2026-08-10 AI日报:模型、工具和基础设施都在补课

今天关注 6 条新闻：

1. DeepSeek V4 Flash 0731 在公开 harness 里跑出 Terminal-Bench 2.1 的 82.7%，这类结果更像继续观察的信号，而不是最终定论。

2. OpenAI 把 GPT-5.6 下放给免费用户，还把“思考强度”做成滑块，说明模型产品开始把回答速度和推理深度拆开管理。

3. 一篇讲 Function Calling、MCP 和 CLI 的文章，把工具调用的演进讲成了接口契约问题，而不是单纯的模型能力问题。

4. AMD 的 llama.cpp 相关更新把 Qwen 27B 的上下文从 64K 拉到 149K，说明推理栈的开销优化本身也能直接换来能力。

5. AI 存储股虽然大跌，高盛仍然押注 HBM 继续翻倍，底层算力和存储的需求没有因为股价波动就消失。

6. Meta 智能眼镜再次把 AI 硬件的争议拉回隐私：能录视频，不等于用户和周围的人都愿意接受。

这 6 条放在一起看，主线很一致：模型在往更可控、更可靠的方向走，工具调用在往标准化走，基础设施在往更省开销的方向走。

新闻摘要：DeepSeek V4 Flash 0731 在独立 public-harness 里，Terminal-Bench 2.1 跑到 82.7%，测试样本是 445 次。

详情：这个数字本身说明它在终端任务上有竞争力，但 public-harness 的意义更多是把“能不能做”摆出来，而不是替你证明“已经稳定能用”。

我更在意的是这类结果背后的两个问题：一是任务是不是贴近真实工作流，二是同样的表现能不能在不同提示和环境里复现。

新闻摘要：OpenAI 给免费用户和 Go 用户换上 GPT-5.6 Luna，Plus 和 Pro 用户升级到 GPT-5.6 Sol，还加了“思考强度”滑块。

详情：这条更新的重点不只是“开放更多用户”，而是把日常对话、快速回答和更深推理区分成可调的产品能力。官方还提到，GPT-5.6 系列在事实可靠性上有提升，内部评估里至少一处事实错误的情况也有所下降。

如果你在做面向普通用户的 AI 产品，这类变化说明模型竞争已经不只是参数和基准，产品层的控制感、稳定感和错误率也会直接决定体验。

新闻摘要：一篇讲工具调用演进的文章，把 Toolformer、Function Calling、MCP 和 CLI 的关系串了起来。

详情：它传达的核心不是某个协议更“先进”，而是 Agent 这件事本来就离不开工具、约束、验证和纠正。Function Calling 解决的是结构化契约，MCP 更像把工具接入和发现做成统一层，CLI 则保留了那些最直接、最可控的本地动作。

对做 Agent 系统的人来说，这种区分很重要：你要的不是模型会说会道，而是它知道什么时候该调用什么、怎么把结果收回来，以及在失败时怎么停住。

新闻摘要：AMD 这条 llama.cpp 更新里，作者把 MTP buffer 开销压低后，Qwen 27B 的上下文从 64K 提到了 149K。

详情：这说明很多人盯着模型长度时，实际上忽略了推理栈里的内存和缓冲开销。只要这些地方被挤掉一块，能跑多长上下文、能撑多大模型，就可能立刻变。

这类进展对本地推理、边缘部署和预算敏感的团队尤其有价值：不是每一次能力提升都来自更大的模型，很多时候是基础设施先把空间腾出来了。

新闻摘要：AI 存储股虽然在波动，高盛还是在押注 HBM 翻倍。

详情：这条线索的重点不是股价，而是判断链条里的底层需求没有被简单证伪。只要模型训练和推理还在吃带宽、吃内存、吃数据搬运速度，HBM 这类关键部件就还是供应链里的硬通货。

对做模型、算力和数据平台的人来说，这提醒很现实：上层应用再热，底层瓶颈还是会回头决定成本和交付节奏。

新闻摘要：博主用 Meta 智能眼镜拍视频后引来大量差评，争议再次落到是否在未经同意时记录他人。

详情：这类硬件的能力已经不新鲜，真正卡住它的，是周围的人愿不愿意接受它默认存在。只要录制行为和被拍者的边界没有说清，产品再时髦也会先被社会规范拦住。

这条新闻不只是消费硬件话题，它也在提醒所有做 AI 终端的人：功能越靠近现场，透明度、提示和边界就越重要。

今天这几条放在一起看，模型层在补可控性，工具层在补统一接口，基础设施层在补效率和带宽。

我更愿意把它们理解成同一件事：AI 产品已经不太靠“能不能演示”来分胜负了，接下来拼的是稳定、成本、治理和可持续交付。

• DeepSeek V4 Flash 0731 hits 82.7% on Terminal-Bench 2.1 in an independent public-harness run (445 trials)（https://www.reddit.com/r/LocalLLaMA/comments/1vjiypj/updated-benchmark-deepseek_v4_flash_on/）

• OpenAI 给 10 亿用户免费换上 GPT-5.6（https://www.infoq.cn/article/RXRuR3TN9msNMAUWRtCl?utm_source=rss&utm_medium=article）

• Agent 工具调用成长史：理清楚 Function Calling、MCP、CLI 的关系（https://juejin.cn/post/7671662832451174438）

• AMD llama.cpp: reducing MTP buffer overhead gave me 64K → 149K context for Qwen 27B（https://www.reddit.com/r/LocalLLaMA/comments/1vjmay5/amd_llamacpp_reducing_mtp_buffer_overhead_gave_me/）

• AI 存储股暴跌，高盛为何敢押注 HBM 翻倍？（https://www.tmtpost.com/8096591.html）

• 博主使用 Meta 智能眼镜拍视频遭大量差评，隐私争议再起（https://www.ithome.com/0/987/632.htm）

我是 Alten，持续分享 AI 工程化观察与干货，这里记录从论文、开源项目到工程系统的拆解。

如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。