AI进展

AI 编年时间线 · 2026年8月 · 共 90 条

8月31·周一

Loopit 开源实时交互视频世界模型 Zing-0.5

Loopit 开源实时交互视频世界模型 Zing-0.5 ，5B 参数，基于 Wan2.2-TI2V-5B。模型支持键盘操控与自然语言语义改写的联合控制，用户可边移动边用文字实时改写世界，新指令融入当前场景而非重置。单卡 RTX 5090 可超 24 FPS 实时生成，一分钟推理成本约 6 分钱。在 WBench 评测中位列实时世界模型第一。

来源：AI工具集

蚂蚁百灵推出首个金融增强模型 Ling-3.0-flash-Fin

蚂蚁集团推出首个金融增强模型 Ling-3.0-flash-Fin ，延续 Ling-3.0-flash 模型 124B总参数/5.1B激活参数架构，面向真实金融工作流，重点打磨信息检索、研究推理、估值建模、研报撰写四大核心能力。模型在与中金联合打造的FinFIRST 以及 FinSearchComp Verified 等金融智能体基准上进行测试表现优异。

来源：百灵大模型

a16z成立规模 11 亿美元的 Machine Age Fund，押注 AI 硬件

a16z宣布成立11亿美元的 Machine Age Fund，专注投资AI物理基础设施，涵盖芯片、内存、网络、数据中心、机器人及家庭AI设备。基金认为AI正从聊天走向推理与编码，算力需求呈指数级增长，现有供应链和物理极限面临挑战，亟需重构。

来源：a16z

OpenAI 宣布终止与 Cursor 的合作关系

OpenAI 宣布终止与 Cursor 合作，Cursor 对其模型的直接访问将于 11 月 12 日结束。OpenAI 称因 Cursor 被 SpaceX 收购，鉴于马斯克旗下公司此前存在违反合同、蒸馏数据等”黑历史”，无法确信其合规使用技术。此外，OpenAI 即将推出的 Astra 模型可能达到关键级网络安全能力，需严控分发渠道。

来源：机器之心

8月28·周五

腾讯混元推出新一代旗舰模型 Hy4 preview

腾讯混元推出新一代旗舰模型 Hy4 preview ，总参数770B、激活参数49B，上下文长度达1M。模型在代码、办公、游戏开发及科学研究等真实生产力任务上表现卓越，端到端推理吞吐提升31.8%。模型在科学领域取得重大突破，分子动力学模拟提速2倍，将百年几何难题三维Blaschke-Lebesgue体积下界推进至0.41104。

来源：腾讯混元

谷歌推出 AI 视频生成模型 Gemini Omni 1.1 Flash

谷歌推出 Gemini Omni 1.1 Flash 视频生成模型，最高支持4K分辨率输出。模型支持基于现有视频每次以10秒为步长逐步扩展，单条视频最长可达40秒，用户可指定首尾帧实现平滑转场与运镜。模型支持从360p快速预览到4K超高清的多档位输出，生成速度提升60%且成本仅为三分之一，支持引入最长3秒参考视频维持角色与场景一致性。

来源：IT之家

AI基础设施公司基元律动完成数千万美元融资

AI基础设施公司基元律动（TokenRhythm）宣布完成数千万美元融资，弘晖基金领投。公司同步启动TokenRhythm API平台公测，对标 OpenRouter ，提供一站式多模型调用服务，日调用量超5000亿Token。公司核心战略是Routing Harness智能路由基础设施，可根据任务动态选择、切换和协同模型。

来源：基元律动

8月27·周四

智谱开源原生多模态模型 GLM-5.3-Flash

智谱正式推出 GLM-5.3-Flash ，是GLM-5系列首个原生多模态模型，AA综合智能指数57分与Claude Opus 4.8持平，定价仅后者1/40。模型采用稀疏+线性注意力混合架构，激活参数量与层数近乎减半，长上下文成本大幅降低。原生集成视觉编码能力，支持代码、浏览器与GUI协同。

来源：智谱

阿里通义推出多模态 MoE 模型 Qwen3.8-Flash

阿里正式推出多模态MoE模型 Qwen3.8-Flash ，总参数125B，每token仅激活6B，原生支持26万token上下文并可扩展至100万。模型采用GDN与QSA混合注意力、门控残差、N-gram嵌入及Muon优化器四大升级，训练成本降至前代1/9，编码与办公能力更强。模型对外提供API服务定价输入1元、输出3元每百万token。

来源：千问大模型

腾讯混元推出端侧翻译大模型 Hy-MT2-1.8B

腾讯混元推出 Hy-MT2-1.8B 翻译模型，通过2-bit和自研Sherry 1.25-bit技术，将3.3GB模型极致压缩，翻译质量几乎无损且优于微软、豆包等商业API。联合英特尔完成x86算子优化，已在哔哩哔哩直播弹幕实时翻译中落地，支持33语种，单条弹幕翻译耗时500-800ms。

