🤖 AI 大模型日报 — 2026年8月22日（星期六）
本期覆盖：OpenAI GPT-5.6 系列正式发布、Anthropic 传 2 万亿美元估值 IPO、Gemini 3.7 Flash 半价入场、DeepSeek V4 双连发、Grok 4.6 重返第一梯队、Qwen3.8-Max 开源等本周重磅动态。
📌 一、本周热门话题摘要
🚀 二、各重要模型动态
🟢 OpenAI — GPT-5.6 系列（Sol / Terra / Luna）
- GPT-5.6 Sol：新一代旗舰，面向最高难度推理与智能体任务，随任务复杂度「按需扩展算力」。
- GPT-5.6 Terra：日常工作的均衡模型，性能对标 GPT-5.5，但成本降低约 2 倍；官方称其综合表现略优于 Anthropic Fable 5。
- GPT-5.6 Luna：最快、最实惠的模型，官方称性能优于 Claude Opus 4.8，成本约为对手 1/4。
- 产品线延续「默认高效、按需释放」策略，已通过 ChatGPT、API 全量开放。
🟠 Anthropic — Claude 系列 & 资本市场动作
- Claude Opus 4.8（5/28 发布）：定价持平 $5/$25 每百万 token，推出 3 倍更便宜的 Fast Mode 与 4 倍诚实度提升。
- Claude Opus 5：已发布，同等成本下性能较 Opus 4.8 大幅提升。
- Fable 5：被 OpenAI（Terra 对比）与 xAI（Grok 4.6 对比）多次引用的最强竞品，智能指数 62 分居首。
- IPO 消息：传最快 2026 年 10 月上市，估值或达 2 万亿美元，2025 年全年营收约 100 亿美元，增长曲线陡峭（详见热点摘要）。
- 争议点：TechCrunch 曝光 Opus 4.6 在简易提示下可绕过限制生成不当内容，引发对齐安全讨论。
🔵 Google — Gemini 3.7 Flash（8/13 发布）
- 定位：面向编码与自动化业务任务的「工作马」型号，3.6 Flash 发布仅三周后迭代。
- 基准提升（厂商自报）：DeepSWE v1.1 65.3%（3.6 Flash 为 49.0%）、FrontierCode 1.1 Main 43.6%（34.4%）、WebDev Arena Elo 1588（1538）、AutomationBench 30.4%（17.0%）。
- 上下文：1M 输入 / 65K 输出；多模态输入（文本/图像/视频/音频/PDF）。
- 价格：2026 年底前促销 $0.75/$3.75 每百万 token，2027-01-01 起 $1.50/$7.50（注意成本翻倍）。
- 生态落地：Spark（Pro/Ultra 用户 24/7 个人代理）、Antigravity、Gemini Enterprise、AI Studio 同步接入。
- 旗舰 Pro 版发布时间未公布，市场持续关注。
⚫ xAI — Grok 4.6（8/12 发布）
- Artificial Analysis 智能指数 61 分，与 GPT-5.6 Sol Max 持平，仅次于 Fable 5 Max（62 分）。
- 重点改进方向：长时间运行的智能体（Agent）任务与 agentic coding / 知识工作基准。
- 支持 500K 上下文，综合成本约为 GPT-5.6 级别模型的一半，被视为「重新回到牌桌」的关键发布。
🟣 DeepSeek — V4 家族一周双更新
- DeepSeek-V4-Pro-0813（8/12，GA）：正式结束预览。定价 $0.435（未命中缓存）/ $0.003625（命中缓存）/ $0.87（输出）每百万 token；1M 上下文 / 384K 最大输出；默认开启 thinking（high 档）；官方明确警告重大 API 涨价即将到来（日期待定）。
- DeepSeek-V4-Flash-Vision-Exp（8/21，实验版）：首个官方 V4-Flash 视觉理解 API。图像输入按 token 计费，价格与 V4-Flash 完全一致（非高峰 $0.22/$0.007/$0.66；高峰 $0.44/$0.014/$1.32）；自报 Chartography 64.3、ZeroBench Pass@5 35.0、Terminal Bench 2.1 达 83.9；厂商称多模态 Agent 能力「接近 Opus 4.8」（未附对比数据，存疑）。
- 定价结构变化：8/16 起引入高峰/非高峰动态定价（高峰 01:00–04:00、06:00–10:00 UTC）。
🔴 阿里巴巴 — Qwen3.8-Max
- 8/3 正式发布（区别于 7/19 的 Preview 版），首个可下载权重的 Max 级 Qwen（开源）。
- 多模态旗舰：百万级上下文 + 长视频理解 + 自主编程突破；支持 1M 上下文 / 64K 输出。
- 评测表现：HLE 62.50，在 datalearner 榜单中位列第一梯队（超过 GPT-5.5 Pro 的 57.20）。
- 通过 QwenCloud、阿里云（低至 4.5 折 Token 计划）提供。
🟡 智谱 AI — GLM 系列
- GLM-5.3：HLE 62.50 登顶 datalearner 大模型性能榜（开源/免费商用）。
- GLM-5.2 / GLM-5.1 紧随其后（HLE 54.70 / 52.30），开源「免费商用」路线延续，多尺寸矩阵持续扩充。
🟤 Moonshot AI — Kimi K3
- Kimi K3：HLE 56.00，免费商用，位居国内第一梯队。
- K2.6 / K2 Thinking / K2.5 等家族成员持续在 SWE-bench 等编码基准上表现稳定（K2.6 SWE-bench Verified 80.20）。
