type
Post
status
Published
date
Aug 15, 2026 05:43
slug
ai-weekly-2026-W33
summary
这一周几乎是模型发布周。8/11-8/12 的 Frontier Model Day 前后，xAI、Alibaba、DeepSeek、智谱、Google 在三天内扎堆上新，加上 8/14 的 Cursor 收购，构成了 2026 年至今密度最高的一周。单看模型侧，Grok 4.6（Artificial Analysis 评测）拿下 61 的 Intelligence Index，Qwen3.8-2.4T-A95B 开源，DeepSeek V4 Pro 以 MIT 许可发布，GLM-5.3 上线，Gemini 3.7 Flash 紧随其后。每条单独拎出来都是季度级事件，集中在五天内发生，说明迭代节奏已经从"季度发布"压到了"周级"。 值得注意的第二条线：效率成了这一轮竞争的主轴。Grok 4.6 定价 $2/$6，cache hit 降到 $0.5；Gemini 3.7 Flash 的 intro 价格是 3.6 的一半；OpenAI 预告了 Ultrafast 档位，把 GPT-5.6 Sol 推到 750 tokens/秒。头部模型在智力差距缩小的前提下开始拼单位成本——方向跟 2025 年完全一致，但这周的密度罕见。 第三条线是 Agent 基础设施的整合。Cursor 被 SpaceX 收购加入 SpaceXAI，vLLM 一周内为五个新模型提供 day-0 支持，Agent 的"交付层"和"编排层"都在快速收敛。下面分主题展开。
tags
AI
周报
技术趋势
category
AI技术报告
icon
password
priority
1
📊 本周概览
这一周几乎是模型发布周。8/11-8/12 的 Frontier Model Day 前后，xAI、Alibaba、DeepSeek、智谱、Google 在三天内扎堆上新，加上 8/14 的 Cursor 收购，构成了 2026 年至今密度最高的一周。单看模型侧，Grok 4.6（Artificial Analysis 评测）拿下 61 的 Intelligence Index，Qwen3.8-2.4T-A95B 开源，DeepSeek V4 Pro 以 MIT 许可发布，GLM-5.3 上线，Gemini 3.7 Flash 紧随其后。每条单独拎出来都是季度级事件，集中在五天内发生，说明迭代节奏已经从"季度发布"压到了"周级"。
值得注意的第二条线：效率成了这一轮竞争的主轴。Grok 4.6 定价 $2/$6，cache hit 降到 $0.5；Gemini 3.7 Flash 的 intro 价格是 3.6 的一半；OpenAI 预告了 Ultrafast 档位，把 GPT-5.6 Sol 推到 750 tokens/秒。头部模型在智力差距缩小的前提下开始拼单位成本——方向跟 2025 年完全一致，但这周的密度罕见。
第三条线是 Agent 基础设施的整合。Cursor 被 SpaceX 收购加入 SpaceXAI，vLLM 一周内为五个新模型提供 day-0 支持，Agent 的"交付层"和"编排层"都在快速收敛。下面分主题展开。
前沿模型发布潮：中系追赶与旗舰竞争
先从最大的一条说起。Grok 4.6（SpaceXAI，1.5T 参数）在 Artificial Analysis Intelligence Index 上得 61，跟 GPT-5.6 Sol (max) 持平，排 Claude Opus 5 (max, 63) 和 Claude Fable 5 (max, 62) 之后。相比 Grok 4.5 涨了 5 分，比 4.3 涨 23 分——一个月内把上一代甩开一个身位。关键是 agentic 成绩：Terminal-Bench v2.1 88.4%，GDPval-AA v2 Elo 1753，τ³-Banking 50.7%，都进前三。价格却停在 $2/$6（输入/输出每百万 token），比 Claude Opus 5 的 $5/$25 和 GPT-5.6 Sol 的 $5/$30 便宜 60% 以上。
这个组合直接改变了选型逻辑。latent.space 的 AINews 把 Grok 4.6 称作实践者眼中 coding 和 bug-finding 的"新默认选择"。训练细节也有披露：更长的补充训练、用 Grok 4.5 再生 SFT 轨迹、agentic RL 覆盖 kernel 优化、网页开发和 CAD 领域。Elon 已确认 4.7 在训练中。
