一周AI丨OpenAI、谷歌、SpaceXAI三连发；Ilya Sutskever首个模型曝光；林俊旸官宣创业方向；DeepSeek发布首款Agent产品……

发布时间：2026-08-16来源：世界人工智能大会

要闻列表

AI万象

Anthropic为Claude生成文本加入水印，部分用户退订

韩国AI模型Solar Pro 4首次亮相Agent Arena：排名44

大平台动作

OpenAI推超快（Ultrafast）模式，GPT-5.6 Sol提速14倍

谷歌发布Gemini 3.7 Flash，距Gemini 3.6仅三周

剑指GPT-5.6 Sol，SpaceXAI发布Grok 4.6模型

新力量崛起

前OpenAI首席科学家Ilya的首个模型曝光

林俊旸官宣创业方向！20亿美金估值的语用科技杀向“数字”与“物理”的智能体

DeepSeek发布首款Agent产品Harness

智谱发布GLM-5.3，靠后训练提升编程能力

投融资风向

AI初创公司Lovable融资4亿美元：估值133亿美元，腾讯跟投

Anthropic为Claude生成文本加入水印，部分用户退订

AI万象

8月15日，据《商业内幕》报道，Anthropic给Claude生成文本添加水印的做法，正在导致一些用户离开其AI助手。

Anthropic本周表示，部分版本的Claude将在输出文本中直接嵌入一种“不可察觉的水印”。Anthropic称，当内容被复制粘贴时，这种水印会随文本一起传播，并且在经过部分编辑后仍可能保留下来，从而帮助区分AI生成的内容和人类创作的文字。

Anthropic表示，水印不会改变Claude回复的含义、质量或可读性。被检测出的水印只能说明Claude处理过这段文本，并不意味着Claude一定是这段内容的原始作者。

这种区分并未消除部分用户的担忧。部分疑虑声音表示，在严格限制 AI 使用的学术和专业环境中，这种标记可能带来麻烦；不希望正式交付的代码带有隐形标记，从而引发作者身份、合规或客户政策方面的问题。

并非所有人都反对使用AI水印。一些人认为，随着越来越多的网络内容由AI生成，水印能够提高内容透明度。另一些人则表示，水印可能有助于防止AI系统被大量AI生成内容反复训练，因为这种情况可能导致模型性能下降。

高管沟通公司The Narrative Company的联合创始人阿迪特·谢思(Aadit Sheth)周二在X平台上表示，受众应该能够分辨他们所读的文字是否反映了一个人自己的思考，而水印是实现这一目标的一种方式。

Anthropic并非唯一使用水印的AI实验室。谷歌使用其SynthID技术为AI生成内容加水印，OpenAI则在其支持的图像和音频中使用SynthID。

马斯克旗下社交媒体X也会对其认定为由AI生成或经过篡改的内容添加“Made with AI”（由AI制作）标签。周三，该标签曾出现在即将离任的白宫新闻秘书卡罗琳·莱维特（Karoline Leavitt）的辞职帖子上，但随后消失。

Anthropic表示，其添加水印是为了遵守欧盟的《AI法案》，并计划推出一款免费的应用程序编程接口，允许用户和第三方自行检查文本是否带有Claude的水印。

Anthropic的水印功能自8月2日起，已在全球范围内应用于受支持的Claude模型生成的文本。

新闻拓展：

以后让Claude写的东西，可能要小心留暗底了。

韩国AI模型Solar Pro 4首次亮相Agent Arena：排名44

AI万象

8月13日，韩国人工智能实验室Upstage发布博文，宣布推出Solar Pro 4模型，定位为面向复杂AI智能体任务的商用大模型。

Solar Pro 4模型上下文窗口为512K，最高输出长度为128K token，支持用户在单次会话中加载多份合同、报告和数据文件，官方博文中暂未披露参数量相关信息。

定价方面，每100万Tokens输入价格为0.3美元，缓存读取（Cache Read）每100万Tokens输入价格为0.06美元，每100万Tokens输出价格为1.2美元。

智能体任务方面，Solar Pro 4的主要提升集中在更接近真实工作的评测上，包括长文档、终端任务和多轮工具调用。官方列出的3项核心结果为：Terminal-Bench v2.1得分57，τ³-Banking得分23，AA-LCR得分71。

