AI DAILY / 2026-08-13
今天三条主线都是模型发布：DeepSeek V4 Pro 正式版评测出炉，Grok 4.6 进入 Cursor 与 API，Qwen3.8-2.4T-A95B 开放权重。其余新闻围绕端侧视觉模型、产品更新与协作工具展开。
DeepSeek V4 Pro 正式版（DeepSeek-V4-Pro-0813）在 Hypo 体感评测 V3 拿到五轴综合分 82.39、排名第 7，较 preview 版的 76.22 提升 6 分多。 涨得最多的是诚实维度，从 21.11 分翻到 46.67 分；幻觉控制从 66.67 分打到 100 满分，世界知识、推理和写作也同步小幅提升，长上下文在三次采样中两次多报误报、略有回落。 模型调用名仍是 deepseek-v4-pro，定价为输入 $0.43、输出 $0.87 每百万 token。完整评测与分维度拆解见本期头条。
SpaceXAI 发布 Grok 4.6，重点放在长时间运行的 Agent、交互式应用和视觉工作；模型已经在 Cursor 与 Grok Build 上线，并同步提供 API 和合作伙伴入口。 官方称它在 Artificial Analysis Intelligence Index 上得到 61 分，与 GPT-5.6 Sol 持平；该指数是由九项基准组成的综合分数。发布页还列出 GDPVal-AA、CursorBench、DeepSWE、FrontierCode、APEX-Agents 等评测，但对比数字仍属于发布方汇总的公开 benchmark 口径。 API 价格从每百万输入 token 2 美元、输出 token 6 美元起，快速变体价格为两倍；Cursor 和 Grok Build 在首周提供 2 倍包含用量。官方把它描述为能在多步任务中持续研究、分析、改代码和迭代产品原型，实际体验仍取决于所用入口、任务类型和配额。
Qwen3.8-2.4T-A95B 的模型权重已经出现在 Hugging Face 和 ModelScope 仓库中，这是 Qwen 首次把 Max 级别模型以开放权重形式发布。 官方模型卡写明，它采用混合专家架构，总参数量为 2.4T，每个 token 激活 95B；原生上下文长度为 262,144，可扩展至约 1,010,000 tokens。模型定位是编码、专业工作、研究和长程 Agent 任务，权重兼容 vLLM、SGLang、TokenSpeed 等推理框架。 这个开放版本是纯文本模型，所有交互都强制启用思考模式，不能关闭思考，也不支持多模态输入。Qwen Cloud 上的 Qwen3.8-Max 是基于该模型的官方服务版本，额外提供视觉输入、非思考模式、内置工具和默认 1M 上下文。如此规模的权重并不适合普通个人电脑：NVIDIA 的部署说明把它放在 GB300 NVL72 等数据中心级平台上讨论，并提供 vLLM、SGLang、NVIDIA Dynamo 和 NIM 路径。
Liquid AI 发布 LFM2.5-VL-3B，这是一个 3.1B 级视觉语言模型，重点补强屏幕与 UI 理解、目标定位、多图像输入和函数调用。 模型采用 SigLIP2 400M NaFlex 视觉编码器与 LFM2.5-2.6B 语言骨干，采用直接回答而不是先输出长链路推理，面向实时端侧应用。官方文章给出的评测覆盖视觉理解、文档、图表、GUI 和工具调用；例如 ScreenSpot-v2 Desktop、Mobile、Web 分别为 78.7、81.2、82.2，属于发布方在 vLLM 0.26.0 和各模型推荐参数下的测试结果。 模型首发即支持 llama.cpp、MLX、vLLM、SGLang 和 ONNX。Liquid AI 称它约占 3GB 内存，在 M5 Max 上可达到 228 tokens/s，在 Galaxy S26 Ultra 上也能达到 20 tokens/s；这些速度取决于硬件、运行时和测试设置，不等同于所有设备的固定表现。
Cohere Labs 发布 North Micro Vision Instruct：2.4B 参数、原生分辨率、Apache 2.0 许可，模型权重已经公开。 模型由 2B 语言模型和 400M 视觉编码器组成，面向文档、表格、图表、截图、OCR、空间理解和多语言图像任务；模型卡写明语言骨干上下文窗口为 128K，但多模态输入经过验证的范围最高为 8K tokens。 原生分辨率设计保留了长文档和表格的比例与细节，适合做领域微调和专用视觉应用。发布文章将公共 vLLM 支持标为 coming soon，因此不能把它写成已经完成全套服务适配；当前可以直接追踪模型仓库和模型卡中的 Transformers 使用方式。
