每日 AI 快報 2026-08-23

原始 digest：smol.ai；全文存檔在 library/news/

今日頭條

• 神祕模型 Ox Alpha 與 DeepSeek-V4-Flash 同日震撼社群：神祕模型 Ox Alpha 在編碼與 Agent 任務表現驚人（SWE 測試達 80%），社群推測其為 Zhipu/GLM-5.3 Vision 變體；同時 DeepSeek 正式發佈 V4-Flash-Vision-Exp，多模態代理效能直逼 Opus-4.8，顯示中國實驗室在多模態 Agent 領域正強力壓縮領先差距。
• NVIDIA 與 Poolside 達成 70 億美元戰略交易：NVIDIA 據報將支付 60 億美元授權 Poolside 的「模型工廠」開發棧並吸收百名員工，另加 1 億美元投資，此舉被視為 NVIDIA 繞過收購審查、直接掌握開源模型基礎設施與 Nemotron 生態系的關鍵佈局。
• OpenAI GPT-5.6 Sol 降價與 Codex 用戶破 2000 萬：OpenAI 宣佈 API 降價逾 20% 以應對推理成本競爭，同時 Codex 活躍用戶突破 2000 萬大關，顯示其在開發者工具市場的統治地位正隨產品節奏回升。
• NVIDIA AVO 攻克 ARC-AGI-3 公開測試集：NVIDIA 的自主編碼代理 AVO 在 ARC-AGI-3 公開環境達成 100% 成功率，雖 François Chollet 提醒這僅是公開教學集而非最終榜單，但仍展示了長程自主代理架構的巨大潛力。

工程與研究動態

模型發佈與優化

• DeepSeek-V4-Flash-Vision-Exp：新增多模態支援，保留 V4-Flash 文字能力，並推出 Files API 支援圖像重用以減少帶寬開銷。
• vLLM IsoExec：解決 RL 訓練中因浮點數運算非結合性導致的 logprob 不一致問題，在 Qwen3.5 測試中將誤差從 1.6e-2 降至 6.7e-7。
• Marin 535B-A23B 開訓：Percy Liang 宣佈使用 11 台 GB200 NVL72 叢集，目標在 3 個月內訓練 18.75T tokens，過程保持全公開。
• UC Berkeley FreeToken：實現 753B GLM 模型在單張 RTX PRO 6000 跑出 14.9 tok/s，在消費級 GPU 上吞吐量達 Ollama 的 2-4 倍。

代理與環境架構

• 環境中心訓練（Environment-Centric）：研究重心從 Prompt 轉向 Sandbox 擴展，Google 推出 EnvHarness/EnvRigger 提升代理執行效率並減少 9.8% 執行步驟。
• 任務特定基準測試：FACET（終端任務）、SWE-bench Science（科學軟體）、CADBench（Fusion 360 任務）等新測試顯示頂尖模型在複雜任務仍有巨大進步空間。
• GitHub 代理工作流：整合至 Slack 與 Teams，實現自動開啟 PR 與設計協作，模擬 Devin 式的團隊協作流程。

推理與架構創新

• Recirculation (DeepMind)：將深層激活回饋至早期處理，顯著降低 60% 上下文錯誤並提升 GSM8K 分數，且無需重新訓練。
• Pandora’s Router (DeepMind)：將模型路由視為成本優化搜索問題，在確保品質的前提下減少昂貴估算器的調用次數。

機器人與具身智能

• T-Rex (Jim Fan)：觸覺反應靈巧操作技術棧，包含最大規模開源觸覺數據集（50 小時 / 5500 集）與 22 自由度硬體支援。
• GEN-1.5：Generalist AI 推出機器人單樣本學習器（One-shot learner），展示僅需一次示範即可快速泛化行為的能力。

社群風向

• Qwen 3.8 27B 實測爭議：LocalLLama 社群發現其「代理能力」極強，能自主操作瀏覽器處理校務系統，但離線知識庫（Trivia）較 3.6 版本有明顯退步，被視為從「百科全書」轉向「工具調用者」的刻意權衡。
• 硬體狂人組裝：Reddit 用戶展示 16 張 RTX 5060 Ti 16GB 透過 PLX 開關組成的推理集群，成功運行 DeepSeek V4 Flash 並達成 150 tok/s 吞吐量。
• 250 美元練出 MoE：有開發者在 H200 上從零訓練出 1B 參數的 mini Kimi-K3 模型，HellaSwag 分數超越 GPT-2，引發對小模型訓練經濟性的討論。
• 影片生成優化：ComfyUI 出現 H3 Minimax 稀疏注意力節點，RTX 5090 實測提速約 1.4 倍，但社群反映動漫風格生成品質會因此下降。

產業動態

• Harvard’s $699 startup bootcamp offers AI avatars of its instructors — 哈佛商學院 Foundry 計畫使用 AI 化身為學員提供簡報反饋與董事會模擬。
• Inherent, founded by DeepMind alumni, says its AI ‘teammate’ just outperformed Anthropic and OpenAI at replicating research — 前 DeepMind 團隊創立的 Inherent 推出 Faraday 代理，在科學研究重現能力上超越主流模型。
• OpenAI says California should strengthen its AI safety bill — OpenAI 轉向支持並呼籲加強加州 SB 53 AI 安全法案。
• Frontier AI labs still won’t say how they’d contain a rogue model — 研究指出領先實驗室缺乏公開的「失控模型」圍堵計畫，引發安全擔憂。
• Anthropic’s Opus 4.6 is a smut-machine — TechCrunch 測試發現 Anthropic 的 Opus 4.6 仍容易被繞過限制生成色情內容。
• Nvidia partners with data center developer Cloverleaf — Nvidia 持續投資數據中心開發商 Cloverleaf 以確保 AI 硬體基礎設施需求。
• Nvidia just showed that the harness, not the AI model, is now the real hero — Nvidia 研究強調「代理框架（Harness）」與微調在提升任務表現上比模型本身規模更關鍵。

值得追蹤

• 中國多模態代理的崛起：DeepSeek 與 GLM 系列在多模態 Agent 的性價比上正快速逼近美國頂尖模型，可能迫使美國實驗室進一步降價。
• NVIDIA 的「非收購式」擴張：透過巨額授權與投資（如 Poolside）獲取技術與人才，正成為 NVIDIA 規避反壟斷審查並強化生態系的新常態。
• 算力約束下的模型效率轉向：隨著推理容量收緊，研究重心正從單純擴大參數轉向 IsoExec 等系統級優化與更高效的路由機制。

📌 今日建議深讀

• T1 2607.21596 FlowEvo: Self-Evolving Agents through the Co-Evolution of Workflows and Executable Skills
  → 該框架透過 persistent skill bank 實現推理階段的自我演化，直接對應 agent-engineering-practice 中的學習與控制流層級，且無需訓練即可提升 token 效率。