模型与能力
xAI 发布 Grok 4.6：1.5T 模型，专注长时 Agent 和交互式任务
Grok 4.6 是 xAI 新发布的模型，参数量确认为 1.5T，重点强化长时运行 Agent、Web 开发、CAD 和内核优化等任务；训练中使用 Grok 4.5 重生成 SFT 数据，并加入大量工程数据和 agentic RL；性能接近 GPT-5.6 Sol Max，但价格仅 $2/$6 每百万 tokens，显著低于竞品。
> 相关链接：发布信息｜独立评测（Intelligence Index 61 分）｜终端任务表现（Terminal-Bench v2.1 达 88.4%）
DeepSeek V4 Pro 正式发布：定价约 $0.435/$0.87 每百万 tokens
DeepSeek V4 Pro GA 版上线，输入/输出单价分别约 $0.435 和 $0.87，据称比 Claude Fable 5 便宜约 57 倍；Terminal Bench 提升 15.8%，但部分用户反馈在编程等任务上未明显超越 Kimi/Flash，后续提升或更依赖 RL 环境而非单纯扩模。
> 相关链接：GA 发布公告｜价格与性能对比分析
阿里 Qwen3.8-Max 开源：2.4T MoE 模型，95B 激活参数
阿里巴巴开源 Qwen3.8-Max，总参数 2.4T、激活参数 95B 的 MoE 架构模型，首版为纯文本版本（暂无视觉能力）；vLLM、Together AI、Baseten 等已支持部署；社区称其为当前最大规模开源权重之一。
> 相关链接：开源发布｜vLLM 日支持说明
微软推出 MAI-Thinking-1：首个自研推理模型，聚焦工具调用
微软发布 MAI-Thinking-1，号称“从零构建”的推理专用模型，已上线 Foundry 平台；团队明确征集对工具使用（tool use）的反馈，定位为实用型推理模型而非单纯刷榜产品。
> 相关链接：官方宣布｜用户反馈请求原文
Upstage Solar Pro 4 智能指数跃升：从 14 分升至 42 分
Upstage 的 Solar Pro 4 在 Artificial Analysis Intelligence Index 中得分从 14 升至 42，尤其在长上下文和 Agent 类任务中进步显著，但仍落后于当前顶尖闭源及开源模型。
> 相关链接：评测报告
Agent 与工具链
GitHub 推出 Agent Plugins 1.0：整合技能、MCP 服务器与 AI 扩展
GitHub 正式发布 Agent Plugins 1.0，将技能封装、MCP（Model Control Protocol）服务和 AI 扩展统一打包；同时上线粘性滚动、会话持久化等 UX 改进，降低 Agent 集成门槛。
> 相关链接：发布说明｜功能详解
Hermes Agent 支持树莓派部署 + 可导出配置文件 + 自动生成 Web API
Hermes Agent 新增树莓派轻量部署、用户配置文件一键导出/导入，以及从网页流量自动提取并生成可复用 API 的新技能，强化本地化与跨平台 Agent 能力。
> 相关链接：Raspberry Pi 支持｜API 生成技能演示
LangChain 重构 LangSmith 仪表盘：强化 trace 分析与报告能力
LangChain 重做了 LangSmith 的 UI，重点优化了 trace 可视化、调试路径回溯和自动化报告生成，让开发者更容易定位 Agent 执行瓶颈和失败环节。
> 相关链接：更新说明
基础设施与硬件
vLLM 支持 Azure Blob 加载模型 + Blob-backed KV 缓存
vLLM 新增对 Azure Blob Storage 的原生支持，可用于模型加载和 KV 缓存；配合 Dynamo ModelExpress，H100/A100 上权重加载提速最高达 7.3 倍；LMCache + NIXL 方案减少长 prompt 下的重复计算。
> 相关链接：官方 PR｜性能对比说明
Unsloth 实现 Qwen3.8-2.4T 1-bit 量化：4.9TB → 397GB
Unsloth 将 Qwen3.8-2.4T-A95B 模型通过动态 1-bit 量化压缩至 397GB，使其可在 410GB+ RAM/VRAM 的本地设备运行；同方案下 Nemotron 3.5 Lightning 可在 22GB VRAM 中稳定执行长工具链任务。
> 相关链接：量化成果展示｜Nemotron 22GB VRAM 运行演示
研究与方法
Direct On-Policy Distillation：RL 策略迁移节省约一半 pipeline 成本
新方法先在小模型上完成 RL 训练，再将策略偏移通过隐式稠密奖励迁移到大模型，实测可将整体 pipeline 成本降低约 50%，适合高成本 RL 场景。
> 相关链接：技术总结
四类架构选择可导致 47% 长上下文性能损失
OLMo/Llama/Qwen 研究指出：归一化方式、GQA、预训练上下文长度、滑动窗口注意力这四项设计，即使短上下文验证正常，也可能造成高达 47% 的长上下文性能下降。
> 相关链接：架构影响分析
DiG-bench 发布：首个面向‘发现’能力的纯文本基准
Princeton/MIT 推出 DiG-bench，不考问答或代码，而是测试模型在开放文本中自主发现规律/模式的能力，被评价为‘有 ARC 风味但避开视觉干扰’。
> 相关链接：基准介绍
产品与应用落地
Google SL2T 上线 Pixel 11：ASL 手语实时转文字，端侧姿态追踪+云端翻译
Google DeepMind 推出 SL2T，首次在 Android/Pixel 11 实现 ASL 手语输入——身体姿态识别在手机端完成，翻译由服务器处理，专为单手签名等真实场景优化。
> 相关链接：官方发布｜技术细节
Deepgram Flux TTS：80ms 延迟，支持通话中语音风格实时适配
Deepgram 发布 Flux TTS，端到端延迟约 80ms，主打低延迟语音代理场景，并支持在通话过程中动态调整音色、语速等风格特征。
> 相关链接：产品页面
行业与公司动态
Cohere 开源 North Micro Vision：Apache-2.0 小型 VLM，文档理解超越 Gemma 4 E2B
Cohere 开源 North Micro Vision，一款 Apache-2.0 许可的小型视觉语言模型，专注文档理解，在多项视觉基准上超过 Gemma 4 E2B 和 Ministral 3 3B。
> 相关链接：开源公告｜性能对比结果
Expedia 迁移至 Keras 3：排名模型训练快 30%，推理延迟降 70%
Expedia 将推荐排序模型迁移到 Keras 3，训练速度提升 30%，推理延迟降低 70%；Keras 后端无关特性也降低了未来切换 PyTorch/JAX 的锁定风险。
> 相关链接：技术分享
政策、治理与安全
Anthropic 为 Claude 输出添加隐形水印 + C2PA 元数据
Claude 8月2日起所有新模型默认在文本中嵌入统计水印（基于 token 偏置），并在 PNG/JPG/SVG 等文件中添加 C2PA 数字签名元数据；但文本水印易被 paraphrase 或本地 LLM 洗稿破坏，检测需密钥或可信工具。
> 相关链接：官方说明｜技术原理讨论
W&B 展示 Agent 安全防护：自动红黑名单过滤 + 敏感信息脱敏
Weights & Biases 演示两个 Agent 对比：一个直接暴露 SSN/银行卡号，另一个在模型输入前主动拦截 prompt 注入、自动红黑关键词过滤并脱敏敏感字段。
> 相关链接：安全对比演示