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

AI 模型日报 - 2026-08-12

2026-08-12 AI 模型资讯：NVIDIA Nemotron 3.5 Lightning 是本窗口最明确的新开放权重模型：2026-08-11 官方发布，30B 总参数、3B active、hybrid MoE/Mamba-2/Attention，OpenMDW 1.1，1M context，面向长...

30 秒摘要

  • NVIDIA Nemotron 3.5 Lightning 是本窗口最明确的新开放权重模型：2026-08-11 官方发布，30B 总参数、3B active、hybrid MoE/Mamba-2/Attention，OpenMDW 1.1，1M context，面向长期 agent / sub-agent workhorse；NVIDIA Build 与 Hugging Face 均已有入口。
  • Artificial Analysis 发布 AA-AnalystAgent：新的 agentic 量化分析 benchmark，考察真实 spreadsheet/document 分析任务；Claude Opus 5 以 54% 领先，GPT-5.5 50%，Claude Fable 5 49%，开放权重里 Kimi K3 (max) 最高 39%。
  • Arena Text-to-Video 出现 FLUX 3 Video 更新：#2 1496±17 Preliminary，仅落后 #1 Gemini Omni Flash 1512±11 16 分；这是“竞技场更新/入口推广”，不是今天首次发布基础模型。
  • Mistral 发布区域化推理和开放模型平台更新：regional endpoints 一般可用，Priority Tier public preview，第三方开放模型从 Z.ai GLM-5.2 开始接入；属于平台/部署可用性变化，不是新的 Mistral base model。
  • Luma 发布 Luma Scenes，由 Uni-1 驱动，用 storyboard/keyframe/timing 审批把 brief 或参考素材变成可控视频场景；Runway 同步把 Seedance 2.5 接入 Runway。今天视频侧重点是“工作流和平台入口”，不是单一新视频模型首发。
  • Qwen3.8-Max ModelScope 预发布页显示 Qwen3.8-2.4T-A95B 计划在 2026-08-12 15:00 UTC 发布，也就是 HKT 23:00；在本日报时点仍应写为“待发布/待核验”，不能写成权重已开放。

今日必看

1. NVIDIA Nemotron 3.5 Lightning：30B/3B active 开放权重 agent 模型

  • 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：NVIDIA 官方技术博客、Build.NVIDIA model card、Hugging Face 模型页均标注 2026-08-11；@NVIDIAAI 同日在 X 发布。
  • 能力变化：NVIDIA-Nemotron-3.5-Lightning-30B-A3B-NVFP4 是 30B 总参数、3B active 的 MoE 模型，架构为 Mamba-2 + MoE + Attention hybrid，支持最高 1M context。NVIDIA 定位是长期 autonomous agent、sub-agent workhorse、本地/边缘部署和低延迟 agentic workflow。
  • 关键参数/性能：官方称它在相近规模模型中输出速度可达最高约 4x；PinchBench 86% accuracy，并比 Qwen3.6 35B 在相近准确率下快约 30% 完成 10,000 个任务。Build model card 中 NVFP4 版本显示 SWE-bench Verified 52.80、Terminal-Bench 23.46、PinchBench 83.43、BrowseComp 36.81、GDPval-AA-V2 865。
  • 可用入口：NVIDIA Build 模型页、Hugging Face nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-NVFP4；模型卡称开放 weights、training data 和 recipes，可商用，license 为 OpenMDW 1.1。
  • 榜单/第三方评价：Artificial Analysis X 显示该模型 Intelligence Index 24，比 Nemotron 3 Nano 15 提升 9 分，整体接近 gpt-oss-120b；但 Arena Text general leaderboard 中它在 #203，1345±12 Preliminary。结论应分场景：agent execution / terminal / long-running 子任务值得测，通用聊天并非第一梯队。
  • 影响判断：这是 NVIDIA 把“开放模型 + 推理优化 + routing”整合进 agent stack 的重要信号。需要优先测试三类任务：长期 shell/terminal agent、可本地部署的子代理、NeMo Switchyard 中按任务路由到 Lightning 的成本/速度收益。
  • 来源链接：NVIDIA 技术博客、NVIDIA Build model card、Hugging Face、NVIDIAAI X、NVIDIAAI X - 开放资料、Artificial Analysis X、Arena Text。

