每日 AI 快報 2026-08-24

原始 digest：smol.ai；全文存檔在 library/news/

今日頭條

• 神秘模型 Ox Alpha 與 DeepSeek 多模態發布：神秘模型 Ox Alpha 在 Coding 與 Agent 任務展現極強性能，引發社群熱議其可能為 Zhipu/GLM 系列模型；同時 DeepSeek 正式發布 DeepSeek-V4-Flash-Vision-Exp，在多模態 Agent 表現上直追 Opus-4.8，顯示中國實驗室在性價比與多模態領域正強力施壓。
• OpenAI 降價應戰與 Codex 用戶激增：OpenAI 將 GPT-5.6 Sol 的 API 價格調降逾 20% 以應對競爭，並透露 Codex 活躍用戶已達 2,000 萬；這反映出 Agent 工作流正從實驗階段轉向大規模產品化，且市場競爭焦點已轉向推理成本與效率。
• NVIDIA 巨額授權 Poolside 技術：NVIDIA 傳出將支付 60 億美元授權 Poolside 的模型開發堆疊「Model Factory」，並投資 10 億美元且延攬其百餘名員工；此舉顯示 NVIDIA 正透過非典型收購手段，強化其在開源模型 Nemotron 生態系與基礎設施的掌控力。
• NVIDIA AVO 攻克 ARC-AGI 公開測試：NVIDIA AVO 在 ARC-AGI-3 公開測試環境達成 100% 成功率，宣稱具備長程自主 Agent 能力；然而 François Chollet 提醒這僅限於公開教學集而非完整基準測試，引發社群對 Agent 泛化能力的持續辯論。

工程與研究動態

Agent 框架與環境模擬

• [TLDR] Google 推出 EnvHarness 與 EnvRigger，透過插件層與策略診斷改善靜態環境，能以減少 9.8% 的執行步驟提升 9% 的任務表現。
• [SMOL-TWITTER] GitHub 將協作 Agent 工作流導入 Slack 與 Teams，支援類似 Devin 的自動化 PR 與設計循環。
• [SMOL-TWITTER] Agent 運行環境 nac v0.1.3 新增沙盒 git 工作區與視覺感知圖像讀取；OpenHands 則將其免費預設模型切換為 Kimi K3。

模型架構與推理優化

• [SMOL-TWITTER] DeepMind 發表 Recirculation 研究，透過將深層激活回饋至早期處理，在不重新訓練下減少 60% 上下文錯誤並提升 GSM8K 分數。
• [SMOL-TWITTER] DeepMind 推出 Pandora’s Router，將模型路由視為最佳搜索問題，能以較低成本匹配詳盡估算的路由品質。
• [SMOL-TWITTER] vLLM 推出 IsoExec，解決強化學習（RL）訓練中浮點運算非結合性導致的 logprob 不匹配問題，確保位元級的一致性。
• [SMOL-TWITTER] UC Berkeley 的 FreeToken 技術讓 753B 的 GLM-5.2 在單張 RTX PRO 6000 上達到 14.9 tok/s。

機器人與具身智能

• [SMOL-TWITTER] Jim Fan 推出 T-Rex 觸覺反應靈巧操作堆疊，並釋出包含 50 小時數據、5,500 個情節的大型開源觸覺數據集。
• [SMOL-REDDIT] Generalist AI 發表 GEN-1.5，具備具身智能的 One-shot 學習能力，宣稱機器人觀察一次示範即可泛化行為。

基準測試 (Benchmarks)

• [SMOL-TWITTER] SWE-bench Science 推出 119 項科學軟體任務，目前最強的 Claude Code + Opus-5 通過率仍低於 50%。
• [SMOL-TWITTER] CADBench 顯示頂尖模型在 Fusion 360 任務的通過率僅 24.6%；AI4AI-Bench 測試遞歸自我改進能力，平均得分僅 0.288。

社群風向

• Qwen 3.8 實測爭議：[SMOL-REDDIT] 用戶實測 Qwen3.8-27B 在單張 RTX 3090 上展現極高自主性，能操作瀏覽器處理大學課程表。但社群發現其知識儲存（Factual Recall）較 3.6 版本退化，推測是為了強化工具調用與 Agent 能力所做的權衡。
• Ox Alpha 政治審查疑慮：[SMOL-REDDIT] 使用者發現 Ox Alpha 拒絕回答台灣主權問題，引發對其政治安全性與中國背景的疑慮，儘管其 Coding 性能被評為超越 Fable。
• 影片生成優化與缺陷：[SMOL-REDDIT] ComfyUI 的 H3 Minimax 稀疏注意力節點宣稱 2.5x 加速，但實測僅約 1.4x，且在動漫風格生成上會出現嚴重的形變（Morphing）問題。
• WRC'26 機器人觀察：[SMOL-REDDIT] 社群對 WRC'26 展出的「機器手臂包裝重定向」速度表示懷疑，認為未經訓練的人類仍快 2 倍，且 360 度掃描器可能是比機械翻轉更優的工程解法。

產業動態

• Who’s behind the new ‘stealth model’ Ox Alpha? — 神秘模型 Ox Alpha 引發網路熱議，推測其背後為中國實驗室。
• Linkdaze’s smart calendar is built to run a household — Linkdaze 推出免費智慧日曆，內建 AI 膳食規劃工具。
• Flock CEO calls for ‘compromise’ as surveillance company faces growing backlash — 監控技術公司 Flock 面對隱私濫用疑慮，執行長呼籲尋求折衷方案。
• Is it legal to train AI models on copyrighted books? — 法律專題探討 AI 使用版權書籍訓練的複雜性與對作家的潛在威脅。
• Harvard’s $699 startup bootcamp offers AI avatars — 哈佛創業營提供 AI 導師化身，為學員的簡報提供即時回饋。
• Inherent says its AI ‘teammate’ outperformed Anthropic and OpenAI — DeepMind 校友創立的 Inherent 發表 Faraday Agent，在科學研究複製能力上超越主流模型。

值得追蹤

• 從 Prompt 轉向 Environment：研究重心正從提示詞工程轉向可執行的沙盒環境（Sandbox Scaling），這可能是提升長程任務能力的關鍵。
• 算力瓶頸持續：多位業者指出推理算力依然吃緊，模型效率、調度技術與低延遲推理將成為後續競爭的核心。
• 開源訓練透明化：Percy Liang 宣布 535B 的 Marin 模型開始訓練，將在 11 台 GB200 上處理 18.75T tokens，全程保持公開。