开放与封闭AI的简单经济学
经济学家Petra Moser对1851年万国工业博览会及1876年美国续展近1.5万项发明的研究显示，专利制度不影响创新水平，只改变创新方向。这一证据同样适用于当前开放权重与封闭权重AI模型之争：开放权重不太可能改变AI投资总量，只会改变其方向——构建什么、由谁构建、谁获取回报。安全问题的关键也不在于开放性本身是否危险，而在于扩散何时能增强防御方、有害能力在何处能被真正约束。
全部 AI 动态
a16z：NewsAI 评分6767 Databricks：BlogAI 评分4848 Electric 加入 Databricks，将 WASM Postgres 引入 AI 智能体沙箱
Databricks 宣布 Electric 团队加入，将 WASM Postgres 引入 AI 智能体沙箱。该技术让智能体在隔离环境中运行本地数据库，支持实时数据同步与离线操作，提升构建可靠、可验证智能体应用的效率。Electric 的加入将强化 Databricks 在智能体基础设施领域的布局。
LangChain：BlogAI 评分4545 NVIDIA NeMo Switchyard 评测：智能体调用中仅 7% 需要前沿模型
LangChain 在 145 个智能体任务上评测了 NVIDIA NeMo Switchyard，结果显示仅 7% 的交互轮次需要前沿模型。通过路由策略，成本降低 74%，同时准确率仅下降 6 个百分点。
LMSYS Blog精选AI 评分7272 统一 Radix 缓存：为混合模型前缀缓存构建单一树结构
LMSYS 团队提出 Unified Radix Cache，用单一 token 键控 radix 拓扑统一管理混合模型的 FULL、SWA 和 MAMBA 组件缓存，各组件独立执行路径、滑动窗口和检查点复用语义。
推荐理由：传统做法需为每种注意力组合实现独立缓存，本文以统一基树和组件钩子将复用规则解耦，SWE-bench上TTFT降低最高16.6%。
LMSYS Blog精选AI 评分7474 SGLang 宣布 Day-0 支持 NVIDIA Nemotron 3.5 Lightning
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。
推荐理由：Nemotron 3.5 Lightning以3B活跃参数提供前沿agent能力，SGLang的即刻支持让开发者能用单命令启动高性能推理，将agent部署成本大幅压缩。
NVIDIA BlogAI 评分7575 NVIDIA 发布 Nemotron 3.5 Lightning 与 NeMo Switchyard，提升智能体 AI 效率
NVIDIA 扩展 Nemotron 3 模型家族，推出 300 亿参数混合专家模型 Nemotron 3.5 Lightning，面向高吞吐智能体工作负载，输出速度最高提升 4 倍，智能体任务完成速度提升 30%。同时发布开源模型路由库 NeMo Switchyard，可将任务成本降至 Opus 4.8 单独运行的近三分之一，并支持在 RTX PC、DGX 等本地设备部署。
NVIDIA Blog精选AI 评分7676 NVIDIA 推出 Nemotron 3.5 Lightning，加速本地智能体任务
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。
推荐理由：本地运行 30B MoE 模型并声称 4 倍加速，与开源路由器结合可自动分配任务到最合适模型，给控制推理成本提供了新路径。
IBM Research：AIAI 评分4949 IBM 发布开源电网神经求解器 GENCO，统一潮流、最优潮流与状态估计三类任务
IBM Research 通过 LF Energy 的 OpenGridFM 项目发布开源神经求解器 GENCO，将电力系统潮流（PF）、最优潮流（OPF）和状态估计（SE）三类稳态分析任务统一到单一共享表示模型中，支持最多 10,000 节点电网。
蚂蚁 inclusionAI：HuggingFace 新模型精选AI 评分6565 蚂蚁 inclusionAI 开源 Ling-3.0 系列语言基础模型
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）。
推荐理由：用加权检查点合并替代学习率衰减，让基座模型更适合持续预训练，也为验证不同衰减曲线省去重复实验。
蚂蚁 inclusionAI：HuggingFace 新模型精选AI 评分6363 蚂蚁 inclusionAI 开源 Ling-3.0 系列高效语言基础模型
