QName AI logoQName AI
全部 AI 模型日报
香港时间采集

AI 模型日报 - 2026-08-11

2026-08-11 AI 模型资讯：Muse Glimmer 是今天最明确的开放权重发布：Meta 于 2026-08-10 发布 30B 本地 agentic 多模态模型，Apache 2.0，权重已在 Hugging Face，可通过 Transformers/vLLM/SGLang/llama.cp...

30 秒摘要

  • Muse Glimmer 是今天最明确的开放权重发布：Meta 于 2026-08-10 发布 30B 本地 agentic 多模态模型，Apache 2.0，权重已在 Hugging Face，可通过 Transformers/vLLM/SGLang/llama.cpp/Ollama MLX 等入口尝试；重点不是“又一个小模型”，而是把本地常驻 agent、工具调用、失败恢复和图文输入放进 30B 级别。
  • GPT-5.6-Cyber 是今天最重要的安全模型发布：OpenAI 扩展 Daybreak，新增 Daybreak Blue/Red，并通过 Daybreak Red 向获批防守方提供基于 GPT-5.6 Sol 训练的网络安全专用模型；不是 ChatGPT/API 普通开放模型。
  • MAI-Image-2.6-preview 今天在 Arena Text-to-Image 榜单出现，直接到 #2，1336±11，仅落后 gpt-image-2 (medium)；但 Microsoft AI 官方 X/新闻页暂未看到同步首发说明，先按“竞技场出现/待官方核验”处理。
  • Anthropic 发布未公开 Claude 研究版本的数学能力报告：没有解决黎曼猜想，但把相关 zeta 零点下界从 41.6% 推到 67.2%，有人工数学家审阅和 Lean formalization；这是“研究模型能力信号”，不是可用模型发布。
  • Qwen 今天的 X 信号主要是 Qwen-MM-Plugins 和 Qwen3.8-Max 开放权重预告延续；Qwen3.8-Max 权重仍按“待发布/待核验”记录，不应写成已经开放下载。

今日必看

1. Meta Muse Glimmer：30B 本地 agentic 多模态模型，Apache 2.0 开放权重

  • 事件类型：官方发布 / 开放权重 / X 首发 / 可用入口更新 / 公开榜单源更新。
  • 首发/官方/可用时间：Meta 官方博客日期为 2026-08-10；@AIatMeta 同日在 X 发布；Hugging Face 模型页已可见，Ollama 已给出 Apple Silicon MLX 初始支持。
  • 能力变化：Muse Glimmer 是约 30B 参数的 dense causal transformer，带 perception encoder，面向本地常驻 agent；Meta 强调 end-to-end agentic task completion、可靠工具调用、多步推理、失败恢复、图文输入、scaffold 兼容、可控 reasoning effort 和多语言。
  • 可用入口：Hugging Face meta-models/Muse-Glimmer-30B，Hugging Face collection 还包含 BF16、GGUF k-quants、ExecuTorch PTE 和 DFlash drafter；Hugging Face 博客写到 day-0 支持 Transformers、llama.cpp、vLLM、Inference Endpoints 等；Ollama library 已上线 muse-glimmer，当前说明为 Apple Silicon MLX 初始支持。
  • 关键参数/性能：Meta 官方称 4-bit 量化后语言模型低于 20GB，可放入 24GB/32GB 设备空间；Hugging Face 模型卡显示 total parameters 约 29.6B、license Apache 2.0；Ollama 摘录的 Meta benchmark 包括 MCP Atlas 75.5、DeepSearch QA 74.6、SWE-Bench Pro 51.2、SWE-Bench Verified 76.0、TerminalBench 2.1 51.7。
  • 榜单/第三方评价：Artificial Analysis 模型页显示 Muse Glimmer (high) Intelligence Index 35，发布时间 2026-08-10；@ArtificialAnlys 同日补充称其 Openness Index 为 44，并指出它在部分 agentic evaluations 上仍落后 Qwen3.6 27B/Gemini 3.5 Flash-Lite/Kimi K2.5 等对手。
  • 影响判断：这对“本地 agent”路线更关键，而不是单纯聊天模型替换。值得马上测试的任务是：私有文档 agent、代码库内本地工具调用、截图/图表理解、长期循环任务、失败后自动恢复、低成本本地 LLM-as-judge。风险点是实际显存占用、DFlash 稳定性、工具调用 schema 兼容、长上下文退化和安全策略。
  • 来源链接：Meta 官方博客、AI at Meta X、Hugging Face 模型页、Hugging Face collection、Hugging Face 博客、Ollama、Artificial Analysis、Artificial Analysis X。

