AI 日报

2026年7月25日 · 周六

聚焦 AI Coding 与具身智能前沿动态

———

【AI Coding】  No.01

MCP 无状态规范3天后正式发布：自诞生以来最大规模修订

MCP 2026-07-28 规范：无状态协议核心 + Extensions 框架

Model Context Protocol（MCP）将于7月28日正式发布自诞生以来最大规模的规范修订。核心变化是协议层完全无状态化——移除了 initialize/initialized 握手和 Mcp-Session-Id 头，每个请求自包含，可在普通轮询负载均衡器后运行。新增 Extensions 框架（含 MCP Apps 沙箱化服务端渲染 UI、Tasks 异步任务扩展），以及 OAuth 2.1 强制认证。Akamai 安全研究指出，此次更新消除了协议级会话劫持等历史风险，但将状态管理责任转移给开发者，需自行实现 explicit-handle 模式。

关键数据

★ 为什么值得关注

所有 MCP 服务端开发者需在12个月内完成迁移。无状态化将部署复杂度从"需要粘性会话+共享存储+深度包检测"简化到"普通负载均衡即可水平扩展"，直接降低 AI Coding 工具链中工具集成的基础设施成本。MCP 是 Agent 调用外部工具的标准协议，此次升级影响整个 AI Agent 生态。

· · · · · ·

【大模型】  No.02

Kimi K3 开源权重7月27日开放：全球首个3万亿参数开源模型

Moonshot AI · Kimi K3 · 2.8T Parameters

月之暗面将于7月27日发布 Kimi K3 完整模型权重，这是全球首个达到3万亿参数级别的开源模型。K3 采用 2.8万亿参数 MoE 架构（896个专家，每token激活16个），基于自研 KDA（Kimi Delta Attention）和 AttnRes 两项架构创新，支持100万token上下文窗口。在编码基准测试中，K3 在 SWE Marathon（42.0）、Terminal-Bench 2.1（88.3）、BrowseComp（91.2%）等多项指标上超越 Claude Opus 4.8。K3 曾自主运行48小时，独立完成一款运行其自身 Nano 模型的芯片构建、优化与验证。API 定价：输入 $3/百万token（缓存命中 $0.30），输出 $15/百万token。

关键数据

★ 为什么值得关注

开源权重发布将使 K3 成为可自托管的近前沿编码模型，对标 Claude Opus 4.8 但成本降低约40%。对中小团队而言，拥有 H200 等算力即可摆脱闭源模型依赖。但2.8T参数权重约1.4TB，并非笔记本级部署——实际自托管需评估 GPU 成本与 API 使用量的平衡点。K3 在前端代码竞技榜以1679分登顶，超过 Claude Fable 5。

· · · · · ·

【工程实践】  No.03

上下文工程成2026共识：Coding Agent 失效根因是上下文而非模型

Context Engineering：Write / Select / Compress / Isolate 四策略

2026年7月多项研究揭示了 AI Coding Agent 在真实仓库中失效的根因：不是模型不够强，而是上下文供给错误。Chroma 测试18个前沿模型发现随上下文变长全面退化；ETH Zurich 研究发现自动生成超长 CLAUDE.md 使任务成功率降约3%、成本涨20%+；Sourcegraph CodeScaleBench 显示给对工具比给长上下文更关键。行业共识从 Prompt Engineering → Context Engineering → Harness Engineering 演进。LangChain 团队提炼出 Write/Select/Compress/Isolate 四策略；Stanford 等机构的 ACE 框架通过 Generator-Reflector-Curator 三角色让 Agent 自管理上下文，在 Agent 任务上提升 10.6%。Amazon CloudWatch 已发布 Coding Agent Insights 监控产品。

关键数据

★ 为什么值得关注

这对每个使用 AI 编程工具的开发者都有直接指导意义——与其追求更强的模型，不如优化上下文管理。Amazon 推出专用监控产品说明上下文退化已从学术问题变成工程管理者追踪的 KPI。Context Engineering 正成为2026年 AI 工程师的核心技能。

· · · · · ·

【具身智能】  No.04

千寻智能破解机器人"金鱼记忆"难题：Spirit v1.6 实现动态任务调整

WAIC 2026：Moz1 机器人在干扰下自主调整任务路径

北京千寻智能凭借自研 Spirit v1.6 具身基座模型，破解了人形机器人长期存在的"金鱼记忆"难题——传统机器人只能做短链条动作，记不住长期目标和上下文。在 WAIC 2026 上，搭载 Spirit v1.6 的 Moz1 机器人在执行"整理客厅"任务时，面对观众不断干扰和挪动物品，能实时调整动作路径，甚至主动捡起观众扔出的纸团丢进垃圾桶后继续原任务。该模型采用视觉语言动作与世界模型深度融合架构。千寻智能已搭建规模化数据采集体系，2026年全年真实交互数据预计突破100万小时。Moz1 已在宁德时代电池产线实现近千块电池零故障量产，并将在京东 MALL 担任咖啡师。

关键数据

★ 为什么值得关注

"金鱼记忆"是具身智能从实验室走向真实场景的核心瓶颈。千寻智能的突破在于让机器人在被打断后能自主恢复任务——这正是机器人在非结构化环境（家庭、商场）中实用的前提。"先工业、再商服、后家庭"的三步走战略，以及百万小时级真实数据飞轮，为规模化落地提供了清晰路径。判断两三年内家庭场景难大规模普及。

· · · · · ·

【具身智能】  No.05

极智嘉发布 Gravity 框架："双脑协同"让人形机器人先想后做

WAIC 2026：Gino 1 机器人完成搬箱、拣选、协同编队连续任务

在 WAIC 2026 上，极智嘉（Geek+）发布面向长程复杂任务的统一具身智能框架 Gravity 及核心模块 Gravity 4D 具身模型。传统具身技术存在"语言脑"和"物理脑"割裂——懂语义的模型算不准物理运动，能预测运动的模型缺乏高层理解。Gravity 构建"双脑协同"架构："认知脑"负责理解指令并拆解任务，"行动脑"在动手前进行物理"沙盘推演"。与传统视觉大模型仅预测"下一秒画面"不同，Gravity 4D 让机器人具备"先想清楚再动手"的完整心智。展台上，轮式人形机器人 Gino 1 同时完成搬箱、拣选、与移动机器人协同编队等连续任务，全程无卡顿。极智嘉依托覆盖40+国家、1700+项目的业务网络，将仓储拣货作为物理 AI 训练场构建数据飞轮。

关键数据

★ 为什么值得关注

Gravity 框架的核心创新在于将物理直觉引入具身智能——不再是"看到什么做什么"的反射式行动，而是"先在脑中模拟再执行"的规划式行动。极智嘉的独特优势在于拥有全球最大规模的仓储实操场景作为数据来源，拣选任务具备高频、真实、反馈明确、可迁移、接近商业闭环五个条件，构成了其数据飞轮的护城河。

今日三个关键词

01  无状态协议— MCP 7/28 正式发布

02  上下文工程— Agent 可靠性核心

03  物理直觉— 具身智能新范式

信息来源：MCP官方博客 / Kimi官方博客 / 钛媒体 / 财联社 / 环球网 / 人民网 / 科技日报 / 千龙网 / LangChain / Stanford-ACEAI日报 · 2026年7月25日 · 自动生成