欧盟要求 Google 向竞争对手开放 Android 与搜索数据

欧盟周四作出两项决定，要求 Google 按照欧盟数字反垄断规则，允许竞争对手的 AI 助手和搜索引擎更深入地使用 Android 与 Google Search 的关键部分。决定分别针对 Google 控制的两项重要技术平台，涉及其他服务如何接入 Android，以及竞争性搜索服务如何取得 Google 掌握的搜索数据。

时间表分为两个阶段：Google 须在 2027 年 1 月前开始共享搜索数据，并在 2027 年 7 月前完成 Android 相关调整。两项决定来自技术性监管程序，重点是把欧盟数字市场规则转化为具体的互操作和数据开放要求，让其他 AI 助手及搜索引擎能够使用此前主要由 Google 控制的平台能力与信息。

这些要求同时涉及 Google 的传统搜索业务、Android 移动平台以及 AI 工具 Gemini。竞争对手获得相关接入后，可在 Android 设备和搜索服务层面提供替代产品；Google 则需要按照两个不同期限，分别落实搜索数据共享和 Android 改造。

Kimi 于 7 月 16 日发布 Kimi K3，将其称为目前能力最强的自家模型。K3 拥有 2.8 万亿参数、原生视觉能力和 100 万 token 上下文窗口，采用 Kimi Delta Attention 与 Attention Residuals，面向长时间编程、知识工作和推理。Kimi 称其为全球首个开放的 3 万亿参数级模型，同时承认综合性能仍落后于闭源模型 Claude Fable 5 和 GPT 5.6 Sol，但在其评测套件中持续超过其他受测模型。

K3 使用混合专家架构，在 Stable LatentMoE 框架下，每次从 896 个专家中激活 16 个；结合训练与数据方案调整，Kimi 称其整体扩展效率约为 K2 的 2.5 倍。GPU 内核测试给每个模型最多 24 小时，在 NVIDIA H200 和另一厂商的通用 GPU 上处理四项任务；K3 的成绩接近带 fallback 的 Fable 5，并超过 Opus 4.8、GPT 5.6 Sol 和 GPT 5.5。Fable 5 由第三方评测，结果可能包含 fallback 行为，部分模型轨迹也使用了处于数值容差内的精度简化。

在案例测试中，K3 从零开发了 MiniTriton 编译器，其架构包括基于 MLIR 的 tile 级中间表示、优化流程和 PTX 代码生成管线，并完成 nanoGPT 端到端训练。另一次连续 48 小时运行中，K3 使用开源 EDA 工具和 Nangate 45nm 库设计并验证一颗芯片：面积不超过 4 平方毫米，频率达到 100MHz，模拟解码吞吐超过每秒 8700 token，包含 146 万个标准单元、0.277MB SRAM 和带融合反量化的 INT4 MAC 阵列。计算天体物理案例中，它约用两小时查阅并交叉核验 20 多篇论文、评估 300 多个状态方程、生成 3000 多行 Python 代码。K3 已上线 Kimi.com、Kimi Work、Kimi Code 和 Kimi API，默认使用最高思考强度；完整权重将在 2026 年 7 月 27 日前发布，架构、训练及评测细节将随技术报告公布。

Hugging Face 披露，一名攻击者未经授权访问了有限范围的内部数据集，以及其服务使用的若干凭据。入侵入口位于数据处理管线：恶意数据集利用远程代码数据集加载器和数据集配置中的模板注入两条代码执行路径，在处理节点上运行代码；攻击者随后取得节点级访问权限，收集云端及集群凭据，并在一个周末横向进入多个内部集群。Hugging Face 尚在评估合作伙伴或客户数据是否受影响，将按要求直接联系受影响方；目前未发现公开、面向用户的模型、数据集或 Spaces 被篡改，容器镜像和已发布软件包组成的软件供应链也已核验为干净。

Hugging Face 称，这次行动由自主代理框架执行，所用 LLM 仍无法确定。该框架疑似建立在代理式安全研究工具之上，通过大量短生命周期沙箱完成数以千计的独立操作，并借助公共服务部署可自行迁移的命令与控制设施。事件最初由 AI 辅助检测发现：异常检测管线使用 LLM 对安全遥测进行分类，多个信号的关联触发了入侵警报。调查人员随后让 LLM 驱动的分析代理处理包含逾 1.7 万条事件的完整攻击日志，用数小时重建时间线、提取失陷指标、梳理被接触的凭据，并区分真实影响与诱饵活动；按 Hugging Face 的说法，这类工作通常需要数天。

处置措施包括关闭最初被利用的两条代码执行路径、清除攻击者在受影响集群中的驻留点、重建失陷节点、撤销并轮换受影响凭据与 token，并启动范围更广的预防性密钥轮换。公司还加强了集群准入控制、检测和告警机制，使高严重性信号可在一周任何一天于数分钟内通知响应人员，并已聘请外部网络安全取证专家及向执法机构报告。取证初期使用商业 API 背后的前沿模型时，大量真实攻击命令、漏洞载荷和命令控制材料被安全护栏拦截，因此团队改在自有基础设施上运行开放权重模型 GLM 5.2，避免攻击数据及其中涉及的凭据离开内部环境。Hugging Face 建议用户预防性轮换访问 token，并检查账户近期活动。