来源：腾讯混元

阿里千问办公国际版，开启公测

千问办公国际版（QwenWork）开启公测，海外个人及企业用户可通过网页版与PC客户端体验。产品定位All-in-One AI生产力平台，已接入Slack、Notion等海外协作工具，未来将连接企业数据库与工作流。产品现已支持中英文，即将拓展西语、葡语、日语、韩语等；账号体系支持Google账号、邮箱及阿里云国际账号注册。

来源：千问办公QwenWork

谷歌推出语音转文本模型 Gemini 3.5 Transcribe

谷歌推出 Gemini 3.5 Transcribe 语音转文本模型，可自动删除”嗯””呃”等口头禅及自我修正内容，生成更通顺文本。相比前代 Chirp 3 ，速度提升约 70%，实时语音错误率降至 5.5%。模型支持 85 种语言及最多 3 人预录音频，已用于 Pixel 11 的 Gboard 键盘的”Rambler”功能。

来源：IT之家

8月26·周三

爱诗科技推出实时全模态世界模型 PixVerse R2

爱诗科技推出 PixVerse R2 实时全模态世界模型技术报告。PixVerse R2 在 PixVerse R1 基础上进一步探索实时世界模型的 Scaling 路径，通过 Omni Causal AR 统一架构支持文本、参考图、音频、动作等多模态输入，实现边生成、边交互、边演化的持续世界运行。

来源：爱诗科技 AIsphere

Stability AI 完成 7600 万美元 B 轮融资

Stability AI 宣布完成 7600 万美元（约 5.12 亿元人民币）B 轮融资，资金将用于创意产品开发、应用研究及专业服务扩展。投资方包括 EA、索尼音乐、环球音乐、华纳音乐及 AMD 风投部门。CEO Prem Akkaraju 表示，投资者群体将提供资金，带来专业知识、行业信誉及与艺术家的直接联系，助力生成式 AI 赋能创意人士。

来源：IT之家

即梦 AI 正式推出影视内容厂牌「即梦片场」

即梦AI 推出影视厂牌「即梦片场」，8-12月面向影视公司与AI创作者征集电影、剧集项目。电影设S/A两档、剧集设S/A/B三档扶持，提供算力技术与发行全链路支持，联动番茄小说IP。同步推出创作者成长计划，含创作基金及”锋芒回响”奖励，优质作品最高可获10万元现金与百万宣推资源，助力AI影视IP开发。

来源：即梦AI

谷歌推出实时协作 Vibe Coding 工具 Play with Putty

谷歌实验室推出实时协作工具 Play with Putty ，主打 “Vibe Coding 体验。用户无需编程基础，通过自然语言描述需求，AI 可自动生成代码并实时渲染为可用工具或网站。工具支持多人可通过链接进入同一共享空间协作，修改即时同步。产品定位轻量消费级实验工具，让软件从个人编写变为集体对话，在实时协作中快速成型。

来源：AI工具集

8月25·周二

字节跳动推出 AI Agent 办公产品「豆包工作」

字节跳动推出全新AI Agent产品「豆包工作」，定位面向生产力场景的办公助手。产品可自主拆解任务、调用工具并推进复杂工作流，支持写文档、做PPT、搭网页、建系统等全栈能力；同时能操作虚拟桌面，全程可见且随时接管。产品与飞书深度打通，可基于企业上下文查会议、总结群聊、生成周报。

来源：豆包

小红书开源统一语音生成与编辑模型 FireRedTTS3

小红书FireRed团队开源统一语音生成与编辑模型 FireRedTTS3 。模型基于RedAE语义增强连续表示与LLM-DiT架构，单一模型可实现24种语言及21种中文方言的零样本音色克隆、自然语言声音设计与指定区域精准语音编辑。模型在四个公开评测集上均取得最优成绩，为有声内容、游戏配音及品牌客服等场景提供高效解决方案。

来源：AI工具集

LiblibAI 推出海外 AI 视频创作平台 Newtake

LiblibAI推出海外AI视频创作平台 Newtake ，主打影视级内容制作。产品基于无限画布和节点工作流，集成导演控制台、电影感灯光、多视角解析、纹理角色表及专业镜头复刻等功能，已接入 Seedance 2.5 模型。产品核心优势在于通过角色一致性管理解决AI视频变脸痛点，用可视化节点工作流降低专业影视制作门槛。

来源：AI工具集

8月24·周一

中国电信天翼 AI 推出桌面级通用智能体助手 TeleAgent

中国电信天翼 AI 推出星辰超级智能体桌面版 TeleAgent ，定位为AI办公搭子，支持Windows 10及MacOS 13以上系统。工具可自动完成文件整理、Excel汇总、数据分析、PPT制作、资料搜集等任务，用户只需语音或文字下达指令可实现你说TA做。

来源：中国电信天翼AI

阿里正式上线视频生成模型 Wan3.0

阿里视频生成模型 Wan3.0 正式上线。模型在生成时长、万能创作、全能参考及真实世界还原等维度全面升级，单次可生成30秒视频，首次支持doc、xls、ppt、pdf、md等文档格式输入。Wan3.0在短剧、影视、广告、文旅、音乐MV等多行业落地应用，用户可在阿里云百炼、万相官网等平台体验。

