2026-08-21 前沿科技洞见 · 日报

📊 今日关键数据

• 84.6% / 0.25 美元：Gemini 3.7 Flash 在 ARC-AGI-2 的验证成绩和单任务成本，ARC-AGI-1 为 95.5%、0.12 美元（来源：ARC Prize）
• 59：Grok 4.6 在 Artificial Analysis Agentic Index 得分，与 Claude Opus 5 并列第一（来源：Elon Musk）
• 495 亿元 / 650 家：阿里 AI 相关产品年化收入突破 495 亿元；平头哥真武 M890 覆盖超 650 家外部客户（来源：华尔街见闻）
• 23.0%：DeepMind Recirculation 在 Gemma3 冻结权重下取得的平均困惑度降幅，略高于全量微调的 21.6%（来源：PaperWeekly）
• 0.028 美元：DeepSeek Harness 在 Composio 五款编程 Agent 横评中的单题平均成本，为最低（来源：AI信息Gap）
• 200G/lane / 5 倍：英伟达 Spectrum-X CPO 交换机单通道速率与网络功耗效率提升倍数（来源：虎嗅）

🔍 今日值得深读

DeepSeek Harness v0.1.0-rc.8：Claude Code、Codex 成子代理，模型适配器开始“看图”

DeepSeek Harness 发布 v0.1.0-rc.8 预发布版本。DeepSeek 模型适配器开始接收图片，Claude Code 和 Codex 可以作为子代理按需安装，web_search 支持并发查询，Windows 端加入持久 PowerShell 会话。新版本同时修复大图请求失败、流式生成上下文断裂等问题，并优化 SQLite 性能；Codex 子代理还支持非交互式权限模式和多个命名实例。

• 为什么值得深读：Agent 竞争正从模型能力扩展到执行环境的调度、状态管理和多智能体协作，Harness 在决定任务能否稳定完成。
• 后续看点：v0.1 正式版是否给出向后兼容和生产迁移路径；SQLite 旧数据升级能否平滑过渡。

来源：APPSO

MiniMax 把 H3 与 Agent 绑成 MiniMax Design，做视频领域的“Claude Code”

MiniMax H3 在 Artificial Analysis 视频编辑榜排第一，文生视频、图生视频也进入全球前三。H3 采用 H3-Context-IR、330 亿参数 H3-Base、H3-Regenerate-2K 三段式架构，定价约为同级别产品三分之一。MiniMax 随后把 Hub 升级为 MiniMax Design，用 Agent 承接提示词、风格一致性和后期修改。

• 为什么值得深读：视频生成竞争从单模型质量转向“模型 + Agent”工作流和批量交付能力，决定企业能否把生成质量变成稳定产能。
• 后续看点：内测结束后 MiniMax Design 是否开放企业级批量生产、风格锁定和可复用的后期工作流。

来源：极客公园

Rootly 废止小 PR 规则，AI 代码评审改为评估“爆炸半径”

Rootly 宣布放弃沿用两年的小型拉取请求规则。公司认为 AI 智能体以“特性”为单位生成完整实现，旧规则反而增加跨 PR 评审负担。Rootly 改由内部 AI 审查器按风险评分输出结构化报告，并用特性开关把安全边界从合并阶段移到渐进式发布阶段。

• 为什么值得深读：代码评审指标从行数转向影响范围，意味着工程流程需要随 AI 生成代码重新设计。
• 后续看点：Rootly 这套基于风险审查的模型能否在更多团队复现；Diff Vader 等工具是否会跟进同一思路。

来源：AI前线

Jeff Dean 离职后首谈：TensorFlow 有过两个失误，新公司要做科学自动化

在斯坦福 2026 Frontier & Pioneer Symposium 上，Jeff Dean 承认 Gemini 早期对 Coding 能力重视偏晚，TensorFlow 早期缺少 Eager Execution、contrib 目录造成社区混乱。他披露新公司 Discovery Loop 将押注 AI 驱动的科学发现，目标把实验迭代从周级压缩到小时级，并做覆盖参数、数据、Eval 和架构的递归自我改进。

