AI 模型发布与更新

面壁智能 OpenBMB 推出 MathForm，一个面向 Lean 4 数学自动形式化的开源框架、数据集与模型。其 FormalVerse 数据集含 367K+ 已验证示例；在匹配 100K 预算下，基于其训练的模型 Consistency Check 达 60.32%，优于 FineLeanCorpus（46.53%）与 NuminaMath-LEAN（41.49%）。

DeepSeek 上线多模态视觉理解模型 V4-Flash-Vision-Exp，纯文本能力与 V4-Flash 正式版持平，多模态 Agent 能力接近 Opus-4.8。该模型通过 API 提供，图片按 token 计费，一张最多占 384 tokens，价格与 V4-Flash 一致。同期上线的 Files API 免费，支持图片上传后通过 file_id 复用。

DeepSeek 8-21 宣布 DeepSeek-V4-Flash-Vision-Exp 已在 API 平台可用：这是可接图的实验性多模态模型，文本能力对齐 V4-Flash，用模型名 deepseek-v4-flash-vision-exp 调用，图片可用 base64、外部 URL 或 Files API 传入。同一更新上线 Files API（一次上传后按 file_id 复用）及 DeepSeek Harness 配套更新。官方 changelog 标为 expe…

Hugging Face 发布 LFM2.5 系列三款模型的 DSpark 草稿模型检查点，通过投机解码在不改变输出质量的前提下，GPU 吞吐最高提升 3.18 倍，端侧最高 2.87 倍。草稿模型约 300M 参数，LFM2.5-2.6B 函数调用延迟平均降低 57%，已开源支持 llama.cpp 和 SGLang。

阿里巴巴正式推出 Qwen-UI-Agent，一个以真实世界为中心的 GUI 智能体基座模型，覆盖移动端、电脑端、网页端及深度搜索（DeepSearch）环境。

蚂蚁百灵开源 Ling-3.0-tiny-base 与 Ling-3.0-flash-base，并同步开放预训练、中期训练及 WSM 合并等共 6 个 checkpoints。tiny-base 总参数 7.9B、激活参数 1.3B，flash-base 总参数 124B、激活参数 5.1B，均采用统一训练方案，适合持续预训练、监督微调、偏好优化及强化学习后训练等场景。

蚂蚁百灵正式开源 Ling-3.0-tiny-base（总参数 7.9B，激活 1.3B）与 Ling-3.0-flash-base（总参数 124B，激活 5.1B）两个基座模型，并同步开放预训练、中期训练和 WSM 合并阶段共 6 个 checkpoints。

Liquid AI 发布基于量化感知蒸馏（QAD）训练的 LFM2.5-230M、350M、1.2B-Instruct 和 2.6B 四款 Q4_0 GGUF 检查点，在保持原生 Q4_0 内存与速度的同时，恢复 BF16 平均精度损失的 97%。

Answer.AI 工程师借鉴 Peter Naur 的《Programming as Theory building》，指出决定代码复杂度的关键信息存在于工程师头脑中的 Theory，而非代码本身，因此 LoC、圈复杂度等指标无法约束 LLM 造成的复杂度膨胀。

Paul Stack 自 1 月底起不再手写代码，团队规定 agent 写每一行代码，不接受人类编写的代码 PR。工作流为状态机加 CLAUDE.md 可执行契约，CI 设五个合并门禁；此前 30 天开启 295 个 issue，ship 217 个，triage 中位数 4.6 小时，triage 到 ship 中位数 1.6 小时。

OpenAI 因 OpenAI-Hugging Face 事件及即将推出的 Astra 模型可能达到《预备框架》下的“关键网络安全能力”阈值，暂时放缓了模型扩展速度，包括暂停最新部署模型的强化学习训练两周，并搁置最大规模前沿 RL 运行。公司已加强研究环境安全，要求对 Astra 及网络相关负载实施最严格防护，并扩展思维链监控，采用多阶段激活分类器检测机制。

Gemini 3.7 Flash 现已向 Gemini 聊天中的 Pro 和 Ultra 用户开放。该模型更新提升了多步骤任务的推理与准确性，如智能整合数十个文件和邮件为一份主文档。同时，Gemini Spark 也已运行于 3.7 Flash，通过改进对 Google Workspace 应用的工具调用，让个人 AI 智能体更精准。

