EASYHUB JOURNAL / 2026-08
2026年8月 AI 资讯
29 篇选读，按原文日期从新到旧。点击标题查看摘要、配图及原文链接。
- Tencent
腾讯 Hy4 preview 开放，推进长上下文智能体能力
Hy4 preview 将混元扩展到 770B 总参数、49B 激活参数和百万级上下文，重点处理编码、跨文档办公与科研任务。权重已开放，也可通过 WorkBuddy、CodeBuddy、元宝、ima、TokenHub 和 OpenRouter 使用；此次仍是预览版，不能把发布时限时体验视为永久免费。
- Cohere
Cohere Parse 发布，处理企业文档中的表格与图像
Cohere 推出 Parse，将复杂文档、表格和图像转成可供检索与智能体使用的结构化内容，并输出 Markdown。服务覆盖多种部署渠道；成本与准确性数据来自公告中说明的测试条件。
- Google
Gemini Omni 1.1 Flash 增加视频延展与关键帧控制
Google 更新 Gemini Omni 1.1 Flash，提供场景延展、首尾帧控制、4K 放大和较轻量的草稿生成，便于开发者迭代视频创作流程。4K 放大属于后处理能力，不应改写为所有视频均原生生成 4K。
- Anthropic
Model Hardware Standard 开启研究预览
Anthropic 向部分研究实验室和先进制造伙伴开放 Model Hardware Standard 研究预览，探索让智能体通过共同接口操作仪器。它仍是合作测试中的规范，不是已普遍部署或正式完成的开放标准。
- Alibaba Cloud
Qwen3.8-Flash-Next 开放权重并预览下一代架构
Qwen 团队开放 Qwen3.8-Flash-Next 权重，介绍注意力、残差、嵌入和优化方法的变化，面向多模态及工具驱动任务。它也用于提前展示下一代架构方向，不等于完整 Qwen4 系列已经发布。
- Google
Gemini 3.5 Transcribe 增强实时语音转写与文本整理
Google 介绍 Gemini 3.5 Transcribe，面向实时转写、字幕及语音应用，处理背景噪声、专业术语和口语停顿，并输出较有结构的文本。准确度仍会受音频质量、语言和实际场景影响。
- Alibaba Cloud
QwenWork 国际版开启网页与桌面公开测试
QwenWork 国际版以公开测试形式提供网页和桌面入口，整合跨应用执行、网页构建及多模态创作。用户可在授权后让智能体处理多步工作，并将有效流程保存为可复用技能。
- Z.ai / 智谱
GLM-5.3-Flash 发布，结合原生多模态与推理效率
智谱推出重新训练基座的 GLM-5.3-Flash，将多模态输入、混合注意力与成本优化结合，并提供开放权重和本地推理支持。它不是把文本版 GLM-5.3 简单改价，促销价格也不应当作长期定价。
- Sarvam AI
Sarvam 发布 Saaras V4，面向多语言语音识别
印度 Sarvam AI 推出新一代语音识别模型 Saaras V4，介绍自研编码与语言建模、输出模式和真实语音场景评测。重点覆盖印度语言与英语，不能据此推断所有语言都具有相同识别效果。
- Adobe
Adobe Firefly 扩展音乐、语音与音效生成工作流
Adobe 将 Firefly 的音乐、语音和音效生成进一步开放，并扩展创作助手及合作模型选择，减少视频与音频制作中的来回切换。生成内容的适用条款需要另行查看，不能据此推断新闻配图也获得转载授权。
- Alibaba Cloud
Qwen3.8-27B 与旗舰模型权重开放，扩展部署选择
阿里云在这篇公告中介绍 Qwen3.8-27B 及旗舰权重的开放情况。27B 版本面向多模态和较轻量部署，旗舰版本适合更大规模场景；本条使用公告日期，不将其误当成各仓库文件首次出现的精确时刻。
- Anthropic
Claude 文本水印如何工作？
Anthropic 解释计划用于未来 Claude 模型的文本水印原理，以及输出质量、检测概率和隐私方面的考虑。文章描述的是计划和机制，不能据此认定所有当前 Claude 输出已经添加该水印。
- Z.ai / 智谱
智谱 GLM-5.3 发布，强化复杂编程和长程任务
智谱介绍 GLM-5.3，沿用 GLM-5.2 基座并扩大后训练，重点提升复杂代码与长程任务。公告同时讨论安全评测，并把权重开放安排在发布之后，不能直接写成当天已经全面开放下载。
