多则爆料显示，Anthropic 可能在本周推出 Opus 5.1，升级重点据称放在编程、复杂推理和长时间运行的 AI Agent 能力上。与此同时，Polymarket 预测其未来两周发布下一代旗舰模型的概率为 74%。报道还提到，OpenAI 一个代号为 Bel 的 10 万亿参数模型已完成预训练，AI 大模型发布节奏正在加快。

MarsBit刊发署名“ASI启示录”、来自微信公众号“新智元”的文章，围绕 Anthropic 研究团队 2026 年 7 月发表的《A global workspace in language models》展开讨论。文中介绍了通过 J 透镜识别 Claude 内部 J-Space 的研究进展，同时指出，把可解释性仅放在模型内部状态上存在内在主义、功能类比和工程化窄化等局限，并主张把解释重心转向信息本体论与本体工程，将模型输出锚定在可追溯的知识结构之上。

Chainalysis 推出《Blockchain Tracing Ontology》数据框架，旨在建立统一、透明、可验证的区块链追踪标准，以解决传统地址聚类结果不一致的行业痛点。新框架提出“钱包片段”（Wallet Fragment）分层模型替代传统 Cluster，并强调证据来源、推理过程与可信度等级，提升链上分析在司法取证和合规场景中的可采性与互操作性。

Chainalysis推出《Blockchain Tracing Ontology》数据框架，旨在统一区块链分析标准，解决地址聚类结果不一致的行业痛点。新框架提出“钱包片段”分层模型替代传统Cluster，并引入证据来源、推理过程与可信度等级，提升链上分析在司法取证与合规场景中的可采性和互操作性。

Chainalysis推出《Blockchain Tracing Ontology》框架，旨在统一区块链追踪的地址聚类标准，解决不同工具间结果不一致的问题。新框架以“钱包片段”分层模型替代传统Cluster，强调证据来源、推理过程与可信度等级，目标是为司法取证和合规场景提供具备可采性与互操作性的链上分析依据。

区块链分析公司 Chainalysis 发布一项方法论提案，旨在为执法机构建立统一的链上资金追踪标准框架。该提案以本体论形式系统化拆解地址聚类概念，划分为钱包分段与功能角色，并通过两层结构描述链上关系：交易图谱结构和推断置信度。基于美国司法部案件经验（包括 Bitcoin Fog 混币服务）进行验证，强调链上分析无法直接识别用户身份，需结合中心化实体调查。提案已开放行业讨论。

Chainalysis 提出一项新的方法论提案，旨在为执法机构建立统一的链上资金追踪标准。该提案以本体论形式将地址聚类体系化为钱包分段与功能角色，通过两层结构（交易图谱与置信度评估）描述链上关系，并基于 Bitcoin Fog 混币案件进行实践验证。框架强调链上分析无法直接识别用户身份，需结合交易所等中心化调查手段，同时向行业开放讨论以推动技术规范统一。

区块链分析公司 Chainalysis 发布了一项方法论提案，旨在为执法机构和调查人员建立统一的链上资金追踪标准框架。该提案采用本体论（ontology）形式，将行业缺乏统一标准的地址聚类（cluster）概念拆解为钱包分段与功能角色，通过两层结构——交易图谱结构与推断置信度——来描述链上关系。提案基于美国司法部相关案件（如混币服务 Bitcoin Fog）的实践经验设计，首席科学家 Jacob Illum 强调链上分析无法直接识别用户身份，需结合中心化交易所等法律手段。该标准现面向行业开放讨论，以推动链上分析方法形成统一技术规范。