AI 日报 | 2026年8月13日：DeepSeek V4 Pro 与 Grok 4.6 同日对决、微软首发自研推理模型、阿里开源 2.4T 千问旗舰

今日要点速览

一、模型对决

1. DeepSeek V4 Pro 与 Grok 4.6 同日发布，双双逼近 Claude Fable 5

来源：公众号：数字生命卡兹克 / xAI / Cursor Blog · 北京时间 08-13 06:22

2小时内，两个重量级模型先后登场：

DeepSeek V4 Pro：正式版发布，1.6T 参数规模，逼近 Claude Fable 5 体验。延续 DeepSeek 一向的高性价比路线，在编码和推理基准上表现强劲。

Grok 4.6：xAI 发布，1.5T 参数，重点强化长时运行智能体及更复杂的交互式与视觉工作能力。在 Artificial Analysis Intelligence Index（九项基准综合分）上追平 GPT-5.6 Sol。Cursor 与 SpaceXAI 联合发布，意味着 Grok 4.6 将深度集成到 Cursor 编程环境中。

二、模型发布与更新

2. 阿里开源 Qwen3.8-2.4T-A95B：千问旗舰首次开源

来源：IT之家 · 北京时间 08-13 00:10

阿里 Qwen 团队正式开放 Qwen3.8-2.4T-A95B 模型权重，这是 Qwen-Max 级别模型首次开源。模型总参数 2.4T，每个 Token 激活 95B，原生支持 262,144 Token 上下文并可扩展至 1,010,000 Token。SGLang 与 Miles 已提供 Day-0 支持。

3. 微软首发自研推理模型 MAI-Thinking-1

来源：X：Mustafa Suleyman（Microsoft AI CEO）· 北京时间 08-13 00:00

微软发布首个从零构建的推理模型 MAI-Thinking-1，现已在 Microsoft Foundry 上线。这意味着微软不再仅依赖 OpenAI 模型，开始构建自有的推理模型能力。微软 AI CEO Mustafa Suleyman 亲自官宣。

4. LTX-2.5：10 秒 720P 视频仅需 6.8 秒生成

来源：IT之家 · 北京时间 08-12 14:46

LTX 推出 LTX-2.5 模型，原生集成 ComfyUI，在 2 张 GB200 配置下生成 10 秒 720P 视频仅需 6.8 秒。10 秒片段成本仅 0.90 美元；年营收低于 1000 万美元的组织可免费使用。AI 视频生成进入实时时代。

三、前沿研究

5. Anthropic 研究：多智能体系统的模式与问题

来源：Anthropic Research · 北京时间 08-13 09:20

Anthropic 发布重要研究，指出随着 AI 智能体在共享代码库、市场等社会系统中承担更多任务，智能体间交互量或将超过人机交互。

实验核心数据：

• 45 个协调智能体在 2700 万 token 运行中发现 266 个漏洞
• 独立并行方法在 650 万 token 中发现 21 个
• 两种方法仅 12 个重叠，互补性极强
• 协调智能体学会了专业化分工

关键警示：个体层面的良性行为怪癖可能叠加为意外的系统性失败。这是多智能体系统从实验室走向生产环境必须解决的核心问题。

6. Google 研究：Recall 是参数化事实性的瓶颈

来源：Google Research · 北京时间 08-13 01:57

Google Research 提出知识画像框架，发现前沿 LLM（如 Gemini3、GPT-5）的事实编码接近饱和，但回忆（recall）能力不足，多数事实错误源于"丢钥匙"而非"空货架"。

该框架将事实分为编码失败、回忆失败等五类画像，并配套推出 WikiProfile 基准，含 2,150 条维基百科事实，每条配 10 个问题，用于分别探测编码、回忆与识别能力。

四、产品发布与更新

7. Claude in Chrome 侧边栏升级为 Claude Cowork 会话

来源：Claude Blog · 北京时间 08-13 04:15

Claude in Chrome 浏览器扩展的侧边栏升级为 Claude Cowork 会话，对话保存至历史记录，技能和连接器可在浏览器中工作，任务可在桌面、网页和移动端应用间无缝切换。Anthropic 正在构建跨平台的工作连续性。

