本周海内外AI产品集中发布，海外OpenAI、xAI、Meta、NVIDIA持续迭代大模型与智能体产品，国内阿里、DeepSeek、智谱、小红书、腾讯等接连开源语音、超大参数基座、Agent开发框架与多模态生成工具，各家普遍加码长任务AI智能体能力，开源生态、本地离线推理、AI内容合规溯源成为近期行业核心方向，一起来回顾本周发生的AI新鲜事儿吧！

AI 大模型

NVIDIA发布开放式端到端全双工语音模型「VoiceChat 11B」

8月10日，NVIDIA发布开放式端到端全双工语音模型「VoiceChat 11B」，采用Mamba+Transformer混合一体化架构，整合语音编码、语言推理与语音生成，平滑转接延迟低至448毫秒，支持用户实时插话，搭配独立工具调用通道与等待提示话术，工具查询时无长时间静默；模型权重与容器以OpenMDW-1.1协议公开，仅限研究使用，运行需80GB显存级GPU与Linux系统，在多项语音基准榜单表现靠前，但存在两分钟音频上下文上限、长对话易乱码、多工具并行调用准确率偏低等局限，适合客服座舱、游戏NPC、语音研发试点与学术验证，暂不适合直接落地生产。

马斯克在X推广Grok旗下「Imagine Image 2.0」生图模型

8月10日，马斯克在X推广Grok旗下「Imagine Image 2.0」生图模型，图文生成与图像编辑能力全球第二，核心优势是自动图像分层、选区精准修改、多图融合与透明底素材导出，可快速制作表情包、漫画等素材，但审核严格、版权内容限制多；同期网友发现OpenAI代号mona-lisa-1的新版生图模型内测，图片自带SynthID水印，画面真实感提升、AI失真感减弱，知识库截止2025年5月，性能小幅升级，暂未确认是GPT-Image 2.5或轻量化迷你版本，目前GPT-Image-2仍是综合实力顶尖的生图模型。

Meta开源「Muse Spark 1.2」和轻量化Agent模型「Muse Glimmer」

8月10日，Meta官宣开源「Muse Spark 1.2」，同步推出遵循Apache 2.0协议、30B参数的端侧Agent模型「Muse Glimmer」并上传Hugging Face；该模型通过4bit量化技术仅需24GB显存即可本地部署，搭配DFlash轻量Drafter模型大幅提升生成速度，专为Agent场景训练，具备强工具调用、长流程推理、失败自恢复与图文多模态能力，在多项Agent基准测试表现优异；模型分三阶段完成蒸馏与微调训练，已适配Ollama、vLLM等主流推理框架，各大硬件厂商同步开展设备适配优化，官方配套完整开发文档，Meta也发布长信主张普惠开放AI。

百灵大模型开源「Ling-3.0-tiny」，兼顾Agent能力与跨设备本地推理

8月11日，百灵大模型正式开源「Ling-3.0-tiny」，总参数量7.9B、推理仅激活1.3B参数，提供BF16/FP8/INT4三精度版本；依托稀疏MoE、KDA-MLA高效架构，综合能力对标4B-12B主流模型，Agent、代码、数学推理均衡，推理速度快，可部署于DGX Spark、苹果Mac设备，实现各类本地离线隐私化应用，权重已上架Hugging Face与ModelScope，官方后续还会持续优化模型精度、工具调用及硬件适配。

阿里千问首次开源2.4万亿参数旗舰底座「Qwen3.8-2.4T-A95B」

8月13日，阿里千问首次开源2.4万亿参数旗舰底座「Qwen3.8-2.4T-A95B」，原生支持百万级上下文，强制开启思考模式，经量化压缩后可本地部署；商用版Qwen3.8-Max多项专业基准超越海外头部模型，但终端、代码工程等场景存在短板，主打超长周期自主Agent能力，同时公布海内外差异化API定价；同期Grok 4.6、DeepSeek V4 Pro集中发布，三家均发力长任务智能体，小参数量Qwen3.8-27B也即将推出。