Upstage以虚构咖啡品牌Solarbean Coffee的门店选址分析作为演示任务。输入材料包括1份门店开设政策文档和6份市场数据文件。Solar Pro 4在3条提示词内完成10个候选站点的政策筛选，并按顺序生成3类交付物：Excel工作簿、审查报告和幻灯片。

据公开资料，该模型已现身多家AI模型评测平台。Artificial Analysis是一家领先的国际独立AI基准测试与分析机构，专门针对大语言模型（LLM）、视频生成、AI 音乐等多领域进行无偏见的性能与托管成本评估。

Arena.ai是当前全球AI行业最权威的“人类偏好”大模型即时对战与评测平台。它源自著名的LMSYS Chatbot Arena团队，采用类似国际象棋的Elo积分系统，通过纯粹的人类开发者双盲盲测（Blind A/B Testing）来对全球AI模型进行高强度的淘汰赛排名。

该机构指出，Solar Pro 4是首个登上Agent Arena、Code Arena: WebDev和Text Arena排行榜的韩国实验室。

在Agent Arena榜单中，Solar Pro 4模型排名第44 位，与MiniMax M2.7和Nemotron 3 Ultra等模型处于同一水平。

新闻拓展：

https://www.upstage.ai/blog/en/solar-pro-4

OpenAI推Ultrafast模式，GPT-5.6 Sol提速14倍

大平台动作

8月14日，OpenAI联合AI芯片厂商Cerebras正式预览了其旗舰模型GPT-5.6 Sol的全新服务层级“超高速模式”（Ultrafast Mode）。

在该模式下，GPT-5.6 Sol的输出速度最高可达750 tokens/s，相比目前Standard（标准）模式约53 tokens/s的推理基线，速度提升最高达14倍，同时不降低任何质量。横向对比，GPT-5.6 Sol加速后比Fable 5快11倍，比Opus 4.8在Fast模式下快5倍。

Ultrafast 模式将率先在 OpenAI API 中推出，当前已面向部分客户推出有限预览版。

OpenAI与Cerebras对当前先进AI大模型现在的速度和智力对比拉了个表格，GPT-5.6 Sol Ultrafast处于绝对领先的位置。

GPT-5.6 Sol在超快模式下仅用11小时11分钟就回答了“人类最后的考试”（Humanity's Last Exam, HLE）全部问题。而Claude Fable 5则需要78小时27分钟，也就是超过三天的连续计算才能得出相同的结论。GPT超快模式仅用一个工作日就完成了人类知识的前沿领域，在准确率相近的同时，速度几乎是Claude Fable的7倍。

随着模型能力的不断提升，快速推理的应用范围也会扩大。在GDP-Val（衡量经济价值知识工作任务的基准）上，Ultrafast实现了5.6倍的端到端速度提升，且质量未受影响，充分展现了更快的推理速度如何加速经济价值工作的开展。

Ultrafast模式的突破在于打破了传统GPU集群在大模型推理解码阶段的内存带宽瓶颈，其实现主要依赖于Cerebras的晶圆级硬件架构。

在AI芯片厂商行列中，Cerebras的解决方案独树一帜：其历代芯片采用整片晶圆制成，在单片上集成了海量计算核心与超高速互联网络。

传统GPU在运行大模型自回归解码生成Token时，受限于显存带宽，需要不断将庞大的模型权重在片外HBM和计算核心之间往返搬运；同时多卡切分还会带来跨芯片互连（PCIe/NVLink）的通信延迟。

而每块Cerebras最新的晶圆级芯片（WSE-3）集成了4万亿晶体管，125 petaflops的AI算力和高达44 GB的片上高速SRAM，模型参数直接全部常驻在超高带宽的片上SRAM中，避免了反复从片外内存加载权重的等待时间。

当然，GPT-5.6 Sol作为前沿旗舰模型，完整参数量显然远超芯片容量。Cerebras还有“多晶圆流水线并行”（Pipelined across wafers）机制，其将模型的各网络层分别分布于多颗晶圆上，每层参数常驻于各自芯片的SRAM中，能让Token在晶圆间无缝流水传输。

对于众多大模型用户来说，旗舰模型14倍速会意味着以前不少必须切换次级模型（如Luna和Terra）的任务现在可以直接放心地满血跑，对于需要多轮工具调用、代码生成排错和复杂链式思考的Agent任务，原本需要几小时的流程可压缩至几分钟完成。