蚂蚁 inclusionAI 开源 Ling-3.0 系列高效语言基础模型，并发布预训练、中期训练及合并（WSM）等阶段的检查点，支持继续预训练、微调与研究。Ling-3.0-tiny-base 采用稀疏 MoE 架构，含 128 个路由专家，每 token 仅激活 1.3B 参数，总参数量 7.9B，并原生混合线性注意力以高效处理长上下文。
推荐理由：它把学习率衰减替换为加权检查点合并，基座模型更适合持续预训练和数据扩展，做继续预训练或领域微调时可复用这一训练策略做离线探索。
蚂蚁 inclusionAI：HuggingFace 新模型精选AI 评分6464 蚂蚁 inclusionAI 开源 Ling-3.0 系列高效语言基座模型
蚂蚁 inclusionAI 开源 Ling-3.0 系列语言基座模型，采用高度稀疏（1/64）MoE 架构，含 512 个路由专家，每个 token 仅激活 8 个路由专家和 1 个共享专家，激活参数仅 5.1B（Non-emb）。
推荐理由：WSM 合并替代学习率衰减，让持续预训练和动态数据扩展不必为每种衰减策略重跑训练，降低实验成本。
蚂蚁 inclusionAI：HuggingFace 新模型精选AI 评分6868 蚂蚁 inclusionAI 开源 Ling-3.0 系列高效语言基础模型
蚂蚁 inclusionAI 开源 Ling-3.0 系列语言基础模型，并发布预训练、中期训练及合并（WSM）等多个阶段检查点。该系列采用高度稀疏（1/64）MoE 架构，512 个路由专家中每 token 仅激活 8 个，激活参数仅 5.1B（Non-emb），总参数 124B，并原生结合 KDA 与 Gated MLA 混合线性注意力以高效处理长上下文。
推荐理由：把学习率衰减替换为权重合并并发布训练各阶段检查点，使持续预训练与不同衰减策略的离线比较不必逐次重跑，降低实验成本。
蚂蚁 inclusionAI：HuggingFace 新模型精选AI 评分6464 蚂蚁 inclusionAI 开源 Ling-3.0 系列高效语言基座模型
蚂蚁 inclusionAI 开源 Ling-3.0 系列语言基座模型，采用高度稀疏（1/64）MoE 架构，512 个路由专家中每 token 仅激活 8 个，总参数量 124B，激活参数仅 5.1B。该系列原生融合线性注意力，并以加权检查点合并替代传统学习率衰减。此次发布包含预训练、中期训练及合并（WSM）等多个训练阶段的检查点，支持继续预训练与微调，模型采用 MIT 许可证。
推荐理由：把训练中间态作为可下载 checkpoint 开放，配合 WSM 合并替代学习率衰减，做继续预训练或 MoE 研究时可从中间阶段开始，省去重复前置训练成本。
蚂蚁 inclusionAI：HuggingFace 新模型精选AI 评分6363 蚂蚁 inclusionAI 开源 Ling-3.0 系列中间训练检查点
蚂蚁 inclusionAI 开源 Ling-3.0 系列高效语言基础模型，并发布预训练、中间训练及合并（WSM）等多个训练阶段检查点，支持继续预训练、微调与研究。
推荐理由：训练检查点分层开放，且用加权合并替代学习率衰减，为持续预训练和动态数据扩展提供了可复用的实验基座，减少不同策略的重复训练成本。
Inception Labs：Blog精选AI 评分6363 Inception Labs 发布 Mercury 2 for Search，解码超 1000 tokens/秒
Inception Labs 发布面向搜索管线的 Mercury 2，扩散式并行解码超 1000 tokens/秒，在 WideSearch 各步骤比 Gemini 3.1 Flash Lite 快近 2 倍、比 GPT-5 Mini 快 10 倍，定价 $0.25/M 输入、$0.75/M 输出。
推荐理由：原文给出每步延迟、成本与检索消融数据，读者可据此评估扩散模型在搜索管线中的实际取舍。
Sarvam AIAI 评分4141 Sarvam 与 AI4Bharat 发布 Indic DiarBench：覆盖 22 种印度语言的联合说话人分离-ASR 基准数据集
Sarvam 联合 AI4Bharat 推出 Indic DiarBench，这是首个覆盖全部 22 种印度表列语言的说话人归属 ASR 开放基准数据集，含 108 小时自然多说话人语音。
Databricks：Blog精选AI 评分6565 Databricks 如何在兼顾治理的前提下让 Genie Agents 同时基于结构化数据与文档运行
