🧠 模型發佈/更新
1. dots3-note Preview 開源：280B 參數輕量模型，主打長程智能體與多模態推理
小紅書技術開源 dots3-note Preview，這是 dots3 系列最輕量模型，總參數 280B、激活參數 16B，支持 512K 上下文及文本、視覺、語音多模態理解，並針對複雜推理和長程 Agent 任務優化。
TIP來源：公眾號：小紅書技術（dots.llm）
2. GLM-5.3 發佈：編程能力開源第一，並湧現網絡安全能力
智譜發佈GLM-5.3，基於與GLM-5.2相同的基座，通過極致的後訓練Scaling提升智能上界，編程能力較前代提升50%，在Terminal Bench 3.0等公開基準中取得開源第一，並接近Claude Fable 5。模型在白盒代碼審查等安全任務中表現持平Mythos 5，在CyberGym測試中得分84.5%。模型權重將在兩週後開源，即日起上線ZCode、AutoClaw等工具。
TIP來源：公眾號：智譜（GLM）
3. Gemini 3.7 Flash 全面上線 Pro 與 Ultra 用戶
Gemini 3.7 Flash 現已向 Gemini 聊天中的 Pro 和 Ultra 用戶開放。該模型更新提升了多步驟任務的推理與準確性，如智能整合數十個文件和郵件為一份主文檔。同時，Gemini Spark 也已運行於 3.7 Flash，通過改進對 Google Workspace 應用的工具調用，讓個人 AI 智能體更精準。
TIP來源：X：Gemini (@GeminiApp)
4. DeepSeek V4 Pro 登陸硅基流動，1M 上下文
DeepSeek-V4-Pro-0813 正式上線硅基流動 SiliconFlow，提供 Day-0 支持，具備 1M 上下文窗口及低/高/最大三檔推理強度，更側重編碼、工具調用與智能體工作流，仍保持 MIT 開源協議。定價為輸入 3.96/M、緩存命中 $0.44/M。同系列 DeepSeek-V4-Flash-0731 則面向追求速度與成本效益的日常生產場景。
TIP來源：X：硅基流動 SiliconFlow (@SiliconFlowAI)
🚀 產品發佈/更新
1. Claude Code v2.1.233 發佈：新增 GitLab MR 支持與內存 cgroup 限制
Claude Code v2.1.233 發佈，為 —worktree 標誌和 agents 視圖新增 GitLab 合併請求 URL 支持，並添加可選的 forward_user_identity 網關設置以按用戶歸因支出。
TIP來源：Claude Code：GitHub Releases
🏛️ 行業動態
1. OpenAI and Anthropic in price war as Chinese AI rivals gain ground
價格戰讓模型API的成本彈性成為現實，原先因賬單壓力轉向中國廠商的用戶，可能在OpenAI和Anthropic降價後重新比較能力與價格。
TIP來源：Ars Technica：AI
2. Cursor 正式被 SpaceX 收購
Cursor 已被 SpaceX 正式收購，完成自 4 月啟動的收購流程。合併後 Cursor 將獲得全球最大 GPU 集群，以構建更強且運行成本更低的模型，從而以更低價格向客戶提供更強大的模型。本週三發佈的 Grok 4.6 是雙方合作成果的早期體現。
TIP來源：Cursor Blog
3. Claude 文本水印機制如何運作
未來 Claude 模型生成的文本將包含水印，用於判斷文本由 Claude 撰寫的可能性，這是 Anthropic 為遵守歐盟《AI 法案》而實施的變更。該方法基於 Google DeepMind 的 SynthID-Text 技術，對輸出質量、創造力和可讀性無實際影響，讀者無法區分水印文本與普通文本，且不增加額外 token 或成本。
TIP來源：Anthropic：Newsroom（網頁）
4. 印尼首個大學AI中心落成：UGM、Indosat與NVIDIA合作培養本地AI人才
印尼通信與數字事務部、Indosat、NVIDIA與加查馬達大學（UGM）在日惹共同啟動UGM Indosat NVIDIA AI技術中心（NVAITC），這是該國首個大學AI技術中心。
TIP來源：NVIDIA Blog
💡 技巧與觀點
1. 2026年夏季開源模型生態觀察：中國前沿模型規模領先，AMD與NVIDIA主導發佈量
2026年1至8月，Hugging Face公開模型倉庫從243萬增至296萬，但85.6%的模型下載量不足200次，1.5%的倉庫佔據99.2%下載量。中國實驗室月度最大開源模型參數規模在754B至2.78萬億之間，美國實驗室七個月中五個月低於130B。AMD與NVIDIA各發布超200個新模型倉庫，成為發佈開源模型最多的機構。
TIP來源：Hugging Face：Blog
2. Claude Code 會話如何最大化 token 價值
Claude Code 的 token 成本由模型、輸入/輸出 token 和提示緩存三因素決定，輸出 token 價格約為輸入的 5 倍。任務間運行 /clear 可減少無關上下文回傳，降低 token 用量；會話中途切換模型或 effort 級別會破壞提示緩存，增加成本。
TIP來源：Claude：Blog（網頁）
3. 螞蟻百靈與 ASystem 團隊打通單機 Agentic RL 後訓練閉環
螞蟻百靈與 ASystem 團隊合作，用 Ling-3.0-tiny 和 AReno 在 DGX Spark 上跑通單機 Agentic RL 後訓練閉環。以井字棋為最小驗證任務，用 GSPO 算法訓練 400 步後，rollout/rewards_mean 從約 -0.5 升至 0.4，response_len 降至約 850 tokens，工具調用與動作選擇趨於穩定。
TIP來源：公眾號：螞蟻百靈（Ling）
4. OpenRouter 視覺指南：如何通過 API 向多模態模型發送圖像
OpenRouter 發佈視覺指南，詳解通過 Chat Completions API 向多模態模型發送圖像的方法。請求體採用 messages 數組，用戶消息的 content 包含 text 和 image_url 兩部分，支持公開 URL 或 base64 數據 URL 兩種格式，兼容 PNG、JPEG、WebP 和 GIF。
TIP來源：OpenRouter：Announcements
5. 誰真的需要SOTA模型？OpenRouter數據顯示84%token來自非前沿模型
OpenRouter數據顯示，84%的模型token並非來自SOTA模型，用戶最常用的六款模型性能約為前沿模型的77%，成本僅為Claude Fable 5的2.5%。8月10日當週，六款模型承載了80%流量，混合價格約20。最佳開源模型性能已從一年前的48%提升至前沿模型的80%，企業正轉向更小、微調或開源模型以優化性價比。
TIP來源：Tomer Tunguz 博客（VC 分析）
6. Databricks 如何在數據倉庫中使用 AI_Functions：主要用例解析
Databricks 探討在數據倉庫中應用 AI_Functions 的主要場景，幫助組織在結構化數據之外處理非結構化數據。文章聚焦於如何通過該功能將 AI 能力直接集成到 SQL 工作流中，以擴展數據倉庫的分析邊界。具體用例與實現細節以原文為準。
TIP來源：Databricks：Blog