来源：阿里云

RunningHub 上线全新一代视频生成模型 Wan3.0

Wan3.0 首发上线 RunningHub ，模型单次生成最长 30 秒，支持文本、图片、音频、视频及 doc/ppt/pdf 等文档输入，实现 PPT 一键转视频。人物与场景一致性显著提升，告别”AI 脸”。RunningHub 旗下 rhTV 、RHSTORY、ComfyUI 等生态已全面适配，覆盖影视、广告、电商等商用场景。

来源：RunningHub

8月21·周五

阿里通义推出 GUI 智能体基座模型 Qwen-UI-Agent

阿里通义推出 Qwen-UI-Agent GUI智能体基座模型，覆盖手机、电脑、网页及深度搜索场景。模型基于100+台真机、150+应用训练，在MobileWorld、OSWorld、WebArena等多项基准上超越GPT、Claude、Gemini等旗舰模型。模型具备严格安全边界，可拒绝违法请求并在支付、删除等敏感操作前主动确认用户。

来源：千问大模型

OpenAI 开源 AI Agent 底层执行框架 Codex Harness

OpenAI 开源 AI Agent 底层执行框架 Codex Harness 。框架负责任务理解、记忆保持、工具调用及人类审批等完整执行循环，支持通过 CLI、SDK 和 app-server 嵌入业务系统。核心特性包括沙箱安全执行、原生 Human-in-the-Loop、流式事件传输及模型无关架构。

来源：AI工具集

商汤科技开源原生统一多模态大模型 SenseNova U1.5 Lite

商汤科技正式开源轻量级原生统一多模态大模型 SenseNova U1.5 Lite 。模型聚焦真实视觉创作流程，重点强化超长指令遵循原生支持 3-4k 上下文长度、视觉质量、文字与布局、原生4K高分辨率输出、原生图像编辑及精细视觉控制能力。

来源：商汤科技SenseTime

Ling-3.0 tiny & flash Base Models 正式开源

蚂蚁百灵大模型正式开源 Ling-3.0-tiny-base 与 Ling-3.0-flash-base 两个基础模型，同时同步开放预训练、中期训练及 WSM 合并共 6 个关键训练节点权重。Ling-3.0-tiny-base（总参数 7.9B，激活参数 1.3B）适合代码与低成本后训练研究，Ling-3.0-flash-base（总参数 124B，激活参数 5.1B）兼顾代码、推理与长上下文能力。

来源：百灵大模型

鹿明机器人推出具身智能进化引擎 Lumos NexCore

鹿明机器人在2026世界机器人大会发布具身智能进化引擎 Lumos NexCore ，定位为产业”技能基础设施”。平台整合数据资产、模型训练、评测验证、技能封装与设备运营，能让机器人能力像云服务一样被调用、训练和迭代。

来源：机器之心

8月20·周四

DeepSeek Harness更新，增强多模态

DeepSeek Harness 推出 v0.1.0-rc.8 版本，重点增强多模态能力，支持原生图片请求与图文混合输入，可将 Claude Code 、 Codex 作为子代理按需调用。同时优化工具并发查询与 Windows 终端体验，修复多项稳定性问题，进一步巩固其作为 Agent 统一调度层的定位。

来源：机器之心

MiniMax 推出 AI Agent 商业内容生产平台 MiniMax Design

MiniMax稀宇科技推出 AI Agent 驱动商业内容生产平台 MiniMax Design ，基于 MiniMax H3 原生多模态视频模型构建。用户只需表达创作意图，Agent 可自动拆解任务、调用模型与工具，完成从素材处理、生成编辑到成片交付的全流程。平台提供 3D 导演台预演构图、自动剪辑字幕、ComfyUI 工作流接入等功能。

来源：MiniMax 稀宇科技

8月19·周三

智谱 GLM-5.3 API 即日起正式上线

智谱 GLM-5.3 API正式上线，擅长复杂编码、网络安全及长程任务。在AA综合智能指数中获60分，与 Claude Fable 5 、 GPT-5.6 Sol 等闭源旗舰同档，与 Kimi K3 并列开源模型第一。GLM-5.3以更小的参数规模和最低的单任务成本达到前沿水平，定价与上一代持平，模型权重将于下周五开源。目前已接入 ZCode 等编码平台，并开放API调用。

来源：智谱

微软开源 4B 参数多模态模型家族 Mage

微软开源4B参数多模态模型家族 Mage ，包含流式视频/图像理解模型 Mage-VL 与图像生成与编辑模型 Mage-Flow。Mage-VL采用Codec-Native编码，视觉Token减少75%，视频推理提速3.5倍，支持实时流式理解。Mage-Flow支持512-2048任意原生分辨率文生图与指令编辑，Turbo版仅需4步采样，A100单卡0.6秒出图。

