大模型周报第41周：Agent开始进生产线，开源模型继续压成本

大模型周刊｜2026.08.15–08.21

本周大模型行业有一条清晰主线：模型厂商开始把竞争重点推向真实工作流。OpenAI补青少年安全与教育产品，Anthropic把 Computer Use、Skills API 和 Files API 推向生产使用，Google继续用 Flash 系列争夺速度与成本，国产模型则借助后训练和开源，把编程、网络安全与 Agent 能力继续往前推。

如果只看一句话：闭源厂商在强化可控性和产品交付，开源阵营在压缩能力与成本差距。

OpenAI：安全机制开始进入产品默认值

8月18日，ChatGPT for Teens 正式上线。系统会自动识别 13–17 岁用户，并默认加强对自残、暴力、色情内容和浪漫角色扮演的防护。产品还加入 Study Mode、作业提醒，以及家长侧的 Quiet Hours 和 Study Hours 控制。

OpenAI也给出了更明确的互动边界：模型不应假装拥有情感或意识。学习场景中，产品提供可视化学习工具和测验功能，方向从“回答问题”扩展到“辅助学习过程”。

付费用户获得了 Private Safety Processing。它尝试结合多轮对话识别风险模式，降低只看单次请求带来的误判。

产品侧还有两个变化：ChatGPT 的 Apple Messages 插件上线，可以在获得授权后代发或整理 iMessage；Codex则继续出现在代码迁移等实际业务案例中，外界关注点从“能不能写代码”转向“能否用更低成本完成长期工程”。

Teen 模式仍有待验证。年龄预测是否可靠、家长控制是否会被持续使用、作业提醒能否被轻易绕过，都决定了产品效果。已有测试显示，系统会拒绝直接代写论文，但在解题类请求中仍可能给出接近完整答案。

我的判断是：OpenAI正在补齐安全产品的基础设施。方向比缺位强，距离“默认安全”还有距离，难点集中在有用性、风险识别和教育边界之间的动态平衡。

Anthropic：Computer Use 从实验能力走向生产工具

Anthropic本周将 Computer Use、Skills API 和 Files API 推向一般可用，并配套提供浏览器工具 Browser Use。开发者可以在 Claude Platform 上组合批量动作、文件处理和浏览器操作，构建更完整的生产级 Agent。

Claude Academy 也同步推出，重点放在安全、有效地使用 AI。Anthropic的路线很明确：模型能力需要进入软件、浏览器和文件系统，Agent才有机会承担连续任务。

Computer Use 从实验功能进入 GA 后，评估重点会发生变化。开发者关心的不再只是演示效果，还包括动作成功率、失败恢复、权限隔离、审计能力和成本控制。Agent能否稳定运行，决定了这条路线的长期价值。

Google：Flash 系列继续抢速度与成本

Gemini 3.7 Flash 于8月13日发布，并在本周持续推开。产品定位是高速度、高性价比的工作马，重点覆盖编码、Agent 和知识工作流。年底前的价格优惠进一步强化了它在开发者场景中的吸引力。

在 DeepSWE、FrontierCode 等基准上，Gemini 3.7 Flash 相比前代有提升。Google还公布了手语 AI、WeatherNext 气旋预测等应用侧进展。

Google的节奏越来越像“三周一个小版本”：Flash先快速迭代，Pro保持更谨慎的发布节奏。短期看，Flash更适合成本敏感的 Agent 和批量任务；旗舰 Pro 何时全面上线，以及能否在复杂任务上拉齐竞品，仍是后续观察点。

智谱 GLM-5.3：后训练把同一基座推上新台阶

8月14日，智谱发布 GLM-5.3，API 于本周上线，模型权重计划下周五开源。GLM-5.3沿用 GLM-5.2 基座，主要通过后训练提升编程与网络安全能力。

按本周材料，GLM-5.3 已进入 Artificial Analysis Intelligence Index 的全球前沿区间，在开源模型中处于前列。编码相关基准相比前代提升明显，网络安全能力接近甚至在部分测试中超过 Mythos 5 与 GPT-5.6 Sol。

智谱还启动了“开源的盾”安全审计计划，试图在模型开放与风险控制之间建立配套机制。

GLM-5.3最值得关注的地方是后训练效率。基座能力达到一定水平后，强化学习和任务导向后训练可以快速改善编程、工具调用与安全任务表现。权重开源后的真实部署体验、显存要求和社区微调效果，才会决定这次跃升能否转化为长期生态优势。

DeepSeek：V4 Pro 和 Harness 一起推进 Agent 落地

DeepSeek-V4-Pro-0813 正式版上线后，Agent能力继续提升。DeepSWE、Terminal 等相关基准均有进步，部分结果接近 Fable 5。

DeepSeek同步开源 DeepSeek Harness，采用 MIT 许可和“一切皆插件”的架构，方便开发者二次开发 Agent。模型之外，Harness降低了任务编排、工具扩展和运行时集成的门槛。

DeepSeek的差异化越来越清楚：价格保持竞争力，模型围绕 Agent 场景优化，配套工具直接开放。峰谷定价计划如果落地，还会进一步影响批量 Agent 任务的成本模型。

Kimi、MiniMax：开源规模与创作工具成为另一条线

月之暗面本周主要延续 Kimi K3 的影响。K3的开源、2.8T 参数规模和综合评测表现仍在开发者社区持续发酵，融资进展以及美国侧制裁威胁讨论也在增加。

K3是今年开源模型的重要节点，但算力供给、部署成本和商业化落地仍是现实约束。中国模型开源之后，技术竞争和地缘政治风险会同时进入产品决策。

MiniMax发布 MiniMax Design，定位为多模态创作 Harness，覆盖素材处理、生成、编辑和交付流程，底层使用海螺 H3 等视频模型。它的价值取决于能否把意图理解、任务拆解和模型调度真正串起来。完成这一步，产品才会从“模型入口”变成可交付的创作工具。

OpenClaw 与 Hermes：Agent开始组织成团队

OpenClaw 7.1 发布后，Control UI 继续升级，并支持更多前沿模型。它正在从一个“能运行 Agent”的框架，向本地或远程 Agent 控制台演进，插件生态和本地 LLM 部署也获得更多讨论。

Hermes Desktop则将 Bot Mode 正式内置。用户可以把单个 Agent 配置成带名称的 Bot 团队，支持互相 @、共享 Inbox 和多 Agent 协作。

两条路线都指向同一个变化：Agent的产品形态开始从单体助手转向可编排的工作单元。接下来比拼的会是任务分工、上下文共享、权限管理和失败恢复，而非 Bot 数量本身。

本周判断：能力、成本、控制权同时进入交付阶段

本周的四个信号可以压缩成一张判断表：

本周最值得跟踪的有四件事：GLM-5.3权重开源后的部署反馈，Claude Computer Use 的真实成功率，DeepSeek Harness 的插件生态，以及 ChatGPT for Teens 的实际安全效果。

下一阶段的分水岭会落在真实工作流里：谁能稳定完成任务，失败时能恢复，成本还能算得过来，谁就更接近生产级 Agent。

下周一见。