Unsloth 发布 Qwen3.8-27B 的 Dynamic GGUF 量化版本，4-bit 量化可在 17-19GB 内存设备上本地运行，并同时上传 NVFP4 量化。

智谱发布 GLM-5.3，为网络安全任务最强模型，在漏洞发现、利用分析和多步安全任务上大幅提升。CyberGym 得分 84.5%（GLM-5.2 为 77.2%），ExploitBench 达 54.4%（此前 24.4%），ExploitGym 两小时完成 105 项任务（此前 29 项）。因双重用途风险，将先由安全伙伴受控评估，再开放 API 和完整权重。

通义千问兑现承诺，开源 Qwen3.8 系列模型。其中 Qwen3.8-27B 为原生多模态稠密模型，仅 27B 参数即全面超越 Qwen3.7-Plus，原生支持 262K 上下文，可通过 YaRN 扩展至 1M tokens，采用 Apache 2.0 许可。Max 级 Qwen3.8-2.4T-A95B 的开放权重也已同步发布。

小红书技术开源 dots3-note Preview，这是 dots3 系列最轻量模型，总参数 280B、激活参数 16B，支持 512K 上下文及文本、视觉、语音多模态理解，并针对复杂推理和长程 Agent 任务优化。

智谱 8-14 发布 GLM-5.3,已通过 GLM Coding Plan 与 ZCode 提供。与 GLM-5.2 同基座,能力提升主要来自后训练强化,聚焦复杂编程、长程 agent 与漏洞发现类任务;官方称编程较 5.2 约提升 50%、在 Terminal Bench 3.0 与 Agents Last Exam 等公开榜位列开源第一、逼近 Claude Fable 5,网络安全 CyberGym 得 84.5%(以上为 Zhipu 自评/官方数据)。API 与开源…

阿里 Qwen 8-14 在官方 HuggingFace 组织仓 Qwen/Qwen3.8-27B 开源 Qwen3.8-27B(Apache 2.0),为稠密视觉语言模型(约 28B、BF16 safetensors),原生 262K 上下文、可扩展至 1M,含视觉编码器、可在单张消费级 GPU 跑,兼容 Transformers/vLLM/SGLang;可商用免费、无按 token 费。官方仓仅放 safetensors,GGUF 量化在社区仓。此前一度显示 Upcom…

智谱发布GLM-5.3，基于与GLM-5.2相同的基座，通过极致后训练Scaling提升智能上界，编程能力较前代提升50%，在Terminal Bench 3.0等公开基准中取得开源第一。模型在白盒代码审查等安全任务中表现持平Mythos 5，并在CyberGym测试中得分84.5%。GLM-5.3即日起上线ZCode、AutoClaw等工具，API很快上线，完整模型权重将在两周内开源。

DeepSeek-V4-Pro-0813 正式上线硅基流动 SiliconFlow，提供 Day-0 支持，具备 1M 上下文窗口及低/高/最大三档推理强度，更侧重编码、工具调用与智能体工作流，仍保持 MIT 开源协议。定价为输入 $1.32/M、输出 $3.96/M、缓存命中 $0.44/M。同系列 DeepSeek-V4-Flash-0731 则面向追求速度与成本效益的日常生产场景。

2026年1至8月，Hugging Face公开模型仓库从243万增至296万，但85.6%的模型下载量不足200次，1.5%的仓库占据99.2%下载量。中国实验室月度最大开源模型参数规模在754B至2.78万亿之间，美国实验室七个月中五个月低于130B。AMD与NVIDIA各发布超200个新模型仓库，成为发布开源模型最多的机构。

OpenRouter 数据显示，84% 的 token 并非来自 SOTA 模型，用户选择的六款主力模型仅提供前沿约 77% 的性能，成本却仅为 Claude Fable 5 的 2.5%。这些模型混合价格约 $0.50/百万 token，而 Fable 5 为 $20。企业正转向更小、微调或开源模型，前沿模型的经济效益面临挑战。

Google DeepMind 发布 Gemini 3.7 Flash，距 3.6 Flash 仅三周，主打编程与智能体任务，输入/输出价格分别为每百万 token $0.75 和 $3.75，为原 3.6 Flash 的一半。

Augment Code 从零重构 Auggie CLI 的 harness，在 SWE-bench Pro 相同通过率下，Auggie v2 单任务成本 $1.27，Claude Code 为 $2.70，便宜 53%，平均耗时 330s 对 409s。