小红书开源连续自回归TTS基座「dots.tts」，语音克隆与编辑能力拉满

8月13日，小红书联合上海交大X-LANCE实验室开源20亿参数全连续自回归TTS基座「dots.tts」，不使用离散声学Token，语音保真度、多语种音色克隆、情绪表现均达开源最优；模型支持低延迟双流流式推理，配套衍生工具dots.tts.edit可编辑文本、情绪、韵律等语音内容，项目完整开放多版本权重与全套训练代码，适配语音交互、配音等场景开发。

xAI发布仅间隔27天迭代的旗舰模型「Grok 4.6」

8月13日，xAI发布仅间隔27天迭代的旗舰模型「Grok 4.6」，其综合智能指数达61分追平GPT-5.6 Sol，仅落后榜首Fable 5一分，在法律等专业场景基准测试表现突出，但复杂软件工程、终端任务存在短板；新版本重点强化长时Agent执行能力，训练融入Cursor开发者工作流数据，Web开发能力较上代大幅提升，API定价与Grok 4.5保持不变，单任务平均成本显著低于竞品，上线首周还提供双倍使用额度；官方同步预告性能更强的Grok 4.7已完成初步训练，预计3至4周内推出，将补充SpaceX企业数据完成训练。

DeepSeek推出「DeepSeek-V4-Pro」正式版，强化Agent能力

8月13日，DeepSeek推出「DeepSeek-V4-Pro」正式版，现已同步上线APP、网页端与API，网页和APP可通过专家模式使用该模型，API模型名称保持不变；新版本大幅强化Agent能力，其Code Agent基准测试采用DeepSeek Harness极简模式完成评测，API原生兼容OpenAI Responses API并适配Codex，V4-Pro与V4-Flash新增low/high/max三档可调思考强度，同时官方宣布自8月17日0时起API启用峰谷定价，闲时资费为高峰时段一半。

国产AI初创宇生月伴（VUI Labs）推出「Luna-TTS」语音模型，全球第一

8月14日，国产AI初创公司宇生月伴（VUI Labs）推出「Luna-TTS」语音模型，在Hugging Face TTS Arena登顶全球第一、Speech Arena榜单超越谷歌位列第三；该模型基于Qwen3改造块扩散架构，搭配分层编解码器与GRPO强化学习，解决传统自回归TTS误差累积问题，兼顾超高语音自然度、细腻情绪还原、高保真音色克隆与极低实时延迟，依托百万级多语言标注语料实现真人级发声效果；团队由顶尖语音学者与连续创业者双核组建，布局模型API、创作平台、语音Agent三层产品体系，落地多行业真实对话场景，目标打造贯通多模态全双工语音交互体系，被称作中国版Thinking Machines Lab。

智谱发布「GLM-5.3」，编程与网络安全双突破

8月14日，智谱发布「GLM-5.3」，基座与GLM-5.2保持一致，全部能力提升依托IndexShare、SAO、Slime框架完成大规模后训练拓展；该模型登顶开源编程榜单，终端、软件工程、多工具协作基准大幅上涨，还涌现出对标头部闭源模型的漏洞审计、代码白盒审查网络安全能力，协助行业挖掘大量软硬件、底层协议、智能设备高危漏洞并同步上报国家漏洞库；官方上线配套编程工具，两周后完成安全加固开放权重，搭建分层风险审查体系区分攻防任务，同步启动“开源的盾”计划，面向开源项目免费提供安全审计与模型额度，补齐行业防御能力短板。

