日报 | AGIDaily

EU AI Act 透明度条款今天生效：你网站上的聊天机器人必须告诉用户它是 AI

2026 年 8 月 2 日，EU AI Act 从一纸法案变成了有牙齿的监管框架。三件事从今天起改变：

Article 50 透明度义务开始适用。 每一个面向欧盟用户的 AI 聊天机器人和语音助手，必须在首次交互时或之前告知用户正在与 AI 交互——告知需清晰可辨，不能藏在页脚或用模糊措辞。AI 生成的合成音频、图像、视频和文本必须以机器可读格式标记。发布 AI 生成的公共事务文本（未经实质性人工编辑）须明确标注。深度伪造内容必须披露。

GPAI 模型执法权启动。 通用 AI 模型的合规义务自 2025 年 8 月已适用，但欧盟委员会 AI Office 的罚款权从今天起才真正激活——可要求供应商提供技术文档、评估模型、采取纠正措施，并在违规时处以最高 €1500 万或全球年营收 3% 的罚款（取较高者）。

成员国须确保至少一个 AI 监管沙盒运行。 允许企业在受控的真实条件下测试 AI 解决方案。

许多企业以为高风险 AI 系统的合规才是今天的主角——那部分已被 7 月 27 日正式生效的 Digital Omnibus 修正案推迟到 2027 年 12 月。真正在今天改变的不是高风险分类，而是透明度。一家公司可能没有任何高风险 AI 系统，但如果它在网站上放了一个聊天机器人、用 AI 生成营销图片、或在社交媒体发布了未经人工审查的 AI 文本，它已经在 Article 50 的管辖范围内。违规罚款最高 €1500 万或全球年营收 3%。

Article 50 的覆盖面极广，不限于高风险系统。欧盟委员会指南草案明确将 AI Agent 纳入适用范围：如果供应商无法可靠预测 Agent 是否会与人类交互，应在所有场景中默认披露。欧盟委员会 AI Act Service Desk 数据显示，透明度义务是仅次于 AI 素养（AI literacy）的第二大合规触发项，影响约 33% 的受访组织。

有个重要的过渡期：2026 年 8 月 2 日前已上市的系统，其机器可读标记要求推迟到 2026 年 12 月 2 日——但仅限这一项技术细节，不是整个 50(2) 推迟。仅执行辅助编辑功能（如语法纠正）或不实质性改变输入语义的系统可以豁免。

European Commission ｜ EU AI Act Transparency Guide ｜ SIXE ｜ Belitsoft

OpenAI Astra 解决十个数学难题：未发布模型首次在开放问题上产生可验证新知识

8 月 1 日，OpenAI 公布了内部下一代模型 Astra 在纯数学和理论计算机科学领域独立解决的十项成果。这些问题跨度极大——高维几何、编码理论、算术电路复杂度、群论、算子代数、量子复杂度和格密码学——每个问题至少在十年内没有任何进展，多数停滞了数十年。

Astra 生成了全部核心论证，按 Sol API 价格计算每道题约 $2,000。人类与同一模型协作将论证整理成论文，随后 Astra 将每个证明在 Lean 中形式化，生成机器可验证的证书和共 249 页手稿。OpenAI 同时发布了每个证明的思维链记录，所有 Lean 证书已公开在 GitHub。

成果包括：首次显式构造非 Sofic 群（von Neumann 时代以来的悬案）、Connes 刚性猜想被否证、一般双人纠缠博弈的量子并行重复定理得证、Ehrhart 体积猜想得证、自 1978 年以来首次改进通用球堆积指数。

OpenAI 在声明中明确区分了人类和模型的贡献：「数学论证本身由我们的系统生成……我们将论证整理成手稿并在 Lean 中形式化，对其正确性负责。」这是对 Leiden 宣言关于 AI 与数学署名问题的直接回应。

边界同样明确：这些结果尚未通过同行评审。形式化证明只能保证逻辑正确，不能保证数学意义——十个问题中哪些会被数学界接受为真正「解决」，哪些会被视为有趣但不完整的贡献，需要领域专家逐一判断。但 AI 系统首次同时贡献了论证、形式化证明和完整思维链——这为同行评审提供了远比一个断言更充分的材料。

OpenAI ｜ Lean Certificates

扫描 7.6 PB HuggingFace 训练数据发现 22 万活跃密钥——且无法撤销

8 月 1 日，Truffle Security 发布已知最大规模的 AI 训练数据凭证扫描结果：在 HuggingFace 上 7.6 PB、1.87 亿个文件的公开数据集中，发现 221,303 个仍可验证的活跃凭证，分布在 6,003 个数据集中。

最危险的三类：

供应链令牌：349 个活跃 GitHub Personal Access Token，其中 223 个有 repo 写入权限，112 个有 admin:org。318 个可推送镜像的 Docker Hub Token。一个 Token 属于某 MCP 注册中心创始人的账户，关联仓库总计超 17.8 万 Star。
云基础设施：8,557 个 GCP 服务账号密钥，其中一个持有 Owner 角色。3,343 个 AWS 密钥通过身份校验，907 个可列出 S3 存储桶，至少 51.7 TB 数据位于配置了禁止公开访问的存储桶中。
数据库：8,594 个仍可认证的数据库登录凭据。6,121/6,802 个 MongoDB 集群仍可连接，最大单集群 617.7 GB。

这些密钥的污染机制与 Git 泄露有本质区别：绝大多数并非由数据集作者直接泄露，而是在上游（GitHub、网页、聊天对话）被 Common Crawl 或 The Stack 抓取，随后随每次去重、过滤和重混进入所有衍生数据集。44% 的凭证出现在多个数据集，单条 Infura 密钥被复制到 1,131 个不同数据集。训练数据集没有 force-push——密钥一旦进入就不可撤销。