2. Artificial Analysis AA-AnalystAgent：新的 spreadsheet/document agent benchmark

  • 事件类型：公开榜单源更新 / X 首发 / benchmark 发布 / 待复现实验。
  • 首发/官方/可用时间：@ArtificialAnlys 在 2026-08-11 发布 AA-AnalystAgent；同步给出 evaluation 页面和 stirrup GitHub 仓库。
  • 能力变化：AA-AnalystAgent 面向真实世界量化分析任务，要求模型处理 spreadsheets、documents，并产出分析判断。它比单纯知识问答更接近 analyst / operator workflow，适合观察 agent 在文件、表格、长链路推理中的真实可用性。
  • 当前排名信号：Claude Opus 5 54% 领先，GPT-5.5 50%，Claude Fable 5 49%。开放权重模型中 Kimi K3 (max) 最高 39%，比封闭前沿低约 15 分；AA 提到后续开放权重候选还包括 DeepSeek V4 Flash。
  • 可用入口：Artificial Analysis evaluation 页面和 ArtificialAnalysis/stirrup GitHub 仓库。
  • 影响判断：这个 benchmark 对“AI 分析师”“AI 办公 agent”“自动报表/投研/财务分析”价值较高。后续日报应把 AA-AnalystAgent 和 GDPval-AA、Terminal-Bench、Arena Agent 一起看，避免只看聊天 Elo。
  • 来源链接：AA-AnalystAgent X、开放权重排名 X、Evaluation 页面、stirrup GitHub。

3. FLUX 3 Video 更新进入 Arena Text-to-Video #2，逼近 Gemini Omni Flash

  • 事件类型：竞技场出现 / X 首发 / 可用入口推广 / 待官方技术细节。
  • 首发/官方/可用时间：@arena 2026-08-11 称正在 Arena 测试 FLUX 3 Video update；BFL 同步称该模型上周发布，本周在 playground 免费开放到 2026-08-16 23:59 PT。
  • 榜单位置：Arena Text-to-Video 2026-08-10 页面显示共 607,046 votes、44 models；#1 gemini-omni-flash 1512±11，#2 flux-3-video 1496±17 Preliminary，#3 seedance-2.0 1478±9，#4 muse-video 1457±15，#6 happyhorse-1.0 1428±13。
  • 能力变化：Arena X 称 FLUX 3 Video 已到 Text-to-Video Arena #2，仅落后 Gemini Omni Flash 16 分；BFL 表示后续还会有 4K、video editing、多参考图能力。
  • 可用入口：Arena Text-to-Video 测试入口；BFL playground 限时免费；后续 API/价格/4K 编辑能力仍待官方落地。
  • 影响判断：视频模型竞争从“首发模型名”转向“可测 Elo + 编辑工作流 + 免费试用窗口”。Gemini Omni Flash 仍居 #1，但 FLUX 3 Video 已经进入可重点复测区间；HappyHorse 1.0 继续在 Top 10，应保持跟踪。
  • 来源链接：Arena Text-to-Video、Arena X、BFL X。

4. Mistral 区域化推理 + 第三方开放模型：平台可用性变化

  • 事件类型：官方发布 / 平台更新 / 区域合规与推理入口 / 非新 base model。
  • 首发/官方/可用时间：Mistral 官方新闻页日期为 2026-08-11；@MistralAI 同日在 X 发布。
  • 能力变化：Mistral regional endpoints 一般可用，客户可选择 Europe 或 US 区域，推理和处理在选择区域内完成；Priority Tier 进入 public preview，提供 committed service levels、自定义 rate limits 和 SLA。Mistral 平台还开始支持第三方开放模型，首个是 Z.ai GLM-5.2。
  • 可用入口：Mistral Platform regional endpoints、Priority Tier、第三方 open model hosting。
  • 影响判断：这不是模型能力跃迁，但对企业部署重要。它说明欧洲主权 AI、区域推理、开放模型托管、compute partnership 正在合流。对实际采购，应核验区域、SLA、模型矩阵、价格和日志/数据转移细节。
  • 来源链接：Mistral 官方新闻、MistralAI X。