来源：AI工具集

字节跳动推出扣子桌面端

扣子桌面端正式上线，让 Agent 从网页走进本地电脑。用户授权后，Agent 可直接读写本地文件、执行命令、管理项目，自动将结果存回指定位置。同时推出扣子云盘，实现本地与云端文件随时接力，支持多 Agent 共享协作。手机 App 可远程遥控桌面端 Agent 处理电脑文件。

来源：扣子Coze

8月18·周二

Cursor 推出 AI 原生代码托管平台

Cursor推出AI原生代码托管平台 Origin ，即日起向所有付费用户逐步开放Beta版。平台提供代码仓库、PR审查、代码浏览及GitHub双向同步等核心功能，支持与GitHub仓库并存运行。平台已集成Vercel、Depot、Buildkite等第三方应用，每个仓库内置AI智能体可直接修改代码、更新PR。

来源：Cursor

智象未来推出交互式世界模型 HiDream-O1-World

智象未来推出原生全模态交互式世界模型 HiDream-O1-World ，支持文本、图像及交互多模态输入，具备漫游、编辑、交互三大功能。模型搭载自研UiT架构，在时空一致性与物理一致性上实现关键突破，首次参评即登顶WBench交互式世界模型评测Navi分榜。应用场景涵盖AI互动影游、具身智能仿真及3D场景生产等领域。

来源：HiDream智象未来

昆仑万维推出 AI 音乐生成模型 Mureka V9.5

昆仑万维推出AI音乐生成模型 Mureka V9.5 ，基于 MusiCoT框架，V9.5 在编配留白、人声真实感与意图精准度上大幅跃升，人声良品率达 61.0%，控制良品率达 97.0%。模型在中文国风领域实现突破，咬字更准、和声更克制、编曲更具神韵。Mureka V9.5基于超 2.5 万份用户反馈迭代，能让AI音乐从能生成走向值得单曲循环。

来源：昆仑万维集团

阿里千问办公开源上下文基础设施项目 MyContext

阿里千问办公开源上下文基础设施项目 MyContext 。项目以本地化方式运行，将钉钉、飞书等IM沟通、文档、会议等多源工作数据自动沉淀为Agent可理解的专属工作档案，信息可溯源。针对信息冲突采用语义分析或用户确认机制，确保准确性。用户可据此构建专属Agent助手，自动回复工作信息。

来源：阿里云

AI视频生成独角兽 Higgsfield 完成4亿美元融资

AI视频独角兽 Higgsfield 完成4亿美元融资，投后估值54亿美元（约366亿元），投资方包括DST Global、高盛、Liberty Global和英特尔。公司年化营收达7亿美元，一年内增长约34倍，估值8个月涨315%。平台拥有超3000万用户，覆盖238个国家和地区。

来源：智东西

8月17·周一

Stripe以超过70亿美元价格收购 OpenRouter

支付巨头Stripe已敲定收购AI基础设施初创公司 OpenRouter ，交易金额超70亿美元（约473亿元人民币）。OpenRouter为用户提供统一入口，可在超400种AI模型间按需选择，全球用户达800万。公司今年5月B轮融资估值约13亿美元，此次收购价为其5倍以上，将成为近年AI基础设施领域重大收购案之一。

来源：IT之家

阿里巴巴推出 AI 音乐模型 HappyShrimp

阿里巴巴推出AI音乐模型 HappyShrimp （快乐虾米），支持端到端整曲生成，实现作词、作曲、编曲、演唱一体成型。模型深度理解自然语言，用户仅需描述情绪或故事即可创作，大幅降低音乐创作门槛，同时解决AI音乐人声机械、词曲错位等痛点。

来源：阿里云

Qwen-Audio-3.0系列语音模型正式上线千问AI平台

阿里巴巴Qwen-Audio-3.0系列语音模型正式上线千问AI平台，开发者可通过API或Token Plan调用。Qwen-Audio-3.0系列包括语音识别大模型Qwen-Audio-3.0-ASR、语音合成大模型 Qwen-Audio-3.0-TTS 、实时语音交互对话模型 Qwen-Audio-3.0-Realtime 。目前已在千问App 、千问办公等产品中落地应用。

来源：千问AI平台

SpaceXAI以600亿美元正式完成收购 Cursor

SpaceX以600亿美元正式收购，团队将加入SpaceXAI共同开发 Grok 系列及Cursor产品。这是史上最大规模的创业公司收购案。 Cursor 将借助SpaceX全球最大GPU集群获得更强算力，同时xAI发布全新AI队友产品 Grok Bot ，可24/7自主运行多步骤真实任务。

来源：IT之家

8月14·周五

谷歌推出最新主力模型 Gemini 3.7 Flash

谷歌推出 Gemini 3.7 Flash 模型，专为编程与Agents场景设计。模型在软件工程、知识工作及网页开发等方面大幅提升。即日起至2026年底，首发优惠价仅为3.6 Flash原价的一半：输入每百万Token 0.75美元，输出3.75美元。 Gemini Spark 已接入该模型，优化Workspace工具使用能力。