Databricks 介绍如何让 Genie Agents 同时基于结构化数据与文档运行，且不牺牲治理能力。文章探讨了构建自动化简单业务任务的智能体虽易，但要在统一治理框架下融合两类数据源、确保安全合规地执行查询，仍需解决数据权限、血缘追踪与策略管控等关键问题。
推荐理由：教程提供了将 Genie Agent 同时接入结构化数据和文档的具体步骤，关键是把治理检查点嵌入数据源接入环节。
Ollama：Blog精选AI 评分6868 NVIDIA Nemotron 3.5 Lightning 上架 Ollama，可完全本地运行
NVIDIA Nemotron 3.5 Lightning 现已登陆 Ollama，可完全在本地设备上运行。该模型为 30B 总参数、每 token 仅 3B 激活的混合 MoE 开放模型，面向需要持续运行的智能体任务，支持最高 1M token 上下文，借助 MTP、DFlash 或 DSpark 推测解码获得最高 4x 吞吐提升，并可比同类开源模型快 30% 完成任务。
推荐理由：原文给出了参数结构、上下文长度、吞吐数据和本地运行入口，读者可以据此判断它是否适合长期运行的本地智能体工作流。
Claude Code：GitHub ReleasesAI 评分5050 Claude Code v2.1.227 发布：修复订阅层级误判与 Bash 命令失败问题
Claude Code v2.1.227 修复了会话以过期登录 token 启动时功能标志未按用户订阅层级评估的问题，该问题曾错误提示 Max 计划用户为 Fable 启用用量积分。
Microsoft AI：官方博客精选AI 评分6262 Microsoft 发布 MAI-Image-2.6，Arena 文生图榜单排名第二
Microsoft AI 发布 MAI-Image-2.6，在 Arena 文生图排行榜上排名第二，超过 Meta、Google 和 xAI 的模型。该模型整体比 MAI-Image-2.5 提升 +79 Elo，其中文本渲染提升 +91 Elo，各评测类别均有提升；已在 Arena 开放体验，稍后登陆 MAI Playground，并将陆续接入 Microsoft Foundry 等产品。
推荐理由：官方公布了 Arena 排名与各项 Elo 提升数据，读者可据此比较 MAI-Image 2.6 与 Google、Meta、xAI 模型的图像生成质量变化。
Stanford HAI NewsAI 评分4141 斯坦福 HAI 与 Hoover 研究所拨款 30 万美元，资助三个 AI 地缘政治研究项目
斯坦福 HAI 与 Hoover 研究所的 Technology Policy Accelerator 各拨款 10 万美元、共资助三个为期一年的研究项目，分别聚焦 AI 检测核扩散、中美公众舆论对比和智能体介导的政治行动。其中中美舆论项目将构建双语 AI 访谈工具 CrossInterviewer，核扩散项目计划设计类"数字侦探"的 AI 智能体并建立标准化 benchmark。
OpenAI：官网动态AI 评分4141 Virgin Atlantic 借助 ChatGPT Work 优化客户旅程
Virgin Atlantic 正利用 ChatGPT Work 加速研究、产品规划与决策，帮助团队连接客户旅程中的各类信号。该应用聚焦于提升客户体验，通过 AI 工具整合跨环节信息，以更高效地推动业务运营。
OpenAI：官网动态AI 评分4242 Zapier 如何用 ChatGPT Work 改造核心营销流程
Zapier 企业营销团队用 ChatGPT Work 自动化线索漏斗优化、营销素材搭建和报告生成，每月可对数千条线索执行 QA/QC，单人查看一条流失线索原本需 35 至 45 分钟。该系统每月为销售团队带来七位数管道价值，并生成高管仪表盘展示线索管道中的重复问题与每周趋势。团队得以将更多时间投入策略与创意工作，并计划未来设置常驻自动化循环。
CMU：Machine Learning BlogAI 评分5353 Forking-Sequences：一种统计与计算上更高效的多步预测训练范式
CMU 研究团队正式定义并系统评测了 forking-sequences 训练范式：它无需新增参数，在一次前向传播中跨所有预测创建日期编码解码整条序列。
Suno：Blog精选AI 评分6262 Suno 更新下载政策与服务条款，9月3日起实施分档下载限额