2. OpenAI GPT-5.6-Cyber / Daybreak Red：专用网络安全模型，仅面向获批防守方

  • 事件类型：官方发布 / X 首发 / 可用入口更新 / 高风险能力治理。
  • 首发/官方/可用时间：OpenAI 官方页面日期为 2026-08-10；@OpenAI 同日在 X 发布；Daybreak 页面同步更新。
  • 能力变化：OpenAI 将 Daybreak 扩为 Blue/Red 两级。Daybreak Blue 使用包括 GPT-5.6 Sol 在内的 frontier general-purpose models，面向大多数授权防守工作；Daybreak Red 提供 purpose-trained cybersecurity models，面向漏洞研究、exploit validation、安全测试和 red teaming。GPT-5.6-Cyber 基于 GPT-5.6 Sol 训练，目标是减少授权高风险任务中的误拒，并提升 zero-day 发现、exploit chain 等专项工作表现。
  • 关键指标：OpenAI 内部 Advanced Cybersecurity Completion Rate 中，GPT-5.6-Cyber 完成 95.0% 请求，对比 GPT-5.6 Sol 1.5%、Daybreak Blue 2.0%、GPT-5.5-Cyber 57.3%。OpenAI 也披露其用于 V8 研究，发现可链式逃逸 V8 heap sandbox 的未知漏洞，Google 已为其中一个高危 V8 漏洞分配 CVE-2026-15903。
  • 可用入口：不是普通 ChatGPT 或 API 开放；Daybreak Blue/Red 只对通过身份验证、授权范围、监控、法律 attestations 等流程的个人和组织开放。OpenAI Daybreak 页面有 Daybreak Access/partner 申请入口。
  • 影响判断：这是“AI cyber capability 商品化”的强信号。对安全公司/大企业，价值在于把 frontier model 放入 governed defensive workflow；对普通开发者，短期影响是更严格地区分普通 Sol、Daybreak Blue 和 Red 模型能力，不要把 Cyber 版 benchmark 当成通用模型能力或公开可用能力。
  • 来源链接：OpenAI 官方发布、OpenAI Daybreak、OpenAI X、OpenAI X - V8、OpenAI X - 访问限制。

3. MAI-Image-2.6-preview：Arena Text-to-Image 新上榜 #2，官方发布待核验

  • 事件类型：竞技场出现 / X 首发 / 待官方核验。
  • 首发/官方/可用时间：@arena 今天在 X 宣布 MAI-Image-2.6 by @MicrosoftAI landed in Text-to-Image Arena；Arena Text-to-Image 页面显示日期 2026-08-10。
  • 榜单位置：Arena Text-to-Image Overall：gpt-image-2 (medium) #1 1381±5，mai-image-2.6-preview #2 1336±11，grok-imagine-image-2.0 (low) #3 1316±12 Preliminary，reve-2.1 #4 1302±8，muse-image #5 1282±7，gemini-3.1-flash-image (nano-banana-2) [web-search] #7 1264±5。
  • 能力变化：Arena X 称 MAI-Image-2.6 相比 MAI-Image-2.5 有大幅提升，从 overall #10 跳到 #2，并在 3D Imaging & Modeling、Cartoon/Anime/Fantasy、Product/Branding/Commercial Design、Text Rendering 等维度上提升明显。
  • 可用入口：当前确认入口是 Arena Image Arena 测试和 leaderboard；Arena 页面中的模型链接指向 microsoft.ai，但 MicrosoftAI 公开主页/X 在本次采样中没有看到同日官方说明。暂不写成 Microsoft 官方已发布，先写“Arena 出现”。
  • 影响判断：如果分数稳定，这会改变图像模型第一梯队格局：OpenAI 仍第一，Microsoft 自研图像模型逼近；grok-imagine-image-2.0 从昨天 #2 退到 #3。需要尽快看 Image Edit 是否同步进入，以及 Microsoft 是否开放 Copilot/Foundry/API 入口。
  • 来源链接：Arena Text-to-Image、Arena X、Arena X - 维度提升、Arena X - 测试入口。