来源：IT之家

智谱推出最新 AI 大模型 GLM-5.3

智谱推出 GLM-5.3 ，基座未变但通过后训练Scaling大幅提升智能上界，成为当前编程能力最强的开源模型，在Terminal Bench 3.0等多项基准测试中取得开源第一。模型同时涌现出强大的网络安全能力，在代码审查与漏洞发现等任务中表现突出。智谱联合多家安全团队累计发现2436个漏洞，并启动”开源的盾”计划。

来源：智谱

MiniMax 开源音乐模型 MiniMax-Music3

MiniMax 开源音乐模型 MiniMax-Music3 ，支持歌词生成最长 5 分钟歌曲。模型采用分层架构：8B 全局模型负责长程语义与结构，0.6B 局部模型恢复细粒度声学信息。MiniMax-Music3输出 32kHz 立体声 WAV，可保持主题、节奏、歌声身份及编曲推进，覆盖前奏、主歌、副歌等结构。

来源：IT之家

小红书开源多模态 MoE 模型 dots3-note preview

小红书 dots 模型实验室开源 dots3-note preview ，为 dots3 系列首个开源版本。模型总参数 280B、激活参数 16B，支持 512K 超长上下文，具备文本、视觉与语音多模态理解能力，针对复杂推理、Agent 和多模态感知优化。模型在多项 benchmark 上可比肩参数数倍的大模型。

来源：机器之心

8月13·周四

DeepSeek-V4-Pro 正式版上线

DeepSeek 推出 DeepSeek V4 Pro 正式版，已同步在 APP 、网页端和API上线。该版本Agent能力显著增强，在Terminal Bench、DeepSWE等评测集上表现优异。API新增原生支持OpenAI Responses API格式，适配 Codex ；思考模式新增low/high/max三档可选。

来源：DeepSeek

DeepSeek Harness 开发者预览版开放测试

DeepSeek Harness 开发者预览版（v0.1 版本）面向全球 Harness 开发者开放测试，并同步以MIT协议开源。产品采用”一切皆插件”架构，基于Cordis插件系统构建，模型、工具、技能等Agent能力均可自由替换组合。提供标准、PTC、极简、创造四种运行模式，支持完整工具调用与自定义预设。

来源：DeepSeek Harness 团队

SpaceXAI 推出 AI Agent 系统 Grok Bot

SpaceXAI 推出 AI Agent 产品 Grok Bot ，可登录用户账号在云端独立运行，24 小时不间断执行任务。每个 Bot 拥有专属云计算机，支持多 Bot 并行协作、Bot 间通信，可自主创建新 Bot。Grok Bot 产品原型为 xAI 收购 Cursor 前其内部代号「Sand」的 Agent 项目。

来源：APPSO

SpaceXAI 推出最新一代旗舰大模型 Grok 4.6

SpaceXAI正式推出 Grok 4.6 模型，进一步强化长时间智能体任务、复杂交互及视觉工作能力，可处理资料研究、代码库分析等复杂任务。在AA Intelligence Index综合基准测试中，Grok 4.6与GPT-5.6 Sol取得相同成绩。

来源：IT之家

小红书开源语音合成基座模型 dots.tts

小红书 dots 团队与上海交通大学 X-LANCE 实验室联合开源 dots.tts ，一款 20 亿参数、全连续隐空间自回归 TTS 基座模型。模型不依赖离散声学 Token，在零样本声音克隆评测 Seed-TTS-Eval 上达到 SOTA，支持音色微调与语音编辑。

来源：机器之心

记忆功能上线，让 Meoo 越用越懂你

秒悟Meoo 上线记忆功能，支持自动整理并保存用户的个人背景、工作习惯、回应风格及项目规则等长期有效信息，在后续对话中智能调用。记忆分为仅本人可见的”个性化记忆”，含用户画像、工作手册、回应风格、记忆碎片和团队共享的应用记忆两类。

来源：秒悟Meoo

LTX 开源 AI 视频生成基础模型 LTX-2.5

开放世界模型公司 LTX 发布 LTX-2.5 ，原生集成 ComfyUI。在 2 张英伟达 GB200 上，生成 10 秒 720P 视频仅需 6.8 秒，API 版 23.7 秒输出 1080P。新模型具备更高像素保真度、多镜头连贯性及扩散保真渲染技术。用户可通过 Hugging Face、ComfyUI 及 API 调用。

来源：IT之家

Qwen 团队开源 Qwen3.8-2.4T-A95B 模型权重

Qwen团队开源 Qwen3.8-2.4T-A95B 模型，为Qwen-Max级别首次开放权重。该MoE模型总参数2.4T、每Token激活95B，原生支持256K上下文，重点提升编程、办公、科研及长周期Agent能力。在PaperBench、TerminalBench等多项评测中表现领先，支持SGLang、vLLM等框架部署，默认思考模式且支持推理深度调节。

来源：魔搭ModelScope社区

8月12·周三

Manus 恢复独立公司运营

Manus 宣布脱离 Meta 恢复独立运营。Manus去年12月被 Meta 用超20亿美元收购，因跨境监管审查，双方重新调整架构。Manus要求部分用户在8月23日前备份数据，8月25日恢复服务，受影响的用户过渡期间不被收取任何费用并提供回归奖励。