FireRedTeam 发布 FireRedTTS3，包含 Base 和 Instruct 两个变体，基于语义增强连续语音表征实现统一语音生成与编辑。

小红书 dots 团队开源 20 亿参数全连续端到端自回归语音合成模型 dots.tts，在 Seed-TTS-Eval 三个子集上取得最佳平均内容准确度和平均说话人相似度。

Google DeepMind 8-13 正式发布 Gemini 3.7 Flash,官方模型页状态标注为 General availability,已上线 Gemini 应用、Google AI Studio、Gemini API、Antigravity 及 Gemini Enterprise。定位编程、智能体与知识工作的高性价比 workhorse,支持文本/图像/视频/音频/PDF 多模态,官方称在 Flash 级速度下具备进阶推理;引入期定价至 2026-12-31…

DeepSeek V4 Pro正式版与Grok 4.6在2小时内先后发布，均为1.6T/1.5T参数模型，逼近Claude Fable 5体验。

我们的首个推理模型 MAI-Thinking-1 从零开始构建，现已在 Microsoft Foundry 上线。为团队点赞！更多详情如下。

MiniMax 推出 Music 3.0，新一代音乐生成模型，可根据创意概念和可选歌词一次性完成整首歌的作曲、编曲、演奏与制作，最长支持五分钟。

Grok 4.6 现已推出 🚀🚀🚀 智能、快速，性价比惊人！

作者在完成一本 RLHF 教科书后反思，LLM 在长文非虚构写作上进展停滞，GPT 4.5 和 Kimi K2 等写作强模型已显老旧，而编码、数学等任务已接近超人水平。模型能改错字、做编辑，但组织整章内容时仍混乱且易出错，作者认为这阻碍了模型自主解决开放科学问题。

LTX 推出 LTX-2.5 模型，原生集成 ComfyUI，在 2 张英伟达 GB200 配置下生成 10 秒 720P 视频仅需 6.8 秒。LTX-2.5 Fast 以每秒 0.09 美元生成带音频 720p 视频，10 秒片段成本 0.90 美元；年度经常性收入低于 1,000 万美元的组织可免费使用。

vLLM 宣布对 Qwen3.8-2.4T-A95B 提供 Day-0 支持，该模型是基于 Qwen 3.5 架构的 2.4 万亿参数稀疏 MoE 模型，含 512 个专家，92 层混合骨干中每 4 层使用一次 full attention，其余 69 层为线性注意力。

xAI 今日发布 Grok 4.6，在 Grok 4.5 基础上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。该模型在多项智能体编码与知识工作基准上达到前沿水平，在 Artificial Analysis Intelligence Index（九项基准综合分）上追平 GPT-5.6 Sol。

Cursor 与 SpaceXAI 今日发布 Grok 4.6，重点强化长时运行智能体与交互式视觉任务，在多项智能体编程与知识工作基准上达到前沿水平，并在 Artificial Analysis Intelligence Index 上追平 GPT-5.6 Sol。

Liquid AI 发布 LFM2.5-VL-3B 视觉语言模型，屏幕理解 ScreenSpot-v2 平均 80.7，ToolSandbox 从 26.4 升至 59.5，RefCOCO 从 57.1 升至 87.9。

SGLang 宣布对 NVIDIA Nemotron 3.5 Lightning 提供 Day-0 支持，该开源模型为 30B 总参数、3B 激活参数的混合专家架构，支持最长 1M token 上下文，可从 Hugging Face 下载 BF16 和 NVFP4 权重。模型支持 MTP、DFlash、DSpark 三种投机解码技术，并可通过 OpenAI 兼容 API 接入智能体工作流。

NVIDIA 发布 Nemotron 3.5 Lightning，一款可定制的开源 30B 混合专家（MoE）模型，专为常驻智能体设计。相比同类开源模型，其 token 生成速度最高提升 4 倍，任务完成时间缩短 30%。该模型采用开放权重，支持用户微调以匹配特定任务，并可在 RTX PC、DGX Spark 及 Jetson 等设备上运行。

蚂蚁 inclusionAI 开源 Ling-3.0 系列语言基础模型，含 tiny 与 flash 两个尺寸及预训练、中期训练、合并（WSM）等阶段检查点。该系列采用混合线性注意力与稀疏 MoE 架构，总参数 7.9B，每 token 仅激活 1.3B 参数（128 个路由专家中激活 8 个）。