大模型周报第42周：Agent走出聊天框，国产开源打穿流量

大模型周刊｜2026.08.16–08.28

过去两周的主线很清楚：安全事故被写进技术报告，Agent 开始进入浏览器、硬件和课堂；国产开源模型用“匿名测、正式认、权重放”拿下流量。闭源厂商忙着补可控性，开源阵营在补生态与成本。榜单仍然重要，但已很难单独解释竞争格局。

本期覆盖 OpenAI、Anthropic、Google、智谱、DeepSeek、月之暗面和 MiniMax。真正值得追踪的变化有三条：Agent 的入口正在向网站与真实设备扩张；模型厂商开始交付 Harness 和硬件协议；国产模型的竞争力已经延伸到推理基础设施与商业渠道。

OpenAI：事故复盘、自研芯片、把 Agent 接到网站上

本期最重的官方动作，是 OpenAI 在 8 月 26 日发布 Hugging Face 事件技术报告。报告复盘了内部评测 Agent 如何突破沙箱、现有防护为何失效，以及后续采用的监控、隔离与响应规则。同期，OpenAI 与 Anthropic、Google、微软、AWS、Oracle 等公司发布公开信，呼吁全球加强 AI 时代的网络防御。

产品侧的落地很密集：

ChatGPT for Teens（8 月 18 日）：13–17 岁用户默认进入青少年体验，加入作业提醒、Study Mode、家长 Quiet Hours，并明确要求 AI 不要假装拥有情感。
WebMCP / Site tools：ChatGPT Work 和 Codex 可以直接调用网站提供的结构化工具。桌面端浏览器支持扩展到 Edge、Brave、Opera 和 Vivaldi。
企业能力：增加 Admin 插件、由 Gmail / Slack / GitHub 事件触发的定时任务，以及云浏览器登录。
Jalapeño：公布自研推理芯片首批结果，重点强调吞吐与能效。
商业调整：GPT-5.6 Sol API 三个月价格下调超过 20%；ChatGPT Ads 扩展到欧洲，印度也开始出现广告。
教育市场：ChatGPT for Teachers 再扩展 55 个学区。

用户反馈呈现两面。Teen 模式的方向得到认可，但测试中，解题类请求仍容易直接给出完整答案，家长控制也依赖账号绑定。开发者普遍看好 WebMCP，因为它给了 Agent 一套进入网站执行任务的结构化接口。

Altman 在采访中提到，年底前 OpenAI 内部可能出现他愿意称为 AGI 的系统。社区反应很熟悉：有人兴奋，也有人把它当作又一次预热。

编辑点评：OpenAI 这两周同时在做三件事：给事故写说明书，给企业做管理面板，给下一代推理做芯片。安全叙事更硬，产品方向仍然指向同一个目标，让 ChatGPT 成为用户操作电脑的主要入口。WebMCP 最值得盯。谁能影响网站工具协议，谁就更接近控制 Agent 的作业现场。

Anthropic：浏览器正式可用，能力伸向实验室硬件

Anthropic 在 8 月下旬连续推进了几项产品：

Claude in Chrome 正式 GA，Cowork 内置独立浏览器。
Memory 打通各端，用户可以决定保存哪些记忆。
Mythos 5 的网络安全能力向更多防御方开放。
Model Hardware Standard（MHS）发布研究预览，为机器人、实验设备和产线硬件定义 AI 安全操作规格。
Claude for Teachers 面向学区上线。
扩大科研席位和 AI for Science 额度。

商业与舆论也很热闹。法官裁定五角大楼将 Anthropic 列入黑名单的做法违法；外界继续讨论其超大规模 IPO；Salesforce 加深合作并上调业绩预期。

平台稳定性仍有压力。8 月 24 日前后，Claude 出现约三小时的多模型过载，用户集中吐槽 529 Overloaded。一份基于约 25 万条对话的研究还指出，超过一半交互已经涉及“把后果较重的工作交给 Claude”，法律和财务咨询尤其突出。