- Cursor
Cursor Builds 预先准备云端智能体开发环境
Cursor Builds 在后台准备代码仓库、依赖和安装脚本执行后的环境，减少云端会话启动等待。环境更新失败时可继续使用上一份成功构建；标题中的提速是发布方报告，不是每个项目的保证。
- DeepSeek
DeepSeek V4 Pro 正式版上线，扩展智能体接口兼容
DeepSeek 宣布 V4 Pro 正式版同步进入应用、网页和 API，增强智能体工作流，并介绍 Responses API 兼容与 Codex 接入。计费调整在公告中另列生效时间，不能把公布日当成执行日。
- Google
Gemini 3.7 Flash 聚焦编程、智能体和工作效率
Google 发布 Gemini 3.7 Flash，介绍软件工程、知识工作和网页开发场景中的改进，以及能力和成本之间的取舍。文章的阶段性价格与评测结果反映发布时条件，使用前应查看当前接口说明。
- MiniMax
MiniMax Music 3.0 发布，面向完整歌曲创作
MiniMax 推出 Music 3.0，可根据创意描述和可选歌词完成作曲、编曲、人声与制作。技术文章介绍如何兼顾长歌曲结构、乐器细节与自然演唱；效果说明来自发布方展示，本站未独立复现。
- IT之家
WorkBuddy 同步电脑与手机任务，支持远程授权和停止
PC、App 与小程序可同步任务、对话和产物，手机也能批准或停止电脑端任务，并查看不同工作空间。连接电脑模式要求电脑保持开机、两端使用同一账号；此次功能要求 App 1.2.0、PC 5.3.8 或更高版本，电脑锁屏时仍支持远程连接。
- Ollama
Ollama 上线 Nemotron 3.5 Lightning 本地智能体模型
Ollama 增加 NVIDIA Nemotron 3.5 Lightning，面向本地工具调用、上下文收集和多步任务。文章也介绍 Apple Silicon 的 MLX 运行方式；能否流畅部署仍需结合模型大小和本机内存评估。
- Sarvam AI
Indic DiarBench 开放，评测印度语言多人语音转写
Sarvam AI 发布面向印度语言的联合语音识别与说话人区分数据集，覆盖多人交谈、打断和重叠语音等情景。音频、标注与评测协议开放获取，帮助检查谁说了什么，而不只比较单人朗读转写。
- Ollama
Muse Glimmer 通过 Ollama 支持本地多模态智能体
Ollama 接入 Meta 的 Muse Glimmer 开放模型，面向本地编程和长期智能体任务，并支持图像输入。发布说明还介绍 Apple Silicon 上的 MLX 加速与相关运行选项，适合关注本地模型工作流的用户。
- Cursor
Cursor 解释自动模型路由如何平衡能力与成本
Cursor 介绍 Auto Intelligence 与 Auto Balance 的模型选择机制，以及如何利用任务和生产反馈调整路由。文章发表于八月，但说明该功能此前已推出，因此应将它归为机制解析与后续改进。
- ByteDance Seed
SeedRealtime 发布，探索音视频全双工交互
字节 Seed 发布 SeedRealtime，在统一模型中处理连续音频、视频和文本，探索边看、边听、边说及主动交互。文章介绍豆包中的应用与实验效果，模型能力不等于对所有设备或服务的无限操作权限。
- Tencent
腾讯扩大 Hy3 国际访问，覆盖产品与云端工作流
腾讯扩大七月已发布 Hy3 的国际访问渠道，连接 WorkBuddy、创意工作室 Miora 与 TokenHub。Miora 面向图形、视频、3D 和界面产物，TokenHub 提供多模型 API 管理与路由；本次改变的是产品接入和国际分发范围，而非另一款 Hy3 模型。
- MiniMax
MiniMax H3 开放模型资产与推理配套
MiniMax 宣布开放 H3 视频模型，提供面向不同生成任务的检查点及相关推理资源。权重获取、运行条件与可用任务以发布仓库说明为准，不把模型开放理解为所有在线服务免费。
- Alibaba Cloud
阿里云发布 Qwen3.8-Max，覆盖多模态与长任务
阿里云介绍 Qwen3.8-Max 的多模态理解、编程、研究与长时间任务能力，并开放所列 API 和产品入口。发布当日提到的模型权重属于后续开放计划，本条不把计划日期写成已完成状态。