08.24
2026-08-24 · 星期一 · 06:20 截稿 · 覆盖近 1-3 天动态
Anything把自然语言搭「AI同事」做成可对外出售的系统，并抛出百万用户、15人团队配一百五十多个内部Agent的运转口径。同一周，Codex、Cline、Ouroboros、Apache Maka这类终端和本地优先runtime挤上热榜，比的是任务能不能回放、权限能不能落盘、上下文能不能脱离IDE交接。DeepSeek开放视觉实验模型和Files API，并把周末全天改成高峰价的一半，可延迟的批量推理开始按日历排。NVIDIA用AVO长程架构在ARC-AGI-3公开集打出满分，同一骨干单独跑大约三成，评测圈也在吵harness该不该标准化——模型和脚手架已经缠在一起，再假装只比权重，数字会越来越虚。
商业变现
1 条
产品发布
4 条
DeepSeek上线V4-Flash-Vision-Exp多模态API并开放Files API
DeepSeek在API平台开放实验模型deepseek-v4-flash-vision-exp，文本能力对齐V4-Flash，并支持图文混合输入。图片按最多384 tokens计费、价格与V4-Flash相同，同时上线免费Files API便于一次上传、多次引用。
DeepSeek调整API峰谷规则：周末全天按空闲时段计费
官方定价页将高峰时段限定为北京时间周一至周五9:00-12:00与14:00-18:00，其余时间（含周末全天）按空闲价计费，空闲价为高峰价的一半。V4-Pro、V4-Flash与V4-Flash-Vision-Exp均适用，适合把可延迟的批量推理挪到周末。
SGLang发布Weight Cache Daemon：权重加载可压到亚秒级
LMSYS与蚂蚁、阿里团队推出SGLang Weight Cache Daemon，用常驻GPU进程保存量化后权重，经CUDA IPC零拷贝映射给新引擎。Ling-2.6-1T FP8权重加载约从495秒降到0.63秒，端到端启动时间缩短约93.9%，便于故障恢复与热备切换。
Claude Code连续发布2.1.239-2.1.241：补齐成本估算与云厂商渲染
Claude Code在8月21日至23日连续更新，2.1.239起将数据驻留工作区1.1倍美国专属推理溢价计入/cost等成本估算，并为Bedrock、Vertex、Foundry等环境补上全屏渲染器。后续2.1.240与2.1.241以稳定性修复为主，面向代理编程日常使用。
X 热议
5 条
匿名模型 Ox Alpha 登陆 OpenRouter，免费额度引发来源与安全争论
stealth/ox-alpha 以免费、约百万 token 上下文和 multimodal 能力出现在 OpenRouter，社区根据分词器指纹猜测其来自中国实验室。编程与长程 agent 实测评价分化，同时有人提醒提示与补全会由匿名提供方留存。
开发者争论评测该标准化 harness，还是承认模型与工具链已经融合
Peter Steinberger 指出顶尖模型已针对常用 agent harness 专项训练，把模型丢进精简或切断推理缓存的环境会扭曲成绩。另一方主张用稳定公共 harness 对比，否则基准会变成各家私有脚手架的竞赛。
阿里巴巴香港增发约 102 亿美元，资金拟投入全栈 AI
阿里巴巴宣布在香港发行约 800 亿港元新股，净募集资金计划用于芯片、算力与模型等全栈 AI 能力。同期 X 上还在讨论匿名模型、Hugging Face 出售传闻等资金与基础设施话题。
Gemini 3.7 Flash 在 Analyst Agent 基准上被指超过多款高价模型
有 Google 相关账号转发称 Gemini 3.7 Flash 在 Artificial Analysis 的 Analyst Agent 基准上超过 Fable 5、Opus 5 与 GPT-5.6。结合较低单价和长上下文，开发者讨论把它当作日常研究与抽取任务的工作模型。
Yann LeCun：LLM 能写文章却清不了卧室，应研究能学体力任务的架构
LeCun 表示若重新规划学业，会先弄清语言模型能写文章却难以完成打扫卧室等物理任务的原因，并寻找能像人或动物一样快速学习体力任务的方法。该帖在世界模型与具身智能讨论中被大量转发。
GitHub 项目
7 条
OpenAI Codex：终端轻量编码 Agent
在终端运行的轻量编码 Agent，可用自然语言处理代码库任务与 Git 流程。当日 GitHub 热榜星标增量很高，适合对照现有 Claude Code / Cursor 工作流评估。
daymade/claude-code-skills 更新 skill-creator 与 Codex/Kimi 工作流
8 月 22–23 日合入 skill-creator 的压缩与评审约束、Kimi CLI 会话源，以及面向用量排查的 tibo-reset-codex 技能。同期修补 claude-code-hooks 的自循环评审边界，适合已在用 Claude Code 插件市场的开发者跟进。
