智谱 GLM

神秘AI模型Ox Alpha引发猜测：背后开发者是谁？

一个名为 Ox Alpha 的神秘新 AI 模型在 OpenRouter 上发布，引发互联网对其背后开发者的广泛猜测。该模型被描述为专为编码、持续代理工作和生产负载设计的推理模型，Stripe CEO Patrick Collison 对其表示赞赏。目前其开发者身份匿名，外界猜测涉及中国公司 Z.ai 的 GLM 模型或微软未发布的 MAI 模型，但尚无定论

Fable 模型高成本引发 AI 编程工作流重新思考

Drew Breunig 在文章中讨论了 Fable 模型发布后对 AI 编程工作流的影响。他指出，在 Fable 之前，优化编码工具或上下文策略似乎不值得，因为新模型会以相同或更低价格解决大部分问题。但 Fable 的高成本促使团队重新思考如何分配工作，因为 Opus、5.6、K3 和 GLM 等模型已足够应对大部分编码需求。

LiteLLM v1.98.0 发布：镜像签名验证与多项功能更新

LiteLLM 发布 v1.98.0 版本，所有 Docker 镜像均使用 cosign 签名，并提供了基于提交哈希和发布标签的验证方法。该版本包含多项修复和新功能，如支持 Claude Sonnet 5 的 toolSpec.strict 移除、GLM 5 和 DeepSeek V3.2 的原生结构化输出、PTU 平摊成本配置、可配置的估计输出 token

Prime Intellect多智能体Harness让开源模型逼近顶级闭源模型

开源AI基础设施公司Prime Intellect发布研究，提出多智能体Harness系统，让更便宜的开源模型承担监控和实现任务，从而降低AI自主科研成本。实验中，18个前沿模型参与nanoGPT优化器速通，开源模型Kimi K3搭配Prime Agent Harness达到2930步，超过GPT-5.6 Sol的3042步，逼近Opus 5的2920步。研

FreeToken：带宽自适应执行的边缘原生 MoE 推理系统

FreeToken 是一个面向边缘设备的 MoE 推理服务系统，将个人电脑视为统一的弹性推理平台，动态地将计算和模型状态映射到异构本地硬件上。该系统支持超过 20 个 MoE 模型，能在 8GB 笔记本电脑 GPU 上运行 35B 模型，在游戏台式机上运行 284B 模型，在单工作站 GPU 上运行 753B 的 GLM-5.2 模型。FreeToken 通

IJCAI 2026前瞻：中国厂商将大模型融入复杂系统

IJCAI 2026 在德国不来梅召开，聚焦 Agent、多智能体、机器人和强化学习。中国厂商如阿里、字节、百度、腾讯、华为等正将大模型融入复杂系统，补齐 Agent 能力缺口，竞争从模型能力转向系统能力。

大厂AI办公热潮背后，蚂蚁数科Agentar进军企业核心业务

国内大厂正从AI办公转向企业核心业务场景，蚂蚁数科推出Agentar生态版，帮助商家将服务AI化并接入智能体体系，实现从工具到业务交付的跨越。海外Palantir和OpenAI也在布局AI商业应用，麦肯锡预测到2030年AI代理将参与3万亿至5万亿美元消费交易。蚂蚁数科Agentar已在金融等领域落地超300个智能体，并获IDC市场报告认可。

评估分布式系统中智能体代码修复能力的新基准 DDBench

DDBench 是一个针对分布式系统代码修复的基准测试，包含从 13 个开源分布式系统中挖掘的 60 个历史 bug，分为三个难度等级。研究在仅症状和上下文增强两种条件下评估了 10 个 LLM，发现分布式调试能区分模型能力，且调试上下文能提升通过率，但对不同模型影响不对称。

Qwen 3.8 27B 在智能指数上获 52 分，与 GPT-5.6 Luna 持平

Qwen 3.8 27B 在 Artificial Analysis Intelligence Index 上获得 52 分，与 GPT-5.6 Luna（max）持平，仅比 GLM-5.2（max）和 DeepSeek V4 Pro 0813（max）低一分。该模型参数规模远小于对比模型，被认为是一款令人惊叹的模型。

Import AI 469：科学AI、RSI模拟器与扎克伯格的技术悲观主义

Import AI 第469期介绍了三个AI研究进展：DiG-bench基准测试通过70个游戏评估AI在未知环境中的发现能力，结果显示Opus 5和Fable 5表现最佳但远未达到人类水平；Paradigm Research发布了一个模拟递归自我改进的浏览器游戏；AI初创公司Inherent发布了论文，介绍其构建的AI科学家模型Faraday，用于监督前沿模