4. Anthropic 未发布 Claude 研究版本：数学能力信号，不是可用模型发布

  • 事件类型：官方研究发布 / X 首发 / 未发布模型 / 能力展示。
  • 首发/官方/可用时间：Anthropic 官方研究页日期为 2026-08-10；@AnthropicAI 同日在 X 发布。
  • 能力变化：Anthropic 表示一个 unreleased research version of Claude 尝试黎曼猜想时没有解决原问题，但在相关问题上取得进展，把满足黎曼猜想的 zeta 零点比例下界从 41.6% 提升到 67.2%。Anthropic 称两位内部数学家研究并验证了 Claude 的论文，并产出专家笔记；Claude 还生成了可形式化验证的 Lean proof。
  • 方法细节：Anthropic 披露该未发布 Claude 版本在 Claude Code 中通过两次 session 完成，使用约 31M output tokens；第二轮协调约 60 个 Claude subagents，执行约 2,400 个 shell commands 并写了数百个 Python scripts。
  • 可用入口：无公开模型入口。这个 Claude 版本是研究模型；论文、笔记、Lean formalization 和过程 transcript 可读。
  • 影响判断：这不是“Claude 发布新模型”，但它是科研 agent 能力的强证据：长时间多 agent 协作、文献检索、数值实验、互相审稿、形式化验证开始组合成真实研究工作流。需要避免媒体误写成“AI 解决黎曼猜想”。
  • 来源链接：Anthropic 官方研究、Anthropic X。

5. Qwen-MM-Plugins 与 Qwen3.8-Max 开放权重预告：今天是工具链/预告，不是权重落地

  • 事件类型：X 首发 / 工具链更新 / 待确认清单。
  • 首发/官方/可用时间：@Alibaba_Qwen 今天发布 Qwen-MM-Plugins，称可让 agent harness multimodal-native，支持图像、视频、文档、视频编辑、3D/CAD 等；Qwen3.8-Max open weights 仍是 2026-08-03 官方 X 的“next week”预告延续。
  • 能力变化：Qwen-MM-Plugins 不是新基础模型，而是多模态 agent 插件/工具链信号；它把“看图/看视频/看文档/处理 3D/CAD/视频编辑”作为 agent harness 能力扩展。
  • 可用入口：Qwen-MM-Plugins GitHub 链接由官方 X 给出；Qwen3.8-Max 当前在 Arena Text/WebDev 和 Artificial Analysis 中已是强模型，但仍按 proprietary/API 模型处理。ModelScope Qwen3.8-2.4T-A95B 页面存在但本次页面正文无法抽取；搜索摘要显示权重计划为 2026-08-12，需以 Qwen/ModelScope/Hugging Face 实际仓库为准。
  • 影响判断：Qwen 的主线已经从“模型能力”扩展到“多模态 agent 工具栈”。日报后续应盯三件事：Qwen3.8-Max 权重是否按期公开、Qwen3.8-27B 是否同时开放、Qwen-MM-Plugins 是否能在 OpenClaw/Codex-like harness 中稳定跑真实多模态任务。
  • 来源链接：Qwen-MM-Plugins X、Qwen3.8-Max X、Arena Text、Arena WebDev、ModelScope 页面。

