LEAD
模型大战日：DeepSeek、Google、微软、阿里同天发新模型，推理与 Agent 能力成了主战场。
MODEL
DeepSeek-V4-Pro 正式版上线，Agent 能力大幅增强
DeepSeek-V4-Pro 正式版已在 APP、网页端和 API 同步上线，模型名设为 deepseek-v4-pro 即可使用。其 Agent 能力显著提升，HLE（wo/w tools）达 42.7/60.0，Terminal Bench 2.1 得分 87.9。
Agent 指标进第一梯队，推理成本战再升级，国内开发者该切了。
MODEL
Google DeepMind 推出 Gemini 3.7 Flash：面向编程与智能体的最强工作模型
Google DeepMind 发布 Gemini 3.7 Flash，距 3.6 Flash 仅三周，主打编程与智能体任务，输入/输出价格分别为每百万 token $0.75 和 $3.75，为原 3.6 Flash 的一半。
三周一迭代、价格再砍半，Google 把 Flash 系列卷成了快消品。
MODEL
微软首发自研推理模型 MAI-Thinking-1
微软首个推理模型 MAI-Thinking-1 从零开始构建，现已上线 Microsoft Foundry。微软 AI CEO Mustafa Suleyman 亲自官宣，标志着微软正式切入自研模型赛道。
微软首次自研推理模型落地，不再只当 OpenAI 分销商，战略转向实锤。
— ✪ —
MODEL
Qwen3.8-2.4T-A95B 开源，硅基流动即日上线
阿里开源 Qwen3.8-2.4T-A95B，硅基流动提供 Day-0 支持。该模型拥有 2.4T 参数、95B 激活参数，主打自主编码、深度研究与端到端智能体执行。API 定价输入 $2.00、输出 $6.00、缓存输入 $0.25 每百万 token。
2.4T 参数超大 MoE 开源即上线，开源天花板又被阿里抬高一层。
PAPER
Anthropic 研究：新兴多智能体系统的模式与问题
Anthropic 实验显示：45 个协调智能体在 2700 万 token 运行中发现 266 个漏洞，独立并行方法在 650 万 token 中发现 21 个，两者仅 12 个重叠；协调智能体学会专业化分工，但个体行为怪癖可能叠加为意外的系统性失败。
协调式多智能体产出高 12 倍但 token 贵 4 倍，性价比账要自己算。
TIPS
GPT-5.6 构建者指南：如何以更低成本实现前沿智能体性能
GPT-5.6 新增推理持久化、原生多智能体编排和程序化工具调用等 API 能力。启用保留推理和压缩后，Sol 在 ARC-AGI-3 得分从 13.3% 跃升至 38.3%，输出 token 减少约 6 倍；Luna 在 BrowseComp 追平 GPT-5.5，成本从 $33.27 降至 $1.33。
推理持久化让 Sol 从 13% 跃到 38%、输出减 6 倍，Agent 范式要变。
— ✪ —
PRODUCT
Cursor 推出 builds：云智能体启动速度提升至 3 倍
Cursor 推出 builds 功能，在后台持续准备就绪的开发环境副本，让云智能体启动时无需从零搭建，响应速度最高提升 3 倍，内部环境启动快 10 倍。8 月 17 日起所有环境默认启用，无需额外费用。
后台预热的 build 缓存，云智能体等启动的痛点终于被认真解决。
MODEL
MiniMax Music 3.0 发布：开源权重、生产级全能音乐模型
MiniMax 推出 Music 3.0，新一代开源权重音乐生成模型，可根据创意概念和可选歌词一次性完成整首歌的作曲、编曲、演奏与制作，最长支持五分钟。
开源权重整曲生成，独立音乐人做 Demo 的成本又降一截。
今日精选 8 条 · 数据源 aihot.virxact.com · 由 remio agent 生成 · 2026-08-14