# AI前沿发展日报 | 2026-08-10（Asia/Shanghai） ## 今日要点 - Google 的 `embedding-2-preview` 于今日进入关闭日，推荐替代为 `gemini-embedding-2`。这不是名称替换：向量分布、召回阈值与历史索引兼容性都需要重新验证。 - FedRAMP 今日开放两条临时 Rev5 认证通道，符合条件的 Class B、Class C 云服务商可经 Ready Conversion 或 Lost Sponsor 路径申请，无需再等待新的机构赞助方。 - 欧盟 AI 法案第 50 条透明度义务已生效一周。交互提示、机器可读标记、深度伪造披露以及公共利益内容标注，正在从法务说明转成产品验收项。 - 覆盖窗口内没有经官方或一级媒体确认、达到本报阈值的新前沿模型发布或大型 AI 融资。今天真正新增的变量集中在旧接口下线、政府采购入口和月底迁移期限。 ## 今日结论 1. 模型迁移的风险中心已经从“能否调用”移到“检索、排序和分类效果是否偏移”；嵌入、排序和分类类接口尤其需要用历史样本做双跑，而不是只看 HTTP 成功率。 2. 美国联邦 AI 市场的门槛正在从寻找单一机构赞助方，转向持续提交可复用、机器可读的安全证据；这会扩大合规成熟的中型云与 AI 服务商的进入机会。 3. 8 月下半月将出现一组叠加的产品退出节点。企业应把模型 ID、API 协议、区域可用性和内容披露能力放进同一张变更清单，按业务中断风险而非供应商品牌排序。 ## AI 产品与应用 ### Google 嵌入预览接口进入关闭日 Google 官方弃用表把 `embedding-2-preview` 的关闭日期列为 8 月 10 日，并指定 `gemini-embedding-2` 为替代模型。官方同时说明，模型进入 shutdown 后会被完全关闭，端点不再可用。[Gemini API 官方弃用表](https://ai.google.dev/gemini-api/docs/deprecations) 对搜索、推荐、去重和企业知识库而言，今天的动作不应止于改模型名。新旧模型产生的向量不可默认混用；上线前至少要复测召回率、相似度阈值、跨语言查询和长文本切分策略，并决定历史语料是全量重嵌入还是分批迁移。若索引中同时存在两套向量，应显式记录模型版本，避免静默降低检索质量。 ## 模型与技术进展 覆盖窗口内未发现官方发布的新前沿基础模型，因此不以旧模型新闻补量。当天最值得关注的技术变化是模型生命周期对数据层的影响：生成模型替换通常可通过回归集比较输出，而嵌入模型替换会改变整个向量空间，错误往往表现为系统仍可用，但召回、排序或分类效果逐步变差。 Google 当前稳定表将 `gemini-embedding-2` 列为无已公布关闭日期的替代项；同时，8 月 17 日还有三条 Imagen 4 生成接口进入计划关闭日。[Gemini API 官方模型生命周期表](https://ai.google.dev/gemini-api/docs/deprecations) 技术负责人应把端点期限、替代模型、重算成本与验收指标绑定，避免按单个 API 临时救火。 ## 投融资与商业动态 覆盖窗口内没有经官方或一级媒体确认、达到本报评分阈值的新一轮大型 AI 融资、并购或基础设施交易，故不引用周末传闻补位。 更直接的商业变量来自政府市场准入。FedRAMP 今日开放临时 Rev5 Class B、Class C 认证通道，Ready Conversion 与 Lost Sponsor 两类符合条件的提供商可在没有机构赞助方的情况下申请。[FedRAMP 官方时间表](https://www.fedramp.gov/2026/timeline/) 这会把竞争重点前移到证据质量、持续监控和可复用认证材料；对销售美国联邦机构的 AI SaaS 与云服务商，合规工程开始直接影响获客周期。 ## 政策、伦理与安全 ### FedRAMP 临时 Rev5 通道今日开放 FedRAMP 的 2026 年整合规则明确：8 月 10 日起，符合条件的 Class B、Class C 提供商可通过 Ready Conversion 或 Lost Sponsor 路径进入临时 Rev5 Program Certification 流程；新的 FedRAMP 20x Class B、Class C 通道则要到 8 月 31 日开放。[FedRAMP 官方公告](https://www.fedramp.gov/2026-06-25-propelling-change-fedramp-launches-consolidated-rules-for-2026/)；[重要日期](https://www.fedramp.gov/2026/timeline/) 这项变化的政策意义在于减少“先找到机构赞助、再开始认证”的单点依赖，但并未降低安全责任。