2026-08-26 · 每日 AI 时讯
AI 动态速报 — 2026-08-26
AI 动态速报 · 2026-08-26 · 模型发布 3 条 / 前沿研究 2 条 / 行业应用 5 条 / 开源生态 1 条
模型发布
大模型/多模态模型/开源模型的发布、版本更新、性能 benchmark。
主线模型发布正从单纯的能力迭代转向系统级集成与垂直落地：大厂通过硬件加速器+部署承诺、Agent产品+企业级功能的双重布局强化生态控制力；同时开源社区推出主权大模型填补特定语种/监管空白，而物理AI原生端侧模型的兴起预示着AI竞争正从数字世界向物理世界延伸；此外Agent的状态管理复杂度随模型推理过程显式化而成为新的工程挑战。
1.6T ·1
1.6万亿参数 ·2
100%开源桌面Agent ·1
100万上下文 ·5
10亿用户 ·1
11.39万元 ·1
128K上下文 ·6
2.0T ·1
2.4T ·1
2.8万亿参数 ·2
2026年7月 ·12
3 billion downloads ·1
3 条
英伟达公布 Vera Rubin 最新进展：推理、网络和定制芯片全面升级
🔗 原文
点击查看原文>
点击查看原文>
#NVIDIA#Vera Rubin#inference chip#networking chip#custom silicon#Rubin#data center GPU
使用 Gemini 3.5 Transcribe 进行智能转录
🔗 原文
现在你可以使用 Gemini 3.5 Transcribe 获得更智能的语音转文本转录服务。
现在您可以使用 Gemini 3.5 Transcribe 获得更智能的语音转文字 (speech-to-text) 转录。
#Gemini 3.5#Transcribe#Speech-to-Text#Google#Voice Recognition#AI Transcription
全新架构，极致性价比！阿里千问Qwen3.8-Flash发布并开源
🔗 原文
8月26日晚，阿里发布并同步开源千问最新模型 Qwen3.8-Flash。该模型采用全新下一代架构，千亿总参数仅激活60亿（6B）即可获得超越Claude Opus4.6的前沿性能，创下模型效率的全球新基准。得益于架构和训练的全面革新，Qwen3.8-Flash训练成本较Qwen3.7-Plus骤降近90%，推理成本同样大幅下降，每百万Tokens输入仅1元，输出3元，价格最低至DeepSeek-V4-Flash的1/3，将全球模型性价比“斩杀”至极致新水平。Qwen3.8-Flash今晚将首发上线“千问办公”，开发者和企业也可通过千问AI平台获取新模型API服务。 Qwen3.8-Flash是一个多模态混合专家（MoE）模型，采用了下一代（Next）模型架构，Transformer参数125B仅激活6B，性能表现超越Opus4.6、接近Opus4.8。仅完成预训练的Qwen3.8-Flash基座（Base）模型，在通用（SuperGPQA）、数学推理（GSM8K）、编程（SWEBench-Pretrain）等基础能力上超过了3倍其大小的Qwen3.7-Plus基座模型。经后训
8月26日晚，阿里发布并同步开源千问最新模型 Qwen3.8-Flash。该模型采用全新下一代架构，千亿总参数仅激活60亿（6B）即可获得超越Claude Opus4.6的前沿性能，创下模型效率的全球新基准。得益于架构和训练的全面革新，Qwen3.8-Flash训练成本较Qwen3.7-Plus骤降近90%，推理成本同样大幅下降，每百万Tokens输入仅1元，输出3元，价格最低至DeepSeek-V4-Flash的1/3，将全球模型性价比“斩杀”至极致新水平。Qwen3.8-Flash今晚将首发上线“千问办公”，开发者和企业也可通过千问AI平台获取新模型API服务。 Qwen3.8-Flash是一个多模态混合专家（MoE）模型，采用了下一代（Next）模型架构，Transformer参数125B仅激活6B，性能表现超越Opus4.6、接近Opus4.8。仅完成预训练的Qwen3.8-Flash基座（Base）模型，在通用（SuperGPQA）、数学推理（GSM8K）、编程（SWEBench-Pretrain）等基础能力上超过了3倍其大小的Qwen3.7-Plus基座模型。经后训
#Qwen3.8-Flash#MoE#Alibaba#open-source#Claude Opus4.6#6B parameters#DeepSeek-V4-Flash#Qwen3.7-Plus
