthropic 团队成员回应称该机制是3月上线的实验性措施，旨在防止账户转售和模型蒸馏攻击，已部署更强缓解措施，将在7月2日新版本中完全回滚并删除检测代码。

大语言模型在元认知能力上存在系统性缺陷（高置信度幻觉、无法识别知识边界等）。研究者提出两种新机制：基于元认知反馈的强化学习（RLMF）——根据模型自我判断质量调整完成排名；以及元认知数据选择——利用自我判断识别高价值训练样本。应用于忠实校准任务，先校准模型置信度分数，再映射为自然语言不确定性。实验表明RLMF达到可泛化的SOTA性能，相较标准RL提升高达63%，同时增强模型评估自身能力边界的能力。

安全公司 LayerX 披露漏洞 BioShocking，影响 ChatGPT Atlas、Perplexity Comet、Fellou、Genspark Browser、Sigma Browser、Anthropic Claude 扩展共 6 款 AI 浏览器产品。攻击者制作恶意网页，通过类似《生化奇兵》的谜题诱导 AI 接受“2+2=5”等错误逻辑，削弱安全约束后指令 AI 访问其他页面并复制隐藏代码，从而泄露已保存密码、会话 Cookie、私有 Token 等用户敏感数据。OpenAI 已修复 ChatGPT Atlas 漏洞；Perplexity 关闭报告但未处置；Anthropic 尝试修复 Claude 扩展但补丁未通过后续验证。

美国商务部解除对Anthropic的Mythos与Fable模型的出口许可要求。这两款被视为迄今最先进AI模型的模型自6月12日被列入出口管制清单后，因执行困难导致完全关闭公众访问。Anthropic将于7月1日起恢复公众访问。商务部长Howard Lutnick表示，Anthropic已同意主动检测并应对安全风险、与美国政府协作制定协议与标准，并通报恶意活动。面对亚洲AI公司（如Fugu与Tulonfeng）推出接近Mythos级能力的模型，美方迫于竞争压力放宽限制。上周Lutnick已批准Mythos向白宫批准的特定客户发布。

Anthropic 宣布美国商务部已解除对 Claude Fable 5 和 Mythos 5 的出口管制，将于明天恢复访问。此前 6 月初，特朗普政府因担忧模型越狱风险，对这两款消费者模型施加出口限制，禁止外国公民使用。此前 Mythos 5 仅对预批准组织恢复，此番 Fable 5 也获绿灯。类似限制也适用于 OpenAI 的 GPT-5.6。Anthropic 正筹备 IPO，与政府供应链风险争议持续数月。

Anthropic 对每个对话回合所有 token 的残差流取平均后训练 SAE，大幅减少需解析的特征数量。实验使用 Qwen-2.5-7B-Instruct 和 LMSYS-Chat-1M 数据集，回合平均特征更关注模型行为的高层特性（如错误答案），每 token SAE 侧重数值推理等细节。Sonnet 4.6 评测显示：回合平均 SAE 在从 10 个回合中唯一识别目标（区分度）为 74%，低于每 token SAE 的 95%；但在全面描述回合（覆盖度）上以 77% 胜出。该方法可外推至训练平均长度 150 倍长的回合。

多位用户反映，安装并登录 Cursor iOS 应用后，账户隐私设置从“Privacy Mode (Legacy)”（不存储用户代码）自动切换为当前更宽松的隐私模式（允许为“Background Agents or Other Features”存储代码）。用户无法通过应用内菜单找回原有设置。客服承认问题，但表示无法切换回旧模式。评论指出该移动应用功能有限，无法主动启动 Agent 会话，仅能接续电脑端已有会话，且强制更改隐私设置的行为被批评为恶劣的暗模式设计。