Codex 负责人 Tibo 在公开帖中宣布，Codex 活跃用户已经超过 1500 万，并再次为用户安排一次额度重置。 这次动作延续了他此前“每新增 100 万活跃用户就重置一次额度”的社区承诺；他表示重置预计在约一小时内生效。 这条信息来自负责人个人账号，X 页面未提供稳定的可检索正文，因此这里只记录公开表态，不把它扩写成已经完成全量到账的官方产品公告。实际额度是否刷新，以各账户界面和 Codex 使用状态为准。 参考资料：https://x.com/thsottiaux/status/2087706104814023111
Google DeepMind 发布手语转文本模型 SL2T，并首次把它带进消费产品：Pixel 11 的 Gboard 和 Live Transcribe 已支持美国手语（ASL）转英语。 用户可以用手语搜索网页、起草消息或文档，也可以让 Gemini 处理问题；Live Transcribe 则支持在对话中用手语回复。官方称模型训练覆盖 50 多种手语、超过 100,000 小时数据，Pixel 11 首发后还将扩展到更多设备和语言。 SL2T 不直接把原始相机视频传给翻译服务：设备端 MediaPipe Holistic 先提取人体姿态关键点，服务端接收几何坐标序列进行翻译。Google 给出的 FLEURS-ASL 零样本 BLEURT 分数为 70，同时承认少见手势、快速拼指、被动句和缺少上下文的时态仍会出错。
Manus 官方宣布，Manus 1.6 Lite 和 Manus 1.6 即日起至 8 月 25 日 23:59（新加坡时间）对免费和付费用户免除标准模式费用，但仍受每日活动额度和排队控制。 付费用户拥有优先队列，Manus 1.6 Max 不在这次活动范围内。 活动里的图片和视频额度单独计算：免费用户每天最多 20 张图片和 1 个视频，付费用户每天最多 200 张图片和 10 个视频。官方还说明，异常使用可能触发临时限制，实际等待时间以产品界面为准。
Anthropic 把 Claude in Chrome 的侧边栏升级为完整的 Claude Cowork 会话：在浏览器里启动的任务，可以在 Claude 桌面端、网页端和移动端继续。 会话记录会保存到账号历史，skills 和 connectors 也能在浏览器中继续使用；功能目前向 Max 和 Team 开放，Pro 用户将在未来数周逐步获得。 企业方案默认关闭 Claude in Chrome，管理员可以开启并限制到批准域名；当前 Chrome 侧边栏还不支持其他 Chromium 浏览器或移动端浏览器。它更接近一个跨入口的长任务会话，而不是把浏览器窗口单独变成聊天框。
Zed 推出 Delta，一款面向 Agent 协作编程与代码审查的多人环境，首批用户已经进入 private beta。 Delta 的核心不是再做一个聊天窗口，而是用 DeltaDB 将对话、代码编辑和 worktree 实时复制到同一个线程；参与者可以在代码行、计划和 Agent 输出上直接评论，后续接手者也能看到决策形成过程。 Delta 支持在浏览器中通过链接打开线程，把工作转移到云 runner，并从 Claude Code 等第三方 harness 接入。Zed 说明 DeltaDB 最终会进入 Zed 编辑器，但当前先以独立应用验证这套“代码与对话一起协作”的工作方式。 项目：https://delta.dev/
Google 宣布 Gemini 将在未来数周逐步接入更多外部应用，把会议总结、网站编辑、本地预订、音乐播放和生活服务放进同一对话入口。 首批合作包括 Granola、Otter.ai、Wix、Fever、GetYourGuide、OpenTable（英国）、Ticketmaster、iHeartRadio、Pandora、Angi、Thumbtack 和 Zocdoc，覆盖生产力与创作、本地娱乐、音乐、家庭健康与生活方式四组场景。 这些连接能力仍是分阶段上线，不同地区、账号和应用的可用时间可能不同。公告描述的是 Gemini 与外部服务的连接范围，不等于每个用户今天就能在所有服务里完成同样的操作。 ---