Suno 官方宣布将于9月3日起实施新的下载限额与新服务条款，并同时预告新一代模型。下载限额为 Free 用户终身最多 7 次试用下载，Pro 每月 20 次，Premier 每月 60 次，Suno Studio 的 Premier 用户不设下载上限，额外下载可付费购买，限额自9月3日起也适用于此前创建的歌曲。
推荐理由：官方详细说明了新下载限额的分档数字、9月3日生效的新条款和旧模型退役安排，读者可据此评估对自身使用的影响。
Amazon ScienceAI 评分4040 AWS Trainium Frontier 竞赛：在专用 AI 芯片上协同设计模型与内核
AWS 发起 Trainium Frontier 竞赛，要求参赛者从零训练语言模型，探索专为 Trainium 硬件设计的模型架构与自定义 NKI 内核。
OpenAI：官网动态精选AI 评分5555 OpenAI 推出 GPT-5.6-Cyber，面向授权漏洞研究的网络安全专用模型
OpenAI 发布网络安全专用模型 GPT-5.6-Cyber，可通过 Daybreak Red 获取，用于授权的漏洞研究、漏洞验证和安全测试。该模型旨在应对网络防御窗口不断收窄的挑战，为安全研究人员提供专门工具。
推荐理由：GPT-5.6-Cyber 将大模型能力引入授权的漏洞研究与验证流程，安全团队可借助模型自动化分析，缩短从漏洞发现到修复的窗口。
Databricks：BlogAI 评分5959 Omnigent 上下文策略如何阻断“致命三重奏”组合攻击
Omnigent 的上下文策略（Contextual Policies）可阻断“致命三重奏”组合攻击——即多个看似无害的请求叠加后形成的恶意行为。该机制在单个请求层面不设防，而是在组合上下文中识别并拦截风险，从而在不牺牲正常功能的前提下提升安全性。
Tibo@thsottiauxAI 评分6262引用OpenAI@OpenAIWe’re expanding our cybersecurity initiative Daybreak and introducing GPT-5.6-Cyber, a new model for advanced, authorized cybersecurity work. As the threat landscape evolves, we’re putting frontier intelligence in the hands of trusted defenders before attackers can deploy offensive AI at scale.
- Tibo@thsottiauxAI 评分6464引用OpenAI@OpenAI
We’re expanding our cybersecurity initiative Daybreak and introducing GPT-5.6-Cyber, a new model for advanced, authorized cybersecurity work. As the threat landscape evolves, we’re putting frontier intelligence in the hands of trusted defenders before attackers can deploy offensive AI at scale.
Anthropic：Research精选AI 评分5757 Claude 未发布研究版将黎曼 zeta 函数零点下界从 41.6% 提升至 67.2%
Anthropic 员工让 Claude 尝试攻克黎曼猜想，虽未成功，但一个未发布的研究版 Claude 在相关问题上取得突破：将满足黎曼猜想的 zeta 函数零点比例下界从 41.6% 提升至 67.2%。
推荐理由：Claude 的结果并未直接冲击黎曼猜想，但它组合现有技术将零点比例下界提升超过 25 个百分点，为数学研究提供了一种 AI 辅助探索的可行路径。
OpenAI：官网动态AI 评分4848 ChatGPT Business 将推出 Premium seats 席位
ChatGPT Business 即将推出 Premium seats 席位，面向团队中需求最高的工作负载提供更高使用额度。8 月 20 日前注册可获 $100 workspace 积分。
Manus：Blog精选AI 评分7272 Manus 宣布恢复独立运营，部分用户数据将于 8 月 23 日至 24 日被删除