Ouroboros：可回放的 Claude Code / Codex Agent OS 与 MCP
8 月 21–23 日持续提交 interview、seed、MCP 与编排修复，并打出 v0.51.14。项目用面试门控、分阶段评估和预算化进化循环驱动编码 Agent，适配 Claude Code 等多种运行时。
Apache Maka：本地优先的 Agent 工作区
正在 Apache 孵化的本地优先 Agent Runtime，把模型消息、工具调用与权限决策写成可恢复日志。近期进入热榜，适合关注中立 Harness 与可复现执行。
Claude Code Ultimate Guide：指南、模板与配套 MCP
8 月 23 日仍有文档与生态更新。仓库收录 hooks、skills、agent 模板和步骤化工作流，并可用 npx claude-code-ultimate-guide-mcp 在会话里检索章节与示例。
free-claude-code：免费跑编码 Agent 的入口
在终端、IDE 或手机上调用 Claude Code、Codex、Pi、OpenCode，并聚合免费额度。当日热榜涨星明显，适合做低成本编码 Agent 试验。
Marketing Skills 加入 agent-readiness 与引用源波动指引
8 月 22 日合并 ai-seo 2.4.0，补充站点对 Agent 的可达性、可解析性，以及引用源短期波动的应对思路。技能遵循 Agent Skills 规范，可直接装入 Claude Code 的 skills 目录。
开源产品
6 条
Cline v4.1.15 发布，同步刷新内置模型目录
开源编程智能体 Cline 于 8 月 23 日连续发布 v4.1.14/v4.1.15：目录纳入 DeepSeek V4 Flash、Qwen3.8-27B、Nemotron 3.5 Lightning 等模型，并修复 MCP 总开关未覆盖全部工具调用的问题。可作为 VS Code 插件、CLI 或 SDK 在本地接入自建与云端模型。
LiteLLM v1.98.0：可 Docker 部署的统一 LLM 网关
LiteLLM 代理在 8 月 22 日前后放出 v1.98.0，支持预留吞吐计费、自动路由影子评测、可调用的 routing group，以及拆分输入/缓存/推理成本的响应头。可用官方 Docker 镜像自建统一模型网关与管理后台。
Cline Desktop v0.0.16：桌面端可跨 Hub 交接任务
Cline 独立桌面客户端于 8 月 22 日发布 v0.0.16，支持在不同 Hub 实例间交接智能体任务且不丢上下文，并修复自定义 OpenAI 兼容模型的工具调用。适合希望脱离 IDE、用本地或兼容接口跑编程代理的开发者。
Munder Difflin v0.4.5：本地多 Agent 办公桌面应用
MIT 许可的本地桌面应用在 8 月 22 日发布 v0.4.5，把 Claude Code、Codex、Gemini、Grok 等 CLI 智能体编成可互相通信的蜂群，并修复重启后费用统计、Apple Silicon 语义记忆与 Agent 互发消息。用已有订阅或本地模型即可自跑。
Libre WebUI v0.27.0：自托管工作区加入通行密钥与手机推送
可 Docker/Helm 自部署的 AI 工作区于 8 月 22 日发布 v0.27.0，增加 TOTP 与 Passkey、角色步进验证、知识库扫描/音频入库，以及可验证的定时备份。面向要在自有机器上跑对话、知识库与隔离 Agent 任务的团队。
AgentOS 2026.8.23：本地 Agent 可驱动真实浏览器
本地优先的 Agent 操作系统于 8 月 23 日发布 2026.8.23，内置基于 agent-browser 的浏览器工具（导航、点击、填表、截图），并加入按供应商健康状态熔断的故障转移。可用 uv 安装，提供 CLI 与 Web UI。
报告观点
3 条
NVIDIA AVO智能体架构在ARC-AGI-3公开集上拿到满分
NVIDIA技术博客介绍长程智能体架构AVO：以Claude Opus 5为骨干，配合持久记忆、监督环和执行循环，在ARC-AGI-3公开集183关拿到100.00 RHAE，同一模型单独跑约30%。结果强调长程表现更多取决于系统层设计，而不只是模型权重。
Anthropic发布CHIVE：用反事实改写检验可解释工具能否预测模型行为
Anthropic Alignment Science介绍CHIVE流水线，从真实对话中发现异常行为，再用反事实提示改写做验证。实验显示激活读取类可解释工具在预测改写结果时，没有优于只读对话记录的基线。
Anthropic研究发现微调谎言检测器难以泛化到分布外谎言
研究在开源模型的on-policy谎言上微调检测器：分布内AUROC可由0.60升到0.95，跨类别迁移只到约0.70–0.75。更大模型的零样本提示检测器常超过专用微调检测器。
内容由 AI 检索生成，每日自动更新，可能存在错漏；事实与数据以源链接为准。资讯狗不对第三方链接内容负责。