受影响的知名训练语料包括 OLMo 3 (32B) 的 dolma3_mix-6T（21,278 条密钥）、StarCoder/The Stack（25,217 条）、SmolLM2（20,035 条）和 EleutherAI 的 Comma v0.1（6,479 条）。Truffle Security 坦言无法评估 ChatGPT、Claude、Gemini 等闭源模型，但其训练语料同样大量依赖 Common Crawl 和公开代码仓库。

研究还发现 11,496 个 AI 服务商密钥。仅按默认月消费下限计算，742 个 OpenAI 密钥和 26 个 Anthropic 密钥每月至少可被消耗约 $76,800。Truffle Security 指出 HuggingFace 每次推送都会运行扫描并向作者发送邮件，但「检测到、通知到、但没有撤销」是大量密钥仍活跃的根本原因。

Truffle Security ｜ HuggingFace Partnership

DeepSeek V4 Flash 正式版：仅靠后训练，Agent 能力全面超越 Pro Preview

7 月 31 日，DeepSeek 将 V4 Flash 从 Preview 升级为正式版（0731）。模型架构、参数（284B 总参/13B 激活/MoE）和 API 价格（$0.14/$0.28 per 1M tokens）完全不变，仅通过重新后训练，在所有 9 项 Agent benchmark 上超越自家激活参数 3.8 倍的 V4-Pro-Preview。

最突出的变化：DeepSWE 从 7.3 跃升至 54.4，Cybergym 从 38.7 翻倍至 76.7，Toolathlon-Verified 从 49.7 升至 70.3。Artificial Analysis 的 Intelligence Index 从 40 升至 50，与 Gemini 3.6 Flash 持平，仅比 GPT-5.6 Luna（max）低 1 分——而每任务成本低约 60%。cache hit 折扣达 98%（$0.0028/1M tokens）。

该结果挑战了「Agent 能力随模型规模线性增长」的假设：Pro Preview 激活参数是 Flash 的 3.8 倍，却在每一项 Agent benchmark 上被超越。瓶颈不在容量，在如何教模型进行多步工具使用和反馈修正。DeepSeek 同时表示「V4-Pro 正式版即将发布」。

DeepSeek ｜ Artificial Analysis

美团 LongCat 用稀疏注意力完全替代 MLA：3B 激活实现 1M 上下文

美团 LongCat 团队开源 LongCat-Flash-Lite-Sparse——69B 总参/3B 激活的 MoE 模型，MIT 许可。最关键的技术决策：用自研 LongCat Sparse Attention（LSA）完全替代 dense MLA——不是像 DeepSeek V3.2 那样在 MLA 上叠加稀疏注意力，而是把所有 dense attention 模块都换掉。

结果：SWE-Bench Verified 从 54.40 升至 68.20（+13.8pp），SWE-Bench Multilingual 从 38.10 升至 59.33（+21.2pp），τ²-Telecom 从 72.80 升至 95.18（+22.4pp）。通用能力（MMLU 85.31）基本持平。原生上下文从 256K 扩展到 1M token。

过去两年，MLA 凭借 KV cache 压缩几乎成为高效长上下文模型的事实标准。LSA 走的是另一条路——不压缩表示，而是通过索引器选择性地只关注相关 token 子集。LongCat 的结果表明，对于 Agent 场景，纯稀疏方案至少不比 MLA 差，且架构更简洁。这是第一个公开验证「完全替代 dense 注意力可行」的模型。

Meituan LongCat ｜ LongCat Blog

ByteDance Seedance 2.5：单次 30 秒视频，支持 30 张图参考

ByteDance 发布视频生成模型 Seedance 2.5，单次生成从 15 秒扩展到 30 秒，支持多轮扩展以制作数分钟级视频。单次可输入最多 30 张图像、10 个视频片段和 10 个音频片段作为参考。新增 clay render 参考——创作者可用无纹理 3D 模型控制空间结构、角色姿态和镜头路径。编辑方面支持时间戳级精准控制和绿幕替换。已在即梦 AI 和豆包 Pro 上线。

ByteDance Seed

Frontis-MA1：递归自我改进从理论变成可执行的完整开源工程

Horizon Research、Frontis.AI 和清华大学团队发布 35B 参数 Frontis-MA1，同时开源模型权重、训练数据、评估代码和沙箱基础设施。单张 RTX 4090 上 MLE-Bench Lite 达 71.21% Medal Average，超过 GPT-5.5 + Codex（68.18%）。核心设计将代码演化拆解为 Draft、Improve、Debug、Crossover 四个原子操作，训练和推理使用同一接口。

该工作出现的时间点值得注意：同一周，前 OpenAI 安全 VP Lilian Weng 宣布重返 OpenAI 专门领导递归自我改进研究。两者的核心论点一致——近期的 RSI 路径不是模型改写自己的权重，而是改进围绕模型的工程脚手架。

arXiv ｜ OpenRSI

Sam Altman 提议用 ChatGPT 替代亲子对话，公众用 12 倍的点赞拒绝

7 月 31 日，Sam Altman 在 X 上分享 ChatGPT 的「cool use case」：让 ChatGPT Work 每天早晨根据家庭日历和孩子兴趣生成个性化播客，在上学路上播放。帖文获 640 万查看。

《Gravity Falls》创作者 Alex Hirsch 的回应只有一句话：「What if you just talked to your children」。这条回复获 9000 次转发和 12.2 万个赞——传播量是原帖的 4 倍，点赞数是 12 倍。Altman 此前曾在《The Tonight Show》上说「无法想象在没有 ChatGPT 的情况下养育新生儿」，OpenAI 正在招聘 $293K-$325K 的家庭产品经理。

TechCrunch