发布节奏上更有意思的是它附带的同场竞品。Qwen3.8-Max（Alibaba Qwen）是目前已开源的最大权重模型——2.4T 总参数、95B 激活、512 专家。vLLM 配好了现成量化检查点：NVFP4 1.32 TiB（一张 NVIDIA 8×B300 节点）、MXFP4 1.45 TiB（AMD 8×MI355X），不需要转换，vllm serve 直接跑。同日还有 Qwen3.8-27B：一个 27B 稠密多模态模型，整体超 Qwen3.7-Plus，262K 原生上下文可扩到 1M，Apache 2.0。vLLM 的 day-0 支持细节值得看：单 GPU（Blackwell）跑全精度，MTP draft head 直接在 checkpoint 里，BF16 下短 prompt 接受率 92.2%，FP8 84.8%，1M 上下文时单张 GB300 还能装下 6.6M KV tokens。
DeepSeek V4 Pro 走的是另一条路线——MIT 许可，架构和 preview 完全一致，配置零迁移（vLLM 从 0.25.0 起就支持该路径）。注意这里说的是 7 个 draft tokens 一步的 DSpark 现在默认打进了 checkpoint，且在 NVIDIA 和 AMD 硬件上都验证过。更有意思的是 DeepSeek 把 agent harness 也一并开源了，指向任意 OpenAI 兼容 base URL，你的 coding agent 就能在自己硬件上端到端跑——这是开源工具链完整度的明显信号。
智谱的 GLM-5.3 定位是"Built to Code. Ready for Cyber Defense"，基于 743B base。interconnects.ai 的长文分析 给出了这周最有信息量的第三方视角：GLM-5.3 参数只有 Kimi K3 的三分之一，多个 agentic coding 基准反超，部分指标压过 Claude Fable 5 或 GPT-5.6-Sol。作者的核心论点是 Z.ai 的优势在后训练（RL 主导），而非蒸馏或 benchmaxxing。他还质疑美国实验室为何没修推理痕迹提取漏洞——这个问题的存在本身就是竞争格局的一部分。
Google 这边是 Gemini 3.7 Flash（官方博客 + Pichai 推文+ Hassabis 推文三连发）。亮点不是绝对性能，而是节奏：距 3.6 Flash 发布只有三周。软件工程、知识工作、网页开发三块都有提升，intro 价格是 3.6 的一半。Google 内部 Antigravity 已用它跑了一轮。把 Flash 这条线当"workhorse"迭代到周级，是 Google 在跟 Grok 的低价策略打正面。
把这几条放一起看，有个值得注意的信号。新浪财经引述的统计是"中国厂商两个月五连发"，163 的文章里提到 DeepSeek 和 Kimi K3 已经改变了"硅谷立范式、中国追赶"的叙事。这周 Qwen、DeepSeek、智谱在同一天内前后脚发布，且各自在开源许可、量化开箱、harness 完整性上互相较劲——不是单纯比 benchmark 数字，而是比"拿到手能不能直接跑"。竞争的实际门槛在往下沉。
推理加速与 Serving 层优化
OpenAI 这周的 Ultrafast 预览是速度维度的头条。Ultrafast 档位 基于 Cerebras 硬件，GPT-5.6 Sol 推理速度是标准档的 14 倍，最高 750 tokens/秒，论文级 Agent 任务的 TTFT 响应被压得很低。官方列了五类高价值场景：事故响应、金融研究、客服语音、电商实时推荐、交互式实验，并给了 Jane Street、Podium 的早期反馈。核心主张是"速度不再需要牺牲智能"——这个说法本身不新鲜，但 750 tok/s 的整数放在那，确实让时延敏感型业务开始认真评估把 Sol 放进生产链路。
服务层这周的主角是 vLLM。它在 DeepSeek-V4-Pro-0813 上做了自适应验证——不再是固定 draft 长度，而是根据系统负载动态决定每步验证多少 draft token。实测数据相当能说明问题：一个 7-token draft 的首 token 存活率超过 70%，末 token 不到 10%——那固定验证 7 个 token 就是对尾部算力的浪费。打开 enable_adaptive_verification 后，8×B300 上 concurrency 1 到 256 全程守住 Pareto 前沿。这算 speculative decoding 从"手动调参"到"自动规避浪费"的一步。