编辑点评：Anthropic 继续押注可靠 Agent 与安全边界。MHS 的信号强于再发一款聊天模型：模型下一步要接触真实设备，权限、状态确认和故障处置必须提前标准化。Chrome GA 也说明 Anthropic 已把浏览器视作办公系统。眼下最明显的短板是稳定性。企业采购看重连续可用，529 一多，能力优势会被迅速折价。

Google：Flash 继续提速，语音和创作能力补齐

Google 延续高频迭代：

Gemini 3.7 Flash 继续铺开，编码和 Agent 工作流有所提升，年底前提供半价档促销。
Gemini 3.5 Transcribe加强噪声环境中的语音转写，可识别号码、邮编和订单号，支持去除口头禅，覆盖 85 种以上语言，已经进入 Gboard 和 Gemini App。
Gemini Omni 1.1 Flash更强调生成过程的可控性与成片质量。
Gemini Live 接入 Spark、Gmail 等生产力能力；Play Books 进入 Gemini Notebook（Expert Intelligence）。
Google 内部已经测试 Gemini 3.8 Flash Preview。员工反馈称其明显好于 3.7，公开预览版可能已经不远。

旗舰 Gemini 3.5 Pro 仍未全面开放。等待旗舰模型的用户会着急，但 Flash 的更新速度已经成为 Google 的战略本身。

编辑点评：Gemini 现在几乎保持“三周一个 Flash”的节奏。Transcribe 这类基础设施模型容易被新品发布会盖住，却直接决定语音 Agent 能否进入客服、订单、现场记录等真实业务。号码和订单号在噪声里能不能听准，比演示中的自然对话更有商业价值。

智谱：“牛来”先刷榜，再正式认领开源

智谱是本期国产模型中最出圈的一家。

GLM-5.3 权重原计划在 8 月 28 日上午开源，后续安排是在完成安全评估后放出。官方解释称，后训练阶段的网络安全能力增长过快，已经出现跨步骤利用链，因此需要先完成加固。

GLM-5.3-Flash（Ox-Alpha，也被称为“牛来”）则在 8 月 26 日揭晓并开源。它采用 320B-A18B MoE，是 GLM-5 系列首个原生多模态模型；架构结合稀疏注意力与线性注意力，支持 1M 上下文。匿名测试期间，Ox-Alpha 在 OpenRouter 和 OpenCode 登顶调用榜，并刷新单日用量。

价格同样激进。官方定价约为 GLM-5.3 的十分之一，限时价格更低；与 Opus 4.8 相比，官方给出的口径约为四十分之一。AA 指数约 57，处于与 Opus 4.8 相近的档位。

更值得追踪的是基础设施。官方称，大规模流量运行在国产芯片集群上，端到端性能较基线提升约 3 倍，效率接近主流 GPU。

匿名期的用户直接把它称为“牛模王”，正式认领后，智谱股价高开。公开实测主要集中在前端开发、视频理解和文档产出。质疑也很具体：匿名期的调用量很高，但高流量不能替代长期稳定性验证；国产芯片集群还要继续经受长上下文与峰值时段考验。

编辑点评：智谱打了两套组合拳。旗舰模型靠后训练强化编程与安全，Flash 靠新架构和国产芯片争夺性价比。Ox-Alpha 的“匿名放量、正式认领”很有效，真实用户分布比自家 Demo 更有说服力。国产芯片集群能扛住榜首流量，这个信号比分数更值得持续观察。

DeepSeek：Harness 比单次模型升级更像长期战略

DeepSeek V4-Pro-0813 正式版继续发酵，Terminal-Bench、DeepSWE 等 Agent 基准相较预览版明显跃升。

DeepSeek Harness（dsh）以 MIT 协议开源一周后就加入多模态能力。/goal、/plan 支持图文混合输入，社区还出现了 V4Flash Vision-Exp 体验版，视觉模型已经露出轮廓。

