AI 每日简报 | 2026-08-18¶

今日概览¶

密集发布周之后，行业进入「验证与消化」阶段：Qwen 3.8 27B 的独立评测数据陆续出炉，在 Artificial Analysis 智能指数上拿到 52 分、追平 GPT-5.6 Luna，27B 参数小模型逼近数量级更大的旗舰成为今日最扎眼的数据点。研究侧，苏剑林给出 Stiefel 流形上 Muon 的显式闭式解，推翻了此前「非方阵情形无解析解」的断言；Jack Clark 周报则把「科学 AI」与「递归自我改进模拟器」推上台面。产品侧，OpenAI 多智能体系统全量升级。

最值得关注：

Qwen 3.8 27B 智能指数 52，追平 GPT-5.6 Luna、仅低 GLM-5.2 一分

苏剑林证明 Stiefel 流形上 Muon 存在显式闭式解

OpenAI GPT-5.6 Multi-Agent v2 全量上线，ChatGPT 前端提速 94%

Jack Clark 周报聚焦「科学 AI」与 RSI 模拟器

世界模型进入「有声时代」：24FPS 画面 + 48kHz 立体声实时生成

深度阅读推荐¶

以下条目标注为 ⭐ 深度推荐，包含 AI 提炼的核心观点。

⭐ 1. Qwen 3.8 27B 在 Artificial Analysis 智能指数拿到 52 分，追平 GPT-5.6 Luna¶

核心观点：一个 27B 参数的小模型，在 Artificial Analysis 智能指数上拿到 52 分——与 GPT-5.6 Luna（max）持平，仅比 753B 的 GLM-5.2 和 DeepSeek V4 Pro 0813（max）低 1 分。Simon Willison 直言这是「真正惊人的模型」。这标志着「参数效率」正成为新的竞争维度：与其无脑堆参数，不如把架构（混合线性注意力）与后训练做透。对下游而言，推理成本的大幅下降可能比单纯刷榜更有商业意义。

来源

⭐ 2. 苏剑林：Stiefel 流形上 Muon 存在显式闭式解，无需求解非线性方程组¶

核心观点：苏剑林在「流形上的最速下降」系列第 7 篇中复述并确认了论文《Muon on the Stiefel Manifold Admits an Exact Closed-Form Update》的结论：此前他本人（系列第 3 篇）断言非方阵 Stiefel 流形上的最速下降问题需要求解非线性方程组、解析解无法直接写出，现在这一断言被推翻——Stiefel 流形上同样可以写出显式解。这对 Muon 优化器在非方阵权重（如 MoE 专家层）上的落地有直接价值。

来源

⭐ 3. OpenAI GPT-5.6 Multi-Agent v2 全量上线，ChatGPT 前端提速 94%¶

核心观点：Codex 的 Multi-Agent v2 让主 agent 能把子任务自动委派给不同模型（如更便宜的 GPT-5.6 Luna），每个子 agent 可独立设置推理强度。Greg Brockman 称这是「告别手动选模型」的一步。同批发布的前端重写把一个 741 轮、231MB 的「怪物对话」打开时间从 27.6 秒压到 1.66 秒。两条线指向同一方向：OpenAI 正把 ChatGPT/Codex 从「聊天工具」推向「全自动工作流平台」。

来源 · 来源

⭐ 4. Jack Clark 周报：科学 AI、RSI 模拟器与扎克伯格的技术悲观¶

核心观点：Import AI 469 期把三个主题并置——「科学 AI」（AI 用于科学研究）、「RSI 模拟器」（递归自我改进的模拟工具），以及扎克伯格罕见的技术悲观表态。作为 Anthropic 联合创始人出品的周报，Import AI 的选题往往预示行业接下来一个月的话题走向：「科学 AI」与「递归自我改进」的并置，暗示这两条线正在汇合。

来源

OpenAI¶

GPT-5.6 Multi-Agent v2 全量上线 + ChatGPT 前端性能重写 ⭐ 深度推荐（详见深度阅读区）。8 月 16 日，OpenAI 双管齐下：Codex 的 Multi-Agent v2 全面可用，主 agent 可把子任务委派给 GPT-5.6 Luna 等更便宜的模型，每个子 agent 独立设置推理强度，修复了此前 Luna 被主 agent 误判为「未知模型」的兼容问题；ChatGPT 前端重写后，741 轮极限对话测试下加载提速 94%、内存占用降 41.2%、网络请求降 98.2%、会话历史加载降 99.6%。来源

Google DeepMind / Gemini¶

今日无更新。

Anthropic / Claude¶

今日无更新。

国内大厂动态¶

DeepSeek / Kimi / 豆包 / 智谱等

Qwen 3.8 27B 智能指数 52，追平 GPT-5.6 Luna ⭐ 深度推荐（详见深度阅读区）。阿里上周开源的 27B 稠密多模态模型在 Artificial Analysis 智能指数上拿到 52 分，与 GPT-5.6 Luna（max）持平，仅比 753B 的 GLM-5.2 和 DeepSeek V4 Pro 0813 低 1 分，27B 参数逼近数量级更大的旗舰模型。来源

