Amjad Masad 发帖称，给 LLM 加一个代码执行循环（coding harness）后，ARC-AGI-3 这个被视为 AGI 测量基准的测试几乎被攻克；开发者 Jeremy Berman 确实证明了这一点——用 Claude Code 配上 Opus 5，得分 96.2%，pass@2 达到 99…
开发者 Thibault Sottiaux 让 ChatGPT 通过“Computer History”插件读取自己一天的操作记录，获得了一份由数据驱动的“行为诊断报告”。这件事的有趣之处在于，AI 第一次不用你主动汇报，而是直接基于设备行为数据给出了个人洞察。
Cactus Compute 发布开源工具调用模型 Needle 2，参数规模仅 45M，却以 14MB 二进制文件分发，整个会话运行在 28MB 内存中。这指向一个与大模型军备竞赛相反的务实方向：把工具调用能力压缩到可以跑在手环、路由器乃至老旧设备上的程度。
MiniMax 于 8 月 14 日发布音乐生成模型 Music3，输入歌词和音乐描述即可生成最长 5 分钟的完整歌曲。它用 8B 大模型管歌曲结构、0.6B 小模型补声音细节，试图解决长音频生成中主题漂移和结构缺失的行业难题。
DeepSeek V4 Pro（版本号 V4-Pro-0813）作为 Day-0 模型在硅基流动平台上线，带来百万级上下文窗口与三档推理强度，缓存命中 token 定价低至每百万 0.44 美元，为长文本和 Agent 场景的算力成本提供了新的参照。
一汽-大众全新纯电车型 ID. AURA T6 已开启盲订，并确认接入豆包大模型。这是大众合资品牌首次在纯电车型落地国产大模型，意味着大模型上车从新势力逐步扩展到传统车企的新能源产品线。
阿里通义千问开放平台 8 月 10 日上线，4 天内收到超过 200 家生态伙伴入驻申请。这不是一次简单的 API 开放，而是把 AI 智能体从“能聊天的工具”推进到“直接完成服务”的落地阶段。
金山办公灵犀专业版全面接入 DeepSeek-V4 通用版双模型（Pro 与 Flash），其中 Pro 版原生支持 100 万 tokens 超长上下文，用户无需配置即可手动切换体验。这是办公 AI 从“对话问答”走向“自主执行复杂任务”的一次重要落地。
蚂蚁百灵大模型团队联合开源工具 AReno，在单机环境下打通了智能体的强化学习训练闭环，用井字棋任务验证了本地小模型也能学会准确调用工具、遵守规则。这意味着“能部署”和“能干活”之间的断层有望被低成本的方式填平。
京东七鲜咖啡首家24小时无人店将在北京银河SOHO开业，机器人完成现制咖啡全流程，AI还将根据身体状况推荐咖啡因摄入量。这是无人零售从概念展示走向日常现制饮品消费的一次落地尝试，值得关注的不只是“无人”，而是这套模式能否跑通夜间经营和复购。