数据来源：AI HOT（aihot.virxact.com）
模型发布/更新
Qwen3.8-Max 发布，开放权重计划下周提供
Qwen 发布旗舰模型 Qwen3.8-Max，称其为家族迄今最强、面向编码与专业协作的新模型。官方披露模型共有 2.4T 参数、每个 token 激活 95B 参数，并计划在下周放出 Qwen3.8-Max 与 Qwen3.8-27B 的开放权重；因此目前更准确的说法是“已发布模型并预告开放权重”，而不是权重已经开源。
商汤发布 SenseNova U1.5-Lite-Preview
商汤发布 SenseNova U1.5-Lite-Preview。这是一款基于 NEO-Unify 架构的轻量级原生统一多模态模型，采用 8B-MoT 参数设计；商汤称其图像生成与编辑质量可对标商业闭源模型，实际表现仍需更多独立测试验证。
🔗 X：商汤 SenseTime (@SenseTime_AI)
产品发布/更新
Cloudflare 推出 Billable Usage API
Cloudflare 为自助账户推出 Billable Usage API，一个端点即可按产品和计费周期返回用量与成本。它覆盖账户内所有按用量计费的 Cloudflare 产品，包括 Workers、R2、D1、Workers AI、Vectorize、Images 与 Stream，并使用与 FinOps FOCUS 规范相近的字段，方便接入自动化成本看板。
OpenRouter 推出 Ori Eval，降低任务级模型评估门槛
OpenRouter 推出 Ori Eval，主张把“哪个模型最好”改写成“哪个模型最适合这项任务”。它会调用 OpenRouter API 处理代码库中的任务并评估结果，让团队更快建立贴合自身工作负载的模型评测。
Cloudflare 预览 @cloudflare/computer 智能体运行时
Cloudflare 发布 @cloudflare/computer 早期预览版。它为每个智能体提供虚拟文件系统和执行运行时，由平台按任务在 isolate、容器沙箱或浏览器之间调度；开发者可以把工作空间挂到 Durable Object 上，保留文件变更记录与更细粒度的操作控制。
GPT-Live 重构实时语音架构，支持边说边听
OpenAI 联合创始人 Greg Brockman 介绍 GPT-Live 的实时音频新架构：系统可以在输出语音时继续监听用户，并让更深入的推理与工具调用不中断音频流。OpenAI 称其为 ChatGPT 规模下从客户端到模型重建的一套全双工语音栈。
微软开源 Orchard 智能体训练框架
微软研究团队开源 Orchard，用统一环境层支撑智能体的数据采集、监督微调、强化学习与评估。框架包含面向软件工程、GUI 操作和个人助理的 Orchard-SWE、Orchard-GUI 与 Orchard-Claw 三套训练配方，重点是让不同任务复用沙箱生命周期、工具执行和评测基础设施。
🔗 Orchard 论文（arXiv） ｜ X：Microsoft Research (@MSFTResearch)
Cloudflare Workers 与 Containers 支持入站 TCP 和 gRPC
Cloudflare 在私有测试阶段为 Workers 增加 connect(socket) 处理器，可接收 Spectrum 提供的入站 TCP 套接字，再转发至 Durable Objects 或 Containers。新能力还支持容器中的全双工双向 gRPC，以及 Workers 侧的一元和服务端流式 gRPC；gRPC-Web 请求可由 Cloudflare 自动转换。
Data Commons on Spanner Graph 正式可用
Google Cloud 宣布 Data Commons on Spanner Graph 正式可用，并预览新版 Data Commons Platform。前者把来自联合国、世界银行、美国人口普查局等公共数据源的知识图谱带到 Spanner Graph，后者进一步帮助企业把私有知识与公共数据统一到同一图谱中。
Databricks Variant 正式可用，加速半结构化数据摄取
Databricks 宣布 Variant 数据类型全面可用，用于更高效地摄取和查询 JSON、XML、CSV 等半结构化数据。Variant 已接入 Auto Loader、Spark Declarative Pipelines、Agent Bricks 与 AI Functions，并试图在保留原始结构灵活性的同时减少预先建模和反复改 ETL 的成本。
行业动态
欧盟《人工智能法案》透明度义务开始适用
欧盟《人工智能法案》第 50 条透明度规则自 2026 年 8 月 2 日起适用：提供者需要让用户知道自己正在与 AI 交互，并为合成内容加入机器可读标记；部署者还需披露深度伪造，以及未经人工审阅、涉及公共利益的 AI 生成文本。违规罚款最高可达 1500 万欧元或企业上一财年全球营业额的 3%。对于 8 月 2 日前已投放市场的生成式 AI 系统，只有内容标记与检测义务获得有限宽限，期限至 2026 年 12 月 2 日。
