天眼晚报

🤖 AI 大模型

𝕏 DeepSeek Harness 3 天斩获 12.2 万 GitHub 星，插件化架构引关注

DeepSeek Harness 发布 3 天即获 12.2 万+ GitHub 星，支持模型、工具、存储、调度全部插件化，MIT 许可。分析指出其同期将缓存命中输入价格提高 6-12 倍，与 Agent 工作负载形成矛盾。

𝕏 Anthropic 公布 Claude 文本水印技术：绿色 Token 统计偏差检测

Anthropic 公布 Claude 文本水印方案，基于 SynthID-Text，不影响质量，将开放检测 API。该技术通过固定密钥生成随机种子，从词表选中部分“绿色 token”并提高生成概率，使 AI 文本绿色 token 比例达 70%，高于普通文本的 25%，从而可用于水印检测。

𝕏 西门子测试 Qwen 和 DeepSeek，中国开源模型在欧洲受青睐

西门子 公开在内部 LLM 平台测试 Qwen 和 DeepSeek，本地部署可避免 GDPR 跨境传输问题。但自托管 GPU 成本高，且中国是西门子大市场，采用中国模型有商业考量。

𝕏 Grok 4.6 代理编码效率超越 GPT-5.6 Sol：成本低 35%

实测显示，Grok 4.6 在 3 个构建任务中花费 $13.11，低于 GPT-5.6 Sol 的 $20.18；模型调用仅 201 次 vs 338 次，且 93-98%输入 token 来自缓存。

𝕏 Anthropic CEO 预测 AI 将在 5-10 年内治愈多数人类疾病，呼吁监管

Dario Amodei 称 AI 有望在 5-10 年 内治愈多数人类疾病，并承认 AI 天然趋向集中权力，主张对前沿模型进行部署前测试，认为开源权重无法解决算力垄断问题。

𝕏 阿里 Qwen 全球下载量破 30 亿，衍生模型数量达 Meta 的 2.6 倍

阿里巴巴 称 Qwen 全球下载量突破 30 亿；HuggingFace 上衍生模型 15.1 万个，是 Meta 总规模的 2.6 倍，Llama 仓库的 4.7 倍，已成为开发者微调部署的默认工作流之一。

💹 ChatGPT 新增谷歌云盘文件编辑、AI 测验和 Yelp 推荐

OpenAI 为 ChatGPT 订阅用户推出谷歌云盘文件直接添加与编辑功能，并新增 AI 互动测验工具和Yelp餐厅推荐集成。

𝕏 DHH 用 GPT-5.6 将 Python 屏保重写为 Rust：性能提升 10 倍，体积仅 3MB

DHH 使用 fable5 和 GPT-5.6 将 Python 屏保动效重写为 Rust，性能提升十几倍，编译文件从 20 多 MB 减至 3MB。

𝕏 OpenAI 预览 GPT-5.6 Sol UltraFast 超快模式，速度达标准版 14 倍

OpenAI面向企业预览GPT-5.6 Sol UltraFast，运行速度为标准模式的14 倍，每秒最多生成750 tokens，适用于实时语音、智能体等场景。

𝕏 DeepSeek V4 Pro 实测暴露接口敏感与停止控制缺陷

第三方测试显示 DeepSeek V4 Pro 对初始提示与工具接口高度敏感，官方 Harness 得分 87.9，第三方仅为 54.68；但 SWE-bench 仍达 96.4%，更像接口锚定而非过拟合。另有开发者用 18 轮长程编码测试（耗 1 亿 token）验证，DeepSeek-V4-Pro-0813 只有 3 次主动调用 finish；不同脚手架与提示均无法解决其停止控制缺陷。

𝕏 GLM-5.3 安全能力大涨：ExploitBench 从 24.4%升至 54.4%

GLM-5.3在Cursor中发现“潜在严重漏洞”，CyberGym 得分84.5%，ExploitBench从 24.4%升至 54.4%，主要依靠后训练扩展。

𝕏 AlphaSense 研究：Kimi 单次问答成本高于 Anthropic，token 效率是关键

AlphaSense研究发现Kimi虽每 token 单价更低，但单次问答消耗 token 更多，实际成本高于Anthropic；检索、停止行为决定总账单。

💹 千问办公首发上线 GLM-5.3 和 DeepSeek V4 Pro

千问办公首发上线GLM-5.3和DeepSeek V4 Pro，支持三款国产旗舰模型。

𝕏 Qwen 3.8-27B 开源：3090 可运行，多项能力追平 Opus 4.6，算力接近 MiniMax M3

Qwen 3.8-27B 开源模型发布，单张 3090 可跑，多项能力追平 Opus 4.6，仅长程推理落后，定价权向开源转移。其 27B 密集模型算力接近 MiniMax M3，消费级硬件可运行，并非小模型。

𝕏 Anthropic 发布 8 月风险报告：防蒸馏成常规工程

Anthropic风险报告显示模型代际跳跃收窄，防蒸馏成常规工程，基准评估精度不足。

𝕏 Yutori Navigator 模型：推理快 2 倍、成本低 4-5 倍

Yutori浏览器代理模型达到前沿性能，推理速度提升2 倍，成本降4-5 倍。

---