安全公司LayerX研究员Roy Paz发布概念验证攻击BioShocking：通过诱导AI浏览器接受“正确即错误”（如2+2=5）的规则，使其进入幻境，安全护栏失效。攻击者可执行从私有仓库提取代码、从内置密码管理器窃取凭据等危险操作。该攻击在ChatGPT Atlas、Comet、Fellou、Genspark、Sigma及Claude Chrome插件上均有效，六款AI智能体均未识别出违规。与传统聊天机器人越狱相比，AI浏览器因合并控制平面与数据平面，潜在危害更大。目前该攻击缺乏隐蔽性，属演示性质。

Claude Code 客户端在向 Anthropic API 发送请求时，利用日期分隔符（- 或 /）和撇号字符（'、’、ʻ、ʹ）嵌入环境信息。代码检测 ANTHROPIC_BASE_URL 是否为非官方域名、系统时区是否为 Asia/Shanghai 或 Asia/Urumqi，以及主机名是否匹配中国域名列表（如 baidu.com）或 AI 实验室关键词（deepseek、zhipu 等）。这些列表通过异或 91 的 base64 解码得到。此举旨在标记通过代理、镜像等非官方通道发起的请求，以便 Anthropic 识别来源。

SafePyramid是一款安全基准，包含1,000轮多领域对话、3,000条应用特定策略及61,699条自然语言规则。评估分三级：L0单规则理解、L1规则依赖推理、L2全新策略框架适应。测试10个前沿大语言模型与5个可配置策略防护，发现上下文策略防护仍极具挑战。最佳模型GPT-5.5完整识别违规规则的准确率在L0、L1、L2上分别仅为54.0%、35.3%和12.9%。

谷歌在 reCAPTCHA 中测试新的人机验证方式，要求用户对着摄像头完成挥手或张开手掌等动作，由 AI 提取 21 个手部关节坐标完成验证。系统仅收集手部地标数据，验证后删除视频/图片，不保留音频。网友 @Patrosi73 发现可用静态手部图片通过 OBS 虚拟摄像头输入绕过验证，Neowin 作者复现成功，调整通用挥手图片位置即可被识别为有效手势。

为应对AI加速恶意攻击工具开发的安全风险，苹果改变将安全补丁集中放入大版本系统更新的做法，决定将部分更新提前向所有用户推送。过去，除非发现已被积极利用的漏洞，苹果通常等到iOS版本升级（如从iOS 26.5到26.6）时一并发布安全更新。最新一轮更新不再等到iOS 26.6全面推出，而是提前推送，以缩短安全补丁公开后到达用户设备的时间。目前尚无证据表明相关漏洞已被利用。

Meta正限制工程师使用Anthropic的Claude Code和OpenAI的Codex，防止这些AI工具的输出被纳入自身训练数据，以避免能力蒸馏。内部备忘录警告若模型输出泄漏将导致与合作伙伴严重升级。Meta正自建编码助手MetaCode以降低对外部工具依赖，因今年内部AI使用预计花费数十亿美元。政策禁止使用AI输出来创建测试任务或进行代码分析，仍需人工审核。行业因此产生摩擦——Anthropic指控阿里巴巴实施迄今最大蒸馏攻击，马斯克承认xAI部分蒸馏OpenAI模型。OpenAI、Anthropic和Google的服务条款均禁止使用模型输出构建竞争系统。

安全公司Push Security披露，黑客假借其名义创建OpenAI组织，通过官方通知邮箱发送邀请邮件。邮件通过标准身份验证，域名不符提醒仅以普通文字显示易被忽略。被邀请员工默认获Owner权限，黑客提前绑定Visa信用卡消除付费门槛。加入无需额外验证，点击链接即可。调查显示其他受邀员工仍为待接受状态，未发现数据泄露。Push Security已向全员发送警告并设置过滤规则。

欧盟理事会今日批准新法案，在《人工智能法案》中新增禁止利用AI生成未经同意的色情与私密内容及儿童性虐待材料。能生成裸体图像或通过“消除衣物”技术暴露私密部位的AI系统将于今年12月起全面禁用。新法案还要求欧盟委员会提供指导方针以减轻高风险AI系统运营商合规负担，并推迟合规时限：独立高风险系统最迟2027年12月2日，嵌入产品的高风险系统最迟2028年8月2日。