来源：APPSO

Bilibili 开源工业级零样本语音克隆模型 IndexTTS-2.5

Bilibili 开源工业级零样本语音克隆模型 IndexTTS-2.5 ，参数量仅 0.8B，支持中、英、日、西、阿五种语言跨语种迁移。模型重构了推理架构，速度提升 2.28 倍，实时率低至 0.20，同时支持 0.5x 至 2.0x 无级语速调节，提供拼音、CMU 音素和日语假名三种粒度的发音干预。

来源：AI工具集

豆包推出学生特惠活动

豆包推出学生特惠活动，面向在校大学生提供2.5倍免费额度及专业版特惠价，辅助科研、创作等复杂学习任务。用户可通过豆包电脑端发送”我要领取学生优惠”完成认证，或在设置界面通过抖音账号认证获取权益。

来源：豆包

微软推出编程模型 MAI-Code-1.1-Flash

微软推出升级版编程模型 MAI-Code-1.1-Flash ，代码能力显著提升：模型在 Terminal-Bench 2.1 测试中的表现提升 22%，.NET 任务提升 15%，并新增原生视觉能力。新模型 Token 生成速度提升 25%、消耗减少 25%，价格降至初代四分之一。目前已陆续登陆 VS Code、 JetBrains 等 Copilot 平台，旧版将于 2026 年 9 月 10 日全面停用。

来源：IT之家

8月11·周二

OpenAI 推出 AI 网络安全模型 GPT-5.6-Cyber

OpenAI扩展网络安全防御服务Daybreak，新增Blue与Red两个等级。Blue提供事件响应、恶意软件分析等常规服务；Red包含专为安全测试和漏洞研究训练的新模型 GPT-5.6-Cyber 。GPT-5.6-Cyber 模型目前仅向埃森哲、IBM、CrowdStrike等可信合作伙伴开放。

来源：IT之家

Meta 开源 300 亿参数大语言模型 Muse Glimmer

Meta 开源300亿参数模型 Muse Glimmer 。模型专为本地常驻运行设计，通过4-bit量化和DFlash投机解码技术，可在24GB显存设备，如Mac、消费级GPU上流畅运行，支持断网操作、多模态感知、工具调用及代码编写。

来源：APPSO

ZCode全面升级，GLM Coding Plan全员额度回满

智谱AI旗下 ZCode 全面升级，上线 Goal、Subagents、Remote Control、闲时任务四大功能。Goal模式支持设定可验收目标后自主拆解、执行并迭代交付复杂任务；Subagents实现多智能体并行协作；Remote Control支持手机/微信远程管控；闲时任务可在低峰时段免积分执行。同时，GLM Coding Plan 额度已统一重置，全员额度全部回满。

来源：Zcode

腾讯推出 Windows 端桌面美化工具「小鹅桌面」

腾讯推出Windows端桌面美化工具「小鹅桌面」，以免费无广告为核心卖点切入市场，提供百万级4K超清动态与静态壁纸资源。产品在桌面左上角内置轻量化AI对话窗口，可完成待办备忘与文件搜索。工具面向学生及普通个人用户，与办公向产品 WorkBuddy 形成错位布局，通过壁纸美化卡位Windows高频桌面场景。

来源：AI工具集

8月10·周一

阿里推出一站式 AI 语音平台 CosyVoice Studio

阿里巴巴推出国内首个一站式AI语音平台 CosyVoice Studio ，基于自研 Qwen-Audio 模型，集成语音记录 CosyFlow 、语音智能体 CosyAgent 和音频创作 CosyCreative 三大模块。CosyFlow支持语音转写叠加语义理解并生成结构化文本，CosyAgent可通过自然语言快速创建实时语音交互智能体，CosyCreative支持上传文档生成播客与多角色有声书。

来源：阿里云

英伟达开源自动驾驶 AI 推理模型 Alpamayo 2 Super

NVIDIA推出 Alpamayo 2 Super 智能汽车开放模型，基于Cosmos 3 Super Reasoner构建并采用OpenMDW 1.1商业许可，支持商用与微调。模型在LingoQA等辅助驾驶基准测试中排名第一，可输出轨迹规划、因果推理、元动作、自动标注及视觉问答五类结果，决策过程透明可验证。

来源：AI工具集

Cloudflare 推出 AI Agent 云端轻量浏览器 Kitesurf

Cloudflare 推出 Kitesurf ，专为 AI 智能体打造的云端浏览器，基于 Workers 平台运行，支持浏览网页与填写表单，较 Chromium 更省计算资源显著降低运行成本，同时针对 AI 特性优化上下文窗口与性能表现，防范提示词注入攻击，目前 Kitesurf 处于测试阶段，正式版将在未来推出。