同周 vLLM 还给了 Qwen3.8-2.4T、Qwen3.8-27B、dots3-note preview 的 day-0 支持。dots3-note 值得单独说——它是小红书（RedNote）旗下 dotsstudio 开出的 280B MoE / 16B 激活模型，512K 上下文，能读图、音频、视频，且训练目标是"探索陌生环境并自主更新记忆"，Apache 2.0。这类"为长程 agent 工作设计的模型"正在成为 RedNote 和 DeepSeek 这类实验室的新竞技场，而 vLLM 的 day-0 生态位让它成了发布派对的默认承办方。
论文侧有两篇扎实的系统工作。AdaMX（Brown/Michigan/Google）解决的是低比特推理的粒度问题：MXFP4 的精度损失大多来自"跨块固定元素格式"这一设计选择。AdaMX 按块选精度恢复方案、按操作数（权重 vs 激活）选编码，等效位宽不变。22nm FD-SOI 原型上，相对 MXFP4 加速器只加约 1% 能量，却把 3B-70B LLM 在 commonsense 上 83% 的 MXFP4 精度损失消掉，MMLU 上 82%，对 NVFP4 也能消掉 43% 和 27%。Cascade（UBC/Microsoft Azure/NVIDIA）把目光放在 SLO 调度上：请求其实有大量"latency budget 冗余"，Cascade 用 per-request budget 同时协调调度和 KV-cache 管理（restore/prefetch/retain/recompute 都由这个 budget 决定）。生产 trace 上 goodput 提升 2.4 倍、SLO 违规降 40%。
这周的 serving 层叙事比模型发布更值得工程师关注：头部模型能力趋近后，成本变成了差异化核心，而成本的一半落在推理。vLLM 在把"每 token 的成本"往下压——自适应验证、量化检查点内置、KV cache 优化。效率竞争正在从"训练出更小的模型"转移到"把已有模型 serve 得更聪明"。
Agent 生态：IDE 收购与云平台编排
本周 agent 生态最大的一件事是收购：Cursor 被 SpaceX 收购，8/14 官宣 close。Cursor 团队将并入 SpaceXAI，目标直接指向 Grok Build、Grok Bot、Grok API 和 Cursor 本身。把这个事件放进本周 Grok 4.6 发布的上下文里看，SpaceXAI 显然在走"模型 + 工具链闭环"的路线——先有低价的强模型，再收编最流行的 agentic IDE，把从训练到编码交付的整条链路握在手里。与此同时 Grok 4.7 已在训练，这个时间窗口的意图很清楚。
平台侧，GitHub 和 AWS 各发了一篇实操向的文章。GitHub 的 agent apps 工作流展示了把产品洞察、依赖审查、特性开关、部署风险评估四类任务塞进 PR 的做法——Amplitude、Endor Labs、LaunchDarkly、PagerDuty 作为 agent 直接在 review 上下文里工作，开发者不用切工具。这是"把软件交付流程搬进 GitHub"的官方范式，也是 Copilot 生态从补全走向编排的信号。
AWS 两条并进。一是 Bedrock AgentCore Browser Tool 做遗留 Web 应用自动化：全托管云端浏览器，WebSocket 上的 CDP 连接接 Playwright，Agent 驱动任意技术栈的界面；会话隔离、IAM 控制、完整审计追踪，踩的是 RPA 在合规场景的老坑——保险行业是它的样板客户。二是 SageMaker + Bedrock AgentCore 的多 Agent 编排：SageMaker 上部署 Qwen 3.5 9B，跟 Bedrock 上的 Claude 通过 Strands Agents 框架协作，做财务分析场景。亮点在集成细节：bearer token 自动刷新、token 级可观测性、完整代码仓库开源。它代表 AWS 在 agent 编排层的落地形态——不造模型，但把"在哪里跑、怎么编排、如何审计"这些问题一次性解决。
Runta 创始人戴冠兰的访谈（十字路口Crossing）这周在圈内传播很广，核心判断是"模型能力已经够了，要卷就卷 infra"。他提到 token 文化从 maxxing 转向 minimizing——不再追求一次推理用多少 token，而是追求完成一个任务最少花多少 token。这个说法跟本周 Grok 4.6 的 turn 效率数据（~53 turns 完成任务 vs Claude Opus 5 的 ~103 turns）是呼应的。Agent 规模化的瓶颈在基础设施、安全与治理，而不在模型能力的绝对值。