• 为什么值得深读：这是一线负责人对大模型路线与科研自动化的具体复盘，解释了小团队为何能在前沿方向获得速度。
• 后续看点：Discovery Loop 是否发布首个可复现实验闭环；递归自我改进会先用于哪类科学任务。

来源：量子位

DeepMind 提出 Recirculation：不改权重，让深层激活回流浅层

DeepMind 在冻结权重的 Gemma3 上加入一条跨层回路，把较深层的激活重新注入浅层，并增加一个小型 MLP 逐维预测回流系数。9 个语言建模数据集平均困惑度下降 23.0%，略高于全量微调的 21.6%；在 Qwen3、Pythia 等五个模型家族也找到有效源层—目标层组合。

• 为什么值得深读：Transformer 的性能不只来自参数规模，状态传播方式本身仍有可挖掘空间。
• 后续看点：论文代码和权重开放后，能否在下游任务稳定复现；多轮回流是否会让系统表现出循环网络特性。

来源：PaperWeekly

🔥 今日聚合动态

英伟达 CPO 交换机量产，SK 海力士同步押注光互连

英伟达 Spectrum-X CPO 交换机进入全面量产，SK 海力士同一天释出 CPO 技术路线图，两家公司都把光互连作为下一代 AI 基础设施的共同答案。一条来源给出产品落地参数，另一条给出供应链和出货量预测。

• 互补信息：虎嗅给出 200G/lane、功耗效率等产品参数和 SK 海力士论文目标；广发香港给出 2026—2028 年出货量与光引擎需求预测。
• 后续看点：2027 年 CPO 交换机出货预测能否兑现；国内光模块厂商能否切入光引擎等高价值环节。

📰 独立报道

🤖 AGI 前沿

ARC Prize 公布 Gemini 3.7 Flash 成绩：ARC-AGI-2 达 84.6%

ARC Prize 发布 Gemini 3.7 Flash 验证成绩：ARC-AGI-2 为 84.6%，每题 0.25 美元；ARC-AGI-1 为 95.5%，每题 0.12 美元。官方称其相对其他前沿模型以更低成本拿到高分，并正在运行 ARC-AGI-3 评测。

来源：ARC Prize

Grok 4.6 在 Artificial Analysis Agentic Index 并列第一

Grok 4.6（high）在 Artificial Analysis Agentic Index 得分 59，与 Claude Opus 5（max）并列第一，超过 Claude Fable 5 和 GPT-5.6 Sol。Elon Musk 称 Grok Build、Grok Bot 需要模型实际调用工具、完成工作，该成绩对 agentic 场景更有参考价值。

来源：Elon Musk

Meta 预览 WildArtifactBench，用偏好裁判评估多模态智能体

Meta 预览内部评估框架 WildArtifactBench，用人类和智能体偏好裁判的胜率与 Elo 分替代固定真值评分，覆盖多模态智能体在真实任务和多种交付物上的表现，并先公开其中 10 个任务。

来源：AI at Meta

百度文心助手发布任务引擎 2.0，高阶 Agent 能力免费开放

百度文心助手发布任务引擎 2.0，免费开放 Office 办公、研究、数据清洗等任务能力；搜索推出 GUI 交互式答案，已上线 2326 个组件。实测 4 张截图 2 分半生成规范 Excel，整理出 86 条记录、覆盖 38 所学校。

来源：量子位

阿里发布 AI 音乐模型快乐虾米，一句话生成歌曲

阿里 8 月 17 日发布 AI 音乐模型 HappyShrimp 1.0“快乐虾米”，支持一句话生成歌曲，标准会员约 30 元/月生成 150 首。横评显示其中文情感共情强于 Suno，但 Suno 在工作流、声音克隆和定制模型上仍有优势。

来源：人人都是产品经理

Composio 横评五款编程 Agent：Pi 通过率最高，DeepSeek 最省钱

Composio 用 DeepSeek-V4-Pro 跑 30 个多应用集成任务，对比 Claude Code、Pi、OpenCode、Hermes、DeepSeek Harness。Pi 通过 21 题最高，DeepSeek Harness 通过 20 题且单题成本 0.028 美元最低，Claude Code 平均 181.8 秒最快。