来源：IT之家

腾讯混元团队推出 3D 世界生成框架 WorldClaw

腾讯混元3D研究团队推出 WorldClaw ，基于 Agent 的 3D 开放世界生成框架。框架能将一句开放式文本提示转化为可探索、可编辑的完整 3D 世界，在保持全局地形连贯性的同时，按需为局部区域生成丰富细节。WorldClaw 将地形与每个对象作为独立可编辑实例输出，支持自由视角漫游、对象级编辑及游戏引擎直接接入。

来源：AI工具集

8月7·周五

阿里推出全新一代视频生成模型 Wan3.0

阿里全新一代视频生成模型 Wan3.0 开启公测。模型单次可生成30秒视频，支持连续运镜与一镜到底叙事；在文本、图片、音频、视频四种基础模态之外，首次支持doc、xls、ppt、pdf、md等文档输入，可将办公素材直接转化为教学课件、产品演示等视频。人像追求千人千面，角色、道具、场景、风格一致性显著增强。

来源：阿里云

OpenAI 开放免费用户与 ChatGPT 文字畅聊

OpenAI宣布免费用户与ChatGPT的文字聊天不再受限，默认模型升级为 GPT-5.6 Luna ，性能优于GPT-5.5 Instant。免费及Go订阅用户还可使用新增思考按钮处理复杂问题，但文件上传、图片生成、语音对话等高算力功能仍受限。付费用户将获得更可靠、简洁的GPT-5.6 Sol及5档思考强度滑块。

来源：财联社

阿里全新一代视频生成模型 Wan3.0 上线「堆友」

阿里全新一代视频生成模型 Wan3.0 正式开启公测，同步上线堆友Agent 及视频生成模块。模型支持单段30秒视频生成，具备智能时长推荐与视频延长功能；支持文本、图片、视频多模态参考，实现万物皆可生视频；人像刻画千人千面，在角色、道具、声音等维度保持高一致性，视频编辑能力也大幅提升。

来源：堆友

火山引擎上线 Seedance 2.5 API 服务

火山引擎正式上线 Seedance 2.5 API，相比2.0在指令遵循、长叙事、真人感及声画质感上大幅提升，原生支持30秒视频直出与最高50个全模态素材参考，兼容十余种语言。模型已在 LibTV 、奇想AI、 TapNow 等平台同步上线。

来源：火山引擎

蚂蚁百灵推出原生混合推理模型 Ling-3.0-tiny

蚂蚁百灵正式推出 Ling-3.0-tiny 原生混合推理模型，总参数7.9B、每token仅激活1.3B，面向数学推理与端侧部署深度优化。模型原生支持工具调用，可直接驱动浏览器UI与移动设备自动化操作，支持完全本地离线推理。

来源：AI工具集

8月6·周四

兔展智能推出一站式 AI 设计生产工具 RabbitVis

兔展智能推出图层级一站式AI设计工具 RabbitVis ，基于自研 UniWorld-Design 视觉大模型，将AI生成与图层级编辑深度融合。产品突破传统AI生图只能生成、难以修改的瓶颈，支持透明素材生成、图像分层拆解与持续编辑，让海报、电商图、杂志内页等设计资产可反复调整与复用。

来源：量子位

Meta 推出终端编程 AI 智能体 Muse Code

Meta 推出首个编程 AI 智能体工具 Muse Code 测试版，由首席 AI 官汪滔领衔开发。模型基于 Muse Spark 1.2 模型，可处理大型代码库中的完整软件工程任务，直接挑战 Anthropic Claude Code 与 OpenAI Codex 。

来源：IT之家

阿里云上线One Key MCP，一键调用多家MCP服务

阿里云上线One Key MCP服务，开发者可通过统一的阿里云百炼 API Key一键调用所有生态伙伴MCP服务，兼容 Qoder 、 Codex 、 Claude Code 、 Cursor 等主流Coding Agent，大幅简化多MCP服务的接入、鉴权与计费管理流程。用户可登录阿里云百炼平台，在MCP广场直接使用现有API Key开通并调用相关服务。

来源：阿里云

腾讯推出 AI 原生数据分析平台 Omega

腾讯推出AI原生数据分析产品 Omega ，内测版名为「马尔摩斯（marmos）」，用户通过自然语言可生成完整数据仪表盘，支持持续交互修改、筛选联动与数据动态刷新。产品采用QueryRegistry数据契约与DTBridge运行时架构，叠加多层权限校验与AST只读检查，解决传统AI看板数据凝固与安全问题。

来源：AI工具集

8月5·周三

阿里推出原生 Computer Use Agent「Qwen-CUA」

阿里 Qwen 团队联合 XLang Lab 推出原生 Computer Use Agent「 Qwen-CUA 」，基于 397B-A17B 混合专家架构，通过屏幕截图感知界面状态，无需依赖 DOM 树或无障碍元数据，直接输出键盘鼠标事件操控浏览器、桌面及专业软件。模型在 OSWorld-Verified 基准取得 86.2 分，万亿参数 Max 版本达 87.6 分。