前沿研究
重要论文、技术突破、研究路线之争。
主线大模型内部机制的可解释性研究正成为核心突破口，从Anthropic的J-space/J-lens到几何学习方法(GeoLAN)，研究者们试图通过内部表征分析、动力系统建模等手段破解"黑盒"问题；同时AI Agent的工程化路径也在快速演进，从记忆系统架构到多智能体协作的消息格式效应研究，体现出从理论探索向实用落地的转化趋势。
15 years research ·1
2026 ·1
4-bit quantization ·1
896 routing experts ·1
AAS ·1
ACE ·2
AGI ·1
AGI六阶梯 ·2
AI ·1
AI Agent ·4
AI Agents ·1
AI Scientist ·2
2 条
ESQ-Bench：面向 NL2SQL 方言泛化与隐性语义分歧评估的多层企业 Oracle 基准
🔗 原文
arXiv:2608.23569v1 公告类型：new 摘要：当前最先进的自然语言到SQL (Natural Language to SQL, NL2SQL) 模型在 Spider 和 BIRD 等成熟基准测试中报告的执行准确率超过 89%。然而，这些基准测试依赖简化的学术数据库模式 (schemas) 和开源 SQL 方言 (SQL dialects)，未能反映企业数据库环境的复杂性。我们推出 ESQ-Bench，一个首个面向 Oracle 的 NL2SQL 基准测试，具有系统化复杂度层级和跨三者的静默分歧 (silent-divergence) 评估
arXiv:2608.23569v1 Announce Type: new Abstract: State-of-the-art Natural Language to SQL (NL2SQL) models report execution accuracy exceeding 89 percent on established benchmarks such as Spider and BIRD. However, these benchmarks rely on simplified academic schemas and open-source SQL dialects that do not reflect the complexity of enterprise database environments. We introduce ESQ-Bench, an Oracle-first NL2SQL benchmark with systematic complexity tiers and silent-divergence evaluation across thre
#ESQ-Bench#NL2SQL#Oracle#silent-divergence#SQL-dialects#Spider#BIRD#enterprise-database
RENDER：控制LLM记忆评估中的面向读者证据
🔗 原文
Memory（记忆）和 RAG（检索增强生成）评估通常将回答模型的输入视为实现细节，尽管系统可能将相同的历史记录呈现为 memory entry（记忆条目）、summary（摘要）、typed record（结构化记录）或 raw excerpt（原始摘录）。我们提出 RENDER，这是一个基准控制方法，在保持对话固定的同时改变面向读者的产物。RENDER 结合了一个五级数据包阶梯，用于定位回答内容何时进入输入，并结合确定性模板 approxima
arXiv:2608.23568v1 Announce Type: new Abstract: Memory and RAG evaluations often treat the answering model's input as an implementation detail, even though systems may render the same history as a memory entry, summary, typed record, or raw excerpt. We introduce RENDER, a benchmark control that fixes the conversation while varying the reader-facing artifact. RENDER combines a five-level packet ladder, localizing when answer-bearing content enters the input, with deterministic templates approxima