Manus 宣布将恢复独立运营，作为与 Meta 分拆的一部分并为遵守监管要求，部分用户在 2025 年 12 月 29 日（Meta 收购 Manus 当天）或之后产生的数据将于 2026 年 8 月 23 日 08:00 起至 8 月 24 日期间（SGT）被删除。
推荐理由：官方公告明确了数据删除和备份恢复的具体时间窗口，受影响用户可据此安排备份。
蚂蚁百灵：Developer Blog精选AI 评分6666 蚂蚁百灵开源 Ling-3.0-tiny：7.9B 总参数、每 Token 激活 1.3B
蚂蚁百灵正式开源 Ling-3.0-tiny，总参数 7.9B，每 Token 仅激活 1.3B，同步提供 BF16、FP8 和 INT4 三个版本。
推荐理由：官方给出了综合指数与实测数据，读者可以据此评估这款轻量模型在端侧部署和本地 Agent 场景的可用性。
LlamaIndex：产品、工程与评测AI 评分4747 LlamaIndex 推出 ExtractBench：面向企业文档数据提取的最全面基准
LlamaIndex 发布开源基准 ExtractBench，覆盖 370 份企业文档（4,869 页）、8 个业务领域和 67 种文档类型，是首个联合评测长记录完整性、真实扫描件与手写、词级与页级 grounding 及成本的基准，共评测 14 个系统。配套发布的 LlamaExtract 新档位 Agentic Plus 登顶榜首，数据集、评测框架与方法论均已公开。
OpenRouter：Announcements精选AI 评分7777 OpenRouter 推出由市场智慧驱动的新版 Auto 路由器
OpenRouter 基于每周超 55T token 的社区消费数据，推出新版 Auto 路由器（openrouter/auto），其模型选择在多数任务和成本档位上优于旧版。新路由器按约 30 种任务类型匹配近 7 天社区实际消费的模型，支持 cost_tier 参数（low 至 max）并遵循账户隐私设置。在 MMLU Pro 等基准上，新默认档位在多数领域以更低成本达到旧版同等性能。
推荐理由：基于平台每周55T token的社区支出分布，新路由将模型选择众包化，基准显示默认档成本下降超60%且多数任务性能不减，适合调用量大的应用。
Google Blog：AIAI 评分5252 Google 为 Google Ads 和 Google Analytics 推出新 AI 与智能体功能
Google 宣布在 Google Ads 和 Google Analytics 中新增 AI 与智能体体验，包括 Google Analytics 首页的 AI Overviews 智能摘要、Google Ads 首页的 AI 洞察卡片，以及 Ask Advisor 新增的基准对比功能，可将广告效果与同类商家匿名平均值比较。这些功能基于 Gemini 构建，目前面向英文账户开放 beta 测试。
a16z：News精选AI 评分7272 智能体真的会用电脑吗？a16z 用数据给出答案
a16z 数据显示，计算机操作智能体在 OSWorld-Verified 基准上的最佳成绩已从一年前的 42% 升至 85%，超过人类测试者约 72% 的水平，Claude Fable 5 以 85% 领先。
推荐理由：用 OSWorld 基准和一线案例回答了计算机使用代理能否可靠运行，更重要的判断是基础模型正在成为可替换层，真正的壁垒在于上下文、验证和故障处理。
Linear：NowAI 评分5858 Linear 如何构建 Linear Agent：在系统提示词、工具设计与系统技能中划定边界
Linear Agent 的价值在于完成未预设的工作，因此团队未为其编写固定路径，而是通过系统提示词、工具设计、产品模型、运行范围及底层自定义 harness 划定边界。系统提示词聚焦沟通风格、硬性边界与产品概念解释；工具设计将约束编码进参数，使无效操作难以执行。团队还引入系统技能作为组合单元，按需渐进加载，避免一次性暴露过多上下文。
LMSYS Blog精选AI 评分7272 SGLang 为 Muse Glimmer 提供 Day-0 支持，针对本地智能体工作流优化推理
SGLang 与 Meta Superintelligence Labs 合作，为 30B 参数多模态模型 Muse Glimmer 提供 Day-0 支持，该模型拥有 128k+ token 上下文窗口。
推荐理由：SGLang对Muse Glimmer的优化使30B多模态模型在RTX 5090上达到236 tok/s用户速度，本地智能体工作流不再受限于云端延迟。
最多提供 50 页，更早的内容请使用搜索或主题页。