Databricks 完成收购 Panther
Databricks 宣布完成对安全数据平台 Panther 的收购，将 Panther 已有的 SOC 工作流和软件化检测引擎，与 Lakewatch 的开放安全湖仓底座整合。其目标是在开放、统一的数据架构上长期保存安全遥测，并支持检测、调查与响应工作负载。
论文研究
Apple 系统拆解多模态大模型的偏好对齐
Apple 研究团队独立分析多模态大模型偏好对齐的各个环节，将方法分为离线对齐（如 DPO）和在线对齐（如 online-DPO），并发现二者结合在部分场景中可以提升表现。团队还提出 Bias-Driven Hallucination Sampling（BDHS），无需额外人工标注或外部模型即可构造多模态偏好数据，并在多项基准上取得与既有方法相当的结果。
🔗 Apple Machine Learning Research
技巧与观点
AirLLM 让 70B 模型可在单块 4GB GPU 上推理
开源项目 AirLLM 通过把模型按层拆分、在推理时逐层装载，显著降低显存占用。项目方称 70B 模型无需量化、蒸馏或剪枝即可在单块 4GB GPU 上运行；代价是需要足够的磁盘空间，而且权重装载会成为主要性能瓶颈，因此“能运行”不等于拥有常规 GPU 推理的速度。
Palantir 业绩大增，Karp 批评前沿模型厂商攫取合作伙伴“生产资料”
Palantir 第二季度营收约 19 亿美元，同比增长 93%，净利润约 11 亿美元。CEO Alex Karp 在股东信中称公司的业务带有“马克思主义的明暗线”，并批评部分大模型厂商有意或无意地占有合作伙伴的“生产资料”。他的核心主张是企业应保有自己的数据、提示词、编排与上下文，而不是被单一模型平台锁定。
🔗 Palantir：Q2 2026 业绩材料 ｜ TechCrunch
Kimi Work 发布幻灯片制作教程
Kimi 发布 Kimi Work 幻灯片教程，展示从研究与结构梳理，到图表、SmartArt 和整体视觉设计，再到可编辑文件下载的一体化流程。官方称其中的研究与内容组织由 Kimi K3 驱动。
Claude 连接器可在 Claude Code 与 Artifacts 中复用
Anthropic 团队成员 Thariq 提醒：在 Claude 中连接 Gmail、日历、Slack 等连接器后，Claude Code 以及其中发布的 Artifacts 也可以调用这些连接器。实际可用范围仍取决于套餐、组织权限和用户授权，涉及敏感数据时应检查 Artifact 的共享范围与连接器权限。
🔗 X：Thariq (@trq212) ｜ Claude 帮助中心：Artifacts
EA：生成式 AI 进入实时游戏，关键是“行为正确”
EA 首席战略官 Mihir Vaidya 认为，游戏内 AI 不仅要“看起来真实”，还必须在 60 帧/秒、成千上万玩家同步和低延迟条件下可靠运行。他反对把所有系统都交给概率模型，主张采用神经符号架构，把生成能力与确定性、控制和可靠性结合起来；在篮球规则或赛车物理等核心系统里，“行为正确”比单纯生成逼真更重要。
Google Agent Skills 团队公开技能库的构建与治理流程
Google Agent Skills 团队披露，其开源技能库始于 Google Cloud Next 2026 前的一次跨职能冲刺，发布后获得超过 1.5 万个 GitHub Star。为控制规模化后的质量，每项技能都要遵循标准目录结构，并经过 linter、链接检查、AI 辅助清单以及提交时和每周持续运行的评估。
Gary Marcus：Astra 的数学成果可能更像“选题与验证”突破
Gary Marcus 引述 Anthropic 数学家 Levent Alpöge 的自述：他使用已经公开的 Fable 模型，在 24 小时内对 OpenAI Astra 公布的十项结果完成了约一半的独立复现尝试。Marcus 据此质疑，Astra 的关键进展是否主要在于找到适合搜索与验证的开放问题，而非模型能力出现普适跃迁；这一判断来自当事人与评论者的公开说法，仍需等待更完整的方法披露和数学界审阅。
🔗 Gary Marcus：Two critical updates re: Astra and mathematics
Paramount CTO：AI 的“iPhone 时刻”尚未到来
Paramount 首席技术官 Phil Wiser 把 AI 列入人类史上最重要的五大技术趋势，但认为真正推动大众采用的“iPhone 时刻”还没有出现。他主张先等待依赖条件成熟，再用清晰的“aha 时刻”推动业务采用；同时警告大公司若过度分析，也可能错过未来 5 至 10 年的窗口。Paramount 已在三年前向内部员工开放 Runway 工具，并以业务成果而非 token 消耗量衡量成效。
🔗 Runway News：Paramount CTO 访谈
AI 热点日报 · 作者：钟懿 · 数据来源：AI HOT（aihot.virxact.com）