来源：AI信息Gap

Braintrust：Agent 架构升级后，评测要跟上一同迁移

Braintrust 的 Ameya Bhatawdekar 认为智能体评测必须随架构演进而变：pass@k 只测能力，多次尝试成功率才测可靠性；同一输入在可靠循环下每次轨迹不同，单次评测结果不再足够。他提出评测资产应跨平台保留，并从生产数据持续更新。

来源：AI Engineer · 视频

🏢 AI 战略与组织变革

阿里云 AI 收入进入利润释放期，自研芯片覆盖 650 家客户

阿里云第一财季外部商业化收入同比增 45%，AI 相关产品收入 123.76 亿元、连续 12 个季度三位数增长；AI 云与算力业务经调整 EBITDA 利润率升至 12%。平头哥真武 M890 已覆盖超 650 家外部客户，超节点实例可运行超 2 万亿参数模型推理。

来源：华尔街见闻

Callosum 与 Cerebras 合作，用软硬件协同路由降低 AI 算力成本

英国 AI 初创 Callosum 与 Cerebras 合作，通过软硬件协同把特定 AI 任务路由到合适模型与芯片，降低算力成本。公司已与 Rebellions、Axelera AI 签约，英国主权 AI 基金参与本轮，是其成立以来披露的首笔投资。

来源：财联社AI daily

Datawhale 对谈 Google 开发者生态总监：Agent 的价值不是加速旧流程

Datawhale 与 Google 全球开发者生态总监 David McLaughlin 对谈。McLaughlin 认为 Agent 的价值不只是让原有流程更快，而应重新设计业务；中国开发者的优势在速度和创新，但出海需要本地数据规则与商业环境经验。

来源：Datawhale

⛓️ 区块链创新

Thunes 用稳定币做跨境预付和全球 payout

Thunes 产品负责人 Pritpal Shokar 在 Stablecoin Stories 介绍，Thunes 用稳定币做跨境预付和全球 payout，以实时结算替代传统金融报文链路，并讨论合规、链上 FX 与未来机器支付场景。

来源：Tokenized · 视频

💰 资管与金融科技前沿

PwC 与 NAB 谈受监管金融机构的 Agent 规模化治理

PwC 与 NAB 在 AWS FSI Sydney 讨论受监管金融机构如何把 AI Agent 规模化投入生产：挑战从“构建”转向“治理”，需要在 Agent 生命周期内嵌入信任、问责和可观测性，让每个 Agent 保持 owned、controlled、behaving as intended。

来源：AWS Events · 视频

Techcom Life 以 AI-first 架构成立寿险公司，四个月成越南银保第一

Techcombank 旗下 Techcom Life 2025 年在 AWS 上以云原生、AI-first 架构成立寿险公司，2026 年前四个月成为越南银行保险渠道第一。CIOO 分享其从第一天绕过传统系统约束的落地方式。

来源：AWS Events · 视频

日本最大信托银行把文化建成安全控制，Mythos 漏洞响应以周计

三井住友信托银行 CISO 在 AWS FSI Sydney 介绍，银行向 1,900 多名工程师推广领导力准则，并把几乎所有安全应用整合到 AWS。在金融机构应对 Mythos 级漏洞时，该行以周级速度完成响应。

来源：AWS Events · 视频

🎓 学术前沿

OmniShow 以极简干预统一多模态视频生成，入选 ICML 2026

港中文、字节、莫纳什、港大联合提出 OmniShow，在 12.3B 的 Waver 1.0 上同时处理文本、参考图、音频和 pose，仅新增 2.5% 参数，实现多模态可控视频生成，已被 ICML 2026 接收。

来源：PaperWeekly

🔧 硬件算力与智能设备

PyTorch 与 IBM Spyre 用 AI coding agent 补齐新加速器软件栈

PyTorch 发布 IBM Spyre 团队技术博客：AI coding agent 为 torch-spyre 编写运行时适配器，13 个 AI 生成适配器让前 1 万个 HuggingFace embedding 模型中的 7,960 个可运行，6,804 个通过端到端设备测试。

来源：PyTorch