Arena Watch

  • Text-to-Image Arena：2026-08-10 榜单共 5,919,946 votes、77 models。Top 9：gpt-image-2 (medium) #1 1381±5，mai-image-2.6-preview #2 1336±11，grok-imagine-image-2.0 (low) #3 1316±12 Preliminary，reve-2.1 #4 1302±8 Preliminary，muse-image #5 1282±7 Preliminary，reve-2.0 #6 1270±6 Preliminary，gemini-3.1-flash-image (nano-banana-2) [web-search] #7 1264±5，seedream-5.0-pro #8 1258±5，qwen-image-3.0-pro #9 1257±9 Preliminary。来源：Text-to-Image Arena。
  • Text Arena：2026-08-06 榜单共 7,649,050 votes、386 models。Top 6：claude-fable-5 #1 1507±6，claude-opus-4-6-thinking #2 1505±4，claude-opus-4-7-thinking #3 1502±4，muse-spark-1.2 (xHigh) #4 1498±13，claude-opus-4-6 #5 1497±3，qwen3.8-max #6 1497±9 Preliminary。gpt-5.6-sol-xhigh 当前 #18 1482±6。来源：Text Arena。
  • Code Arena WebDev：2026-08-06 榜单共 531,553 votes、111 models。Top 6：claude-opus-5-max #1 1686+11/-11，kimi-k3-max #2 1675+12/-12，claude-opus-5-high #3，qwen3.8-max #4 1667+16/-16 Preliminary，claude-fable-5 #5，gpt-5.6-sol-xhigh (codex-harness) #6 1620+9/-9。来源：Code Arena WebDev。
  • Agent Arena：2026-08-06 榜单共 1,665,514 sessions、46 models。Top 5：Claude Opus 5 (High) #1 net improvement 11.99%±1.37%，Claude Fable 5 (High) #2 11.66%±2.39%，Claude Opus 5 (Max) #3 11.19%±1.62%，GPT 5.6 Sol (xHigh) #4 10.28%±1.72%，Kimi K3 (Max) #5 10.08%±1.07%。来源：Agent Arena。
  • Arena changelog：公开 changelog 当前 last updated 为 2026-08-08，最新可见条目仍是 2026-08-07 grok-imagine-image-2.0 (low) 加入 Text-to-Image 和 Image Edit；2026-08-06 Mistral Medium 3.5 加入 Agent Arena；2026-08-05 claude-opus-5-max 加入 Fullstack Code Arena。今天的 MAI-Image-2.6-preview 已在 leaderboard 和 Arena X 出现，但 changelog 页面尚未同步到 2026-08-10。来源：Arena changelog。
  • Artificial Analysis：Muse Glimmer (high) 模型页显示 Intelligence Index 35，发布时间 2026-08-10；搜索摘要显示其同尺寸开放权重模型 median 为 9，AA X 补充其 Openness Index 44。来源：AA Muse Glimmer、AA X - Intelligence、AA X - Openness。