新闻拓展：

一夜之间，GPT-5.6 Sol被OpenAI加速了14倍

谷歌发布Gemini 3.7 Flash，距Gemini 3.6仅三周

大平台动作

当地时间8月13日，谷歌发布Gemini 3.7 Flash模型，定位为面向编程、智能体（Agent）与复杂工作流场景的工作型模型。该版本距3.6 Flash发布仅约三周，延续了谷歌近期加速迭代Flash产品线的节奏。

Gemini 3.7 Flash支持文本、图像、音频与视频输入，上下文窗口维持在100万token，输出上限提升至约6.4万token，并引入可调的思考配置以灵活权衡质量、成本与响应速度。

谷歌称其为当前最智能的Flash级主力模型，在代码调试、生产级代码生成与多步骤任务执行等方面较上一代3.6 Flash明显提升。

编码方面，Gemini 3.7 Flash在DeepSWE v1.1基准测试中得分从49.0%提升至65.3%，在FrontierCode 1.1 Main中从34.4%提升至43.6%。网页开发方面，Arena.ai WebDev Arena评分从1538提升至1588。在金融、法律、生物科学等知识密集型领域，GDP.pdf基准测试得分从22.0%提升至34.0%，AutomationBench从17.0%提升至30.4%。

安全方面，该模型针对化学、生物、放射、核及网络攻击领域更新了防护机制。

价格成为本次发布的重要卖点。2026年底前，Gemini 3.7 Flash引导价为每百万输入token 0.75美元、输出3.75美元，均为3.6 Flash原价的一半；2027年1月1日起将分别恢复至1.50美元和7.50美元。谷歌旗下AI生产力智能体Gemini Spark自8月13日起由3.7 Flash提供支持。

目前该模型已在Google Antigravity、AI Studio、Android Studio等渠道上线。

与此同时，市场关注的旗舰模型Gemini 3.5 Pro仍未公布明确上线时间，引发外界对谷歌AI产品路线的讨论。

新闻拓展：

刚刚，Gemini 3.7 Flash 正式发布，谷歌真的急了

剑指GPT-5.6 Sol，SpaceXAI发布Grok 4.6模型

大平台动作

8月12日，Grok 4.6 正式发布。新模型在Grok 4.5基础上进一步强化长时间运行的智能体任务，以及复杂的交互和视觉工作。

按照发布信息，Grok 4.6能够持续处理包含大量步骤的复杂任务，包括资料研究、信息分析、大型代码库处理，以及将产品构想转化为完整应用或工作成果。

基准测试方面，Grok 4.6在多项智能体编程和知识工作测试中达到前沿水平。在综合9项基准测试的Artificial Analysis Intelligence Index 上，Grok 4.6与GPT-5.6 Sol取得相同成绩。

训练方面，Grok 4.6经历了比Grok 4.5更长的补充训练。训练数据包括经过筛选的模型生成推理数据和高级技术概念数据，以及高质量工程数据，并配合改进后的优化器和训练方案，为后续监督微调（SFT）和强化学习（RL）提供基础。Grok 4.6还接受了广泛的智能体强化学习训练，任务覆盖知识工作、通用编程、内核优化、Web开发和计算机辅助设计等领域。

在实际项目测试中，Grok 4.6重点接受了长流程、多步骤任务的考验。测试结果显示，新模型擅长把宽泛的产品构想转化为可以运行的初版，包括研究陌生领域、规划应用结构、实现核心交互，以及根据多轮反馈持续完善结果。

在更长的任务流程中，Grok 4.6还表现出更多自主测试和验证行为，会在继续执行任务前检查已经完成的工作。视觉和交互式项目的初版成果也较Grok 4.5有所提升，面对明确的产品构想时，可以一次建立应用的基本结构和视觉语言。

安全方面，Grok 4.6根据扩展后的模型能力调整了安全防护机制。此次安全评估覆盖部署前能力测试、安全防护校准，以及部署后和第三方测试，规模为历来最大。安全体系面向漏洞修补、工程设计和AI研究等合法使用场景，在提高实用性的同时控制安全风险。

