本文面向正在评估 Amazon Bedrock 多模态模型的 AI 工程师 / 解决方案架构师，以及探索 AI 驱动游戏 QA 自动化的游戏开发团队。我们提供的对比测试方法论和工具，也是改进 AI 基础设施能力的重要一步——通过系统化模型评估积累量化基准数据，为更多业务场景落地 AI 提供可靠依据。

30.2%的得分直接把7.8%踩在脚下，这AI是开挂还是我们人类该收拾铺盖滚蛋了？ Anthropic家的Claude Opus 5在ARC-AGI-3智商测试里轰出30.2%的新纪录，把之前GPT-5.6 Sol的7.8%按在地上摩擦。...

# 软件资讯 苹果更新 TestFlight 应用，对于参与大量测试的玩家来说，现在可以使用底部的搜索框快速找到应用。为避免误解所以需要说明，搜索功能仅可搜索用户已经报名测试的应用，想要参与更多应用的测试还是得关注开发者们通过邀请链接加入。查看全文：https://ourl.co/114030

#安全资讯 挖洞需谨慎！小米安全中心发布违规事件处置公告，谴责以漏洞测试为借口进行黑客行为。小米在 6 月 26 日下午检测到一起影响广泛的入侵安全事件，当日晚间白帽黑客刘某提交漏洞报告，该报告与下午发生的入侵事件高度关联。小米称刘某行为构成实质性安全侵害、相关行为超出正常漏洞挖掘范畴。为此小米取消此次漏洞报告的全部奖励，同时小米保留追究法律责任的权利。查看全文：https://ourl.co/114002

OpenAI推出了GPT-Red，一个自动化的红队系统，旨在大规模发现AI模型的提示注入漏洞。该系统通过自我对抗学习，快速测试数千种攻击变体，提升了GPT-5.6的安全性。GPT-Red在模拟环境中表现出色，并在实际应用中验证了其有效性。OpenAI计划进一步扩展该系统，以增强未来模型的安全防护。

AV-Comparatives发布了2026年3至6月的商业安全测试结果，评估了16款终端安全产品。Kaspersky、Bitdefender和Elastic以99.8%的防护率表现最佳，Avast和Norton紧随其后。所有产品在商业软件上均无误报，ESET和Kaspersky对系统性能影响最小，15款产品符合认证标准。

本文探讨了函数的位置信息不变性属性与分布属性之间的关系，指出在验证过程中这种关系不再成立。研究提出了适用于多种位置信息不变性属性的双次亚线性交互证明（IPP）方法，并展示了验证者和诚实证明者的查询复杂度。与分布属性相比，后者没有双次高效的IPP。

AV-Comparatives 发布了《2026 年企业安全测试》报告，涵盖 2026 年 3 月至 6 月的测试期。在已安装全部补丁的 Windows 11 系统上测试的 16 款企业级解决方案中，Elastic Security 是唯一实现 100% 恶意软件防护率的供应商。

Elastic Security在2026年AV-Comparatives恶意软件保护测试中表现优异，获得100%的恶意软件保护率，并在现实世界保护测试中阻止了399个威胁，且没有产生误报。Elastic Defend是其核心解决方案，适用于各种网络环境，有效防御最新威胁。

1.97.1版本的预发布已准备好测试，计划于7月16日发布。用户可通过指定服务器进行本地更新，并在GitHub上反馈改进建议。

Endform现已在Vercel市场上线，支持并行运行Playwright测试，缩短测试时间。主要功能包括：每个测试在独立机器上运行、无需配置更改即可使用现有测试、提供每次部署的通过/失败检查、追踪历史运行结果以识别不稳定测试、按实际运行时间付费。

清华大学团队在ICML 26上获得杰出论文奖，提出了JustGRPO模型，解决了扩散语言模型（dLLM）在数学和编程推理中的灵活性陷阱问题。该模型在GSM8K基准测试中取得89.1%的准确率，展示了其推理潜力。

文章讨论了AI智能体在提示词优化中的循环过程，强调使用硬分数评估提示词质量以避免过拟合和自我欺骗。提出通过分析失败案例改进提示词，并建议在优化过程中保留历史记录以防止重复错误。最后指出，优化提示词需在频繁使用和可量化质量的情况下进行，以确保有效性。

pgrust是一个用AI和Rust重写PostgreSQL的开源项目，旨在保持兼容性并简化数据库内部修改。该项目已通过46,000项回归测试，确保与原版一致。Rust语言提高了内存安全性，AI辅助开发加速了重构过程。尽管尚未稳定，pgrust为未来数据库的可修改性和创新提供了实验平台。

将Postman集合转换为pytest测试套件很简单，但保持测试的可靠性至关重要。为此，需要遵循四个原则：将环境与测试分离、检查响应契约而不仅仅是状态码、确保每个测试独立运行，以及从一开始就将测试集成到持续集成中。这些措施可以确保测试在未来仍然有效。

文章讨论了金融服务组织中AI治理的挑战，指出数据层与模型层之间的治理缺口导致风险。客户数据存在多个独立副本，缺乏一致的治理。提出C.A.L.M.框架，强调数据基础的可治理性、可证明性、杠杆效应和可测量性，以确保AI系统的可靠性和合规性。治理应从数据层开始，而非模型层。

网络安全和基础设施安全局（CISA）更新了软件物料清单（SBOM）的指导，强调SBOM应包含所有组件信息，包括依赖关系和配置文件。SBOM必须透明且完整，包含每个组件的许可证信息，以确保供应链安全。有效的SBOM可以快速识别系统受影响情况，避免风险。进行“嗅探测试”有助于验证SBOM的准确性，确保安全性。

选择视频会议SDK时，应关注性能评估而非单纯的跑分。关键指标包括端到端延迟、视频和音频卡顿率、首帧时间及弱网抗性。测试需在实验室和真实环境中进行，确保覆盖多种设备和长时间稳定性。同时，厂商应提供可视化监控工具以快速定位问题。选择时需明确业务需求，并参考即构(ZEGO)的表现作为基准。

“Shift-Left”策略将测试、质量保证和安全检查等活动提前到软件开发的早期阶段，通过自动化、协作和持续反馈提高代码质量，减少技术债务和成本。开发者在编码时进行静态代码分析，及时发现并修复问题，从而加快反馈速度和提升开发效率。尽管存在误报和工具集成等挑战，但“Shift-Left”策略能有效改善开发流程，确保代码质量。

1.97.0预发布已准备好测试，计划于7月9日发布。用户可以通过指定服务器进行本地测试并提供反馈。发布团队欢迎在GitHub上提出改进建议。