#RENDER#LLM#Memory#RAG#benchmark#evaluation#reader-facing evidence#retrieval-augmented generation
行业应用
AI 在各行业(医疗/教育/制造/金融等)的落地案例。
主线AI技术在各行业加速渗透，从算力基础设施（亿田智能20亿采购服务器）到应用层（良配科技AI婚恋匹配、月之暗面Kimi K3迭代）均持续扩展；与此同时，传统行业面临转型阵痛（新点软件预亏、*ST元道市值危机）和质量挑战（福特召回56万辆），市场分化加剧。
$2.06B net profit ·1
$41.8B revenue ·1
$60M deal ·1
*ST元道 ·2
0佣金0保证金 ·1
0佣金模式 ·1
1 billion users ·1
10.99-12.99万 ·1
100,000 Educators ·1
100,000 researchers ·1
1000亿美元估值 ·1
10亿用户 ·2
5 条
Netflix详述如何扩展其实时服务地图
🔗 原文
点击查看原文>
点击查看原文>
#Netflix#real-time service#global expansion#streaming#infrastructure#map
对话寻影李亮：一年半是影像技术护城河的极限，真正的竞争在场景
🔗 原文
编者按： 过去十年，中国硬件产业从“制造”走向“创新”，一批推动技术突破、定义产品、重塑产业链的关键人物逐渐浮出水面。 《创新硬件50人》聚焦这些创新者，我们以人物为切口，记录人才流动、技术迁移与产业变革，寻找下一轮硬件创新的推动者。 如果你是其中一员，或同样关注他们的成长，欢迎来和我们聊聊。 8月中旬， 我们去到 寻影位于深圳国际创新谷的新办公室，见到了联合创始人李亮。这里是寻影的新据点，距离他们从杭州毕业、辗转来到深圳扎根，已过去了十年。 这是李亮第一次出来做公开采访—— 90后、大疆系、浙大系，构成了他的标签。 2016年，浙大毕业的师兄刘博决定创业，不久后叫上几个师兄弟，睿魔智能就此诞生。这家公司后来以寻影（OBSBOT）这一品牌为人熟知，他们要做的事情在彼时还是“非共识”：用AI造一台不需要人操作的相机，实现影像自动化。 那年刚好是李亮毕业后进入大疆的第二年，大疆的相机软件部还只有八九个人，李亮一个人跟完了第一款变焦相机Osmo Plus，然后转身跟随刘博创业。 回想起当时的入伙经历，李亮大笑着说：“被刘博‘忽悠’出来的。” 在团队里，李亮一直是埋头做技术的那个，他的思路始终
编者按： 过去十年，中国硬件产业从“制造”走向“创新”，一批推动技术突破、定义产品、重塑产业链的关键人物逐渐浮出水面。 《创新硬件50人》聚焦这些创新者，我们以人物为切口，记录人才流动、技术迁移与产业变革，寻找下一轮硬件创新的推动者。 如果你是其中一员，或同样关注他们的成长，欢迎来和我们聊聊。 8月中旬， 我们去到 寻影位于深圳国际创新谷的新办公室，见到了联合创始人李亮。这里是寻影的新据点，距离他们从杭州毕业、辗转来到深圳扎根，已过去了十年。 这是李亮第一次出来做公开采访—— 90后、大疆系、浙大系，构成了他的标签。 2016年，浙大毕业的师兄刘博决定创业，不久后叫上几个师兄弟，睿魔智能就此诞生。这家公司后来以寻影（OBSBOT）这一品牌为人熟知，他们要做的事情在彼时还是“非共识”：用AI造一台不需要人操作的相机，实现影像自动化。 那年刚好是李亮毕业后进入大疆的第二年，大疆的相机软件部还只有八九个人，李亮一个人跟完了第一款变焦相机Osmo Plus，然后转身跟随刘博创业。 回想起当时的入伙经历，李亮大笑着说：“被刘博‘忽悠’出来的。” 在团队里，李亮一直是埋头做技术的那个，他的思路始终
#OBSBOT寻影#李亮#大疆#AI影像技术#浙大系#睿魔智能#影像自动化#智能硬件
将 ChatGPT <面向教师版 (ChatGPT for Teachers)> 推广至更多美国学区
🔗 原文
ChatGPT for Teachers 正在扩展到美国 55 个学区，为超过 10 万名教育工作者和教职员工带来安全的 AI 工具、培训和支持。