Grok 4.6已在Cursor和Grok Build上线。首周，两项服务将向用户提供两倍的内含使用额度。

除Cursor和Grok Build外，Grok 4.6也已通过API开放，并登陆OpenRouter、Vercel和Cloudflare等合作平台。价格为每100万个输入Token 2美元、每100万个输出Token 6美元，速度更快的版本价格为普通版本的两倍。

新闻拓展：

马斯克要用 Grok 4.6 挤进「御三家」

前OpenAI首席科学家Ilya的首个模型曝光

新力量崛起

当地时间8月12日，X网友“草莓哥”爆料，SSI正在探索一种基于TTT（Test-Time Training，测试时训练）的小型推理引擎。

据其描述，这个模型会用专门整理的数据学习“如何学习”，再在解决问题的过程中更新部分权重。即使模型规模不大，也足以和经过更大规模训练的模型掰手腕。更进一步，他还在评论区表示，SSI当前版本已经准备就绪，团队正在把下一代版本的规模直接扩展10倍。

更关键的是，这可能不是一张“未来可期”的支票。按照他的说法，当前版本最快这个8月就可能露面，早期将会向少数用户开放。也就是说，如果爆料属实。SSI藏了两年的第一把剑，可能真要出鞘了。

消息出来后，不少网友已经闻到了风向变化。有人直呼，这才开始像真正的智能；也有人判断，只要这种路线能顺利扩大规模，其他公司将很难追上SSI。

Ilya Sutskever离开OpenAI自立门户之后，围绕SSI的传闻层出不穷。

Ilya是OpenAI联合创始人、前首席科学家，也是过去十几年深度学习最有影响力的研究者之一。从AlexNet、Sequence-to-Sequence、AlphaGo到GPT系列，都能看到他的名字。英伟达在这次合作公告里还特意提到，Ilya后来还主导了最终通向OpenAI o1等推理模型的研究。

其职业生涯里，他几次在技术路线真正成为共识之前，就已经站到了那条路上。也正因为如此，2024年5月离开OpenAI之后，Ilya下一步要做什么，一直是AI圈最大的谜题之一。

而离开一个月之后成立的SSI，除了目标安全超级智能以外，此后两年不发模型、不做产品、不公开论文，外界甚至不知道他们具体在研究什么。Ilya哪怕偶尔露面，也只是反复谈泛化、持续学习，以及预训练时代可能正在走向终点。

直到今年7月，英伟达在看过SSI高度保密的研究后决定加码，并帮助其将算力提升一个数量级，SSI才重回公众视野。

Ilya一直表示，真正的超级智能应该能够在部署之后继续学习；再结合这则爆料，SSI正在做一种会在推理过程中继续更新自己的模型。

如果这两条线最终真能对上，那Ilya闭关两年磨的，可能真的不是又一个更大的GPT，而是一把会在出手时，自己变招的剑。

新闻拓展：

Ilya的首个模型来了！

林俊旸官宣创业方向！20亿美金估值的语用科技杀向“数字”与“物理”的智能体

新力量崛起

8月12日，原阿里通义千问技术负责人林俊旸官宣，在上海创立新公司语用科技（Pragmatik Labs，内部简称p7k），方向是横跨数字世界与物理世界的下一代AI智能体。

公司官网列了两条业务线，一条面向知识工作的数字Agent，一条进入真实环境的物理Agent，目标覆盖知识工作、企业运营、工业流程及现实环境中的长期任务。

这可能是今年最受关注的一次前大厂技术高管创业。

林俊旸1993年出生，是阿里历史上最年轻的P10技术专家，执掌千问期间落地万亿参数Qwen3-Max，开源体系累计下载超6亿次，与智谱唐杰、月之暗面杨植麟、腾讯姚顺雨并称“基模四杰”。

今年3月他从阿里离职，五个月后官宣新公司。

曾援披露过其融资细节，天使轮即获高榕创投与红杉中国联合领投，各出资约1亿美元，腾讯跟投约2,000万美元，上海未来产业基金参与，投后估值约20亿美元。

林俊旸3月离职时发表长文《从推理式思考到智能体思考》，是理解这家公司的钥匙。

他的判断是，AI下一阶段的核心命题应从“训练模型”转向“训练智能体”，核心问题从“模型能否足够长时间思考”转向“模型能否以支撑有效行动的方式思考”，智能体式思维将取代静态独白式的推理思维。