5. Luma Scenes 与 Runway Seedance 2.5：视频生成进入“可控工作流”阶段

  • 事件类型：官方发布 / 平台入口更新 / X 首发 / 非单一基础模型发布。
  • 首发/官方/可用时间：Luma 官方新闻页日期为 2026-08-11；@LumaLabsAI 同日在 X 发布。Runway 在 2026-08-11 宣布 Seedance 2.5 live on Runway。
  • 能力变化：Luma Scenes 由 Uni-1 驱动，可从 brief 或参考图生成 sequenced storyboard，允许用户 refine scenes、调整 timing、审批 keyframes，再用 Ray 3.2 或 Seedance 2 渲染为 9:16/16:9 视频。Runway 的 Seedance 2.5 入口支持最多 50 个 character references，最长 30 秒 clips，并可与音乐同步。
  • 可用入口：https://app.lumalabs.ai 的 Luma Scenes；Runway 平台的 Seedance 2.5。
  • 影响判断：这两个更新都指向同一趋势：视频生成产品化的关键不是单次 prompt 出片，而是 storyboard、角色一致性、时间节奏、音乐同步和可编辑导出。后续跟踪应看 API、价格、版权/商用条款和多参考图稳定性。
  • 来源链接：Luma Scenes 官方 markdown、Luma X、Runway X。

6. Anthropic Claude 内容标记：模型级水印与 C2PA，属于治理/合规更新

  • 事件类型：官方文档更新 / X 线索 / 合规与内容来源标记 / 非新模型发布。
  • 首发/官方/可用时间：Anthropic Claude Help Center 页面更新于 2026-08-11 左右；@xiaohu 同日在 X 做中文线索提示。
  • 能力变化：Anthropic 表示 2026-08-02 及之后在 EU launch 的 Claude models 将从发布日起支持 machine-readable marking；生成文本会携带 embedded watermarks，支持的生成文件会附带 signed provenance metadata。标记适用于 Claude Platform/API、Claude、Claude Code、Claude Cowork、Claude Tag，以及 supported cloud partner surfaces，且 Anthropic 表示会全球应用。
  • 限制：Anthropic 明确提示，检测到 Claude mark 只说明内容可能被 Claude 处理过，不完整证明来源；重度改写、翻译、混写、短文本、格式转换或 metadata 被剥离都可能影响检测。
  • 可用入口：目前是官方说明与未来检测文档承诺；第三方检测/技术细节仍待发布。
  • 影响判断：对出版、教育、UGC 平台、企业内容审计都有影响。对开发者，短期要把 Claude 输出的水印/metadata 纳入产品透明度和合规文档，不要承诺“水印可完全证明 AI 生成”。
  • 来源链接：Anthropic Help Center、小互 X、XiaoHu.AI。

Arena Watch

  • Text-to-Video Arena：2026-08-10 榜单共 607,046 votes、44 models。Top 6：gemini-omni-flash #1 1512±11，flux-3-video #2 1496±17 Preliminary，seedance-2.0 #3 1478±9，muse-video #4 1457±15，seedance-2.5 #5 1439±11，happyhorse-1.0 #6 1428±13。今日重点变化是 FLUX 3 Video update 被 Arena/BFL 明确推到 #2。来源：Text-to-Video Arena、Arena X。
  • Text-to-Image Arena：2026-08-10 榜单共 5,919,946 votes、77 models。Top 9 延续昨天格局：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，muse-image #5，gemini-3.1-flash-image (nano-banana-2) [web-search] #7。nano-banana-2 仍是值得跟踪的 Gemini 图像代号，但本窗口没有新的官方首发。来源：Text-to-Image Arena。
  • Text Arena：nvidia-nemotron-3.5-lightning-30b-a3b-nvfp4 已出现在 Text leaderboard，#203，1345±12 Preliminary，2,765 votes。这个位置不应和 NVIDIA 的 agent/terminal 定位混淆：它不是通用聊天榜上的强新前沿模型。来源：Text Arena。
  • Artificial Analysis：Nemotron 3.5 Lightning Intelligence Index 24，Terminal-Bench v2.1 24%，GDPval-AA v2 Elo 约 824/865 区间，明显强于 Nemotron 3 Nano，但仍是小 active 参数、执行型定位。AA-AnalystAgent 新榜显示封闭模型仍领先，开放权重 analyst agent 离前沿约 15 分。来源：AA Nemotron X、AA Benchmark X。
  • Arena changelog：公开 changelog 最近日期仍可能滞后于 X/leaderboard 变动；FLUX 3 Video 更新和 Nemotron 上榜主要通过 leaderboard 与 X 交叉确认，不以 changelog 为唯一依据。