进入通道的 AI 服务仍需证明边界、数据流、身份权限、日志和持续监控。采购方也不应把认证等同于模型安全背书：模型行为评测、提示注入防护与第三方工具权限仍要单独验收。 ## X 平台高信号 1. 信号标题：欧盟 AI 透明度义务已从准备期转为现行要求 类型：法规生效 / 内容披露 来源或链接：[欧盟委员会官方说明](https://digital-strategy.ec.europa.eu/en/news/commission-publishes-guidelines-transparency-obligations-providers-and-deployers-certain-ai-systems) 核心观点：8 月 2 日起，提供商需在用户直接与 AI 交互时作出提示，并为 AI 生成或操纵内容加入机器可读标记；部署方还需披露深度伪造、未经人工审阅的公共利益内容，以及情绪识别或生物特征分类系统。 为什么重要：义务分别落在模型提供商与使用系统的部署方，采购第三方模型并不能转移面向最终用户的披露责任。 影响：面向欧盟的客服、内容平台、广告工具和企业内部识别系统应检查提示时点、导出后标记保留、编辑流程与审计证据。 验证状态：义务起算日、适用对象与主要披露事项均由欧盟委员会官方页面确认；具体个案仍需结合最终指南和法律意见判断。 2. 信号标题：OpenAI o3 距离退出 ChatGPT 仅剩 16 天 类型：模型访问变化 / 用户迁移 来源或链接：[OpenAI 官方模型发布说明](https://help.openai.com/en/articles/9624314-model-release-notes) 核心观点：OpenAI o3 将于 8 月 26 日从 ChatGPT 退休；该变化只影响 ChatGPT，官方明确表示 API 不受此次调整影响。 为什么重要：同一模型在消费产品与 API 的生命周期不同，企业不能用 ChatGPT 模型选择器推断生产 API 的可用性。 影响：依赖 o3 手工工作流的付费用户应保存关键提示与样例输出，并在替代模型上复测推理深度、格式稳定性和人工复核负担。 验证状态：退休日期、90 天退出期以及“仅影响 ChatGPT”均由 OpenAI 官方说明确认。 3. 信号标题：Microsoft Foundry Assistants API 将于 8 月 26 日停止 类型：API 退出 / agent 迁移 来源或链接：[Microsoft Foundry 官方迁移指南](https://learn.microsoft.com/en-us/azure/foundry/how-to/navigate-from-classic) 核心观点：Microsoft 将在 8 月 26 日停止 Assistants API，推荐迁移到 Responses API 与已正式可用的 Foundry Agents；官方同时提醒 Responses API 并非所有 Azure 区域都可用。 为什么重要：这不是单纯改 endpoint，Threads、Messages、Runs 的对象模型分别变为 Conversations、Items、Responses，且区域限制可能阻断原地迁移。 影响：企业需同时改写调用协议、状态管理与部署区域；只完成 SDK 升级而未核验区域支持，仍可能在截止日后出现 404 或不可用。 验证状态：停止日期、替代服务、对象映射和区域限制均由 Microsoft Learn 官方文档确认。 4. 信号标题：美国联邦机构的多家企业 AI 低价采购期进入最后一个月 类型：政府采购 / 定价与准入 来源或链接：[美国 GSA 官方 Buy AI 页面](https://www.gsa.gov/artificial-intelligence/buy-ai) 核心观点：GSA 当前列示 Claude Enterprise 和 ChatGPT Enterprise 的 1 美元优惠均持续至 2026 年 8 月；Gemini for Government 为 0.47 美元并持续至 9 月，适用机构范围各不相同。 为什么重要：极低导入价格会降低联邦部门试用门槛，但也可能把采购决策推向身份、数据边界、评测和续费后的总成本。 影响：供应商会争夺试点入口；采购团队应在优惠期内固定成功指标、数据处理条款和优惠结束后的预算情景，避免只比较首期价格。 验证状态：产品、价格、期限与适用机构范围来自 GSA 官方页面；页面只写到月份，未给出具体日终时间，因此到期日细节未完全验证。 5. 