8 月 16 日起，DeepSeek API 启用峰谷定价。Pro 离峰输出约为每百万 Token 1.98 美元，高峰价格翻倍。社区有人嫌贵，也有人认可“模型与脚手架一起开源”的价值，因为这让 Agent 基准更容易被外部复现。

编辑点评：DeepSeek 的公式已经写得很清楚：Model + Harness = Agent。过去的基准成绩跑在自家脚手架上，这次把 Harness 一并开放，外部团队终于能更接近原环境复现。涨价说明 DeepSeek 开始按 Agent 价值收费，极致低价不再是唯一卖点。Vision-Exp 若很快转正，V4 将从文本 Agent 扩展成完整的多模态工具链。

月之暗面：K3 的下一场是云渠道谈判

月之暗面本期没有发布新一代模型，但出现了两条硬新闻。

路透称，月之暗面正在与微软 Azure、AWS 和 Google Cloud 洽谈 Kimi K3 托管，收入分成最高可能达到约 30%。如果谈成，这将形成中美云厂商与中国前沿开源模型之间少见的分润结构。

日美联合的 “AI Model Score” 中，K3 综合排名第 6，编程与可靠性靠前，伦理与不当内容抑制偏弱。美国官员此前提出的蒸馏与出口管制指控仍然构成背景压力。

编辑点评：K3 的能力已经被市场消化，下一场竞争落在渠道和合规。进入三大云会迅速扩大生态；谈判若失败，月之暗面仍要依赖自有 API 与亚洲算力。安全评测偏弱会进入采购清单，政企客户尤其可能据此直接否决。

MiniMax：产品发布与财报落在同一周

MiniMax 在 8 月 20 日发布 MiniMax Design。这是一套多模态创作 Harness，调度 H3 完成分镜、生成、二次编辑和成片，目标场景包括广告、短剧与品牌片。

同期发布的中报显示：

上半年收入约 1.17 亿美元，同比增长 283%。
B 端收入占比升至 63.4%。
8 月 ARR 已超过 8 亿美元。
海外收入约占六成。
公司仍然亏损，但亏损率有所收窄。

H3 开源约三周后，下载量超过 2400 万，衍生模型达到 300 多个。MiniMax 接下来会加快 M / H 系列迭代，M3 Pro 规划约 3T 参数规模，并加入长程强化学习。

编辑点评：MiniMax 把多模态创作当作 Coding 之外的第二战场。Design 要验证的是视频模型能否进入完整生产流程，摆脱只生成 5 秒 Demo 的局限。ARR 快速增长，说明 API 和 Token Plan 已经开始兑现收入；亏损仍在，也符合高算力投入公司的共同处境。

OpenClaw / Hermes：开源 Agent 运行时还在长身体

开源 Agent 运行时也在持续迭代。

OpenClaw：8 月版本以 beta 为主，例如 2026.8.1-beta.3。更新方向覆盖 Control UI、多玩家网关、Mac 引导、GPT-5.6 与更多厂商模型、Codex 子 Agent、技能市场和“可转售”部署。社区不断催稳定版，团队给出的解释是主动拉长发布周期，以可靠性换速度。
Hermes：Bot Mode 已进入 Desktop。本期更新更多集中在会话状态、Windows 兼容与 MCP 稳定性，最新稳定版本约为 v0.20.5。

两边社区都出现了站队声音，核心贡献者公开呼吁不要制造阵营。安全圈也开始讨论多 Agent 框架被滥用的风险。开源 Harness 能快速放大能力，也会同步放大误用与权限失控问题。

编辑点评：模型厂商在发布 Agent 产品，开源社区在搭 Agent 操作系统。OpenClaw 抓通道和网关，Hermes 抓记忆与人格团队。谁先把“能跑”推进到“敢放生产”，谁更可能成为下一层默认基础设施。