AI 每日简报 | 2026-08-25¶

今日概览¶

今天的叙事主线是"价格战从模型层蔓延到智能体开发平台"。OpenAI 把 GPT-5.6 三档模型（Sol/Terra/Luna）以大幅降本引入 AWS 的智能体开发环境 Kiro，Luna 的 credits 低至 0.1x，Terra 号称完成同类任务成本降 82%——模型 API 的价格竞争正在下沉为"每任务成本"的竞争。国内这边，月之暗面官宣第一代万亿参数多模态模型 Kimi K2.5 月底退役、K3 全面接棒，字节则整合 TRAE、扣子入豆包、即将推出统一办公品牌"豆包工作"，大厂进入产品线收敛与办公场景争夺阶段。研究前沿，智能体"环境生成"成为当天最热主题——EnvHarness 以 258 票登顶 HF 论文榜，Jack Clark 同日在 Import AI 470 里也把 SPADE（自适应合成环境自我博弈）列为头条，两条线相互印证。

最值得关注：

OpenAI GPT-5.6 三档模型正式登陆 AWS Kiro，Terra/Luna 大幅降价

月之暗面官宣 Kimi K2.5 月底退役，2.8 万亿参数 K3 全面接棒

字节整合 TRAE、扣子入豆包，将推独立办公品牌"豆包工作"

Jack Clark Import AI 470：METR 揭示 AI 加速"不均匀"，SPADE 实现环境自博弈生成

智能体环境生成成热点：EnvHarness 258 票登顶，FACET 115 票紧随

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. OpenAI GPT-5.6 三档模型正式登陆 AWS Kiro¶

核心观点：OpenAI 与 AWS 8 月 24 日官宣，把 GPT-5.6 系列（Sol / Terra / Luna）正式接入亚马逊的智能体软件开发环境 Kiro（7 月已实验性上线）。三档定位清晰——Sol 旗舰（编码智能体指数 80、Terminal-Bench 2.1 达 88.8%）、Terra 均衡（77.4）、Luna 低价高频（74.6），三款均带 272K 上下文与隐藏思维链。真正值得注意的是定价：Kiro 的 credits 乘数中 Terra 从 1.2x 降到 1.0x、Luna 从 0.6x 直降到 0.1x，官方称 Terra 完成同类任务成本下降约 82%。这标志着价格战从"API 每 token 单价"下沉到"智能体完成一个任务的总成本"，也把 Kiro 这类智能体开发平台推到了大模型商业化的前沿阵地。

来源 · Kiro 官方定价说明

⭐ 2. 月之暗面官宣 Kimi K2.5 月底退役，K3 全面接棒¶

核心观点：月之暗面 8 月 24 日通过官方渠道宣布，第一代万亿参数多模态模型 Kimi K2.5 将于本月底结束服役，API 8 月 31 日下线，同期下线的还有更早的 moonshot-v1 系列，官方建议开发者迁移到 kimi-k3、kimi-2.6 等新模型。K2.5 今年 1 月推出、采用原生多模态架构，服役仅约 7 个月即退役；接棒的 K3 拥有 2.8 万亿参数、100 万 token 上下文，在 AAII 综合评测与智谱 GLM-5.3 并列 60 分（国产第一），Arena 全带代码榜仅次于 Claude Opus 5。这种"退役—接棒"节奏印证了开源大模型迭代周期已压缩到以月计，也把模型快速退役带来的企业迁移成本问题摆上台面。

来源 · 来源

⭐ 3. 字节整合 TRAE、扣子入豆包，将推"豆包工作"¶

核心观点：字节跳动 8 月 24 日整合旗下 AI 办公产品——编程平台 TRAE 与智能体搭建工具扣子（Coze）团队整体并入豆包体系，统一向豆包产品负责人汇报；并最快本周内推出独立 AI 办公品牌"豆包工作"（Doubao Work），正面挑战国内第一的腾讯 WorkBuddy（6 月月访问量 2100 万）。此前字节已把飞书并入豆包团队、原"Aily 智能伙伴"更名"豆包工作伙伴"。CEO 梁汝波在 8 月全员会上把 AI 列为三项核心业务之一，豆包以 3.82 亿月活居 AI 原生应用第一。这是国内大厂从"多线试错"转向"收敛到单一主干 App + 统一办公品牌"的标志性动作。

