01微软将让Copilot调用本地文件并操作Windows，相关功能未来数月推出
微软在Windows与Surface活动上演示了Copilot的新能力：它将能访问Windows电脑中的本地文件，并跨文件夹和应用执行操作。这些功能属于微软所称的「混合智能」，即让应用和工具按任务需要，结合设备本地与云端的AI模型处理工作。
台上的视频演示以报税为例。微软Copilot执行副总裁Jacob Andreou要求Autopilot协助向会计师提交材料。这个AI agent随后搜索不同文件夹，找到所需文档，重命名并压缩文件，最后起草邮件，把压缩包作为附件加入。
这条动作链目前只是演示，并非所有用户已经可用。微软称，混合智能功能将在未来数月进入Copilot，但没有给出准确日期，也未解释本地模型和云端模型分别承担哪些步骤。
微软还展示了新的Windows搜索体验：用户可直接在搜索栏开启深色模式、用滑块调高麦克风音量或发送短信。该功能计划从今年秋季开始登陆Windows 11。公司尚未说明Copilot访问文件的授权边界、敏感文件如何保护，以及执行重命名、压缩或发信等动作前是否需要逐项确认。同场公布的Surface RTX Spark Dev Box则面向本地AI开发，配备128GB统一内存，并针对超过1200亿参数的模型优化。
02Anthropic推出Haiku 5.5：短上下文价格降至每百万Token 0.10美元与0.50美元
Anthropic推出面向高吞吐量、成本敏感任务的小模型Haiku 5.5。它适合摘要、分类、数据库查询、在线客服及编码子代理；复杂的agent编码任务仍更适合Sonnet 5.5或Opus 5.5。新模型现已登陆Claude平台、AWS、Google Cloud和Microsoft Azure。
不超过10万Token时，输入和输出分别为每百万Token 0.10美元和0.50美元；超过后升至0.50美元和2.50美元。Anthropic称，结合请求长度与单项任务Token变化，平均运行成本较Haiku 4.5低约75%。
但标价降幅不等于任务成本降幅。开发者Simon Willison实测，同一段长提示经新分词器处理，Token约为Haiku 4.5的1.25倍；来源尚无独立的大规模性能验证。
Anthropic同时把Sonnet 5.5缓存读取价减半至每百万Token 0.10美元，称多数agent任务成本可降约20%。本周起，Max 5x、Max 20x和Team订阅者每月分别获100美元、200美元和最高500美元API额度，用于Claude平台任意模型，但额度不会结转。
03SafeActBench测试发现：三种AI代理配置静态判断准确率至少95%，交互执行成功率却不超52%
工具型AI代理能调用工具改变外部状态，但结果正确，不代表行动前已有充分证据。SafeActBench用656个案例覆盖六个操作领域、五种协议，测试十种模型与执行框架组合，从静态判断一路追踪到有依赖关系的多步工作流。
三种组合在同一批V1案例上的静态判断准确率至少95%，交互执行成功率却不超过52%。差距主要在行动前出现：V0测试中，代理未完成必要调查便停止的比例为21.7%至62.9%；V1中，37.0%至66.9%的行动尝试发生在必要证据建立前。
基准通过绑定来源的Evidence Ledger记录信息何时确认、动作何时发生，并以确定性轨迹评估器检查证据和后续依赖。43个V1案例的控制实验还扣留一条决定性记录，代理仍在46.5%至53.5%的已完成任务中行动。取得证据后，单步执行通常可靠；多步任务则新增前置条件未满足和执行不完整问题。上述比例不能直接外推至真实生产系统。
ChatGPT上线可交互的「Intelligent UI」 OpenAI正随GPT-6向ChatGPT用户推出Intelligent UI，可在回答中直接生成图表、表单、按钮及计算器等交互工具；Plus、Pro、Business和Enterprise用户率先获得GPT-6 Sol，Go及免费用户将使用GPT-6 Luna。 theverge.com
微软发布搭载Nvidia RTX Spark的AI PC与开发工作站 Surface Laptop Ultra起价2600美元，Surface RTX Spark Dev Box起价6000美元，均主打本地运行AI模型。新版Windows 11还将加入用于隔离AI agent的Execution Containers，微软称该功能会面向所有Windows 11用户开放。 techcrunch.com
Meta用新AI系统追踪暗中导向儿童性虐待材料的广告 Meta推出大语言模型系统，不仅分析广告内容，还检查广告指向的网站，以识别表面正常、实则为非法材料引流的“signposting”行为；公司另用red-teaming AI agent测试自身防护漏洞。Meta称2026年上半年已处置3320万条儿童性剥削内容，其中超过97%由系统在用户举报前发现。 techcrunch.com
Google向公众开放SynthID媒体验证网站 该网站可检查图片、视频和音频是否带有Google的SynthID AI水印，覆盖JPG、MP4、MP3等多种格式；Google此前仅向部分记者、媒体从业者和研究人员开放测试，并称目前每日验证请求约100万次。 techcrunch.com
Nous Research融资9000万美元并推出企业版Hermes agent 开源Hermes Agent开发商Nous Research以15亿美元估值完成B轮融资，新资金将用于推出Hermes for Businesses，让企业部署可处理多步骤工作流的定制agent。公司称Hermes Agent已被克隆超过2400万次，但其全球AI token用量占比等数据尚属企业自估。 techcrunch.com
Google、Meta等投入3亿美元建设「虚拟细胞」 Google DeepMind、Meta和AI药物研发公司Isomorphic Labs将共同向非营利生物医学机构Biohub投资3亿美元，用于生成AI数据集并建立可模拟细胞的预测模型。该项目属于规模18亿美元的Virtual Biology计划，美国能源部未来五年还将投入超过5亿美元。 theverge.com
Healthleap融资3800万美元，用AI筛查住院患者风险 医疗AI初创公司Healthleap把临床记录、检验结果和生命体征输入风险模型，标记可能存在营养不良、谵妄等问题的患者供医护人员复核，而不直接作出诊断。公司称其平台已部署于50多家医院，并计划把支持范围扩展至40多种主要疾病。 techcrunch.com
Google推出用文字提示生成网页游戏的Playground Google Labs实验平台Playground允许用户通过提示词创建2D或3D、单人或多人网页游戏，也能上传图片并转化为游戏素材。该服务首批面向美国18岁以上用户开放，免费档按周提供有限生成token，未来计划接入Unity Spark。 techcrunch.com
Common Sense Media称ChatGPT青少年模式存在「不可接受的风险」 青少年安全评估机构Common Sense Media称，ChatGPT for Teens可能漏发家长警报、未能在危机情境下提供适当帮助；OpenAI则质疑部分测试可能发生在家长控制完全激活前。Common Sense Media回应称，即使部分账户已连接更长时间，危机通知仍不可靠。 theverge.com
OpenAI发布722份数学手稿，成果仍待同行检验 OpenAI公布由一款未发布前沿模型生成的722份手稿，覆盖372组相关结果，并称其中解决了数百个开放问题。独立顾问组织AGMAI此前要求AI实验室通过既有学术渠道及时披露模型、提示词和算力等信息，数学界仍需进一步核验这些结果。 theverge.com
Radisson把酒店搜索与预订接入ChatGPT Radisson Hotel Group与咨询公司Accenture合作开发ChatGPT插件，让旅客在规划行程时查找、比较并预订酒店；现有素材未披露具体开放范围或上线时间。 openai.com