四件事放一起看：Cursor 被收购意味着独立 IDE 时代的某种结束；GitHub 和 AWS 在把 agent 能力做进平台默认能力；Runta 这类创业公司则在补平台之间的缝隙。Agent 生态正在从"工具分散"走向"平台整合"。
Agent RL 奖励塑造与可验证记忆
Agent 要变好用，训练侧的瓶颈在奖励信号。本周三条内容都指向同一个问题：如何把稀疏的"任务最终结果"变成密集、可用的中间反馈。
AWS Nova Forge 自定义奖励函数（官方博客）给了最实操的视角。文章点明一个经常被忽视的事实：奖励函数决定模型真正学到的行为，一个微妙的错误奖励可能在你看着训练曲线健康的时候悄悄教错东西。具体方法论是 GRPO 上的复合奖励设计、在奖励内部安全执行模型生成的代码、以及对每个奖励组件做独立监控。文中给了真实案例：训练中权重最高的组件静默失效，曲线完全正常，直到单独监控才发现。这套工程实践对任何做多轮 RL 的团队都是直接可复用的。
ADRS（中科大 + Alibaba）处理的是时间信用分配：轨迹级奖励告诉模型"你成功了/失败了"，但不告诉它"中间哪几步是对的"。ADRS 的思路是让同一份 frozen policy 在训练时给 trajectory 打 token 级分数——即"自我蒸馏"，再用一个 Teacher Value Advantage（TVA）门控把这些分数跟实际 return 关联起来，只有"跟回报相关"的偏好才进入原生 RL 信用路径。三个交互基准上，长程任务持续改善，且增益在不同 RL 后端、减数据场景、未见任务上都保持。
VerMem（中山大学/NTU/Tencent）把问题放到 agent 记忆上。长期记忆、active context、情景历史三者过去是分开优化的，VerMem 用七个原子操作（add/revise/soft-delete/retrieve/filter/summarize/restore）统一成一个策略，再用三层 RL 课程训练。验证机制是双层的：本地验证器给每一步记忆操作打分，全局验证器在任务结束后评估"证据一致性"和"终态记忆一致性"，两者配合程序化计算的 task/evidence-recall/efficiency/constraint 信号做分层信用分配。五个 benchmark、两个 LLM 骨干上，VerMem 在多数指标上最优，且在受控 token 预算下拿到最强的效率-性能前沿。验证器只在训练时用，推理零开销——这是个工程上合理的取舍。
三条放一起的结论挺清楚：Agentic RL 正在从"结果导向的稀疏奖励"走向"过程导向的密集反馈"，而密集反馈的来源不外乎两条路——更强的验证器（VerMem 的本地/全局验证器），或更聪明的信用分配（ADRS 的 TVA 门控）。Nova Forge 的实操文章则提醒，任何一条路都要求你先把奖励本身设计和监控好，这是前提。
AI4Science：从数据闭环到科学评测
最后这条线关注 AI 在科学发现中的真实位置——既能讲进展，也有一面冷静的镜子。
SEE 基准（Alibaba）直接戳破了"模型能读文献=能做科学"的幻觉。它收集化学、生物、材料科学三个领域的专家标注真题（grounded in 同行评审文献和实验实践），测了 19 个多模态模型，最好的成绩是 48.7%。几个细节值得反复看：通用模型平均分反而超过科学专用模型；给模型配工具后最好成绩爬到 52.7%——但信息更多不必然带来更可靠的推理。作者的核心结论是，当前 MLLM 还不能在"原始实验证据的边界内"做合理的、有依据的推断。这对任何想在 agent 工作流里塞进科学推理的人来说是个明确的边界提醒。
正向的进展在另一边。Chai Discovery 播客（Latent Space）讲了 AI 药物发现的范式转变：创始人 Matt McPartlon 和产品负责人 Neil Patil 的关键观察是，当工具质量过了信任阈值，制药公司会开始大规模采用——不是"锦上添花"，而是解锁传统方法做不到的事，比如设计双特异性抗体。他们把"科学转工程、迭代速度"定义为竞争壁垒。
工程侧，Hugging Face + AWS 的机器人数据闭环 是 Strands Robots 系列第二篇，演示了从录制示教数据到部署策略再拉回新数据的完整链路：Strands Agents 录制 → Hugging Face Storage Buckets（Xet 字节级去重）→ 训练时流式读取避免拷贝 → 部署回硬件。全程保 LeRobot 格式，零转换。9 万+ 数据集已经在 Hub 上用这个格式，这个数字说明格式统一对数据共享的拉动效应。
