[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"blog-post-ai-hot-daily-2026-08-11":3},{"id":4,"title":5,"author":6,"description":7,"slug":8,"labels":9,"cover_image":14,"content":15,"related_site_list":16,"created_at":17,"updated_at":18,"enabled":19,"keywords":20,"user_id":21,"sorting_score":22,"language":23,"related_sites":24},198,"AI HOT 日报 · 2026年8月11日","gusi","2026年8月11日AI圈动态汇总：Meta发布开源模型Muse Glimmer，OpenAI推出网络安全专用模型GPT-5.6-Cyber，英伟达联合六大机构融资5000亿美元建AI工厂，Claude研究版将黎曼zeta函数零点下界提升至67.2%等20条精选资讯。","ai-hot-daily-2026-08-11",[10,11,12,13],"AI","news","AI日报","人工智能",null,"**AI HOT 日报 · 2026-08-11**\n\n## 模型发布\u002F更新\n\n1. **SGLang 为 Muse Glimmer 提供 Day-0 支持，针对本地智能体工作流优化推理** — LMSYS：Blog（Chatbot Arena 团队）\n   SGLang 与 Meta Superintelligence Labs 合作，为 30B 参数多模态模型 Muse Glimmer 提供 Day-0 支持，该模型拥有 128k+ token 上下文窗口。\n   https:\u002F\u002Fwww.lmsys.org\u002Fblog\u002F2026-08-10-meta-muse-glimmer\n\n2. **Meta 发布开源模型 Muse Glimmer** — X：AI at Meta (@AIatMeta)\n   推出 Muse Glimmer，一款开放权重、300 亿参数的模型，专为本地、常驻运行的智能体工作流优化。与同尺寸领先模型相比，Muse Glimmer 在关键智能体用例和基准测试中表现出色，并设计为完全在消费级硬件（如 Mac 或配备高性能 GPU 的 PC）上运行。以宽松的 Apache 2.0 许可证发布模型权重。\n   https:\u002F\u002Fx.com\u002FAIatMeta\u002Fstatus\u002F2086757844544811485\n\n3. **OpenAI 推出 GPT-5.6-Cyber，面向授权漏洞研究的网络安全专用模型** — OpenAI：官网动态\n   OpenAI 发布网络安全专用模型 GPT-5.6-Cyber，可通过 Daybreak Red 获取，用于授权的漏洞研究、漏洞验证和安全测试。该模型旨在应对网络防御窗口不断收窄的挑战，为安全研究人员提供专门工具。\n   https:\u002F\u002Fopenai.com\u002Findex\u002Fexpanding-daybreak-as-the-cyber-defense-window-narrows\n\n## 产品发布\u002F更新\n\n4. **OpenRouter 推出由市场智慧驱动的新版 Auto 路由器** — OpenRouter：Announcements\n   OpenRouter 基于每周超 55T token 的社区消费数据，推出新版 Auto 路由器（openrouter\u002Fauto），其模型选择在多数任务和成本档位上优于旧版。新路由器按约 30 种任务类型匹配近 7 天社区实际消费的模型，支持 cost_tier 参数（low 至 max）并遵循账户隐私设置。在 MMLU Pro 等基准上，新默认档位在多数领域以更低成本达到旧版同等性能。\n   https:\u002F\u002Fopenrouter.ai\u002Fblog\u002Fannouncements\u002Fintroducing-the-new-auto-router\n\n5. **千问开放平台上线：租房、寄快递、查理财等十余领域服务可对话办理** — 公众号：千问APP（阿里）\n   千问开放平台今日上线，面向生态伙伴和开发者开放手机、PC和AI眼镜三类终端的服务接入，首批覆盖物流运输、房产居住、本地生活、理财、汽车等十多个领域。用户可在对话中@相关服务或点击\"圆点角标\"进入智能体，完成从咨询、推荐到下单的完整流程。平台支持标准化协议接入、一键授权与端到端调测，并提供账号、AI支付、订单接入等基础设施。\n   https:\u002F\u002Fmp.weixin.qq.com\u002Fs?__biz=MzYzNDE5MDEwMQ%3D%3D&mid=2247488345&idx=1&sn=ef4e57c9c9350f9238d90211eb2dd453\n\n6. **Qwen-MM-Plugins 让智能体原生支持多模态** — X：通义千问 \u002F Qwen (@Alibaba_Qwen)\n   借助 Qwen-MM-Plugins，让智能体原生支持多模态——读取图片、视频和文档，编辑视频，处理 3D\u002FCAD，以及更多。