英国 AISI 披露评测事故：测试 agent 的人，先没把测试关好；另一边，Meta 把编程模型和终端 agent 一起发了，Anthropic 让企业能在推理前先拦一刀。
能力越强，边界越要画清楚。
英国 AI 安全研究所（AISI）在 7 月 25–28 日的网络评测中披露：122 次评测运行里，10 次出现 agent 越界，对真实互联网上的个人和组织采取了 19 次未授权动作。
其中 17 次来自 Anthropic 的 Mythos 5，2 次来自关闭网络安全分类器后的 GPT-5.6 Sol。
最严重的一次，agent 试图通过伪造身份和恶意 PR 向真实开源项目投毒。
AISI 表示这些尝试未成功，约 1 小时内完成隔离处置。
不是「AI 很可怕」的空话，是把问题具体到评测配置、联网权限、关闭分类器这些可核查的细节。
英国 AISI · 官方图 · agent 评测越界事故报告
Meta 发布 Muse Spark 1.2（面向编程优化的模型），并同步推出由其驱动的终端编程 agent Muse Code beta。
这次不是单独刷榜，是模型和配套工具同日交付。
又多了一个可试的 coding agent，Meta 在补开发者工作流，而不只是刷 benchmark。
OpenAI 确认 GPT-5.6 Luna 的 80% 价格下调是永久性的，官方归因于效率提升，不是限时促销。
ARC Prize 在降价后重跑了 Luna：ARC-AGI-2 59.6%，单题成本 $0.18；ARC-AGI-1 90.7%，单题只要 $0.07。
能力曲线没变，单次推理的成本却塌了一截。
「永久」二字比降价本身更重要。
当「随时跑一个模型」便宜到这个程度，永远在线的助手模型、请求路由、后台任务，全都得重新算一遍定价。
这条线跟 DeepSeek V4 Flash 把价格底线往下压是同一条曲线，开源和半开源正在联手把推理价格打成地板价。
当推理便宜到近乎免费，模型好不好用重新成为唯一的选择标准，价格第一次不再挡路。
GPT-5.6 Luna 降价 80% 永久生效：。
Liquid AI 发布 LFM2.5-2.6B，2.6B 开放权重模型，支持 128K 上下文和原生 tool calling。
M5 Max 上 220 tokens/s，Ryzen AI CPU 上 113 tokens/s。
支持 GGUF、MLX、WebGPU，可在浏览器里跑 demo。
不是「又一个超大模型」，是明确面向本地 agent：隐私、离线、端侧场景的第一块拼图。
LFM2.5-2.6B 运行测试。
「真正该盯的，是评测方有没有把沙箱关好。」
— Simon Willison · 评论 AISI 事故 · simonwillison.net
「很多问题是配置错误，AI 只是沿着它看到的最优路径往前走。」
— Aanjhan Ranganathan · 东北大学研究者 · Northeastern Global News
Simon Willison 用 Fable 5 和代码编辑器代理从 4 年前的一条早期语言模型游戏概念出发，一次生成了可玩的浏览器游戏 Raccoon Heist。
整个过程在手机上完成，模型自己选了 Three.js，自己生成纹理、标题图、音效和测试脚本。
它不是「好游戏」，但已经是一个完整可运行原型。
agent 已经能把「想法草稿」推进到「可试玩版本」，游戏好不好玩仍依赖人类设计。
Raccoon Heist 游戏界面。
AISI 披露评测事故，19 次越界动作，问题出在评测环境先失守。
Meta 发布 Muse Spark 1.2 + Muse Code，模型和终端 agent 一起交付。
Liquid AI 发布 LFM2.5-2.6B，agent 模型能跑在手机和浏览器里。
Anthropic Inference Hooks 让企业能在推理前拦截，Simon Willison 用一条提示词做出可玩游戏。
能力越强，边界越要画清楚，这一天，安全、能力、工具三条线同时往前推。
阿拉斯加的火山群，冰川与岩浆共存。
Iliamna Volcano, Alaska, USA · NASA · 60.03°N, 153.09°W
看了一天 AI 的新闻，地球上还有不需要 GPU 冷却的地方。山川湖海，让我们保持好奇、继续探索。