2026年8月16日星期日
PERIOD HIGHLIGHTS
MODEL RADAR
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。
NVIDIA发布Nemotron-3.5-Lightning-30B-A3B-NVFP4模型，总参数30B，活跃3B，采用MoE-Mamba-2混合架构，支持最长1M上下文，可单卡部署于DGX Spark或H100，支持多种硬件，已获得272赞和170K下载。
INDUSTRY
Moonshot AI 发布新基准测试 PerceptionBench，用于评估多模态 AI 模型的视觉感知能力，独立于逻辑推理。结果显示，目前没有任何前沿模型达到 60% 的准确率，GPT-5.6 Sol 以微弱优势领先。许多原本被认为是推理错误的案例，实际在图像读取阶段就已出现。
Anthropic 在 2026 年 8 月 15 日通过 TechCrunch AI 分享了关于 Claude 新水印功能的更多细节，包括水印的工作原理、能否通过编辑隐藏，以及它对代码的影响。然而，证据仅提供了标题和摘要，具体细节尚未披露。
Nvidia 因投资者压力，将 OpenAI 俄亥俄州数据中心计划的担保金额从 2500 亿美元缩减至近 1200 亿美元，几乎减半。同时，Anthropic 的营收从 47 亿美元跃升至 115 亿美元，单季度增长显著，为 AI 泡沫辩论提供了新的数据点。
RESEARCH
本文提出 AutoPrune，一个用于多模态大语言模型视觉 token 剪枝策略设计的免训练框架。它引入包含 131 个可复用原子的 Token Pruning 领域特定语言，将搜索状态表示为对基础策略的残差修改，以指导 LLM 自动设计剪枝算法。在 14 个多模态基准和三个 MLLM 主干上的实验表明，AutoPrune 能有效降低推理成本，同时保持模型性能。
AVA-Encoder是一种用于智能体视频表示学习的框架，将视频转换为知识图谱表示，再重建为视频。它能通过文本描述和资产层存储结构化信息，并利用文本梯度优化策略在训练中调整编码策略。实验显示，对比外部基线提升20.7个百分点，且使用更少的系统提示词。框架、基准和数据集已发布。