信号标题：Google 三条 Imagen 4 API 距计划关闭日仅剩一周 类型：生成媒体 API / 生命周期 来源或链接：[Gemini API 官方弃用表](https://ai.google.dev/gemini-api/docs/deprecations) 核心观点：`imagen-4.0-generate-001`、`imagen-4.0-ultra-generate-001` 与 `imagen-4.0-fast-generate-001` 的关闭日期均列为 8 月 17 日，推荐迁移到 `gemini-3.1-flash-image`。 为什么重要：替代项跨越了产品代际和模型家族，画面风格、提示词服从、延迟与安全过滤不能假定保持一致。 影响：品牌素材、批量商品图和创意自动化团队应保留旧模型样本，按品牌一致性、人物与文字生成、成本和审核退回率做并行验收。 验证状态：三个模型 ID、计划关闭日期和推荐替代项均由 Google 官方文档确认；官方说明表中日期是最早可能关闭日期，精确执行仍以进一步通知为准。 6. 信号标题：GitHub Copilot 已移除两款旧 Gemini 选择项 类型：平台模型政策 / 开发者访问 来源或链接：[GitHub 官方变更公告](https://github.blog/changelog/2026-07-02-upcoming-deprecation-of-gemini-2-5-pro-and-gemini-3-flash/) 核心观点：Gemini 2.5 Pro 与 Gemini 3 Flash 已于 7 月 31 日从 Copilot Chat、内联编辑、ask、agent 和代码补全等入口弃用，官方替代分别为 Gemini 3.1 Pro 与 Gemini 3.5 Flash。 为什么重要：模型是否仍由原厂 API 提供，与它是否继续出现在代码助手平台是两件事；中间平台可以更早收窄模型选择。 影响：企业若用模型名固定评测或审批，应同步检查 Copilot 管理策略与实际选择器，并为平台侧替换单独保留回归记录。 验证状态：弃用日期、覆盖入口和推荐替代项均由 GitHub 官方公告确认；本条是 8 月 10 日对弃用后现行状态的复核，并非当日新公告。 ## 前沿研究速递 以下选自截至 8 月 10 日可获得的最新 arXiv 计算机科学批次，并排除前一日报告已使用的论文。 ### AV-AIVAT：让 agent 对局评测在证据足够时合法提前停止 做了什么：[论文](https://arxiv.org/abs/2608.06362) 把不完全信息游戏中的 AIVAT 方差缩减方法与可持续监控的置信序列结合，用于比较两个 agent 的强弱，并保证在任意停止时点仍保持统计有效性。 新在哪里：作者在 15 种 LLM agent 配置、71,439 手牌局上报告，AIVAT 的方差缩减中位数为 54 倍；在目标精度下，原始结果达到停止条件所需手数的中位数是修正结果的 74 倍。论文还区分了渐近筛查与有限样本精确认证。 潜在应用方向：昂贵的 agent A/B 测试、博弈与谈判系统、带人工评审的模型比较、需要可审计早停的持续评测。 一句话判断：评测降本不只靠减少样本，还要保证“看到结果好就停”不会破坏统计可信度。 ### Low Frequency Trap：视频模型连简单事件计数也存在清晰失效区 做了什么：[论文](https://arxiv.org/abs/2608.06361) 构造 2,190 段可控视频与可执行事件轨迹，分别改变事件次数和频率，测试视频语言模型对碰撞、闪烁和状态转换的计数与时间戳恢复能力。 新在哪里：Gemini 3.6 Flash 对持续状态转换可在部分低频区间可靠计数，但对短暂闪烁没有形成可靠的正计数区域；在高次数、高频率条件下，仅 0.2% 的最终计数正确。提高采样率虽改善部分最终分数，却没有带来忠实的事件序列恢复。 潜在应用方向：视频质检、体育与零售事件统计、安防告警、工业动作计数，以及视频模型的上线前能力边界测试。 一句话判断：更高帧率可能让答案看起来更准，却不等于模型真正看见了每次事件。 ### nMAS：把临床特征工程变成带证据链的多 agent 流程 做了什么：[论文](https://arxiv.org/abs/2608.06366) 提出面向心衰电子病历的证据关联多 agent 系统，从九张 EHR 源表生成结构化与评分型聚合特征，并保留规则、来源与审计记录。 新在哪里：在 500 份模拟患者记录上，系统生成 132 个结构化特征和 70 个评分特征；加入聚合特征后，HFrEF 识别的留出集 AUROC 从 0.895 升至 0.963，HFpEF 从 0.870 升至 0.910。作者明确指出仍缺少跨机构外部验证。 潜在应用方向：临床研究数据准备、可审计表型识别、医疗数据治理，以及其他规则密集型行业的特征工程自动化。 一句话判断：多 agent 在高风险行业的价值不只是生成更多特征，而是让每个特征都能追溯到证据与规则。