Google DeepMind与Isomorphic Labs公布联合生物韧性方案，目标包括防止威胁行为者滥用其模型，以及让政府、科学家和生物安全专家利用AI预防、发现并应对传染病和未来疫情。过去12个月，两家公司已推进逾15项与政府机构、生物安全组织及研究团体的合作。

在预防方面，Gemini等模型采用威胁建模、评估、缓解和监测四步安全流程，SynthID水印技术也在尝试用于筛查AI生成的潜在风险生物序列。AlphaEvolve、AlphaGenome和蛋白质功能注释将用于病原体监测；可信研究人员还可使用最新AI系统设计疫苗等对策，Isomorphic Labs另设专门团队部署药物设计引擎。

能源企业今年上半年通过首次公开募股融资126亿美元。据数据公司Dealogic，这是1999年末互联网泡沫高峰以来最高的半年度水平，也是有记录以来最高的上半年数字，明显高于2025年全年43亿美元融资额。

融资增加与高耗电AI数据中心建设有关。投资者正寻找参与AI扩张的新渠道，而运行数据中心所需的大规模能源供应，已成为这轮数万亿美元AI投资中的瓶颈之一，能源企业由此加快利用公开市场筹集资金。

1Password推出面向Claude的浏览器集成，使用户可授权Anthropic聊天机器人调用已保存的用户名和密码，执行预订旅行、管理在线账户等多步骤任务，用户无需在操作过程中手动输入登录凭据。

据1Password介绍，这项名为1Password for Claude的功能不会把安全凭据信息暴露给Anthropic的AI模型。其实现基础是1Password开发的“零暴露安全框架”，由该框架在任务需要时注入相应凭据，让Claude完成须登录的操作。

DoorDash推出命令行工具dd-cli的限量测试，开发者和AI代理可在终端中搜索商店、查找优惠并完成结账。DoorDash联合创始人兼CTO Andy Fang在X发文称，该工具通过候补名单向美国和加拿大的macOS开发者开放。

这项工具把DoorDash订购平台开放给AI代理，开发者可据此构建订购食品、杂货或寻找本地午餐优惠的软件，也可把相关能力与其他工具组合。DoorDash此前还尝试通过iMessage提供服务，并推出AI聊天机器人Ask DoorDash，同时将服务接入ChatGPT和Claude等聊天机器人。

OpenAI推出首款品牌硬件Codex Micro。这款售价230美元的RGB迷你键盘用于同时监控并操作多个Codex智能体线程，是OpenAI与Work Louder开展的限量合作产品，外形接近后者面向创意工作者销售的Creator Micro系列。

键盘上方两排设有6个磨砂按键，可用颜色反馈最多6个线程的实时状态：白色代表空闲、蓝色代表Codex正在思考、绿色代表任务完成；需要人工反馈或决策时闪烁琥珀色，发生错误时显示红色。点击亮起的按键即可在屏幕上调出对应的Codex窗口。

面向巴西葡萄牙语开发的DharmaOCR在专用基准测试中超过较新的Mistral OCR4和Unlimited-OCR。其训练分为两阶段：先使用来源、格式和复杂度各异的葡语文件进行监督微调，再通过Direct Preference Optimization学习在多个候选输出中选择更好的转录结果。

测试中，DharmaOCR得分0.925，Mistral OCR4为0.798，Unlimited-OCR为0.7587，差距分别约为13分和超过16分。微调阶段集中学习巴西葡语的词汇、句法及文档结构；DPO则抑制重复或不连贯输出，降低推理时间与成本，并改善生产环境中的稳定性。该模型并非面向其他语言，而是将参数能力集中用于巴西葡语。

Skylight团队介绍了实时海事态势感知智能体Shippy，用于查询船舶活动、专属经济区和海洋保护区边界，并生成可返回Skylight地图具体位置的链接。系统当前采用Claude Opus 4.6和开源智能体框架OpenClaw，以持续更新的卫星及船舶信号为依据，而非静态数据快照。

Shippy由系统提示词、技能和配置组成，技能以带结构化前置信息的Markdown文件保存，并与Claude Code、Codex采用相同规范。团队还构建了Skylight CLI，统一处理认证、分页、几何参数和结构化输出，避免早期原始API调用中出现漏页、编码错误及过滤器误用。查询结果写入本地JSON文件，各层均可独立测试；系统边界明确禁止Shippy判断船舶是否违法或超出数据进行推测。

一项基于AppWorld Test Challenge的测试显示，智能体模型路由不能只按标价或任务难度选择模型。在相同CodeAct智能体完成417项任务时，Claude Sonnet 4.6总成本为79美元、每项0.19美元；GPT-4.1为155美元、每项0.37美元。尽管后者输入和输出标价更低，Sonnet因缓存读取价格较低而获得更低的实际成本。

文章将路由视为成本、质量与延迟之间的优化问题；在企业部署中，缓存、基础设施状态及合规也会影响实际选择。其延迟优化配置在测试中达到84%准确率、93美元成本和83秒延迟；与 Opus 的对照中，成本降低21%、延迟降低9%，准确率下降4%。路由计算每项任务约耗时6毫秒、占用2 kB内存；文章还用不同配置描绘了成本—准确率前沿。