「AI资讯日报」· 2026-08-13

1. DeepSeek V4 Pro和xAI Grok 4.6同日发布，参数分别为1.6T和1.5T，整体体验接近Claude Fable 5，普通用户可更快体验新对话与推理。：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。 原文链接

2. 空货架还是丢钥匙？Google 研究：Recall 是参数化事实性的瓶颈：Google Research 提出知识画像框架，发现前沿 LLM（如 Gemini3、GPT-5）的事实编码接近饱和，但回忆（recall）能力不足，多数事实错误源于"丢钥匙"而非"空货架"。该框架将事实分为编码失败、回忆失败等五类画像，并配套推出 WikiProfile 基准，含 2，150 条维基百科事实，每条配 10 个问题，用于分别探测编码、回忆与识别能力。 原文链接

3. 阿里开源Qwen3.8-2.4T-A95B：2.4万亿参数MoE、激活95B，原生支持262K上下文，最高可扩展到101万token，方便本地长文本使用。：阿里 Qwen 团队正式开放 Qwen3.8-2.4T-A95B 模型权重，这是 Qwen-Max 级别模型首次开源。模型总参数 2.4T，每个 Token 激活 95B，原生支持 262，144 Token 上下文并可扩展至 1，010，000 Token。 原文链接

4. 微软首发自研推理模型MAI-Thinking-1：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。 原文链接

5. 我写了一本 AI 教科书--AI 还要多久才能写得更好？：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。 原文链接

6. Meta开源Muse Glimmer，并上架OpenRouter：30B文本+图像模型，Apache 2.0授权，可用于本地智能体与视觉任务。：Meta AI 超级智能实验室的首个开放权重模型 Muse Glimmer 已在 OpenRouter 上线！ 这是一款 30B 密集文本+图像模型，采用 Apache 2.0 许可证，旨在成为可靠的本地智能体，MCP Atlas 得分 75.5，SWE-Bench Pro 得分 51.2。 https://openrouter.ai/meta/muse-glimmer-30b 原文链接

7. LTX-2.5支持生成10秒720P视频：在英伟达GB200双卡环境下用时6.8秒，并原生集成ComfyUI，降低视频生成门槛。：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。 原文链接

8. 零基础用户半天上手AI的12步实操流程：文章给出一套零基础用户半天上手AI的12步实操流程：准备内存不低于16G的电脑，订阅ChatGPT并安装Codex或使用WorkBuddy，用语音输入法以【背景、痛点、需求】框架向AI交代任务，经苏格拉底提问澄清需求后投喂文件让AI直接完成，最后沉淀为可复用Skill。文中建议Codex选GPT-5.6 Sol最高模型，WorkBuddy选Kimi K3。 原文链接

9. Cursor 与 SpaceXAI 联合发布 Grok 4.6：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。 原文链接

10. xAI 发布 Grok 4.6，强化长时运行智能体能力：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。 原文链接

11. OpenRouter上线实时网页搜索基准：把搜索轮次从1增到25，BrowseComp接近翻倍，成本只增加2.5-7倍；适合选引擎与深度来控花费。：OpenRouter 发布实时排行榜，系统评测模型、搜索引擎、搜索方法与预算四类配置组合。数据显示，将搜索预算从 1 轮增至 25 轮可使 BrowseComp 得分近乎翻倍，成本仅增 2.5-7 倍；模型选择比引擎更重要，平均分差 15 分 vs 10 分。失败率高的任务应降低搜索深度以控制成本。 原文链接

12. Chrome侧边栏的Claude对话升级为Claude Cowork：对话会保存在历史记录里，技能和连接器可在手机、网页和桌面间切换。：Claude in Chrome 浏览器扩展的侧边栏现已升级为 Claude Cowork 会话，对话会保存至历史记录，技能和连接器可在浏览器中工作，且任务可在桌面、网页和移动端应用间无缝切换。 原文链接

13. Research Gold 号称"100%人类撰写、绝不使用AI"，实则全程由AI驱动：面向医学研究者的网站 Research Gold 宣称其服务"100%由人类撰写、绝不使用AI"，并列出多名博士审稿人。但调查发现，这些审稿人系AI生成、并不存在；部分真实方法学家的身份和照片未经许可被挪用。致电该公司时，自称"Sarah"的AI助手坚称自己是真人，邮件与聊天回复也均为AI生成。 原文链接

14. AutoGPT用AGENTS.md与技能门控管理PR：强制PR模板、测试和CI门槛，必要时用CLA签名做“人类探测器”，让拉取请求更可靠。：AutoGPT 维护者发现，AI 智能体不会主动阅读文档，因此将指令放在 AGENTS.md 和技能文件中，并置于代码目录旁。他们通过强制 PR 模板、测试计划、CI 覆盖率门槛和 CLA 签名等门控机制，将智能体提交的 PR 从"不可用"转变为"可用但不符合路线图"。其中 CLA 签名因需浏览器和 OAuth 流程，被用作区分人类与智能体的"人类探测器"。 原文链接