来源 · 来源

⭐ 4. Jack Clark Import AI 470：AI 加速"不均匀"，SPADE 实现环境自博弈生成¶

核心观点：Anthropic 联合创始人 Jack Clark 的周报本期两条主线。其一，METR 一项研究指出 AI 对科学技术的加速是"块状不均匀"的——网络安全领域重大加速（2026 年漏洞报告率较 2025 年大幅上升），数学轻微加速（arXiv 提交量部分领域一年内翻倍、Smale 名单上的 Jacobian 猜想等难题被解），而 AI 研究自身的算法进步"难以测量、无明显加速"。其二，多校合作提出 SPADE（Self-Play in Adaptive Synthetic Executable Environments），一个"通过自我博弈协同进化环境合成与智能体能力"的通用框架，用强模型自举生成游戏式合成环境作为训练数据——这正是当日 HF 论文榜"环境生成"主题（EnvHarness、FACET）的产业级呼应。

来源

⭐ 5. 论文 EnvHarness：可编程插件动态重塑静态环境训练智能体¶

核心观点：EnvHarness 与配套的 EnvRigger 提出一种新范式——不再静态喂给智能体固定环境，而是通过可编程插件动态改造环境、主动针对智能体的弱点制造"考点"，让环境与智能体在强化学习中协同进化。这与 SPADE、AgentMercury 等同日论文共同指向一个方向：当预训练数据逼近瓶颈，可合成、可编程、可针对弱点的"环境"正在成为智能体能力的新杠杆。以 258 upvotes 登顶当日 HF 论文榜，是当天社区关注度最高的技术工作。

来源 · arXiv

核心观点：FACET 面向智能体训练的"任务数据"瓶颈，提出在共享的修复后环境中，把指令、参考解法、验证器三者对齐（grounding）以保留源意图与可执行状态，从而批量构造可执行的终端任务，用于规模化训练编码智能体。115 upvotes 紧随 EnvHarness 之后，是"环境/任务合成"这条当日主线的又一代表性工作——它把重点放在"合成任务要能被真实执行和验证"这一质量门槛上。

来源 · arXiv

OpenAI¶

GPT-5.6 三档模型正式登陆 AWS Kiro ⭐ 深度推荐（详见深度阅读区）。Sol/Terra/Luna 三档定价与能力分层，Terra 降本约 82%、Luna credits 低至 0.1x，智能体开发的每任务成本显著下降。来源

Google DeepMind / Gemini¶

今日无更新。Gemini 3.7 Flash 已于 8 月 13 日发布、前期简报已覆盖；8 月 24 日 DeepMind 无新模型或重大动态，仅媒体对 3.7 Flash 的集中解读，无新增信息量。

Anthropic / Claude¶

Claude 多模型故障后恢复：8 月 24 日 Anthropic 状态页报告 Claude Mythos 5、Fable 5、Opus 5、Opus 4.8 等多个模型错误率升高，Claude、API、Claude Code、Claude Cowork 均受影响；随后 Anthropic 表示已定位原因并修复，所有系统恢复正常。这是 8 月以来的又一次多模型故障（此前 8/6 为重大故障），持续的稳定性问题与"旗舰模型遇冷"的叙事叠加，值得持续关注。来源 · 来源

国内大厂动态¶

DeepSeek / Kimi / 豆包 / 智谱等

Kimi K2.5 月底退役，K3 全面接棒 ⭐ 深度推荐（详见深度阅读区）。第一代万亿参数多模态模型 K2.5 官宣月底结束服役，API 8 月 31 日下线，官方建议迁移至 k3 / 2.6。来源 · 来源

字节整合 TRAE、扣子入豆包，将推"豆包工作" ⭐ 深度推荐（详见深度阅读区）。编程平台与智能体工具并入豆包体系，统一办公品牌挑战腾讯 WorkBuddy。来源

法律 AI 独角兽 Harvey 基于 Kimi K3 推出模型 Tenet：估值 110 亿美元的美国法律 AI 龙头 Harvey 宣布，用 Kimi K3 后训练出法律专用模型 Tenet，仅约 150 块英伟达 B300 GPU、耗时两个月即达到"最先进"性能。这是中国开放权重模型首次进入美国头部垂直 AI 公司的训练体系，是"中国开源模型出海"的一个标志性节点。来源