Faster-WAM（华为诺亚方舟实验室）解决的是 World Action Model 的延迟问题：WAM 把动作预测和视频世界模型耦合，动作模块深度被绑死在视频 backbone 上。DoT（Dock of Transformer）把预训练视频 Transformer 当作表示 hub，只 dock 一个轻量单层动作头，通过 docking interface 融合所有视频层的 K/V 并做 RoPE 重对齐。LIBERO 和 RoboTwin 2.0 上拿到有竞争力的效果，LIBERO-Plus 有强 OOD 泛化，端到端延迟 66.5ms——比 Fast-WAM 快 3.2 倍。这告诉我们，机器人的"推理快"不一定来自模型变小，也可以来自动作头设计得足够轻。
另外一条实用工具动态：Firecrawl Research Index 宣布完全免费，并新增 4100 万篇生命科学论文，agent 可以直接检索，recall@10 90%。这对做科学 agent 的团队来说等于把检索成本降到了零。
AI4Science 这周的整体画面：评测在提醒我们能力边界（SEE 的 48.7%），工程在推进数据闭环和推理延迟（Strands/LeRobot、Faster-WAM），医药行业则在认真把 AI 工具放进管线（Chai Discovery）。模型能"读"科学，离能"做"科学还有距离，但工具链正在把这段距离一点点抹平。
📌 本周简讯
ExtractBench — LlamaIndex 团队发布企业文档信息抽取基准：370 份企业文档、4869 页、67 种类型，测了 14 个系统（前沿 VLM、coding agent、专用抽取 API）。最大发现是短文档掩盖缺陷——超过 50 页的文档里，商用 VLM 因静默列表截断，召回率跌破 35%。基准 100% 确定性可复现，配套的 Agentic Plus 档位以 95.6% 值准确率登顶。
Meta Muse Glimmer 30B — Meta 自 Llama 时代后重新开源权重：30B 稠密多模态推理模型，Gemma 风格架构 + 门控注意力，32 个 query head 只有 2 个 KV head，KV cache/token 仅 52 KiB——Qwen3.6 27B 是 64 KiB，Gemma 4 31B 是 840 KiB。延迟和显存足迹对 agent 工作流很友好。独立评测显示模型表现略在 Qwen3.6 之后，但"Meta 重新开放权重"这件事本身的信号意义更大。
antirez 为 MiniMax H3 写 Mac 推理引擎 — Redis 创始人为 MiniMax H3 编写了 Mac Metal 推理引擎并开源。MiniMax 的官方评论很准确："你雇不来这种贡献，只有开源能让它发生。"H3 这个在 MacBook 上跑高能效 LLM 推理的场景，因为 open weights 而获得了一个顶级系统程序员级别的实现。
LMSYS Unified Radix Cache — 混合模型（GQA/SWA/MoE 混合）让前缀缓存变得混乱，每种注意力类型有各自的复用语义。LMSYS 把整个缓存收敛到一棵共享树：一个 token-keyed radix 拓扑 + 可组合的架构特定复用语义，HiCache 和会话感知淘汰原生支持，控制器与树核心分离，甚至实验性实现了 Rust 树核心。agent 工作负载下的前缀缓存会因此省不少内存。
Transformer Lab Primus 自动研究循环 — Jeff Dean 的 Discovery Loop 思路立刻有了民间实现。Primus 把完整研究循环（文献调研→实验设计→资源编排→执行→分析→写稿）六阶段串联，约一天产出完整论文。作者实测了一次量化研究：Primus 自己发现下载的图像是压缩副本（虚增 2.9 个点准确率）并重建全部结果，又发现计时顺序不公转而交替执行。它还发现 INT8 只损失 0.05 点准确率却悄悄改变 4.3% 图像的答案——这个数字没有历史基线可对比，因为没人测过同模型两次训练的重现性差异（实测 0.14%）。
vLLM day-0 支持 Qwen3.8-2.4T-A95B — 2.4T 参数、512 专家的最大开源权重模型，vLLM 当天可跑：NVIDIA 侧 NVFP4 检查点 1.32 TiB（单 8×B300 节点），AMD 侧 MXFP4 1.45 TiB（单 8×MI355X 节点），无需转换或校准，直接 vllm serve。已验证到 1M 上下文下的正确生成，工具调用可用——这是开源模型 serve 完整度的新基线。