智谱 GLM-5.3 上线范式 PhanRouter，即日开放调用：范式（PhanRouter）宣布首发上线智谱 GLM-5.3 并即日开放调用，GLM-5.3 继续向开发者生态渗透。此前智谱已预告完整权重将在发布两周后开源。来源

具身智能 Demo 密集：双足机器人打乒乓球、开卡丁车：量子位同日报道两起具身智能 Demo——两台人形机器人无遥控、无人喂球完整打完 11 分制乒乓球比赛；共生知行发布双足人形机器人驾驶卡丁车的 Demo，用卡丁车测试「全身智能」。具身智能正从「走两步」进入「完成完整任务」的展示阶段。来源 · 来源

AI 研究前沿¶

重要论文、技术突破

苏剑林：Stiefel 流形上 Muon 的显式闭式解 ⭐ 深度推荐（详见深度阅读区）。苏剑林在《流形上的最速下降：7. Stiefel 的解析解》中复述了 arXiv 论文《Muon on the Stiefel Manifold Admits an Exact Closed-Form Update》的推导，指出非方阵 Stiefel 流形上的最速下降问题同样存在显式解，无需求解非线性方程组，推翻了他此前在系列第 3 篇中的断言。来源 · 论文

世界模型进入「有声时代」：24FPS 画面 + 48kHz 立体声实时生成：HelixWorld 与 Noiz AI 联合发布的世界模型支持 24FPS 画面与 48kHz 立体声的实时同步生成，宣称「即将完全开源」。音视频交互世界模型是继纯视觉世界模型之后的又一步，朝着「可交互的多模态世界模拟」推进。来源

行业观点与解读¶

KOL 重要推文、深度分析文章

Jack Clark 周报 Import AI 469：科学 AI、RSI 模拟器与扎克伯格的技术悲观 ⭐ 深度推荐（详见深度阅读区）。本周 Import AI 聚焦「科学 AI」、RSI（递归自我改进）模拟器，以及扎克伯格的技术悲观主义表态。作为行业公认质量最高的 AI 周报之一，其选题值得作为下周趋势的提前量。来源

菲尔兹奖得主：AI 最近出圈的数学突破，都在「找反例」：量子位报道，菲尔兹奖得主指出 AI 近期最出圈的数学突破（如破解重大数学猜想）主要靠「抬杠」——即找反例，而非正向证明。这与 OpenAI 此前披露 Astra 破解十道数学难题的路径形成呼应：AI 在数学上的贡献形式可能更多是「证伪」而非「证明」。来源

Simon Willison 追踪一批稀有书籍，最终流向 Amazon AI 训练设施：Simon Willison 做了一则数据调查——追踪一批稀有书籍的最终去向，发现它们最终出现在 Amazon 的 AI 训练设施中。这是继「Books3」争议之后，训练数据来源问题再次以具体案例浮出水面。来源

值得关注的视频¶

YouTube 播客与频道近期值得看的视频。标注 ⭐ 的为重点推荐。

⭐ Cohere CEO Aidan Gomez 接受 Eric Newcomer 播客对谈（20+ 分钟）：Gomez 提出 Transformer 可能成为长期基础架构、吸收各种创新而非被替代；他认为 AGI 在某种意义上已经到来，但企业 AI 采用仍处早期；同时警告开源模型的真实自托管成本被低估、并呼吁「多极化的民主 AI 联盟」，直言中国的 AI 模型被显著低估。推荐观看。来源

灵感种子¶

以下是今日简报中值得进一步思考的灵感种子。

「参数效率」拐点正在到来：Qwen 3.8 27B 智能指数 52、追平 GPT-5.6 Luna，仅比 753B 的 GLM-5.2 低 1 分。当 27B 能用不到旗舰几十分之一的参数逼近旗舰，模型竞争的度量衡正在从「参数规模」转向「单位参数产出」。值得深挖：如果推理成本因此再降一个数量级，哪些此前「用不起大模型」的场景会被解锁？

「科学 AI」正在成为下一周的叙事主线：Jack Clark 周报把「科学 AI」与「RSI 模拟器」并置，苏剑林同日给出 Stiefel 闭式解，OpenAI 的 Astra 数学突破余温未散。AI 用于科学发现（数学、材料、生物）正从零散 Demo 走向系统性工程。值得关注：谁在建设「科学 AI」的评测基准与工具链？

训练数据溯源从争议变成可核查的调查报道：Simon Willison 用数据追踪把「稀有书籍流向 AI 训练设施」做成了可复现的调查。当个人也能追踪数据流向时，训练数据合规将从「厂商自证」转向「第三方核查」。这会不会催生一批「训练数据溯源」的独立工具与标准？

生成时间：2026-08-18 09:05 | 下次更新：明日 9:00