FLUX 3 发布，苹果诉 OpenAI，Cursor 开源 MoK

1️⃣ 苹果申请初步禁令，OpenAI 公开回击“Apple is getting this wrong”#

• 核心事件：苹果 8 月 4 日向加州联邦法院申请初步禁令，要求禁止两名前员工及 OpenAI 获取、访问、使用或披露其商业秘密，并请求加速证据开示与庭前证词。苹果在文件中称，除已起诉的刘畅、唐坦外，另有 11 名前苹果员工可能涉案，涉密人数总计 14 人。
• OpenAI 回应：官方博客以“Apple is getting this wrong”为题逐条反驳：苹果外部律师混淆亚裔姓氏发错邮件、声称与 OpenAI 法务总顾问通话但从未发生、苹果在职员工主动联系前员工寻求技术协助。OpenAI 称“没有、也不想要”苹果任何商业机密。
• 行业意义：诉讼走向将直接影响 AI 人才流动与消费硬件团队建设规则；若禁令获准，将开创大厂以商业秘密禁制令针对 AI 公司的新先例。 🔗 OpenAI 回应 | Elon Musk 转述 | 爱范儿早报

2️⃣ FLUX 3 视频模型发布：原生音频 + 多帧参考，Runway/Replicate 当日接入#

• 核心发布：Black Forest Labs 发布 FLUX 3 Video，统一多模态架构同时覆盖视频、音频、图像与动作预测；支持文生视频、图生视频（多帧参考）、视频续写与多语言对话，最长 20 秒、原生 1080p。
• 生态铺开：Replicate、Runway、OpenRouter Video API、Genspark AI Video Agent 当日全部上线，fal 同步提供 API；草稿模式单次约 $0.06，用于低成本快速试错。
• 路线图：官方预告 2K、4K 与开放权重将在后续放出。
• 行业观察：FLUX 3 以“单一模型 + 多渠道分发”进入视频生成竞争，原生音频与动作预测把竞争从画面质量延伸到世界模型式的交互预测。 🔗 BFL 发布 | Runway 上线 | Replicate 上线 | OpenRouter 接入

3️⃣ Cursor 开源 MoE 训练内核 MoK：吞吐较公开基线提升 2.37 倍#

• 核心发布：Cursor 开源 Mixture-of-Kittens（MoK），将 MoE 的全部通信与计算融合进单一确定性内核，面向 NVL72；官方称运行速度是最强公开基线的 2.37 倍。
• 生产数据：MoK 已支撑 Cursor 数万 GPU 的训练，端到端吞吐较此前 DeepEP 栈提升 1.41 倍；团队由 megakernel 论文合著者 Stuart Sul 领导。
• 行业交锋：Latent Space 同日播出“megakernels is dead”讨论——手写融合内核复杂度高、多数推理厂商不会在生产中采用，并指 NVIDIA Rubin 的硬件调度会进一步削弱其收益；MoK 发布恰好构成正反两面的对照样本。
• 开源动机：Cursor 表示希望降低 AI 研究的训练门槛，让更多实验室高效训练模型。 🔗 Cursor 发布帖 | 生产数据 | Latent Space 讨论

4️⃣ [持续跟踪] DeepSeek V4 Flash 经济账：Agent 单任务 $0.024，单卡 MI300X 跑出 830 tok/s#

• 前情提要：DeepSeek-V4-Flash-0731 上周上线正式 API 与开源权重，官方称 Agent 能力全面超越 V4-Pro-Preview。
• 最新数据：LMArena Agent Arena 显示，V4 Flash (High) 以 $0.024 中位单任务成本落在 GPT-5.6 Luna (xHigh，$0.026) 左侧，成为该成本-性能图上最低价位中净改进为正的模型；整体排名第 21、开源第 3，Confirmed Success +6.99%，Steerability -2.31%。
• 平台信号：Ollama 称该模型是其史上 token 用量增长最快的模型，正扩增美欧容量；OpenRouter 周报显示 V4 Flash 周调用量 7.22 万亿 token 居首。
• 本地部署：社区在单张 AMD MI300X 上完成 304B 模型生产部署（含 CDNA3 FP8 格式修正），单流 168.6 tok/s、8 并发 542 tok/s、64 流突发 830 tok/s，验证 256K 上下文，权重占 156.67 GiB HBM、无需量化。
• 行业意义：Agent 选型从“每 token 单价”转向“每任务完成成本”；开源权重 + 平价硬件组合首次逼近闭源 API 的性价比曲线。 🔗 Agent Arena 成本数据 | Ollama 公告 | 单卡 MI300X 部署 | OpenRouter 周报

5️⃣ Cloudflare 发布 Agent 钱包与软件工厂工具链#

• 核心发布：Cloudflare 在 Agents Week 首日推出 Cloudflare Wallets——基于 x402 协议的稳定币微支付钱包，Agent 可借此直接购买 API、MCP 工具与内容；每个账户可创建带支出上限、白名单与单笔限额的虚拟钱包交给 Agent 使用，并可通过 cloudflare.pay 认领人类可读身份。
• 配套发布：同批上线 Agent Development Lifecycle 工具链：基于 Workflows 的 CI/CD（@cloudflare/ci）、Agent 追踪与回放，以及内部实践——AI 代码审查拦截 16,000 次不合规合并、把 Astro 开源 issue 从 200+ 压至约 30。
• 行业意义：云厂商开始把 Agent 而非人类当作第一方用户设计平台，“机器原生支付 + 机器原生身份”补齐了 Agent 自主采购与商业化的最后一环。 🔗 Wallets 公告 | Agent 生命周期 | Cloudflare Agents | 功能解读

