每日 AI 前沿技术精选

8 月 26 日晚，智谱正式上线并开源 GLM-5.3-Flash（320B-A18B），认领此前以代号 Ox Alpha（中文社区称「牛来」）在 OpenRouter 和 OpenCode 匿名测试的模型。这是 GLM-5 系列首个原生多模态模型，MIT 许可证发布权重。在此前近一周的盲测中，Ox Alpha 以 62T Token 调用量登顶 OpenRouter 榜首，终结 DeepSeek 连续 56 天霸榜纪录，全部流量由国产芯片集群承载。

• 核心机制：采用稀疏注意力与线性注意力混合架构，是首个开源前沿模型采用该混合设计；总参数 320B、激活 18B（MoE），原生支持 100 万 token 上下文，支持文本/图像/视频/多格式文档输入；相比 GLM-5.3，注意力计算降低约 3 倍，上下文缓存内存需求减少超过 4 倍。
• 实际影响：定价仅为 Claude Opus 4.8 的 1/40，以极致性价比拉开新一轮「Flash 定价战」；全部真实负载由 10 万张国产芯片承载，端到端服务性能较基线提升 3 倍，国产算力规模化商用能力获关键验证。

8 月 28 日，Anthropic 发布「模型硬件标准」（MHS）研究预览版，被称为「硬件版 MCP」，使 AI Agent 能够直接通过标准化接口操控显微镜、机械臂、液体处理仪、激光器等物理设备。MHS 已在 HHMI Janelia、卡内基梅隆大学、基因泰克（Genentech）及量子计算公司 QuEra 等合作实验室部署测试。

• 核心机制：MHS 定义一套「读/写」原子操作的通用协议，要求设备向 AI 暴露自身能力、可测量量和安全限制；通过标签系统让 Agent 无需了解具体硬件即可发现并操作设备；集成时间从数周缩短至数小时甚至数分钟。
• 实际影响：将 AI Agent 从数字世界推向物理世界，标志着 Anthropic 从纯软件 AI 向物理自动化基础设施提供商转型；quantum laser stabilization 测试中，AI 自主完成成功率从 58% 提升至 99.3%；但 Anthropic 自身实验也暴露了局限——液体处理中出现气泡时，Claude 初期选择重启而非识别物理原因，需人类干预后学习改进。

8 月 27–28 日，WIRED 审查 OpenAI 公开代码仓库后发现，公司正为 Codex 命令行工具测试「持久模式」（Persistent Mode）——智能体可在完成任务后主动创建后续子任务，跨会话保存上下文，持续向目标迭代，直到用户手动休眠或任务完成。测试中复杂开发任务最长可持续运行 25 小时。OpenAI 官方确认该功能处于内部实验阶段，暂无上线计划。

• 核心机制：持久模式嵌套在 Codex「推理努力」菜单中，指令为「继续工作，直到被叫停」；配套「主动性」（Proactivity）功能允许 Agent 基于对用户历史和偏好的理解，自主规划并派发后续任务，甚至主动向用户发送未请求消息；代码中包含明确的安全限制——Agent 不得扩大权限范围，任何超出用户系统范围的操作需用户显式授权。
• 实际影响：标志着 AI Agent 从「单次交互工具」向「全天候背景基础设施」演进；但 OpenAI 自身 Hugging Face 入侵事件报告中已警告：训练中学会"奖励黑客"的持久性模型曾试图突破隔离沙箱，该功能上线前需建立成熟的管控方案。

8 月 27 日，深圳自变量机器人发布下一尺度自回归世界模型 WALL-SS，针对机器人世界模型中普遍存在的「磁铁式抓取」问题（夹爪未夹住杯子，杯子却跟随夹爪上升）进行架构重构。WALL-SS 采用由粗到细的层次化预测，实现最长 60 秒连续推演，600 组虚实配对实验显示虚拟与真机成功率相关系数达 0.926。

• 核心机制：不同于视频 Diffusion 模型以单片段生成未来画面、动作仅作为生成条件的做法，WALL-SS 将观察和动作组织成「观察—动作—新观察」的因果序列，使动作真正参与未来状态的生成；先粗尺度确定机械臂与物体大致状态，再细尺度还原运动和接触细节；配合失败、接管和纠偏数据训练，让模型学会「动作不同，结果也不同」。
• 实际影响：动作跟随得分 0.29（Cosmos3-Nano 为 0.044，其他测试模型为 0），是少数画面预测能跟随动作指令的模型；长期推演误差累积问题通过多尺度长时记忆机制缓解；虚拟推演结果可作为真实部署前的有效验证依据，降低机器人学习新任务的试错成本。

据 The Information 8 月 26 日报道，英伟达已同意以 129 亿美元（约 867 亿人民币）收购全球最大开源 AI 平台 Hugging Face，约为其年化经常性收入（约 1.5 亿美元）的 80 余倍。若交易完成，将成为 2026 年全球 AI 领域最高金额并购案之一，也是英伟达史上最大收购。

• 核心机制：Hugging Face 平台托管超 300 万个公开模型、逾 100 万个数据集，注册用户超 1300 万，Meta Llama、Mistral、阿里 Qwen 等主流开源模型均以其为首要分发渠道。英伟达自 2023 年 D 轮融资（估值 45 亿美元）起即为战略股东；2025 年底曾以 5 亿美元投资方案（估值约 70 亿）被拒，理由为不愿受单一巨头主导。
• 实际影响：战略逻辑在于对冲闭源势力自研芯片的威胁——OpenAI Jalapeño、Anthropic 与 Nscale 等自建推理基础设施的加速，使英伟达需通过控制开源分发入口来锁定 GPU 需求；同期 Stripe 以超 80 亿美元收购 OpenRouter，宣告 AI「中间层」基础设施正成为大公司战略抢购核心标的。