AI 资讯

8 月 27 日，谷歌面向开发者发布 Gemini Omni 1.1 Flash——一个专注于「可控制」的视频生成模型。它把此前 AI 视频最棘手的问题——如何让片段连起来、如何保持角色和场景一致——往前推了一大步：以 10 秒为增量续生成、累计最长 40 秒；可指定首尾帧控制镜头运动与转场；360p 预览成本只有 720p 的三分之一；成片支持 1080p/4K。背后是 Google Flow 和 Gemini API 的全面整合。

8 月 21 日，DeepSeek 在 API 平台低调上架实验性图像理解模型 deepseek-v4-flash-vision-exp：给 V4-Flash 加了一双“眼睛”，就能识别截图 OCR、分析图表、描述图片，价格却和 V4-Flash 完全一样。

7 月 17 日发布、7 月 27 日彻底开源，Kimi K3 凭 2.8 万亿参数与 100 万 token 上下文冲进前沿阵营：编程评测逼近 Claude Fable 5，Harvey、Cognition、Cursor 等欧美创企接连「改换门庭」。它为何成了中美 AI 竞争的新焦点？

9 月 29 日旧金山，OpenAI 一口气甩出 20+ 项更新：会自己上班的智能体 Dots、价格打到一折的 GPT-6.1 Sol，还有直捣 Office 的 ChatGPT Space。

你或许没听过 Viggle，但你一定刷到过它的作品——Lil Yachty 在舞台上被换成小丑、Joker 在音乐节蹦迪、各种名场面被替换成朋友。这家加拿大 AI 初创用「角色替换 + 动作迁移」把静态图片变成 3D 动画，2024 年 8 月拿下 a16z 领投的 1900 万美元，2026 年 2 月发布 V4 模型，如今 API 全面开放，5000 万创作者正在用它做 Meme、做游戏、做动画。

9 月 8 日，Meta 把酝酿一年的个人智能体 Muse 推向市场：它住在专属云端虚拟机里，关掉 App 也在后台替你填表、比价、退订、盯门票；Connect 2026 上，它又钻进了 AI 眼镜。

8 月 31 日，MiniMax 宣布 H3 Max（768P / 480P）正式接入 MiniMax 开放平台与 MiniMax Design。它最大的不同，是做到了「生成速度快过播放速度」：一段 5 秒、768p 的完整音视频，生成时间不到 3 秒，吞吐量约为 MiniMax H3 官方端点的 35 倍。当上一段还在播，系统已经在后台准备下一段 —— 视频模型第一次从「等它出片」变成可以持续供给实时内容。

当同行还在卷「一条提示词能生成多长的视频」时，阿里通义万相换了个打法：Wan 3.0 能喂进去的不只是文字和图片——PDF、PPT、电子表格、音频、视频，全都能一键变成一条视频。单次生成 30 秒（是前代 Wan 2.7 的两倍），最高 1080p，输出还能保证角色、物体、背景、空间布局的一致性，甚至带面部微表情同步和多语言语音。价格却只有谷歌 Veo 3.1 的一半。

沉寂近两个月后，8 月 30 日开源个人 AI 智能体 OpenClaw 正式发布 v2026.8.1，团队直接称之为「OpenClaw 2.0」。按官方数据，这是项目诞生以来规模最大的一次更新：933 名贡献者（其中 569 人是第一次提交代码）合并了超过 1.6 万个 PR，约占 OpenClaw 迄今全部合并量的一半。更新覆盖安装、消息、记忆、技能、模型、自动化、浏览器、原生应用、插件与安全。

8 月 28 日，腾讯发布并开源最新一代旗舰模型混元 Hy4 preview（770B-A49B）。总参数量从上一代 Hy3 的 295B 直接跳到 770B，激活参数从 21B 增至 49B，上下文也从 256K 扩展至 1M；在 DeepSWE 上拿到 64.3，超过阿里 Qwen-3.8 Max（56.6）和 DeepSeek-V4 Pro（62.7）。它已同步进入 WorkBuddy、CodeBuddy、元宝，上线即排队超 5000；更狠的是，9 月 1 日又推出把权重从 1.5TB 压到 214GB 的轻量版，还能跨异构设备联合推理。

AI 算力云 GMI Cloud 与 MiniMax 联合推出「MiniMax Week」限时活动：生成式视频与前沿推理模型集体开闸，M3、M2.7、Speech 2.8、Music 3.0 免费 14 天，H3 按标准价计费；并通过 OpenRouter / GMI API 原生接入 Hermes Agent、Trae、OpenCode、Pi 等工具。同期举办 14 天 MiniMaxathon 挑战赛，三条赛道、三名获胜者、1500 美元额度奖励。

8 月 26 日晚，阿里通义千问正式发布并开源 Qwen3.8-Flash——名字还挂着 3.X，内里已是下一代 Qwen4 架构的「技术预览版」。这是一款多模态 MoE 模型：主模型 125B 参数（约 1250 亿）、另配 51B N-gram Embedding，每个 token 却只激活约 6B 参数，就能拿到超越 Claude Opus 4.6 的前沿性能。原生支持 26 万 token 上下文、可扩展到 100 万，训练成本较上一代骤降近 90%，API 输入仅 1 元/百万 token。