AI Agent

腾讯WorkBuddy上线「多端同步」新能力，支持远程监控、接力执行Agent任务

8月11日，腾讯WorkBuddy上线「多端同步」新能力，升级APP至1.2.0、PC端至5.3.8后，登录同一账号即可实现PC、APP、小程序三端任务、对话与产出实时同步，手机可远程查看多台电脑任务进度、授权或终止运行中的Agent，支持手机拍照传文件、语音输入与电脑AI无缝接力处理，还具备电脑锁屏持续远程连接、按工作空间分组管理多项目任务的特性，打破设备空间限制，保障外出时工作流不中断，用户可前往官网下载新版体验。

OpenAI推出Codex一键迁移工具，单向吸纳Claude开发者资产

8月11日，OpenAI完善Codex外部智能体导入功能，ChatGPT桌面端增设Import入口、Codex CLI支持/import指令，可本地无损迁移Claude Code、Claude Cowork、Cursor的配置、技能、MCP服务器、项目与近30天本地聊天记录，文件会自动转换为Codex适配格式，还能自动压缩超长历史会话方便接续使用；该功能历经三个月迭代上线，但不支持导出，细粒度权限配置、复杂钩子链、Anthropic模型本身、网页端云端对话等无法迁移，迁移后需人工调试；不同于Anthropic双向迁移方案，该功能旨在争夺开发者沉淀的工具资产，通用配置格式也逐步成为行业标准。

马斯克旗下SpaceXAI推出「Grok Bot」早期测试版

8月12日，马斯克旗下SpaceXAI推出收购Cursor后的重磅成果「Grok Bot」早期测试版，本周还将上线适配该产品的Grok 4.6模型；「Grok Bot」定位为可独立上岗的AI同事，搭载专属云端Linux虚拟机，能自主登录各类账号、跨软件端到端完成工作，7×24小时云端运行，无需本地电脑持续开机，遇验证、支付等关键节点会交由用户确认；产品支持多Bot并行分工、互相协作，还具备跟班学习功能，用户仅需演示一遍操作流程，Bot就能自动复刻并持续优化任务，无需复杂配置；它完整继承Cursor已对接的各类工具连接器，可直接调用Cursor Cloud Agent写代码，对标Anthropic的Claude Cowork抢占云端Agent赛道。

腾讯WorkBuddy推出新版本，将资料库升级为AI原生知识协同空间

8月13日，腾讯WorkBuddy推出5.3.11版本，将资料库升级为AI原生知识协同空间，兼容Office、HTML、Markdown等格式，支持多人多AI实时协同编辑HTML与Markdown，AI修改内容以批注形式供用户逐条确认；新增轻应用能力，绑定CSV数据表就能搭建可双向同步数据的动态网页，完成后一键生成分享链接，解决AI生成内容无法修改、无数据存储、难以复用的痛点，实现工作资料人机共建、持续迭代。

AI 工具

阿里推出国内首个一站式AI语音生产力平台「CosyVoice Studio」

8月7日，阿里推出国内首个一站式AI语音生产力平台「CosyVoice Studio」，依托自研Qwen-Audio语音模型，集成三大核心功能：CosyFlow语音记录可区分人声、自动整理会议纪要与结构化文本，CosyAgent支持自然语言快速搭建语音对话智能体适配客服营销场景，CosyCreative搭载千种音色、支持声音复刻，上传文本就能生成播客与有声书；平台全端可下载，个人功能限时免费，企业级语音智能体与音频创作工具现阶段采用白名单测试，后续将全面开放。

智谱深度适配GLM的「ZCode」重磅升级，新增多智能体协作与远程开发能力

8月11日，智谱宣布深度适配GLM的编程工具「ZCode」完成重磅升级，上线Goal、Subagents、Remote Control、闲时任务四大新功能；依托自研代码评测基准验证，「ZCode」搭配GLM处理跨文件复杂开发任务交付能力更强，同时优化上下文缓存实现超98%缓存命中率，叠加限时1.5倍额度加成与闲时任务免积分机制，可大幅提升GLM可用Token总量；新增Goal模式支持设定验收目标后自动拆解、迭代测试直至完工，Subagents实现多智能体并行协作，Remote Control支持手机、微信、飞书远程查看操控桌面端开发环境，官方同步重置全体GLM Coding Plan用户积分，新版ZCode可在官网直接下载体验。

