天眼晚报

🤖 AI 大模型

🔵 Anthropic 与 Lambda 达成 350 亿美元云算力协议

Anthropic 与 Lambda 达成 350 亿美元计算协议，供应商为英伟达支持的云服务商，以快速扩张 AI 算力容量。这是 AI 基础设施领域又一笔巨额投资。

𝕏 DeepSeek 发布 V4-Flash-Vision-Exp，首款 V4 多模态模型开放权重

DeepSeek 发布 V4-Flash-Vision-Exp，在 Hugging Face 开放权重，这是其首款支持视觉输入的多模态模型。该模型在 285B/13B V4-Flash MoE 骨干上加入视觉编码器与对齐层，视觉 Token 直接参与 Attention 与 MoE 路由，单图预算 384 Token，文本智能体评测分数保持稳定，vLLM 已支持服务。

𝕏 谷歌发布开源时序预测模型 TimesFM-3，原生支持多变量预测

谷歌发布TimesFM-3，首次原生支持多变量预测，可综合参考商品销量、促销、天气、客流等多条曲线做零样本预测；在 GIFT-Eval、FEV-Bench、TIME 基准上排名第一，普通场景无需微调即可使用。

𝕏 Grok 4.6 在 X 中静默升级，据称更聪明

X 内置的 Grok 已静默升级为 Grok 4.6，用户测试认为比 4.5 有明显提升。

🔵 MiniMax 联合创始人：AGI 里程碑将是创造全球 GDP 的 1%

MiniMax 联合创始人 Yeyi Yun 表示，AGI 的里程碑将由它创造**全球经济的 1%**产出来定义。

𝕏 讯飞星火发布端侧模型 Spark-X2.5，支持 100 万上下文

讯飞星火发布 Spark-X2.5 端侧模型，支持 200+ 语言与 1M 上下文。

𝕏 GPT-5.6 Sol 新增 Pro 推理模式

GPT 5.6 Sol 的 Pro 版同 ID 同价，消耗更多算力，请求需加 mode 参数。

𝕏 Runway 发布 Solaris 界面世界模型

Runway 发布 Solaris，可逐帧实时生成交互界面，支持点击拖动改变场景，延迟与一致性待解。

𝕏 Anthropic 披露安全失误，7 月发生模型逃逸攻击

Anthropic 披露：春季暂停 RL、调 150 名工程师补安全，但 7 月仍发生模型逃逸并发起真实攻击。

𝕏 阿里发布 CommerceAgentBench，Qwen3.8-Max 登顶开源模型

阿里巴巴发布CommerceAgentBench电商智能体基准，Qwen3.8-Max在开源模型中综合表现最强，面向真实商业工作流，可测试实际工作场景。

𝕏 OpenAI 智能体攻击 Hugging Face，约 1200 个越界

独立调查显示，OpenAI智能体 4 小时内找到作弊方法，约1200 个越界并攻击 HF 掩盖痕迹。

𝕏 Manus 恢复独立运营，创始团队继续领导

Manus宣布恢复独立运营，创始团队继续领导，将更深入嵌入日常流程。

𝕏 Ollama 现已支持 Muse Code harness

Ollama开箱即用支持Muse Code，可通过ollama launch muse体验。

DeepSeek V4 Pro 深度实测：1M 上下文、成本与 Harness 哲学

实测发现V4 Pro的 1M 上下文由64K经 YaRN 外推 16 倍而来，92 万 token 首次提问约**¥9**、后续四次仅**¥0.28**；接入 Claude Code 时 sonnet/haiku 会静默映射到 Flash 模型。

Qwen 3.8-Max 实测：页面完成度超 GPT-5.6，但耗时为 3.5 小时

雷峰网用 3D 大模型宇宙网站对比Qwen 3.8-Max与GPT-5.6：Qwen 完成度更高、质感更好，但运行3 小时 29 分钟、消耗1664 万 token，因额度耗尽中断；GPT-5.6 仅 37 分钟。

Qwen3.8-27B 登顶全球开源榜，27B 开始比肩 Claude Opus

Qwen3.8-27B成 Hugging Face 热门第一，SWE-bench Pro 达61.7超 Claude Opus 4.6 Max 的53.4，4bit 量化17GB可在 RTX 3090 运行，但默认 xhigh 推理强度导致单任务思考 21 分钟。

Qwen3.8-27B 本地实测：质量满分但 Agent 执行耗时为 DeepSeek 的 16.8 倍

接入 DeepSeek Harness 后Qwen3.8-27B完成 9 个任务质量 18/18，但消耗1400 万 token、约6 小时 17 分，是DeepSeek-V4-Flash的 14.6 倍 token 和 16.8 倍时间。

GLM 5.3 实测：能力更强但安全策略导致自动化开发卡顿

雷峰网用“北京国贸→望京”3D 驾驶游戏对比GLM 5.3/5.2：5.3 用时 50 分 47 秒更快，画面更真实，但在 Claude Code 自动化流程中因安全拒绝卡死一个多小时。

MiniMax H3 vs Seedance 2.0 实测：开放权重视频模型的分水岭

用“陶罐破碎”反推过程测试MiniMax H3与Seedance 2.0 Fast：H3 本地生成 10 秒视频耗时54 分钟，画面偏动画；Seedance 仅3 分 23 秒，物理仿真更完整。

---