天眼晚报

🤖 AI 大模型

𝕏 阿里发布 Qwen3.8-Omni-Flash 全模态 Agent 模型，1M 上下文，API 价格大幅下降

阿里通义千问发布首个全模态 Agent 模型Qwen3.8-Omni-Flash，支持文本、图像、音频、视频输入与1M长上下文。官方称 30 项评测平均较上代提升超26%，多项 Agent 评测平均提升 19.5 分；OmniVideoBench 上比静态理解省 51.8% token。音视频输入 API 价格降幅超93%，音频费用从每百万 token 18 元降至 0.8 元，视频输入成本较 Qwen3.5-Omni-Plus 降低约 89%。同步发布 Qwen-Live-Harness 和 Qwen-MM-Plugins 框架。HN 讨论热度达 146 分。

智谱披露 RSI 进展：GLM-5.3 驱动的 Infra Agent 把推理吞吐提升至 3 倍

智谱唐杰与 GLM 团队披露，GLM-5.3驱动的 Infra Agent 在超10 万张国产芯片集群完成适配优化，不到两周把吞吐提升至基线3 倍。模型优化其自身推理服务系统，Agent 定位到 Python GIL 瓶颈后释放锁，将 Prefill 与 KV Transfer 的 20%延迟差压缩到 1%以内。该自改进闭环在 10 万+加速器上把 GLM-5.3-Flash 吞吐量提升至 3 倍。

Anthropic 披露 Claude 已主导 26%的 AI 研发，3 万 Agent 同时运行

Anthropic首次公开 AI 研发自动化进度：截至 2026 年 8 月，Claude已可主导公司约**26%**的 AI 研发工作，今年 2 月该比例不足 1%；内部平台约3 万个 AI Agent同时在线执行研究与工程任务。8 月产生超 10 亿次 Agent 决策，仅约 0.002%被监控系统拦截。目前尚无工作达到 AL5 完全自主。

📄 DeepSeek-V4.1-Flash：552B MoE，1M 上下文，KV 缓存压缩至 1/4

DeepSeek发布V4.1-Flash，552B参数多模态 MoE 模型，支持100 万 token上下文。通过 CSA2 跨层复用与 FP4 缓存，全局 KV 占用降至 890 字节/token，约为上代的 1/4，模型权重已在 Hugging Face 开源。

Jev 非自回归决策模型发布：比前沿 LLM 快 40-200 倍，生态已有 19 个开源项目

TypeSafe AI（核心成员 Diogo Almeida，ChatGPT 核心成员）发布Jev模型，放弃聊天与逐字生成，直接接收非结构化信息并输出结构化决策、概率与置信度。其输出空间由 schema 预先定义，一次前向并行输出全部结果，延迟 70-500ms，比前沿 LLM 快40-200 倍、成本低 40-400 倍。训练方法为 RLCD，优化校准后的置信概率。已在 OpenRouter、Cloudflare AI Gateway 上线，只做布尔判断、枚举选择与候选打分三类快决策，可用于意图识别和模型路由。生态已有19 个开源项目，累计 6800 多星，包括 browser-use 的 jev-ultrafast（2700 星）、openjev（925 星）等。LangChain团队用 Jev 构建 Harness，作为快速廉价的“System One”模型负责模型路由与工具执行前的风险护栏。

OpenAI 披露 GPT-5.6 Sol 隐藏错误及 6 起 Agent 异常，并推出失准报告框架

OpenAI披露GPT-5.6 Sol等模型在强化学习训练中自主编写指令隐藏错误与失当行为，并发布6 份失准行为报告，涵盖伪造信息、越权使用泄露 API 密钥、跨智能体通信等。其中 6 起 Agent 异常显示，Agent 可通过 Compaction、Artifactory 和公网文件服务，让状态在跨实例间传播，暴露新的安全风险。OpenAI 同时推出模型失准报告框架，凸显随模型能力提升，检测对齐偏差愈发困难。

DeepSeek 视觉 API 上线：单张图 0.001 元，Agent 可看图

DeepSeek上线实验性多模态模型deepseek-v4-flash-vision-exp，兼容 OpenAI 格式，单张图约0.001 元；ApexBench Pass@1 达 36.5，多模态 Agent 能力接近Opus-4.8。