🔶 Meta / 开源生态
- Muse Spark：Meta 开源推理模型（2026 年新增，见 Zapier 2026 最佳 LLM 榜单）。
- 开源阵营整体：DeepSeek、Qwen、GLM、Kimi 均在「免费商用 + 开源权重」路线上持续发力，中国团队在开源权重模型中已占据主导地位（Lex Fridman 访谈亦印证此判断）。
🎯 其他值得关注
- 腾讯混元：Hy3 在 HLE 达 53.20，SWE-bench Verified 78.00（免费商用）。
- 阶跃星辰 Step 3.7 Flash：HLE 47.20，免费商用。
- MiniMax / 小米 MiMo / Cohere / Mistral / Amazon Nova：均在 2026 年最佳 LLM 榜单中占有一席，边缘端与垂直场景竞争加剧。
- Thinking Machines Lab Inkling：HLE 46.00、SWE-bench Verified 77.60（免费商用），新兴实验室持续冒头。
📊 三、评测榜单快照（datalearner 大模型性能榜）
| 1 | 智谱 GLM-5.3 | 62.50 | 免费商用 |
| 10 | OpenAI GPT-5.5 Pro | 57.20 | 闭源 |
| 11 | 阿里 Qwen3.8-Max | 56.20 | 免费商用 |
| 12 | Moonshot Kimi K3 | 56.00 | 免费商用 |
| 13 | Claude Opus 4.7 | 54.70 | 闭源 |
| 14 | 智谱 GLM-5.2 | 54.70 | 免费商用 |
| 15 | Moonshot Kimi K2.6 | 54.00 | 免费商用 |
| 16 | 阿里 Qwen3.7 Max | 53.50 | 闭源 |
| 20 | OpenAI GPT-5.5 | 52.20 | 闭源 |
| 22 | Gemini 3.1 Pro Preview | 51.40 | 闭源 |
| 34 | DeepSeek-V4-Pro | 48.20 | 免费商用 |
ARC-AGI-2 维度：GPT-5.5（85.00）与 GPT-5.5 Pro（84.60）领先，Gemini 3.1 Pro（77.10）紧随其后。
📈 四、行业趋势分析
「按需算力」取代「一刀切」成为旗舰产品范式：OpenAI GPT-5.6 的 Sol/Terra/Luna 分层、DeepSeek 的 thinking effort 档位、Gemini 的思考等级，都指向「用户按任务复杂度付费」的弹性定价；性价比型号（Terra/Luna、Flash 系）性能已逼近上一代旗舰，价格战进入白热化。
价格战全面开打，促销期成新常态：Gemini 3.7 Flash 半价入场（2027 年翻倍）、DeepSeek 高峰/非高峰动态定价 + 预警涨价、Grok 4.6 以一半成本对标旗舰——「能力对标旗舰、价格对标中端」成为各家争夺开发者生态的核心策略。
Agent 与编码成为主战场：本周几乎所有发布（Gemini 3.7 Flash、Grok 4.6、DeepSeek V4 系、Qwen3.8-Max）都以 SWE-bench/DeepSWE/FrontierCode 等智能体编码基准为核心卖点；多模态视觉输入（DeepSeek Vision-Exp）也开始向 Agent 工作流渗透。
开源与闭源双轨加速分化：中国厂商（DeepSeek、Qwen、GLM、Kimi）以「免费商用 + 开源权重」策略拿下开源主导权；OpenAI（gpt-oss）、Meta（Muse Spark）亦加入开源阵营，而 Anthropic 与 Google 旗舰仍坚守闭源。
资本市场进入「AI 大 IPO 时代」：Anthropic 2 万亿美元估值 IPO 传闻将 AI 商业化预期推向新高度；若成真，将超过 SpaceX 成为史上最大 IPO，标志着 AI 从「烧钱竞赛」转入「盈利兑现」验证期。
安全与监管升温：AI Agent 遭黑客攻击事件推动 OpenAI 呼吁加州强化前沿模型训练期监控（SB 53 修订）；Claude 安全绕过实测引发对齐研究反思——能力跃升的同时，治理框架必须同步进化。
基础设施军备竞赛外溢：从地面数据中心到轨道数据中心（Starcloud 2.5 亿美元融资），从内蒙古能源枢纽到全球算力布局，算力供给正在向「能源 + 区位 + 新形态」三维度扩张，成为模型竞争背后的隐性战场。
🔗 五、参考来源
- OpenAI 官网：GPT-5.6 发布公告（Sol/Terra/Luna）、GPT-5.6 中文版
- Anthropic 官网：Claude Opus 4.8 / Opus 5 公告；NYT、Yahoo Finance、新浪财经（IPO 报道）
- Reuters / Tech Yahoo：Google 发布 Gemini 3.7 Flash
- LLM Stats：Gemini 3.7 Flash、DeepSeek-V4-Pro-0813、DeepSeek-V4-Flash-Vision-Exp 深度评测
- x.ai：Grok 4.6 公告；MindStudio、Threads 评测转载
- 阿里云 / Qwen 官方博客：Qwen3.8-Max 发布
- Datalearner：AI 大模型评测排行榜（HLE / ARC-AGI-2）
- Zapier：The Best Large Language Models in 2026
- 网易 / CSDN / 知乎：DeepSeek V4 时间线与 2026 年 4 月「超级月」复盘
本报告由 Hermes Agent 自动收集整理，信息来自公开网络检索，基准数据以厂商自报为主，仅供参考。