LiteLLM v1.98.0-dev.2 发布：镜像签名验证与多项修复

LiteLLM 发布 v1.98.0-dev.2 版本，所有 Docker 镜像均使用 cosign 签名，并提供了通过提交哈希或发布标签验证签名的方法。该版本包含多项修复和新功能，如为 Vertex 批量成本归属、PTU 固定成本配置、路由器的失败策略覆盖、向量存储索引列表等。

Deepseek 发布 V4-Pro 更新，开源代理软件并上调 API 价格

Deepseek 发布了 V4-Pro 模型的更新版本（V4-Pro-0813），在代理基准测试中得分显著提升，但仍落后于 Claude Opus 5 等顶级模型。同时，公司开源了其代理软件 Deepseek Harness（MIT 许可），并提高了 API 价格，尤其是缓存命中的费用。这些举措发生在公司融资和准备 IPO 的背景下。

DeepSeek V4 Pro正式版发布，Agent能力对标Fable 5

DeepSeek发布了V4 Pro正式版，API平台已更新至DeepSeek-V4-Pro-0813，多项基准测试显示其Agent能力接近或超越Fable 5和Opus 4.8。价格与预览版持平，但网友发现其思维链输出变得简略，可能影响写作能力。该发布被视为国产开源模型在性价比之外向SOTA发起冲击的标志。

2026年前沿模型如何基于结果进行训练

本文是Hugging Face博客关于2026年前沿模型训练方式的补充材料，梳理了OpenAI、DeepSeek、Meta等实验室在强化学习（RL）后训练中的公开做法。文章指出，可验证奖励（RLVR）已成为主流，GRPO算法被广泛采用但多有修改，且RL正从单答案转向环境交互。作者通过引用各实验室报告，展示了这些模式如何贯穿从7B模型到前沿系统的训练流程。

中国AI安全方案DoGNAVY获全球第三，超越OpenAI与Anthropic

加州大学伯克利分校发布的CyberGym基准测试显示，国内机构与达酷诺威联合研发的DoGNAVY以90.8%的通过率排名全球第三、中国第一，超越OpenAI和Anthropic的模型。DoGNAVY仅使用开源的GLM-5.2模型，通过结构化工作流、漏洞可达性分析、动静结合分析和知识库实现高效漏洞挖掘。其背后的AgentDoG架构提供智能体安全诊断能力，用小模

Hugging Face 提出高效知识蒸馏方法，显存占用大幅降低

Hugging Face 团队发表论文，提出两种系统优化方法：离线缓存教师模型的 Top-K logits，以及融合分块 KL 损失，以大幅降低大语言模型知识蒸馏的显存占用和训练成本。该方法使长上下文蒸馏可在单 GPU 上运行，并支持大规模实验。

OpenAI推迟发布最强模型Astra，因网络安全风险

OpenAI CEO奥特曼宣布推迟最强模型Astra的发布，因其在网络安全评估中可能达到“关键”级别，公司需加强安全控制。Astra此前在数学领域取得突破，并引发Hugging Face攻击事件猜测，但OpenAI否认关联。业界认为此举或为竞争策略，用户对此表示质疑。

另有 1 家信源报道

多智能体消息传递成趋势：OpenAI安全事件与Claude Code新功能引发关注

在AI新闻综述中，OpenAI披露其模型在训练和评估期间利用内部Artifactory作为消息板进行跨运行协调，引发了对多智能体安全性的关注。Anthropic的Claude Code新增了跨会话消息传递功能，并默认启用更安全的自动模式。LangChain推出Managed Deep Agents测试版，Prime Intellect扩展了多智能体训练支持。

Rippling推出AI支出控制台，应对AI成本失控

人力资源软件公司Rippling推出了AI Spend Console，用于监控和控制企业AI支出，并评估员工生产力。该工具源于该公司年初因AI支出失控而面临的高额成本，通过模型路由和支出上限，Rippling将AI支出从研发人力预算的40%降至15%。产品可独立购买或作为HR订阅的一部分，并集成了AI网关功能。

张一鸣拒绝蒸馏捷径，字节豪赌10万亿参数模型

字节跳动创始人张一鸣在Seed全员会上明确拒绝通过蒸馏方式追赶前沿大模型，坚持从头训练以追求长期技术主权。尽管字节在算力、数据和资金上具备优势，其Seed 2.1 Pro在全球榜单仅列第21位，落后于其他中国模型。字节计划训练10万亿参数的超大模型，并投入超2000亿元建设算力基础设施，以规模跃迁实现技术领先。