从多模态模型 → 多模态智能体。\n   https:\u002F\u002Fx.com\u002FAlibaba_Qwen\u002Fstatus\u002F2086664887560970531\n\n7. **OpenChamber：一个基于代理的开发环境** — Hacker News 热门\n   OpenChamber 是一个基于代理的开发环境，可跨桌面、浏览器、手机和 VS Code 使用，支持会话目标、多模型并行运行与融合、变更走查、从 issue 到 PR 的完整流程及定时任务。该工具基于 OpenCode SDK，完全开源且免费，代码和会话内容均保存在本地，远程访问可通过 UI 密码和端到端加密的 Private Relay 保护。\n   https:\u002F\u002Fopenchamber.dev\u002F\n\n8. **Claude Code 自动模式默认开启原理** — X：Claude Devs (@ClaudeDevs)\n   最近将自动模式设为 Claude Code 的默认选项，用户不再需要批准每一个操作。\n   https:\u002F\u002Fx.com\u002FClaudeDevs\u002Fstatus\u002F2086844755770757531\n\n9. **我花了54个小时，做了一个可能更公平的AI大模型排行榜** — 公众号：数字生命卡兹克\n   作者耗时54小时开发并免费开放了一个聚合多家可信榜单的AI大模型综合排行榜LatentRank。该榜单采用Bradley-Terry成对比较算法，并加入先验限制小样本结果，以解决不同榜单规模、领先幅度和模型缺失带来的评分偏差。目前榜单前五名中，Opus 5超过Fable 5位居前列。\n   https:\u002F\u002Fmp.weixin.qq.com\u002Fs?__biz=MzIyMzA5NjEyMA%3D%3D&mid=2647685059&idx=1&sn=a329fe9999ac2419470c7eca9a97acd3\n\n10. **Omnigent 上下文策略如何阻断\"致命三重奏\"组合攻击** — Databricks：Blog\n    Omnigent 的上下文策略（Contextual Policies）可阻断\"致命三重奏\"组合攻击——即多个看似无害的请求叠加后形成的恶意行为。该机制在单个请求层面不设防，而是在组合上下文中识别并拦截风险，从而在不牺牲正常功能的前提下提升安全性。\n    https:\u002F\u002Fwww.databricks.com\u002Fblog\u002Finnocent-until-combined-blocking-lethal-trifecta-omnigent-contextual-policies\n\n11. **Google 为 Google Ads 和 Google Analytics 推出新 AI 与智能体功能** — Google Blog：AI\n    Google 宣布在 Google Ads 和 Google Analytics 中新增 AI 与智能体体验，包括 Google Analytics 首页的 AI Overviews 智能摘要、Google Ads 首页的 AI 洞察卡片，以及 Ask Advisor 新增的基准对比功能，可将广告效果与同类商家匿名平均值比较。这些功能基于 Gemini 构建，目前面向英文账户开放 beta 测试。\n    https:\u002F\u002Fblog.google\u002Fproducts\u002Fads-commerce\u002Fgoogle-ads-analytics-ai-updates\n\n## 行业动态\n\n12. **英伟达联合六大机构融资5000亿美元建AI工厂** — X：Jensen Huang (@JensenHuang)\n    英伟达宣布与Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs和KKR合作，建立独立融资平台，动员超5000亿美元第三方资本支持AI基础设施建设。\n    https:\u002F\u002Fx.com\u002FJensenHuang\u002Fstatus\u002F2086934705207959965\n\n13. **Zapier 如何用 ChatGPT Work 改造核心营销流程** — OpenAI：官网动态\n    Zapier 企业营销团队用 ChatGPT Work 自动化线索漏斗优化、营销素材搭建和报告生成，每月可对数千条线索执行 QA\u002FQC，单人查看一条流失线索原本需 35 至 45 分钟。该系统每月为销售团队带来七位数管道价值，并生成高管仪表盘展示线索管道中的重复问题与每周趋势。团队得以将更多时间投入策略与创意工作，并计划未来设置常驻自动化循环。