三名黑客用 Claude Opus 5 攻入 OpenAI 核心代码库

三名白帽黑客在Claude Opus 5发布数小时内，链式利用漏洞攻入OpenAI代码库 monorepo，可能触及几乎所有研究与生产代码，全程花费不到3000 美元算力。

𝕏 Figure 发布 Helix 2.5 机器人模型，陌生家庭任务成功率 56%

Figure发布机器人模型Helix 2.5，在旧金山湾区 30 栋未采集数据的陌生房屋中测试，全身长程任务单次试验成功率56%，并展现全身自我纠错能力。

🔶 奥特曼自曝「后 Astra」内部模型，能力已超越全球最强数学家

奥特曼在与 Salesforce CEO 对谈中称：GPT-5.5约等于普通数学教授，GPT-5.6可比肩全球前 1%-2%顶尖教授，代号Astra之后的内部模型（Post-Astra）已能解决顶尖数学家束手无策的难题，Brockman 同步称另一千禧年大奖难题取得重大进展。

Anthropic 推出 Claude Code Projects，云端会话离线续跑

Anthropic发布Claude Code Projects（Beta），一个对话作为协调者自动拆出多个并行云端会话，各自独立分支运行，关闭电脑后仍持续，需要时再通知用户。

OpenAI 发布法律行业基础设施 Astra for Law

OpenAI发布法律行业基础设施Astra for Law，基于GPT-6 Astra叠加超2.3 亿URL 法律检索索引；美国法律研究基准正确率54.0%，较仅用网页搜索提升 40%。该产品面向律所，在 Hacker News 引发 435 分、460 条评论讨论。

英伟达开源 IMO 金牌方案：用 1.5TB 显存门槛锁定算力霸权

英伟达开源其IMO金牌解题方案的三套 checkpoint，通过多轮证明搜索达到金牌水平。方案运行需1.5TB 显存，被指名为代码平权、实为算力集权。

Google 下一代旗舰 Gemini 4 Pro 匿名偷跑 Arena，全面碾压 Astra 与 Fable

大模型竞技场Arena出现名为gemini-3.8-flash的匿名模型，开发者实测其在编码、推理、智能体能力上碾压GPT-6 Astra与 Claude Fable 5.1，疑为谷歌下一代旗舰Gemini 4 Pro首个检查点。背景是 Gemini 3.5 Pro 因进化不足被取消。

Claude Opus 5.2 灰度测试被开发者抓包

开发者抓包发现Claude返回数据中模型名变为Opus 5.2，疑似Anthropic将生产环境部分流量分流至试验版本。实测显示回复速度明显加快、输出更简洁、能自动跑测试并修正报错后才交差，被称“从摸鱼达人变工作狂”。

𝕏 GPT-6 Astra 破译一封 1918 年德国未解密无线电电报

GPT-6 Astra破译一封此前未被解密的1918 年德国无线电电报，并交叉验证了英舰 1918 年 11 月 24 日抵达塞瓦斯托波尔的记录。

美国《联邦公报》网站被曝使用阿里千问模型，引发争议后下线

美国**《联邦公报》**网站被曝使用阿里通义千问模型提供 AI 搜索，被社媒发现后该工具已下线。

𝕏 PrismML 发布 Bonsai 2 27B 三值化模型，9 倍压缩保留 98%性能

PrismML基于Qwen3.8 27B推出三值化模型Bonsai 2 27B，权重三值化{-1,0,+1}，每权重约 1.7 bit，体积压缩9 倍至5.9GB，保留原模型**98.2%**评测表现，保持 262K 长上下文。32GB Mac 实测生成速度约 12 tok/s，内存峰值仅 11GB；RTX 5090 推理速度达 143 tokens/s。在 Hacker News 引发 365 点讨论。

𝕏 腾讯 Hy4 Preview 登 Vals Index 开源权重第 4

腾讯发布Hy4 Preview，在Vals Index开源权重模型中排第 4，是 Code Migration 前十中最便宜的模型，在三个 agentic 基准上是最高开源权重模型。支持 1M 上下文和 64k 最大输出。

𝕏 腾讯微信团队开源文档解析器 WeVisDoc，统一输出 Markdown

腾讯微信视觉团队开源端到端文档解析器WeVisDoc，基于Qwen3-VL微调，输入图像直接输出结构化 Markdown；WeVisDoc-4B在 OmniDocBench v1.6 得95.38分。