此前以 Ox Alpha 之名匿名爆红、中文社区亲切叫它「牛来」的神秘模型，终于被揭晓真身——智谱（Z.ai）8 月 26 日正式上线并开源 GLM-5.3-Flash（320B-A18B），这是 GLM-5 系列的首个原生多模态模型：3200 亿总参数、180 亿激活，支持图片、视频、文件、文本输入，1M 上下文，在 Artificial Analysis 综合智能指数拿 57 分进入全球前沿区间，限时 5 折后输入仅 0.4 元/百万 token。而它背后，是 10 万张国产芯片撑起的算力底座。

8 月 25 日，字节跳动正式发布面向生产力场景的 Agent 产品与品牌「豆包工作」——这是 7 月底豆包与飞书团队整合后交出的第一个产品，也是 TRAE、扣子并入豆包体系后的统一办公入口。它能围绕目标自主拆解步骤、调用工具、生成并迭代成果，原生长在飞书上，让企业知识直接参与工作。

8 月 20 日，一个连正式名称和开发方都藏着掖着的模型「Ox Alpha」悄悄上架 OpenRouter。结果几天内它就冲到消费 token 数第一；在 OpenCode、Cline 里更是登顶、创下史上最快增长。1M 上下文、128K 输出、支持图文视频输入、完全免费——却有分析发现它的分词行为与 Z.ai 的 GLM-5 系惊人一致，一场「这到底是谁家的模型」的猜谜大战，在硅谷和全网炸开。

8 月 19 日，OpenAI 官宣开放 Codex 的底层执行框架 Harness，Apache-2.0 免费商用——开发者终于能把 AI 的“外骨骼”装进自家产品了。

一个 2023 年诞生的「节点式扩散模型工具」，2026 年完成 3000 万美元融资，估值 5 亿美元，由 Craft Ventures 领投，Pace Capital、Chemistry、TruArrow 跟投。它的客户名单上写着 Amazon、Apple、Autodesk、Harman、HP、Lucid、Netflix、Nike、Pixomondo、Tencent、Ubisoft。它做的事说起来一句话——「把 ChatGPT 类提示词工具那最后 20% 的不听话，交给人自己来」

Nous Research 为 Hermes Agent 打造的首个官方原生桌面应用（公开预览）正式开放，把命令行智能体搬进鼠标点选的 GUI：内置 Bot Mode、持久记忆、文件浏览器与远程后端，macOS / Windows / Linux 三平台一键安装。

Nous Research 的自主智能体迎来代号「The Herald Release（信使）」的重大更新：流式语音对话支持插话打断、AI 间 A2A 协议 v1.0、桌面应用平台化、可验证引用研究——来自 650+ 贡献者在约 4 个月内 3,650 次提交的成果。

OpenClaw 把消息入口、浏览器、文件和工具连接到本地 Gateway；越接近真实操作，越需要清楚的权限、沙箱与审计。

WorkBuddy 把桌面任务拆给不同专家 Agent，再汇总为文档、分析与企业沟通结果；价值取决于权限和交付闭环。

字节跳动 Seed 团队正式推出新一代音视频生成模型 Seedance 2.5：单段视频从 15 秒直接拉到 30 秒并支持多轮延长，一次可参考 30 张图 / 10 段视频 / 10 段音频，把「生成一个片段」升级为「完成一部作品」，即梦、豆包已上线，API 即将开放。

xAI 已正式介绍 Grok 4.5，但截至核验时间尚无充分官方来源确认 Grok 4.6；版本传播应以公告与可调用模型标识为准。

Google 官方模型目录是核对 Gemini 可用版本的第一来源；在目录未出现之前，不应把 Gemini 3.7 Flash 当作已发布型号。

官方已公开 GLM-5 的规模、训练与开源信息，但我们尚未找到独立的 GLM 5.3 官方发布页；二者不能混为同一版本。

SpaceXAI 与 Cursor 联手 8 月 11–15 日发布 AI 代理产品 Grok Bot，定位「持久在线的数字同事」：每个 Bot 都拥有自己的云端 Linux 虚拟机、浏览器、文件管理器、终端，能像真人一样登录 SaaS、点按钮、填表格、返回成稿交付物；售价从 300 美元/月起，登陆 macOS、Windows、Linux、iOS、Android。同期发布的还有 Grok 4.6 大模型，500K 上下文，GDPVal-AA v2 / AA-Briefcase / Harvey LAB 三大真实工作榜均登顶。

2026 年 8 月 13 日深夜，深度求索以 MIT 协议全球公测智能体框架 DeepSeek Harness。它不讲“我的模型多强”，而是用一条 Model + Harness = Agent 的公式，把对手的智能体也变成自己的零件——AI 编程的竞争方式，从这一刻起被改写了。

7 月 31 日发布、8 月 3 日彻底开源，H3 用一周让 MiniMax 股价大涨 78%、ARR 冲破 8 亿美元。这款被多家媒体称为「视频界价格屠夫」的通用多模态大模型，正在改写 AI 视频的商业与生态规则。