X Watch

  • @NVIDIAAI：发布 NVIDIA Nemotron 3.5 Lightning，强调 open/customizable、weights/data/recipes、30B MoE/3B active、4x output speed、agentic workflow；可信度：NVIDIA 官方高。来源：首发 X、开放资料 X。
  • @ArtificialAnlys：先发 Nemotron 3.5 Lightning 评估，再发 AA-AnalystAgent benchmark；可信度：AA 官方高，适合做二级榜单源。来源：Nemotron X、AA-AnalystAgent X。
  • @arena / @bfl_ai：FLUX 3 Video update 进入 Text-to-Video #2；BFL 说明 free playground 到 Sunday 16th 11:59 PT，并预告 4K、video editing、multiple refs。可信度：Arena/BFL 官方高；技术细节和 API 状态待官方文档。来源：Arena X、BFL X。
  • @MistralAI：发布 regional inference/open models/new compute 更新，重点是 sovereignty、regional endpoints、Priority Tier、第三方 open models；可信度：Mistral 官方高。来源：Mistral X。
  • @LumaLabsAI：发布 Luma Scenes powered by Uni-1；可信度：Luma 官方高。来源：Luma X。
  • @runwayml：宣布 Seedance 2.5 live on Runway，支持 50 character references、最长 30 秒 clips、音乐同步；可信度：Runway 官方高，但事件类型是平台入口更新。来源：Runway X。
  • @GeminiApp：发布 Gemini 月活 10 亿用户信号，并提醒 Gemini Omni 免费 10 个视频活动到 2026-08-11 23:59 PT；可信度：Google/Gemini 官方高，但不是新模型发布。来源：1B 用户 X、Omni 活动 X。
  • @grok：发布 Grok Bot beta，定位为可登录工具并完成工作的 AI teammates；可信度：Grok 官方高，事件类型是 agent/product beta，不是新基础模型。来源：Grok Bot X。
  • @xiaohu：本窗口最有价值线索是 Anthropic Claude 内容标记/水印；官方源已用 Anthropic Help Center 核验。可信度：作为中文线索源可用，最终事实以官方文档为准。来源：小互 X、Anthropic Help Center。
  • @Alibaba_Qwen：本窗口未见新的权重实际开放；ModelScope Qwen3.8-2.4T-A95B 仍显示预发布和计划时间。可信度：页面存在，但可用性要等仓库文件实际出现。来源：ModelScope、Qwen3.8-Max X 预告。
  • @GoogleDeepMind / @AnthropicAI / @AIatMeta / @cohere / @Kling_ai：本窗口未看到新的可核验基础模型首发；相关账号主要是研究、产品、活动或既有发布延续。

待确认清单

  • Qwen3.8-Max / Qwen3.8-2.4T-A95B：ModelScope 预发布页计划发布时间为 2026-08-12 15:00 UTC。需要在 HKT 23:00 后确认：权重文件是否实际可下载、license、Hugging Face 是否同步、是否同时开放 Qwen3.8-27B、API/model id 是否变化。
  • Nemotron 3.5 Lightning：需要实测单卡/本地部署吞吐、1M context 稳定性、OpenMDW 1.1 商业条款、NVFP4 精度损失、DFlash/DSpark/MTP speculative decoding 的工程成熟度，以及 NeMo Switchyard 真实路由收益。
  • AA-AnalystAgent：需要看完整题集、评分口径、stirrup 复现步骤、是否存在 spreadsheet/doc parsing 偏差，以及开放权重模型在不同 tool harness 下是否排名稳定。
  • FLUX 3 Video：需要确认 Arena 中的 update 与 BFL 生产版本是否完全一致；4K、video editing、multiple references 的上线时间、API、价格和商用授权仍待官方文档。
  • Luma Scenes：需要区分 Uni-1 负责 storyboard/scene planning，Ray 3.2/Seedance 2 负责最终 render 的边界；API、团队协作、价格、版权和输出可编辑性仍需确认。
  • Runway Seedance 2.5：需要确认底层是 ByteDance/Seedance 2.5 平台接入还是 Runway 定制版本；50 character references、30 秒 clips、音乐同步的价格和失败率需要实测。
  • Anthropic Claude marking：需要等待技术检测文档和第三方 detection 工具；当前官方说法支持“有 machine-readable marks”，不支持“检测结果可完全证明内容由 Claude 原创”。
  • Gemini Omni：免费 10 个视频活动在 2026-08-11 23:59 PT 后是否延长、转付费或改变配额，需要明天复查。