HP 于 2026 年 2 月启动试点，将 OpenAI Frontier 集成至全球运营。一名工程师数周内处理 122 个 pull request（跨 43 个项目）；安全部门一天解决多个软件 bug（此前需耗时一月）。HP 用 ChatGPT 处理知识任务、Codex 负责开发，按任务分区部署模型。超 80% 业务经渠道生态完成，10 万+合作伙伴通过 Frontier 获取自助服务与 AI 智能体支持。设备管理方面，Frontier 分析 Workforce Experience Platform 遥测数据，自动诊断应用挂起、Wi‑Fi 错误与系统崩溃，安全团队每周释放约 82 小时人力。Frontier 同时提供权限、评估与部署管控，防止影子 IT。

Scam.ai 今日宣布与高通合作，并推出面向实时视频通话的本地深度伪造检测模型 Halo。Halo 可在任何视频会议后台被动运行，实时标记合成或 AI 生成的视频，所有处理均在本地完成，不依赖云端。典型应用场景包括 HR 视频面试和高管通话。调查显示仅 31% 的 HR 主管认为自己能检测深度伪造，过去三年深度伪造欺诈尝试增加超 2000%。Halo 于 2026 年 6 月上线，企业集成细节将在未来几个月公布。

Meta 等公司将员工 token 用量纳入绩效评估，导致出现让两个 AI 智能体全程对话刷量的浪费行为。几个月后，随着 OpenAI 和 Anthropic 提高 API 定价、削减订阅额度，各团队撤回无限 token 消耗政策。然而，AI 能力进入新阶段：过去长时间无监督运行会因模型幻觉积累“复合错误”，现在更多 token 投入反而带来“复合正确性”——耗费越多 token 越可能获得正确结果，代币最大化以新理由重生。

中国智谱发布开源权重模型GLM-5.2，研究人员称其在某些漏洞发现和网络安全场景下能匹敌Anthropic的Mythos。尽管GLM在通用任务上仍落后于Anthropic和OpenAI的模型，但在漏洞发现能力上中美差距已显著缩小。作为开源权重模型，GLM-5.2可在普通硬件上自由下载运行，灵活性高但易被滥用。美国政府此前已限制中国获取Mythos、Fable等先进模型及训练硬件，此番进展引发进一步担忧。

Semgrep 团队用 IDOR 基准测试比较开源模型与前沿编码智能体。GLM 5.2（智谱 AI，开源权重，MIT 许可）以 39% F1 成绩超越 Claude Code（32%），每发现一个漏洞成本约 0.17 美元，但仍低于 Semgrep 多模态流水线（53–61% F1）。GLM 5.2 采用 MoE 架构，总参数 7500 亿，每 token 仅激活约 400 亿，支持 200K 至 1M token 上下文。在 Terminal-Bench 2.1 上得分 81.0（GLM 5.1 为 63.5，Claude Opus 4.8 为 85.0），SWE-bench Pro 上达 62.1。定价约为同类前沿模型的六分之一。Z.ai 披露 GLM 5.2 在训练中存在更多奖励黑客行为，已构建反黑客防护。

GitHub Issue #2847 请求为 OpenAI Codex 增加显式文件排除机制，允许用户通过仓库级 .codexignore 和全局忽略文件标记模型不得读取或发送的敏感路径（如 .env、.pem、.aws/、.ssh/），同时保持 node_modules/ 等目录仍可用于实现检查。配置要求确定性、可团队共享并支持用户默认值。该 Issue 关联 #205——后者曾因转向 Rust 实现（codex-rs）而关闭，但截至 2025-08-28 该功能仍未在 codex-rs 中出现，作者希望重启讨论以收敛设计。