X Watch

  • @AIatMeta：12 小时内首发 Muse Glimmer，文本明确称 open-weight 30B model、面向 local always-on agent workflows；同时转发 Meta for Developers、Jack Rae、HF demos 等生态启动信息。可信度：Meta 官方高。来源：AI at Meta X、Meta for Developers X。
  • @OpenAI：5 小时内发布 Daybreak 扩展与 GPT-5.6-Cyber，后续帖强调 V8 漏洞研究和 approved defenders 访问限制。可信度：OpenAI 官方高；可用性限制必须写清。来源：OpenAI X、V8 X、访问限制 X。
  • @arena：几分钟前发布 MAI-Image-2.6 landed in Text-to-Image Arena at #2，称相对 MAI-Image-2.5 从 #10 跳到 #2，并在多类图像维度提升。可信度：Arena 官方高；Microsoft 官方发布待核验。来源：Arena X、Arena X - categories。
  • @ArtificialAnlys：1 小时内连发 Muse Glimmer 评估：Intelligence Index、Openness Index、GDPval-AA/Terminal-Bench 等短板提示和完整 breakdown。可信度：AA 官方高；注意其“0 美元价格”是开放权重/自托管语境，不等于有免费托管 API。来源：AA X - Intelligence、AA X - gaps、AA X - details。
  • @AnthropicAI：5 小时内发布 unreleased Claude research version 的 Riemann zeta 结果，原帖容易被误读为“解决黎曼猜想”；实际是相关下界提升。可信度：Anthropic 官方高；不是模型开放。来源：Anthropic X。
  • @Alibaba_Qwen：18 小时内发布 Qwen-MM-Plugins，多模态 agent 工具链方向明确；Qwen3.8-Max 权重仍停留在 2026-08-03 “next week”预告和 ModelScope 待核验页面。可信度：Qwen 官方高；权重状态需等仓库实际文件。来源：Qwen-MM-Plugins X、Qwen3.8-Max X。
  • @xiaohu：18-19 小时内主要关注 Canva AI 成本压力和 Claude/OpenClaw agent 在健身课预订中发现软件漏洞两个案例；本窗口未见新的模型首发，但对“AI 成本”和“agent 越权/漏洞发现”的产品风险判断有参考价值。可信度：作为中文线索源可用，模型/收购/价格类信息仍需二次核验。来源：Canva 成本 X、agent 漏洞案例 X、XiaoHu.AI 日报入口。
  • @GeminiApp / @GoogleDeepMind：今天窗口内主要是 Gemini/Pixel × Bayern 营销转发；Gemini Omni 免费 10 个视频延期到 2026-08-11 23:59 PT 是 2026-08-07 已发布的可用性提醒，不是今天首发。来源：GeminiApp X。
  • @runwayml：1 小时内发布 P-Image-Ideogram is now on Runway，提示 0.6 秒级 prompt-to-image 和四种质量模式。事件类型应写“平台模型入口更新”，不是 Runway 自研模型发布。来源：Runway X。
  • @MistralAI / @LumaLabsAI / @Kling_ai / @cohere / @xai：本窗口未看到新的可核验基础模型首发；Luma/Runway 仍有 Seedance 2.5 平台入口延续，xAI/Grok Image 2.0 是 2026-08-08 前后事件。

待确认清单

  • MAI-Image-2.6-preview：Microsoft AI 官方博客/API/Foundry/Copilot 入口、价格、调用 ID、Image Edit 是否同步、与 MAI-Image-2.5 的具体技术差异都待核验。当前只确认 Arena leaderboard 与 Arena X。
  • Qwen3.8-Max 开放权重：Qwen 官方已预告 “next week”，ModelScope 页面存在但本次无法抽取正文；搜索摘要显示 2026-08-12 权重时间，仍需等 ModelScope/Hugging Face 文件实际出现后再改为“开放权重已发布”。
  • Muse Glimmer 真实本地体验：需实测 24GB/32GB 设备、GGUF/MLX/ExecuTorch/vLLM 路径、vision projector、DFlash drafter、长上下文和工具调用 JSON 稳定性；AA 指出的 GDPval-AA/Terminal-Bench 短板需要放入测试集。
  • GPT-5.6-Cyber：系统卡尚未发布；Daybreak Red 访问条件、审计机制、实际客户集成范围、Codex auto-review 默认设置需要继续跟踪。不要把其能力指标用于公开 Sol 或普通 ChatGPT。
  • Anthropic unreleased Claude math result：需要看外部数学界复核、Lean proof 范围、是否依赖已有论文条件，以及该研究版 Claude 与现有 Claude Opus/Fable/Sonnet 产品模型的差异。
  • Qwen-MM-Plugins：需核验 GitHub repo 内容、支持的 agent harness、是否依赖 Qwen 专属模型、视频编辑/3D/CAD 工具的权限边界和商用授权。
  • Gemini Omni：免费 10 个视频活动截至 2026-08-11 23:59 PT；需要在活动结束后确认是否延长、是否转付费、以及 Omni 正式 API/AI Studio 入口变化。
  • Runway P-Image-Ideogram：确认具体底层模型是否为 Ideogram 平台模型、四种质量模式价格、商业授权、与 Runway 自有视频/图像管线的结合方式。