Grok 4.6 与 DeepSeek V4 Pro 同日发布，微信官宣 WeLM 模型

1. [持续跟踪] xAI 发布 Grok 4.6#

• 前情提要：Elon Musk 此前在 Grok Bot 发布时预告，Grok 4.6 将于本周内上线。
• 最新突破：xAI 今日正式推出 Grok 4.6，官方称相比 Grok 4.5 能力显著提升而价格不变；API 定价为每百万 token 输入 2 美元、输出 6 美元，约为其他前沿模型的一半。模型确认 1.5T 参数、50 万 token 上下文。
• 评测表现：官方基准中，Grok 4.6 在 GDPVal-AA（1753）、AA-Briefcase（1577）等知识工作评测上领先，Terminal-Bench 2.1 达 88.4%；Artificial Analysis 综合指数 61 分，与 GPT-5.6 Sol Max 持平；LMArena Code Arena WebDev 首日以 1618 分进入第 7 名。
• 生态接入：上线当天覆盖 Cursor、Grok Build、Grok Bot 与 API，Devin、Poe、Notion、Genspark、AI SDK 等同步接入；Cursor 与 Grok Build 首周提供 2 倍用量。
• 后续预期：马斯克称 Grok 4.7 将在一个月内发布，并表示 SpaceX 训练语料使其在真实工程能力上很难被超越。
• 行业意义：以半价提供接近第一梯队的知识与 Agent 能力，Grok 系列进入主流性价比选项，模型发布的生态接入速度已成为竞争关键。 🔗 xAI 官方发布 | SpaceXAI 推文 | LMArena 榜单 | 模型卡

2. [持续跟踪] DeepSeek V4 Pro 0813 正式版发布#

• 前情提要：DeepSeek V4 Pro 预览版已上线数月，官方于 8 月 6 日预告 API 将整体上调价格。
• 最新突破：DeepSeek 将 API 模型版本更新为 DeepSeek-V4-Pro-0813，支持 1M 上下文与最大 384K 输出，默认开启思考模式，同时兼容 OpenAI 与 Anthropic 两套 API 格式。此次价格维持不变：输入（缓存未命中）3 元/百万 token，输出 6 元，缓存命中输入 0.025 元；并发限制 500。
• Agent 能力：多个 Agent 相关基准相比预览版跃升——DeepSWE 12.8→62.7、DSBench-Hard 翻倍至 67.2、NL2Repo 38.5→61.5、Terminal-Bench 2.1 达到 87.9；Cline 称其性能接近 Fable 5，成本约为 1/57。
• 生态接入：OpenRouter、ClinePass、OpenCode Go、EasyRouter 等在数小时内接入；LMArena WebDev 早期 AutoEval 为 1607 分，居开源模型第二。实测显示，模型可将模糊指令自主规划为网站、游戏与 3D 模拟等完整交付物。
• 后续看点：DeepSeek 官方文档透露基准测试使用“DeepSeek Harness 极简模式（即将发布）”，且 Harness 团队公众号已注册，或为下一发布节点。
• 行业意义：正式版补齐预览版最明显的 Agent 短板，并以极低价格进入第一梯队区间；若 Harness 如期落地，DeepSeek 将从“便宜模型”升级为“模型+框架”的整套 Agent 方案。 🔗 DeepSeek API 定价 | OpenRouter 上线 | Cline 测试 | 爱范儿实测

3. 微信官宣 WeLM 系列大模型#

• 核心发布：微信官方 X 账号首次公开 WeLM（Weixin Language Model）系列，主打资源效率：
  • WeLM-80B：总参数 800 亿、每次激活 30 亿，已部署到微信原生 AI 助手“小微”，支持对话与搜索、操作微信原生功能、调用小程序服务。
  • WeLM-617B：总参数 6170 亿、每次激活 230 亿，面向小程序智能开发和“小微”小工具生成，仍处研发阶段。
• 产品定位：与混元并行，WeLM 被定位为面向微信场景与推理效率的定制模型，由微信团队自研。
• 行业意义：超级应用开始为自身 Agent 场景自研“小而高效”的 MoE 模型，模型选型从通用基座转向场景专用的资源效率竞争。 🔗 WeChat 官方推文 | 爱范儿早报

4. 微软发布自研推理模型 MAI-Thinking-1#

• 核心发布：微软 AI 负责人 Mustafa Suleyman 宣布，微软首个自研推理模型 MAI-Thinking-1 已从零训练完成，并在 Microsoft Foundry 中可用。
• 能力侧重：团队在首发反馈邀请中特别提到“tool use”，表明该模型优先面向工具调用与 Agent 工作流，而非单纯冲刺基准排行。
• 行业意义：继 MAI-Code 代码模型后，微软补齐自研推理模型一环，其模型栈正逐步摆脱对单一外部模型供应商的依赖。 🔗 Mustafa Suleyman 推文 | Finbarr Timbers 评论