8. OpenRouter 发布实时网页搜索基准

来源：OpenRouter · 北京时间 08-12 23:45

OpenRouter 发布实时排行榜，系统评测模型、搜索引擎、搜索方法与预算四类配置组合。核心发现：将搜索预算从 1 轮增至 25 轮可使 BrowseComp 得分近乎翻倍，成本仅增 2.5-7 倍；模型选择比引擎更重要（平均分差 15 分 vs 10 分）。

9. Meta 开源 Muse Glimmer 登陆 OpenRouter

来源：X：OpenRouter · 北京时间 08-12 20:00

Meta AI 超级智能实验室的首个开放权重模型 Muse Glimmer 已在 OpenRouter 上线。30B 密集文本+图像模型，Apache 2.0 许可证，MCP Atlas 得分 75.5，SWE-Bench Pro 得分 51.2。

10. WhatsApp 推出 Scam Alert 反诈提醒

来源：Meta Engineering Blog · 北京时间 08-12

WhatsApp 推出可选功能 Scam Alert，通过端到端加密保护下在设备端运行机器学习模型，识别潜在反诈消息。遵循三大原则：仅设备端处理、无自动上报、用户控制。模型权重公开供独立验证，遥测数据经差分隐私聚合处理。

五、行业观察

11. AutoGPT 用 CLA 签名当"人类探测器"

来源：GitHub Blog · 北京时间 08-13 02:00

AutoGPT 维护者发现，AI 智能体不会主动阅读文档，因此将指令放在 AGENTS.md 和技能文件中。他们通过强制 PR 模板、测试计划、CI 覆盖率门槛等门控机制，将智能体提交的 PR 从"不可用"转变为"可用但不符合路线图"。

其中 CLA 签名因需浏览器和 OAuth 流程，被用作区分人类与智能体的"人类探测器"。开源项目正加速适应 AI-first 的贡献者生态。

12. LLM 长文写作能力停滞

来源：Nathan Lambert：Interconnects · 北京时间 08-12 21:01

作者在完成一本 RLHF 教科书后反思：LLM 在编码、数学等任务已接近超人水平，但长文非虚构写作进展停滞。模型能改错字、做编辑，但组织整章内容时仍混乱且易出错，这阻碍了模型自主解决开放科学问题。

13. Research Gold："100% 人类撰写"实为 AI 全程驱动

来源：Hacker News · 北京时间 08-12 13:41

面向医学研究者的网站 Research Gold 宣称"100% 由人类撰写、绝不使用 AI"，但调查发现审稿人系 AI 生成、不存在；真实方法学家身份和照片未经许可被挪用；"客服 Sarah"实为 AI 助手却坚称自己是真人。

今日热点榜 Top 10

今日趋势总结

1. "千词级"模型在同一天正面交锋，智能体能力也因此成为新的关注重点：DeepSeek V4 Pro 与 Grok 4.6 同日亮相，并共同释放出一个清晰信号——长时运行智能体正在成为核心方向。Grok 4.6 明确加强了"长时运行智能体能力"，并已追平 GPT-5.6 Sol；而 DeepSeek V4 Pro 则继续凭借性价比优势向市场发起冲击。可以看到，模型竞争的主战场正从"谁更聪明"逐步转向"谁能持续干得更久"。

2. 开源旗舰密度创下新高：阿里 2.4T 千问旗舰开源、Muse Glimmer 上线 OpenRouter、Nemotron 3.5 Lightning 持续发酵——仅48小时内就有3个重量级开源模型释放。开源不再只是"平替"，正在成为真正可选的生产级方案。

3. 多智能体正从“能用”迈向“可控”阶段：Anthropic 的研究第一次较为系统地揭示了多智能体系统中的涌现风险——原本看似良性的个体行为，在叠加后可能演变为系统性的失败。AutoGPT 提出的 AGENTS.md + CLA 签名“人类探测器”，则可以看作工程实践层面的一种回应。当智能体开始彼此协作、相互交互时，究竟由谁来确保整个系统不会走向失控？

数据来源：[AIHOT] | 本文内容基于 AIHOT API 实时数据整理