其公司取名Pragmatik，来自他学习语言学时的pragmatics（语用学），也指实用主义，他认为AGI最终应走向真正解决问题、创造价值。

据媒体报道，融资将用于团队组建与两条业务线的研发。此前报道，林俊旸的AI实验室主攻世界模型与具身智能，绕开竞争激烈的基础大语言模型赛道；他在千问内部曾从零组建机器人与具身智能团队，认为多模态基础模型理应从虚拟世界走向现实世界。

林俊旸的官宣是今年大厂技术高管创业潮的最新一例。在他之前，月之暗面杨植麟、智谱唐杰等“基模四杰”成员均已下场，具身智能正成为大厂高管离职后的热门去向。

在多数创业者扎堆基础模型时，林俊旸押注的是智能体层与世界模型，模型能力决定智能体上限，Agent与具身智能是模型通往现实场景的出口。

天使轮20亿美元估值，背后是市场对“千问负责人”能力的定价，也是对Agent叙事的提前下注。

对语用科技而言，数字与物理两条业务线同时推进，考验的是团队能不能把最贵的人才和时间，花在真正能落地的方向上。

新闻拓展：

上海抢走林俊旸

DeepSeek发布首款Agent产品Harness

新力量崛起

8月13日，深度求索DeepSeek正式对外发布DeepSeek Harness开发者预览版v0.1，同步以MIT开源协议开放完整源码。这套主打“一切皆插件”的Agent运行框架，正尝试从底层改写全球开发者搭建智能体的方式。

据DeepSeek Harness团队介绍，其采用插件式开放架构来构建Agent Harness：模型、工具、技能、会话、沙箱、存储、循环、调度、UI等所有Agent能力均由插件组合而成，可自由替换、灵活重组。

具体来看，DeepSeek Harness基于具有时空可组合性的Cordis插件系统构建。Cordis元框架只负责插件的加载与卸载以及依赖关系，Agent Harness的所有具体组件都是不同的Cordis插件。插件通过Cordis服务与事件彼此协作，并可以在配置层自由组合。

也就是说，开发者无需改动DeepSeek Harness的源码本身，就能以插件的方式独立选择、替换或扩展其中的任一能力。但对于普通用户而言，现阶段很难直接拿来用。

针对不同的使用场景，DeepSeek Harness提供四种模式，每种模式会默认加载不同的插件集合。

标准模式会提供完整的工具组合；PTC模式支持程序化工具调用（Programmatic Tool Calling），由模型生成的一段代码来组合多轮工具调用；极简模式则仅保留一个shell工具与一个文件编辑工具，用于最小环境下的模型基准测试；创造模式可以检查当前运行时、在内存中试验Cordis插件，并据此组合和创作新的模式。

开发者们普遍认为，这种“模型无关（Model-agnostic）”的设计方向是行业发展的必然趋势。毕竟，在大模型能力逐渐趋同的今天，如何在应用层构建起稳固、灵活且可控的智能体运行时，成为了各家厂商的新战场。

但也有开发者指出，“一切皆插件”的设计十分依赖配置（YAML+插件+效果组件+服务）。这对高级用户而言功能强大，但对于只想快速用上可用智能代理的人来说，上手门槛较高。

不过，目前发布的v0.1版本仅仅是一个起点，其内部包含的多种模式，已经覆盖了从基础任务到高级开发的各种场景。一些技术人士预测，随着后续子智能体编排、持久化记忆以及更丰富调度能力的加入，DeepSeek Harness极有可能发展成为AI智能体开发领域的“Linux”，成为一个事实上的行业标准基座。

新闻拓展：

深度体验DeepSeek Harness，我原谅它涨价了

智谱发布GLM-5.3，靠后训练提升编程能力

新力量崛起

8月14日，智谱发布GLM-5.3，与GLM-5.2相比，基座模型没变，但通过极致的后训练Scaling（规模）大大提高了模型的智能上界：数十倍的长程任务环境、更丰富多样的环境类型、超长的后训练时间。

智谱称，其发现充分的模型后训练涌现出超出预期的模型能力。

在编程方面，GLM-5.3在内部自建体感评测中较GLM-5.2提升50%，在包括Terminal Bench 3.0、Agents' Last Exam (CLI)在内的公开基准测试中取得开源第一。

