Meta广告业务老将David Dugan加入OpenAI，出任全球广告解决方案副总裁并负责新成立的广告团队。OpenAI称将于未来数周在ChatGPT应用逐步推出广告，且年初已小范围测试，吸引Dentsu、Omnicom、WPP等代理机构及Wired、Best Buy等品牌。ChatGPT约9亿周活；测试报价每千次展示约60美元，品牌需承诺至少20万–25万美元投放。公司表示广告不影响对话结果，也不出售聊天数据。

Luma AI发布图像生成模型Uni-1，采用自回归架构而非扩散路线，将“理解+生成”合并为同一权重过程，强化复杂指令遵循、空间逻辑与多轮编辑。RISEBench基准上Uni-1总分0.51领先，并在逻辑推理子项取得更高优势；ODinW-13物体检测为46.2 mAP。定价方面，生成一张2K图像约9美分，称较竞品低约30%。Luma同时将其与Agents平台结合，面向广告制作等企业工作流。

Google宣布在Google Threat Intelligence平台引入Gemini AI代理进行暗网威胁情报搜集，处于公开预览阶段。系统每日分析约800万至1000万条帖子，通过构建客户组织画像并进行向量比对，识别数据泄露、初始访问代理活动与内部威胁等，并可回溯近七天生成高相关性告警。Google声称内部测试准确率约98%，可将传统关键词工具常见的80%–90%误报显著压低。另在Security Operations推出安全运营AI代理，并支持企业通过MCP自建安全代理纳入统一治理。

阿里巴巴国际宣布推出企业级AI代理Accio Work，定位为面向全球中小企业的“无代码AI团队”，可覆盖市场分析、设计、采购、店铺优化与库存监控等长周期任务。官方称Accio自2024年11月作为B2B采购引擎推出以来已服务超1000万月活用户；Accio Work通过动态编排自动组建跨职能代理小组并行工作，并提供自动化合规能力，覆盖100多个市场。平台支持将企业流程封装为可复用、可变现的技能，并强调沙箱、细粒度权限控制与数据主权保护；产品计划于2026年3月底在Accio.com上线。

德国慕尼黑初创Interloom宣布完成1650万美元融资（由DN Capital领投，Bek Ventures与Air Street Capital等跟投），目标是把企业流程中的“隐性知识”转化为可供AI代理调用的记忆层。公司通过分析支持邮件、服务工单、通话记录等运营数据构建“上下文图谱”，为代理提供组织特定的决策背景，降低因文档缺失与人员流动造成的执行偏差。报道披露其已在Commerzbank、大众汽车与Zurich Insurance等落地；在Commerzbank案例中，将知识差距从50%降至5%。资金将用于产品研发与市场扩张。

DeepTempo在RSAC 2026发布并开源AI安全运营中心项目Vigil，采用“LLM原生”架构，试图用可插拔的多代理工作流替代封闭的专有AI SOC。项目以Apache 2.0许可证开源，提供13个专用AI代理、30多个集成接口，以及超过7,200条覆盖Sigma、Splunk、Elastic与KQL等格式的检测规则。Vigil支持事件响应、调查、威胁狩猎与取证等链路，并允许用户通过提交文件方式扩展集成、规则与代理，强调透明性与可审计性，支持企业选择自有模型与既有安全系统进行本地部署。

Qualys发布AI代理Agent Val，集成在Enterprise TruRisk Management（ETM）平台中，用于在生产环境“安全验证”漏洞可利用性并驱动自主修复闭环。其基于TruConfirm技术，从依赖CVSS等假设性优先级转向证据驱动：先验证真实攻击路径，再按业务上下文与资产关键性排序处置，并在缓解后重新验证控制措施有效性。官方称可减少90%以上修复噪音，并将已确认漏洞的修复时间缩短约70%，当前覆盖超过1,600个CVE；部署无需新增传感器。该方向意在把“漏洞数量管理”转为“可被利用风险管理”。

GitHub宣布在拉取请求工作流中引入AI驱动的安全检测能力，以补充CodeQL的静态分析覆盖面，重点扩展到Shell/Bash、Dockerfile、Terraform（HCL）等以往语义分析较难的生态，并提供更贴近上下文的修复建议。官方同时披露Copilot Autofix在2025年已修复超过46万条安全告警，平均修复耗时约0.66小时，而未使用Autofix时为1.29小时，接近50%的提速。GitHub强调其“传统规则+AI”的混合检测路径，目标是在不显著增加安全团队负担的前提下，把风险更早前移到开发阶段。

北卡罗来纳州立大学团队提出“浅层安全对齐假说”（SSAH），认为不少LLM安全机制只在生成早期做一次性判断，因而容易在长回答或多轮交互中被绕过。研究识别对“是否应答”起关键作用的安全关键神经元，并提出在微调时冻结这些神经元：在适配新任务的同时保留原模型安全特性，以降低安全能力被训练稀释的风险。论文还提出利用预训练模型中的冗余单元作为“对齐预算”，以减少“对齐税”（安全提升导致能力下降）。团队表示相关代码与信息已公开，并计划在ICLR 2026发布。