5. 阿里 Qwen3.8-2.4T 开放权重，Unsloth 量化至 397GB 可本地运行#

• 核心发布：Qwen 在 Hugging Face 开放 Qwen3.8-2.4T-A95B 权重，总参数 2.4T、激活 95B，是 Qwen 首次开放 Max 级模型；原生支持 26 万 token 上下文（可扩展至 101 万），并支持 reasoning_effort 调节。
• 生态适配：vLLM、SGLang 提供 Day-0 支持，并为 NVIDIA B300、AMD MI355X 提供 4-bit checkpoint；Together AI、Baseten、Fireworks 同日上线托管。
• 本地化：Unsloth 用 Dynamic 1-bit 量化将模型从 4.9TB 压缩到 397GB，可在 410GB+ RAM/VRAM 设备通过 Unsloth Desktop 本地运行。
• 注意点：该权重版本为纯文本，初始不含视觉输入；许可证包含收入门槛限制。
• 行业意义：2.4T 级开源权重配合激进量化进入本地可跑区间，开源模型与闭源前沿的部署差距被进一步压缩。 🔗 Hugging Face 权重 | Unsloth 量化 | Fireworks 上线

6. Lovable 完成 4 亿美元融资，估值 133 亿美元#

• 核心发布：AI 应用构建平台 Lovable 宣布完成 4 亿美元 C 轮融资，由 Menlo Ventures 领投、EQT 旗下 Scaleup Europe Fund 联合领投，估值达到 133 亿美元。
• 最新数据：Lovable 上构建的应用月访问量达 9 亿次，过去 12 个月 ARR 增长 4 倍。
• 产品方向：公司称下一步从“构建软件”延伸到“构建并运营业务”——加深销售、运营、营销、财务等集成，默认安全，并保持模型中立。
• 行业意义：AI 编程平台估值持续走高，产品竞争从“生成代码”转移到“让生成的软件真正跑通业务流程”。 🔗 Lovable 官方公告 | Anton Osika 推文

7. Google DeepMind 发布 SL2T 手语转文字模型#

• 核心发布：DeepMind 公布 SL2T（Sign Language-to-Text）模型，可把手语视频实时转为文字，首批支持美国手语（ASL）→英语，在 Pixel 11 的 Gboard 与 Live Transcribe 中落地。
• 技术细节：SL2T 学术基准达到 SOTA，并为“单手持机手语”等真实场景优化；身体姿态追踪在设备端完成，服务器端仅负责将姿态转为文字，避免原始视频上传。
• 开发方式：模型与聋人社群、Deaf Googlers 及手语顾问委员会共同设计。
• 行业意义：手语作为输入模态第一次进入主流移动系统，AI 无障碍能力从“识别内容”扩展到“理解身体语言”。 🔗 DeepMind 官方 | DeepMind 博客

8. 自变量 WALL-B 物流分拣反超 Figure 03#

• 核心事件：自变量机器人使用通用具身大模型 WALL-B 进行一小时物流分拣直播，处理 1816 件随机包裹，短时吞吐超过 Figure 03 此前标杆约 45%，准确率超 98%，全程无人干预。
• 硬件路线：与 Figure 03 的完整人形+灵巧手不同，自变量采用双臂+标准夹爪，据称方案成本下降约 70%。
• 技术基础：WALL-B 采用世界统一模型（WUM）架构，将视觉、语言、动作与物理变化预测放同一网络联合训练，用模型智能补偿简化硬件的自由度不足。
• 行业意义：具身智能首次出现“更便宜的身体+更聪明的模型”在真实任务中反超人形路线的公开数据，硬件成本与部署门槛有望被重新估值。 🔗 爱范儿报道 | 量子位报道

9. Higgsfield 制作 110 分钟 AI 剧情长片并全量开源#

• 核心事件：Higgsfield 与 Cully Games 基于 Seedance on Higgsfield 完成 110 分钟剧情长片《The Cully Hill Boys》，制作周期 4 周、花费 200 万美元，真人演员以肖像授权方式参与。
• 开放内容：所有提示词、素材、角色文件全部公开，可免费复用。
• 行业意义：AI 视频生产从几十秒镜头 Demo 跨入完整长片生产流程，制片周期与成本结构被压缩；这仍是单点案例，但为长片级 AI 制作提供了一个可复用的工作链样本。 🔗 Higgsfield 官方 | 小互转述

10. LMArena 发布 AutoEval：用历史人类对战预测新模型偏好#

• 核心发布：LMArena 发布 AutoEval——用数千万条历史人类对战数据训练奖励模型，为尚未积累足够人类投票的新模型自动评分，将评估反馈从数周压缩到数小时。
• 与 LLM-as-judge 的区别：AutoEval 的提示与回答全部来自真实人类对战，奖励模型只是人类偏好的代理，因此仍是一个“活的”基准。
• 首批结果：DeepSeek-V4-Pro (Max) 在 Text Arena 以 1465 分位列开源模型第 5，在 WebDev 以 1607 分居开源第 2；分数将随真实人类投票继续收敛。
• 行业意义：模型发布进入“周更”后，人工众测成为瓶颈；基于人类偏好的自动评估为新模型提供了一条可扩展的初筛路径。 🔗 LMArena 发布 | WebDev 评测 | 排行榜