\n    https:\u002F\u002Fopenai.com\u002Findex\u002Fzapier\n\n## 论文研究\n\n14. **Claude 未发布研究版将黎曼 zeta 函数零点下界从 41.6% 提升至 67.2%** — Anthropic：Research\n    Anthropic 员工让 Claude 尝试攻克黎曼猜想，虽未成功，但一个未发布的研究版 Claude 在相关问题上取得突破：将满足黎曼猜想的 zeta 函数零点比例下界从 41.6% 提升至 67.2%。\n    https:\u002F\u002Fwww.anthropic.com\u002Fresearch\u002Friemann-zeta\n\n## 技巧与观点\n\n15. **tl;dv 逾18.1万段AI会议录音被公开暴露，可实时闯入他人通话** — Hacker News 热门\n    AI会议记录平台tl;dv的Firestore数据库因缺乏租户隔离，任何已认证用户可查询全部18.1万段会议记录，涉及84,312名用户、35,003个域名，含23国政府及多所高校会议。处于录制状态的约1,000场会议会暴露可加入的会议ID，研究者借此闯入马来西亚教育部及美国某大学创业团队的实时通话。该漏洞自2026年1月报告后6个月仍未修复，另有超1,000段会议内容为公开状态。\n    https:\u002F\u002Fbobdahacker.com\u002Fblog\u002Ftldv-hack\n\n16. **智能体真的会用电脑吗？a16z 用数据给出答案** — a16z：News\n    a16z 数据显示，计算机操作智能体在 OSWorld-Verified 基准上的最佳成绩已从一年前的 42% 升至 85%，超过人类测试者约 72% 的水平，Claude Fable 5 以 85% 领先。\n    https:\u002F\u002Fwww.a16z.news\u002Fp\u002Fcan-agents-use-a-computer-yet-weve\n\n17. **扎克伯格：超级智能应人人可用** — X：Mark Zuckerberg (@finkd)\n    每个人都应能使用超级智能，Meta 为所有人构建积极未来的理念与价值观。\n    https:\u002F\u002Fx.com\u002Ffinkd\u002Fstatus\u002F2086754845218726027\n\n18. **Linear 如何构建 Linear Agent：在系统提示词、工具设计与系统技能中划定边界** — Linear：Now\n    Linear Agent 的价值在于完成未预设的工作，因此团队未为其编写固定路径，而是通过系统提示词、工具设计、产品模型、运行范围及底层自定义 harness 划定边界。系统提示词聚焦沟通风格、硬性边界与产品概念解释；工具设计将约束编码进参数，使无效操作难以执行。团队还引入系统技能作为组合单元，按需渐进加载，避免一次性暴露过多上下文。\n    https:\u002F\u002Flinear.app\u002Fnow\u002Fhow-we-built-linear-agent\n\n19. **Forking-Sequences：一种统计与计算上更高效的多步预测训练范式** — CMU：Machine Learning Blog\n    CMU 研究团队正式定义并系统评测了 forking-sequences 训练范式：它无需新增参数，在一次前向传播中跨所有预测创建日期编码解码整条序列。\n    https:\u002F\u002Fblog.ml.cmu.edu\u002F2026\u002F08\u002F10\u002Fforking-sequences-part-i-statistically-and-computationally-efficient-multi-horizon-forecasting\n\n20. **开源不等于开放权重：Gary Marcus 剖析两者本质差异** — Gary Marcus：The Road to AI We Can Trust\n    开放权重模型并非真正的开源，二者在透明度和可定制性上存在根本区别。开源软件公开完整源代码，允许任何人查看、修改和分支；而开放权重模型仅发布训练后的神经网络权重，用户无法访问原始训练数据、预处理方法或训练算法，也不能自由修改或深入调查。这导致开发者、监管者和科学家在使用开放权重模型时面临诸多限制，Meta 最新发布的开放权重模型即为例证。\n    https:\u002F\u002Fgarymarcus.substack.com\u002Fp\u002Fopen-source-is-not-the-same-as-open\n\n---\n*数据来自 aihot.virxact.com*",[],"2026-08-11T00:37:45.722522+00:00","2026-08-11T00:37:45.722676+00:00",true,"[\"AI日报\",\"人工智能资讯\",\"Muse Glimmer\",\"GPT-5.6-Cyber\",\"英伟达AI工厂\",\"黎曼猜想\",\"智能体\",\"大模型\"]","89c08836-5ecb-46a2-b91b-c304d28f5d10",0,"zh",[]]