OpenAI正式推出Linux平台官方ChatGPT桌面应用预览版

8月12日，OpenAI正式推出Linux平台官方ChatGPT桌面应用预览版，弥补了此前Linux系统缺少原生官方客户端的短板，该客户端可在适配系统内无缝调用ChatGPT、ChatGPT Work与Codex，适配项目开发、浏览器相关工作流程，仅支持Ubuntu 24.04/26.04 LTS、Debian 13、Fedora 43/44，提供x64、ARM64架构的.deb、.rpm安装包；此次发布收获众多Linux用户好评，不过当前版本桌面操控能力不及macOS，Computer Use功能仅以浏览器自动化为主，部分小众发行版需借助Codex自行适配安装。

技术突破

腾讯混元3D发布Agent驱动的3D开放世界生成框架「WorldClaw」

8月13日，腾讯混元3D发布Agent驱动的3D开放世界生成框架「WorldClaw」，用户输入文本即可生成可探索、可单独编辑复用资产的完整3D场景，采用由粗到细四阶段多Agent协作流程，依次完成意图规划、全局地形搭建、分区资产生成与多视角自动自检修正，可自动修复穿模、物体悬浮等问题；该框架生成的地形层次分明、空间语义连贯，对比多款同类工具优势显著，产出的海盗岛、沙漠战场等场景可对接Blender与游戏引擎，实现从AI生成资产到完整3D开放世界的生产落地。

「DeepSeek Harness v0.1」开源发布：全插件化Agent框架来袭

8月13日，DeepSeek正式发布「DeepSeek Harness v0.1」开发者预览版，面向全球开发者开放测试并以MIT协议开源，该框架基于Cordis元框架打造，核心遵循“一切皆插件”设计，模型、工具、UI、存储等全部智能体能力均可通过插件自由替换重组，开发者无需修改源码即可拓展功能；框架提供标准、PTC程序化工具调用、极简、创造四种适配不同场景的运行模式，所有运行行为会留存仅追加式会话日志，支持轨迹查看、任务回放与分支调试，同时提供npx快速启动Web UI与源码克隆两种部署方式，当前为早期预览版本仍持续迭代，官方邀请全球开发者共建插件生态。

市场动态

OpenAI官宣放开「GPT-5.6 Luna」，付费用户升级更强Sol模型

8月7日，OpenAI官宣放开「GPT-5.6 Luna」，下周起ChatGPT免费、Go用户普通文本聊天不限次数，默认切换为该模型，免费用户可使用限时开放的Think深度思考功能但存在频次约束；Plus、Pro付费用户升级专属「GPT-5.6 Sol」，回答更简洁精准、事实幻觉大幅降低，新增思考强度滑块统一兼顾快速应答与深度推理；本次仅开放纯文本无限对话，图片、文件上传、Codex等工具仍保留额度限制，当前ChatGPT周活用户已达10亿。

Anthropic落地内容溯源机制！新版Claude嵌入水印追踪AI生成内容

8月11日消息，随着欧盟AI法案透明度条款生效，Anthropic跟进为新版Claude加入内容溯源标记机制，文本内置隐形嵌入式水印，生成图片文件附带遵循C2PA标准的可溯源数字元数据，水印随文本复制流转、全调用渠道统一生效，第三方可核验；该水印仅能证明内容经Claude处理，存在大幅改写、转译、截图、旧模型无标记等检测失效局限，虽无法彻底杜绝洗稿降AI痕迹的灰色产业，但能抬高批量无标注AI内容传播的门槛，缓解原创误判、AI内容隐瞒乱象，文章同时指出AI水印仅作溯源参考，内容创作者的责任与事实校验远比单纯区分人机创作更关键。