来源：AI工具集

腾讯混元推出新一代语音识别模型 Hy ASR 3.0 preview

腾讯混元推出新一代语音识别模型 Hy ASR 3.0 preview ，模型基于 Hy3 大语言模型打造，深度融合语音识别与深度语义理解能力，在中文普通话、英语及粤语等场景的识别准确率均达到业界顶尖水平，具备复杂语境下的智能纠错能力。

来源：腾讯混元

阿里千问图像生成模型 Qwen-Image-3.0 上线千问AI平台

阿里巴巴千问图像生成模型 Qwen-Image-3.0 上线千问AI平台，面向所有用户免费开放。旗舰版Qwen-Image-3.0-Pro与标准版Qwen-Image-3.0-Standard同步开放API。在国际评测平台Arena.ai最新文生图榜单中，模型位列国内第一、全球第五。

来源：阿里云

字节跳动推出音视频全双工大模型 SeedRealtime

字节跳动 Seed 推出原生音视频全双工大模型 SeedRealtime ，基于统一架构原生融合音频、视频与文本，实现”边看、边听、边说”的实时多模态交互。模型具备音视频联合理解、主动交互与流畅对话节奏三大核心能力，端到端评测显示对话节奏问题较级联模型减少一半。

来源：字节跳动Seed

Mistral AI 开源多模态内容审核模型 Shieldstral

Mistral AI 开源多模态内容审核模型 Shieldstral ，支持 12 种语言且单张 16GB GPU 可运行。模型在多模态审核领域达到 SOTA，性能媲美 7 倍规模竞品；创新性地将审核策略用自然语言问题形式输入，通过”是/否”问答机制输出校准安全分数，支持提示词分类、回答审核与毒性检测等任务。

来源：IT之家

京东开源实时流式视频编辑模型 JoyAI-Video-Edit

京东开源自研实时流式视频编辑模型 JoyAI-Video-Edit ，支持视频边播边改，在 720P 分辨率下实现每秒 30 帧推理，可处理任意时长视频。模型在 OpenVE-Bench 评测中全面领先 SANA Streaming、LiveEdit 等同类流式模型，编辑质量达到离线模型水平。

来源：京东黑板报

8月4·周二

腾讯混元推出智能体评测基准 E-Bench

腾讯混元联合清华AIR、东南大学推出 E-Bench 智能体评测基准，以王者荣耀、QQ音乐、腾讯会议为原型，构建含323个改状态任务、7.6万+数据行的全合成虚拟环境。通过信息鸿沟与工具鸿沟设计，防止模型凭记忆抄近道。E-Bench 评测了11个前沿模型平均成功率仅54.56%，最强模型Avg@3为73.79%，Pass³低于60%。

来源：腾讯混元

商汤科技与教育部教育技术与资源发展中心达成战略合作

商汤科技与教育部教育技术与资源发展中心（中央电化教育馆）签署战略合作框架协议，双方将推动AI技术在教育公共服务领域应用，促进教育技术与教学资源深度融合，赋能国家级教育服务平台智能化建设。商汤依托日日新SenseNova大模型体系与SenseCore算力基础设施，已为高校教学科研、K12教案生成等场景提供支撑。

来源：商汤科技SenseTime

商汤科技开源原生统一多模态模型 SenseNova U1.5-Lite-Preview

商汤科技开源轻量级原生统一多模态模型 SenseNova U1.5-Lite-Preview ，基于NEO-Unify架构，用仅8B-MoT参数贯通视觉理解、推理、生成与编辑。模型原生支持4K图像生成，在局部纹理、真实质感、中英文文字排版及复杂视觉指令遵循上显著提升，配套Prompt Enhance Skill降低长篇创作指令的编写门槛。

来源：商汤科技SenseTime

面壁智能开源 Stencil 全自动研究部署系统 ForgeStencil

面壁智能联合 OpenBMB 开源 ForgeStencil ，全球首个 AI 驱动的 Stencil 全自动优化系统。ForgeStencil由 Kernel Agent 与 App Agent 双智能体协同，实现从算子研究到应用部署的全流程零人工介入。ForgeStencil 一周能完成 100 余个真实工业与科学软件的端到端优化，覆盖油气勘探、电磁仿真、医学影像等 8 大工业领域。

来源：面壁智能

帕西尼再获10亿元战略轮融资

帕西尼再获10亿元战略轮融资，累计融资35亿元，创全球触觉感知领域最高纪录。本轮由全球消费电子与半导体万亿级巨头、中银国际投资、鲲鹏基金等联合领投，老股东持续加码。帕西尼以全栈自研具身感知技术为核心，定位Physical AI时代物理交互数据基础设施，年芯片消耗量逼近100万颗，商业化与全球化布局加速推进。

来源：帕西尼感知科技

← 2026年9月 2026年7月 →

AI进展

8月31·周一

8月28·周五

8月27·周四

8月26·周三

8月25·周二

8月24·周一

8月21·周五

8月20·周四

8月19·周三

8月18·周二

8月17·周一

8月14·周五

8月13·周四

8月12·周三

8月11·周二

8月10·周一

8月7·周五

8月6·周四

8月5·周三

8月4·周二

8月3·周一