AI 月报

Inkling-Small：开放权重多模态模型上线

Inkling-Small 是 Hugging Face Trending 上的一个多模态模型，支持文本、图像和音频输入并生成文本，采用 42 层解码器架构和稀疏 MoE（每 token 路由到 6/256 专家）。该模型发布于 2026-07-27，热度分 213，点赞 213，下载 3998，提供开放权重，支持 SGLang、vLLM 等本地部署。

Qwen3.8-27B：新一代视觉语言模型发布

Hugging Face 模型热度榜出现 Qwen3.8-27B，这是一个原生视觉语言模型，支持图像与视频理解，具备灵活思维控制，可执行复杂多步骤任务。该模型基于 Qwen3.5 架构，在编程、专业工作、研究和长程智能体任务方面有显著提升，并提供约 1M 上下文、内置工具等托管版本功能。模型热度分 9433，点赞 9803，下载 91917。

DeepSeek V4闪存版官方发布，智能体能力大幅增强

DeepSeek发布V4-Flash官方版（DeepSeek-V4-Flash-0731），替代预览版，在多个智能体基准上超越V4-Pro预览版，并接近或超过GLM-5.2和Opus-4.8等模型。该模型与V4-Flash-DSpark结构相同，附带了投机解码模块，且激活参数更少。

Qwen 发布开源模型 Qwen3.8-2.4T-A95B

Hugging Face 趋势榜出现新模型 Qwen3.8-2.4T-A95B，由 Qwen 团队发布，属开源文本生成模型，兼容 vLLM、SGLang 等推理框架。该模型是 Qwen3.8 系列的开源版本，宣称首次将 Qwen-Max 级能力开源，在编码、专业工作、研究和长程智能体任务上较 Qwen3.5 有全面提升，并支持官方云端服务。

Ling-3.0-flash 模型发布

Hugging Face 趋势榜出现新模型 Ling-3.0-flash，总参数 1240 亿，激活参数 51 亿，采用原生混合线性注意力架构，配备 1/64 稀疏 MoE。官方称其在关键基准上匹敌或超越前代旗舰模型，并集成 1 万多个交互式训练环境，用于编码、通用等任务。

LaraCopilot：智能体 AI 工程师，可构建真实应用

LaraCopilot 是一款由 Product Hunt 发布的智能体 AI 工程师产品，其核心能力是能够自动构建真实可用的应用程序，为开发流程提供端到端的辅助。

Open Minis：端侧运行的开源安全 AI 代理

Open Minis 是一款在 Product Hunt 上发布的端侧 AI 代理产品，可直接在手机上运行，强调开放与安全。它试图将 AI 代理能力带到移动设备，让用户无需依赖云端即可使用。目前该产品尚处于早期发布阶段，具体功能和性能细节有限。

Inventory：搜索所有 AI Agent 与 IDE 对话

Inventory 是一款由未知团队在 Product Hunt 上发布的产品，其核心功能是让用户能够搜索所有 AI Agent 与 IDE 的对话记录。它旨在解决对话散落在不同工具中难以检索的问题，提供一个统一搜索入口。产品类型为效率工具，面向使用多个 AI 开发工具的开发者或团队。发布信息显示该产品于 2026 年 8 月 2 日在 Product Hunt 上线，但具体功能细节、价格及支持范围未在证据中说明。

ThreadPort：一键在不同 AI 助手间迁移聊天记录

ThreadPort 是 Product Hunt 上发布的一款工具，支持将 AI 聊天记录在 ChatGPT、Claude 和 Gemini 之间一键迁移，解决用户在不同 AI 助手间切换时无法保留对话上下文的问题。

OpenAI 为 ChatGPT Business 推出 125 美元高级席位，应对代理式 AI 高 token 消耗

OpenAI 面向 ChatGPT Business 客户推出 Premium Seats（高级席位），每个用户每月收费 125 美元，是现有 Standard Seats（标准席位）价格的五倍。新席位提供显著更高的容量，并取消了五小时使用时限。此举表明，此前 AI 提供商提供的统一定价模式无法持续，OpenAI 正通过差异化定价应对代理式 AI 带来的更高 token 消耗。

OpenAI首款AI硬件曝光；DeepSeek拟上调API定价；字节被曝将训练超5万亿参数模型

极客公园在2026年8月7日凌晨发布了一期新闻摘要，内容包括：OpenAI首款AI硬件曝光；DeepSeek拟上调API服务定价；字节跳动被曝计划训练超5万亿参数的超大模型。此外，还提到深圳出现国产消费级3D打印机'四小龙'，小红书加大AI投入并关注情感陪伴，Bose推出新一代QuietComfort头戴式耳机。

Anthropic 推出水印检测 API，供第三方识别 Claude 生成的文本

Anthropic 宣布将推出水印检测 API，允许第三方检测文本是否由 Claude 生成。该技术基于 Google 的 SynthID 方法，通过调整选词随机性来实现，且不影响文本质量。但该方法在处理事实密集型文本、代码和重度改写时存在局限。

投资多智能体AI安全研究

Google DeepMind 与其合作伙伴于2026年6月10日宣布，将投入1000万美元资助多智能体人工智能安全研究，以推动该领域的进展。

OpenAI 预览 Ultrafast 模式：GPT-5.6 Sol 速度提升至 14 倍

AiFlow：面向流式 LLM 应用的 Token 原生反应式编排与有界背压

arXiv AI 发布论文《AiFlow: Token-Native Reactive Orchestration with Bounded Backpressure for Streaming LLM Applications》，提出一种面向流式 LLM 应用的反应式编排模型。AiFlow 将 provider 增量标准化为 Context 事件，并通过有界背压机制管理队列和并发。实验显示，相比聚合方式，应用端首包时间（TTFPT）降低 70.9%-94.7%，队列深度下降 93.7%-96.5%。

多智能体评估对角色扮演语言智能体的对抗压力测试

arXiv 发布论文，提出多智能体对抗评估平台，用于压力测试角色扮演语言智能体（RPLAs）。系统含审讯代理、目标代理和评判代理，通过六种渐进对抗策略进行多轮对话测试。实验覆盖三种角色和三家前沿LLM，发现多策略对抗评估能揭示单策略遗漏的失败模式，平均降低鲁棒性评分0.17-0.20，并验证了跨模型一致性退化。

LLM服务的实证研究：框架、方法与系统设计

一项实证研究调查了开源软件系统中LLM服务框架和方法的使用情况，分析了vLLM、SGLang、TensorRT-LLM、LMDeploy和FlashInfer五个框架。结果显示vLLM在流行度和采用率上最突出，并行计算、内存管理和网络剪枝是最常用的服务方法类别，多框架使用有限但能互补。

现行AI基准未测项：模态、搜索与引用及其安全评估启示

一项针对广泛使用的LLM的审计研究发现，其评估结果受访问方式、是否启用网络搜索和重复运行次数影响。该研究比较了ChatGPT聊天界面和OpenAI API，使用来自BBQ和SafetyBench的401个提示共采集4812条响应。结果显示，启用网络搜索可使准确率下降最多8个百分点，且聊天界面在禁用搜索时准确率低于API。同一提示重复运行在最多21%的情况下产生不一致响应，且不同方式的引用依据和回避行为也不同。