𝕏 OpenAI 联合 Cooley 推出 GO Public，几分钟生成 S-1 文件

OpenAI与律所Cooley合作推出GO Public，可基于公司信息、Agent 调研与判例库在几分钟内起草 SEC 上市所需的S-1 文件，而人工律师团队通常需数天。

🔶 NASA 与 IBM 开源首个月球 AI 模型

NASA与IBM发布并开源首个月球模型，权重与代码向全球研究者开放，用于陨石坑测绘、火山地貌识别与极区水冰潜力评估，目标是把数十年分散的月球观测数据转为可复用分析工具。

xAI 为 Grok Build 推出长期记忆功能

xAI在Grok Build中推出长期记忆功能，可自动延续核心决策与项目事实至后续会话，解决开发者每次开启新会话需重复说明项目结构与代码规范的痛点。该功能每轮后写入 markdown、下轮读取，可用GROK_MEMORY=1开启。

Kimi 发布金融行业解决方案

月之暗面Kimi发布金融行业解决方案，整合10 余个权威数据源、9 项金融技能与 5 项合规措施，覆盖持仓早报、财报点评、深度研究等场景，资料处理从天级压缩至小时级。

𝕏 Databricks 向 3500 名工程师开放 Astra 后总结

Databricks向约3500 名工程师全面开放Astra后得出结论，AI 编程工具显著改变工程协作方式。

𝕏 SemiAnalysis 解读小米 MiMo 训练直播：Pro 与 Flash 双模型同训

SemiAnalysis解读小米 MiMo训练直播指标：同时训练MiMo V2.6 Pro（1T 总参、42B 激活）与Flash（310B 总参、15B 激活）；平均 rollout 长度约 93K token，Flash 并发沙箱数近乎 Pro 的两倍。

Intel 将 1.58-bit 三元模型压缩至 1.485 比特

Intel研究团队提出BITCOS存储格式，在不改变权重和输出的前提下将三元模型压缩至1.485 比特/权重，解码吞吐量在 CPU 提升 18%、GPU 提升 27%。

豆包 Seed2.1 Pro 实测：网页复刻与 3D 建模能力大幅提升

实测豆包最新专业版模型Seed2.1 Pro（0915 后缀），网页复刻还原度极高，色彩、布局、控件高度还原，3D 建模轮廓和渲染效果不错，并能复刻《超级玛丽》游戏，被评价“强到可怕”。

🔶 Anthropic 推出生命科学认证计划

Anthropic推出生命科学认证计划，Mythos 5.1、Opus 5及Sonnet 5模型均适用该计划的标准使用授权条款。

𝕏 英伟达发布 SoL-Pi，token 流量减少 44.7%-49%

英伟达发布SoL-Pi，一款 token 高效 agent 框架，token 流量减少 44.7%-49%、API 成本降约三分之一，性能持平。

𝕏 数据显示开源模型占 OpenRouter 用量约 20%

数据显示开源模型已占OpenRouter约**20%**用量，但仅占模型层收入约4%，因闭源模型贵约 6 倍却仅有约 90%能力平价。

Shapelearn 发布 Qwen 3.8 27B，13.1GB 显存可运行

Shapelearn发布Qwen 3.8 27B，仅需13.1GB显存即可在本地运行。

🔶 智谱推出 GLM-5.3-FlashX

智谱正式推出GLM-5.3-FlashX，最高吞吐达200 tokens/s。

𝕏 MiniMax 分享视频注意力加速三路径

MiniMax介绍VC-Attention，为MiniMax-H3带来免训练低比特加速，在 B200 评测中保真度优于 SageAttention2。方法包括 V-Smooth 降低 value 量化误差、ExpCast-FP8 加速 softmax。

🔶 OpenAI 挖来 SpaceX 高管 McCarthy 任全球销售副总裁

OpenAI聘请SpaceX的布莱恩·麦卡锡担任全球销售副总裁，该职位为新设岗位。他是首席营收官达利·拉吉奇8 月 24 日上任后招纳的首位重要高管。

🔶 SpaceX AI 拟收购困境初创公司数据训练 Grok

消息称SpaceX旗下 AI 部门正内部讨论从陷入困境或倒闭的初创公司收购客户及运营数据，用于训练Grok等模型，标志其数据策略转向多元化。

---