AI 研究前沿¶

重要论文、技术突破

EnvHarness：可编程插件动态重塑静态环境训练智能体 ⭐ 深度推荐（详见深度阅读区）。当日 HF 论文榜最高票（258 upvotes），环境与智能体协同进化。来源 · arXiv

FACET：保留源意图的终端任务合成 ⭐ 深度推荐（详见深度阅读区）。指令/解法/验证器三者对齐，规模化构造可执行终端任务（115 upvotes）。来源 · arXiv

4DAnyone：从随手拍的单目视频重建 4D 人物：通过生成多视角一致视频并提升到 4D Gaussian Splatting，用参考/目标上下文设计突破缩放瓶颈（73 upvotes）。来源 · arXiv

WithEveryone：最多十人的群体图像身份保持生成：把身份 grounding 到布局规划、用区域级身份损失，实现可靠的多人合影生成（39 upvotes）。来源 · arXiv

Let's Scale Step by Step：大规模 MoE 的计算高效超参迁移：两步式框架跨宽度与 token 预算预测最优学习率，免去昂贵的超参扫描即可预训练大规模混合专家模型（34 upvotes）。来源 · arXiv

行业观点与解读¶

KOL 重要推文、深度分析文章

Jack Clark Import AI 470：AI 加速"不均匀"与 SPADE 环境自博弈 ⭐ 深度推荐（详见深度阅读区）。METR 研究 + SPADE 框架，环境生成与智能体能力协同进化。来源

宝玉实测 DeepSeek V4 Flash 四大 Agent 框架，Pi Agent 最便宜且通过任务最多：宝玉（@dotey）8 月 25 日分享 DeepSeek V4 Flash 在 4 个代理框架上的测试结果，其中 Pi Agent 成本最低、通过任务数最多，引发社区对轻量 Agent 框架"性价比"的讨论——在模型能力趋同的背景下，框架层的调度效率正成为成本差异的关键来源。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。

今日无更新。过去 24 小时未见核心访谈播客（Latent Space、No Priors、Dwarkesh、Lex Fridman、The AI Daily Brief 等）发布 8 月 24—25 日的新集；Latent Space「Simulation is the new Scaling Law」一期已在 8 月 24 日简报推荐。

灵感种子¶

以下是今日简报中值得进一步思考的灵感种子。

智能体"环境生成"会不会成为下一个 Scaling 叙事：EnvHarness（258 票）、FACET（115 票）、AgentMercury 同日登榜，Jack Clark 的周报头条也是 SPADE。多条线同时指向"可合成、可编程、可针对弱点的环境"。值得深挖：当预训练数据逼近天花板，环境的合成与自我博弈，是否就是继"推理时计算""RLHF"之后的下一块能力杠杆？谁在押注这一方向？

价格战的下半场是"每任务成本"：OpenAI 把 Luna 降到 0.1x credits、Terra 号称降本 82% 引入 Kiro，已经不是在比"每百万 token 多少钱"，而是在比"完成一个真实任务多少钱"。值得思考：当智能体开发平台（Kiro、豆包工作、WorkBuddy、Harness）成为竞争主体，"模型能力"和"任务级经济性"哪个才是护城河？模型厂商会不会因此被迫把最便宜的一档模型做成默认选项？

开源模型"退役—接棒"的商业代价：Kimi K2.5 服役仅 7 个月即退役，迭代周期已压缩到以月计。值得关注：企业级用户如何在"永远用最新"与"稳定不迁移"之间权衡？快速退役会不会反过来成为开源阵营相对闭源的隐性成本，进而催生"长期支持版（LTS）模型"这种新物种？

中国开源模型出海的分水岭：Harvey 用 Kimi K3 训练出法律模型 Tenet，是头部美国垂直 AI 公司首次采用中国开放权重模型做后训练。值得深挖：如果"开放权重 + 本地后训练"成为美国垂直厂商的常规路径，中国开源模型的全球竞争力叙事是否到了从"下载量第一"转向"进入生产训练流水线"的转折点？

生成时间：2026-08-25 09:05 | 下次更新：明日 9:00