ChatGPT for Teachers 正在扩展到美国（U.S.）55个学区，为超过10万名教育工作者和员工带来安全的人工智能（AI）工具、培训和支持。
#ChatGPT#Teachers#school districts#educators#AI tools#training#US expansion
学习永无止境：AI如何让学习持续进行
🔗 原文
OpenAI的新报告探讨了学生和教育工作者如何使用ChatGPT让学习变得更加持续，支持延伸至课堂之外。
OpenAI 的新报告探讨了学生和教育工作者如何使用 ChatGPT 让学习更加连续，支持延伸至课堂之外。
#OpenAI#ChatGPT#education#continuous learning#students#educators#classroom#learning report
小米玄戒，磨剑十二年
🔗 原文
《天龙八部》里，有一章精彩片段，写的是鸠摩智独闯少林。 鸠摩智当着少林僧众的面接连使出拈花指、无相劫指等七十二绝技，招式劲力乃至神韵都足以乱真，满座高僧无人能解。 只有虚竹和扫地僧看出了关窍。鸠摩智真正依仗的是逍遥派小无相功，以此作内力根基，再套上少林绝技的招式，但“皮”越练越多，化戾气的“本”却一点没有，强练下去，大难已在旦夕之间。 后来果然应验，鸠摩智强练易筋经走火入魔，武功尽失。 真正的高手，最后拼的都不是招式，而是内功。练武如此，科技研发亦是如此。 而芯片，就是科技时代的顶级内功。过去十几年，能站上高端市场顶端的公司，没有一家不掌握自己的核心芯片，苹果如此，华为也如此，三星和 Google 多年来也未曾放弃对自研芯片的投入。 现在，小米在修炼多年后，也初见成效。 8月24日，小米发布玄戒O3、玄戒O100和玄戒D100三颗3nm自研芯片，分别面向个人终端、端侧 AI 加速和高算力智能驾驶。至此，小米芯片覆盖了人车家全生态。 造芯是小米的必答题 AI时代，芯片决定了产品能力的边界。 当小米的业务还主要集中在手机时，成熟的第三方芯片平台基本能够满足产品迭代需求。但随着手机、汽车和A
《天龙八部》里，有一章精彩片段，写的是鸠摩智独闯少林。 鸠摩智当着少林僧众的面接连使出拈花指、无相劫指等七十二绝技，招式劲力乃至神韵都足以乱真，满座高僧无人能解。 只有虚竹和扫地僧看出了关窍。鸠摩智真正依仗的是逍遥派小无相功，以此作内力根基，再套上少林绝技的招式，但“皮”越练越多，化戾气的“本”却一点没有，强练下去，大难已在旦夕之间。 后来果然应验，鸠摩智强练易筋经走火入魔，武功尽失。 真正的高手，最后拼的都不是招式，而是内功。练武如此，科技研发亦是如此。 而芯片，就是科技时代的顶级内功。过去十几年，能站上高端市场顶端的公司，没有一家不掌握自己的核心芯片，苹果如此，华为也如此，三星和 Google 多年来也未曾放弃对自研芯片的投入。 现在，小米在修炼多年后，也初见成效。 8月24日，小米发布玄戒O3、玄戒O100和玄戒D100三颗3nm自研芯片，分别面向个人终端、端侧 AI 加速和高算力智能驾驶。至此，小米芯片覆盖了人车家全生态。 造芯是小米的必答题 AI时代，芯片决定了产品能力的边界。 当小米的业务还主要集中在手机时，成熟的第三方芯片平台基本能够满足产品迭代需求。但随着手机、汽车和A
#小米#玄戒O3#玄戒O100#玄戒D100#自研芯片#3nm#端侧AI#智能驾驶
开源生态
重要开源项目发布、社区动态、协议变化。
主线开源生态正从通用工具向领域专用（供应链仿真、人口统计学调查模拟）和框架无关模块（TSRX、Eliya 25诊断）两个维度分化发展；大语言模型（Anamnesis）开始作为开源平台的核心引擎，驱动人口统计学可控的调查模拟与结构化叙事背景故事生成；同时离散事件仿真技术从传统JVM领域向Python生态快速渗透（SupplyNetPy），形成跨语言、跨领域的开源仿真基础设施。
.NET ·1
16.3 ·1
2.8万亿参数 ·2
AA Benchmark ·1
AI Agent ·5
AI ecosystem ·1
AI workflow ·1
AI模型 ·1
AWS ·2
Agent Framework ·1
Agent Framework Harness ·1
Amazon ·1
1 条
DeepSeek 开源 Harness：AI 智能体基础设施开始“拆分”
🔗 原文
点击查看原文>
点击查看原文>
#DeepSeek#Harness#AI Agent#infrastructure#open-source#framework#toolkit