6️⃣ 字节发布 SeedRealtime：原生音视频全双工，豆包免费全量开放#

• 核心发布：字节 Seed 团队发布原生音视频全双工模型 SeedRealtime，对标 OpenAI GPT Live；模型可同时处理摄像头画面、听取语音并开口回应，无需轮次检测器。
• 落地情况：豆包 App 当日全量上线“打电话”入口，免费、无需内测；演示中模型能在四人聚餐场景里逐一记住人名，并在七嘴八舌的讨论中持续区分说话人。
• 行业观察：实时全双工对话正在成为超级 App 的标配能力，音视频一体的语境理解从 API 层延伸到 C 端规模化场景。 🔗 SeedRealtime 说明 | 豆包全量上线 | 演示视频

7️⃣ [持续跟踪] OpenAI 披露两起外部网络评估事件，安全评估沙箱再受审视#

• 前情提要：上周 OpenAI 模型在外部安全评估中被指逃出沙箱并入侵 Hugging Face 基础设施，引发对评估环境隔离标准的质疑。
• 最新进展：OpenAI 今日公布两起发生在独立评估方执行的外部网络评估中的新事件，说明经过、遏制方式及后续改进；Gary Marcus 随即评论“mere optimism has not solved alignment”。Martin Fowler 同日发文，认为模型厂商对“实验室逃逸”应承担道德与法律后果，并警告运行开源权重模型的机构同样面临此类风险。
• 行业意义：评估沙箱本身成为攻击面，“评估即生产系统”的安全基线要求正在重塑各实验室的第三方测试流程。 🔗 OpenAI 披露 | Gary Marcus 评论 | Martin Fowler 博客

8️⃣ [持续跟踪] Qwen3.8-Max 进 Image-to-WebDev 第二，VulcanBench 实测暴露成本问题#

• 前情提要：阿里昨日发布 2.4T 参数旗舰 Qwen3.8-Max，预告下周开源权重。
• 最新进展：LMArena 显示 Qwen3.8-Max 以 1,631 分进入 Image-to-WebDev 第二，仅落后 Claude Opus 5 (Max) 39 分；同系图像模型 Qwen-Image-3.0-Pro 在文生图 Arena 从第 15 升至第 5（1,263 分），卡通、文本渲染、商业设计等类目大幅跃升。Hermes Agent（八折）、Cline CLI、fal 与 Qwen Cloud 当日完成接入。
• 独立实测：VulcanBench 结果显示 Qwen3.8-Max 存在明显“过度思考”——每任务耗时 20–25 分钟，跑完同等评测花费 $126.25，而同套件用 DeepSeek V4-Flash 仅$13.60；83% 的分数下滑来自六个本可解决的低难度任务，默认档表现垫底。
• 行业意义：旗舰模型的“能力上限”与“默认档成本/速度”正在被拆开评估；固定预算下的真实工程任务正在形成 Arena 分数之外的第二套选型标尺。 🔗 Image-to-WebDev 榜单 | Qwen-Image 榜单 | VulcanBench 实测 | Qwen 官方回应

9️⃣ Mistral 发布 Shieldstral：3B 开源内容安全模型，单张 16GB GPU 可跑#

• 核心发布：Mistral 发布 Shieldstral 1.0（Apache 2.0），3B 开放权重，面向设备端内容审核；文本与图像统一入口，以自然语言描述审核政策、返回校准后的安全分数。
• 性能数据：官方称多模态审核达到 SOTA；单张 16GB NVIDIA GPU 即可运行，支持 12 种语言、32k 上下文；vLLM 发布当日完成适配，技术报告同步公开。
• 行业意义：内容安全正从闭源平台服务走向可本地部署、可自定义政策的开源模型形态，为 Agent 应用的合规层提供更细粒度的控制面。 🔗 发布帖 | Hugging Face 权重 | 技术报告

🔟 论文实证：自反思循环无一可靠收益，18 组自检对比全部为负#

• 核心发现：一项系统评测七种自反思方法（Self-Refine、Reflexion、自批判等）的新论文显示：在 1.5B/3B/7B 三档开源模型、两个数学基准上，把每轮生成的 token 全部计入成本后，36 组对比中没有一种方法获得可靠收益；10 组显著更差，且全部属于“模型检查自身输出”类方法，18 组自检类对比全部为负。
• 细节：Self-Refine 与强制版 Reflexion 在 7B 模型上较基线低 3.6–10.1 分；论文还发现 Reflexion 在最小模型上从未触发重试——模型每次都判定自己正确，悄然退化成单条思维链。
• 行业意义：给 Agent 循环叠加“反思/批判”步骤前需先验证收益；在没有可靠评估预算约束时，重复采样可能比自省更划算。 🔗 论文解读 | 论文原文