网络安全能力方面，在白盒代码审查与漏洞发现等安全任务中，GLM-5.3的表现持平Mythos 5，展现出面向网络安全防御场景的强大潜力。

据智谱介绍，上述全部提升都来自后训练。基于IndexShare、SAO、以及持续演进的新一代Slime框架，智谱在与GLM-5.2完全相同基座上高效推进强化学习。

智谱内部自研的Z.ai Code Bench评估模型在真实编程场景中的综合体感。模型会被置于复杂的本地开发环境，并在不同思考档位下执行端到端任务，更接近开发者实际使用Coding Agent时的体验。

测试结果显示，GLM-5.3在效果和Token利用率之间取得了更好的平衡。在High档位下，GLM-5.3达到31.4%的准确率，超过Claude Opus 4.8最高档位的29.5%，每项任务平均输出约5万tokens，而Opus 4.8需要约12万tokens，意味着GLM-5.3可以用更短的执行路径完成任务。

智谱将在发布两周后开放模型权重，此前完成安全评估与模型加固。即日起上线智谱官方编程工具ZCode、效率工具AutoClaw，上线GLM Coding Plan全量用户及开放订阅。TraeWork/TraeCode/扣子、WorkBuddy/CodeBuddy、Qoder/QwenWork、CatPaw、JoyCode、OpenCode等编码平台开放抢先体验。

新闻拓展：

GLM-5.3发布，基座没变，能力却涨了

AI初创公司Lovable融资4亿美元：估值133亿美元，腾讯跟投

投融资风向

8月12日，AI初创公司Lovable宣布完成4亿美元C轮融资，估值达到133亿美元，本轮融资由Menlo Ventures领投，EQT旗下的Scaleup Europe Fund联合领投。

参与Lovable本轮融资的有来自欧洲的Balderton Capital和Carmignac，来自拉丁美洲的Kaszek Ventures和LTS Growth，来自亚洲的腾讯（Tencent）和World Innovation Lab，及来自美国的Regent。

参与过往轮次的现有投资者包括Accel、Antler、CapitalG、DST Global、Evantic Capital、HubSpot Ventures 和 Salesforce Ventures。

Lovable在2025年12月曾宣布融资3.3亿美元，估值66亿美元，同样由Menlo Ventures 领投，CapitalG联合领投。

据悉，Lovable于2024年11月成立，总部位于瑞典斯德哥尔摩。该公司打造了一种通过自然语言描述意图即可生成应用的开发模式“Vibe-coding”，正在打造一个软件创建平台，持续开发各种功能，以满足用户触达客户、管理日常运营及安全运行软件的需求。

自2024年11月上线以来，用户已创建超过6000万个项目，而基于Lovable构建的应用每月访问量已超过9亿次。

在阿迪达斯（Adidas）、英伟达（NVIDIA）和德国电信（Deutsche Telekom）等知名企业内部，团队正利用Lovable围绕关键工作流程开发软件，替代不再适用的旧工具，并将具有潜力的内部项目转化为新产品及新的收入来源。

公司今年计划将员工人数增加50%，达到450人，重点招聘机器学习、产品、基础设施和安全等领域的人才。此外，Lovable正在进一步增加平台的安全功能，并提升产品的稳定性和可靠性。

Lovable预计，到本月底其年化营收规模将接近6亿美元，这一数字较去年12月披露的水平已经接近增长3倍。Lovable首席执行官兼联合创始人Anton Osika表示，Lovable此前曾实现盈利，但目前公司更关注产品研发和业务增长，因此正将更多资金投入到这两个领域。

与此同时，Lovable所处的赛道竞争激烈，其竞争对手包括总部位于美国加州的Replit。后者在今年3月完成一轮融资时，估值达到90亿美元，较六个月前的估值上涨至原来的3倍。

新闻拓展：

腾讯投了两位90后，估值900亿

信息来源：WAIC综合整理

点击阅读原文查看WAIC 2026精彩！

转载说明：本文系转载内容，版权归原作者及原出处所有。转载目的在于传递更多行业信息，文章观点仅代表原作者本人，与本平台立场无关。若涉及作品版权问题，请原作者或相关权利人及时与本平台联系，我们将在第一时间核实后移除相关内容。