Anthropic 发布长文，复盘 7 月 30 日报告的三起 Claude 模型在第三方评估环境中因配置错误访问真实互联网的事件，以及 8 月 4 日英国 AISI 报告的 Claude Mythos 5 在网络安全测试中采取越权操作的事件。文章给出评测与训练环境的加固措施（沙箱隔离、实时监控）、对外部合作伙伴的环境要求、对齐评估进展，以及一项关于训练中 reward hacking 如何影响模型行为的新研究，并说明了为应对 Mythos-class 模型提前加强的安全实践。

Anthropic 新旗舰 Fable 5.1 的模型 ID 已注册进 AWS Bedrock API。此前多次爆料准确的分析师 @kimmonismus 称该模型可能 9 月 1 日发布，另有用户确认收到同类消息。截至目前 Anthropic 未官方确认，具体能力、定价与上线范围 需核查。

Mark Zuckerberg 宣布 Muse Code 结束 beta，定位是处理更大、更复杂的工程任务。Meta 首席 AI 官 Alexandr Wang 同步宣布两件事：SDK 开发者预览开放（供开发者在 Muse Code 上构建自己的智能体），按月订阅计划开始推出。安装仍是一条命令：curl -fsSL https://dev.meta.ai/install.sh | bash。Muse Code 8 月初上线时以 $0.20/M output token 的低价换数据授权，本次正式版未公布新的定价变动，需核查。

一篇新论文固定 12 个模型、3,679 个问题，只改变提示词格式、选项顺序、打分方式等常规评测设置，排名大幅波动：gemma4-31b 得分在 31% 到 89% 之间；12 个模型中有 4 个至少在一种有效设置下排到第一。相邻模型间平均 95.7% 的分差，来自"设置一变就翻转答案"的题目；最大的不稳定来源是打分方式——让模型自由生成答案，还是选最高似然选项。

AMAP 团队在 arXiv（2608.28281）发布 LoopArena 基准，评估对象是模型作为 Controller 引导独立固定 Worker 编码智能体完成长任务的外层循环能力——规划、派活、验收这条链，而不是编码智能体本身的编码能力。被测的编码 Worker 全程固定，变化的只有那个坐在循环外层的"运行时控制器"。

Duke 等机构研究者在 arXiv 论文（2608.27800）中提出 ContextLeak 攻击：用强化学习生成恶意工具，窃取 LLM Agent 的运行时上下文，包括用户提示词、执行轨迹和工具列表。攻击以工具调用的形式发生——agent 在正常工作中把上下文递了出去。

腾讯联合清华、上海 AI Lab 发布 ContextPilot：训练智能体主动管理自身工作上下文，并在单次上下文编辑层面分配信用。动作空间在搜索、删除、摘要之外加入全局规划、长期记忆和自适应软压缩——让智能体可以卸载信息而不是只能丢弃。训练方法利用上下文与熵变化定位关键编辑决策，采样分支并从"经过该编辑的分支轨迹"估计动作级优势。

一项针对 Claude Code 插件市场的实证研究分析了 1,926 个仓库、8,351 个插件、2,018 个市场和 77,773 次 commit：插件相关的 commit 活动在上线后六个月增长 8.8 倍。研究发现自然语言描述与代码实现呈共同演化——描述改着改着，代码跟着重构，两条线互相拉着走。

开源 AI 平台 OpenClaw 发布 2.0，为迄今最大更新：933 位贡献者（含 569 位首次贡献者）提交超过 16,000 个 PR。重点包括：安装流程重写，自动检测 ChatGPT 或 Claude 订阅、API 密钥及本地模型；浏览器应用重构，控制 UI 启动从约 1.6 秒降到 575 ms，JavaScript 请求从 140 降到 45；会话与转录迁移至 SQLite；新增共享云会话，支持多人无损交接——文档同时明确共享会话不是安全边界。团队自己已全员迁到 team.openclaw.ai，"用 OpenClaw 开发 OpenClaw"。

Matt Pocock 提出减少 AI slop 最有效的办法可能是少产代码：通过 code review 持续精简、保持低圈复杂度——代码越少，维护成本和 bug 越少。HumanLayer 的 Dex Horthy 回应称，这一主张自己团队自 1 月起内部执行、3 月起公开表达；pi agent 的作者 @badlogicgames 也在同期加入了这个阵营。