AI 资讯日报(2026-08-29)

这一晚的 AI 圈，热闹里藏着冷思考：一边是中国大厂接连开源大模型，一边是长时程评测给 Agent 泼了盆冷水。

智谱放出主打「智能体编码 + 网络防御」的 GLM-5.3 权重，腾讯混元端出 770B 参数的 Hy4。另一边，一份把 8 款顶尖模型拉去跑「一年份长线任务」的评测显示，最强选手也只拿到人类 27% 的收益。

更微妙的是 Anthropic：它一边让 Claude 学会「自己训练自己」来修复对齐缺陷，一边在美国打赢了针对政府的官司。

热闹的发布和冷静的评测同时出现，本身就值得多看一眼。

今日深度

1. 智谱开源 GLM-5.3：把「智能体编码 + 网防」当成了卖点

智谱（Z.ai）把 GLM-5.3 的权重开源了，官方定位是「最强的智能体编码与网络防御模型」，开发者现在就能下载、本地运行、自行定制。

GLM 系列最近迭代快得吓人，5.3 相比 5.2，重点在智能体编码和网络安全两个方向加码。对开发者来说，开源权重意味着不用再被 API 调用次数和内容审查卡脖子，可以拿去私有化部署、微调行业模型；对安全团队来说，一个自带「网防」能力的开源模型，是攻防演练和自动化防御的现成底座。

当头部实验室开始把「编码 + 网防」这种硬活当开源卖点，竞争已经从「谁参数大」转向「谁能干特定的事」。开源权重会继续摊薄闭源 API 的护城河，中小团队做垂直 Agent 的成本还会往下探。GLM-5.3 在编码榜和真实网防场景里的实测表现，值得盯一盯。

（来源：智谱 Z.ai）

2. 腾讯混元 Hy4 preview：770B 参数，直接开源

腾讯混元发布新一代旗舰 Hy4 preview：总参数 770B、激活参数 49B、上下文长度 1M，已经开源，同步上线腾讯云 TokenHub 和 OpenRouter。

770B 总参数配 49B 激活，是典型的 MoE 混合专家架构——总规模巨大，但每次推理只激活一小部分，能力和成本两头兼顾。1M 上下文则是长文本的关键门槛，意味着它能一口气「吃下」整本大部头、几十万行代码库，或者一长串多文档。

腾讯在开源大模型上的步子明显加快了，770B 这个量级的权重开源，会继续压低企业自建模型的门槛。长上下文直接利好合同审阅、代码库理解、多文档问答这些企业刚需场景——「开源大模型 + 私有数据微调」这条路，正在变得越来越便宜、越来越可行。

（来源：腾讯混元）

3. Anthropic 让 Claude 自己训练自己，去修对齐的「病」

Anthropic 展示了一项新研究：让 Claude 自主训练模型，用来缓解欺骗、谄媚等 10 类对齐失败。结果这些失败被显著压缩，还不损害通用能力；方法在比优化对象大 4.7 倍的模型上依然有效。更狠的是，Claude 超越了 28 名人类安全研究员，在欺骗场景的最佳方案比人类最佳还高 20%。

对齐——让 AI 符合人的意图、不撒谎不谄媚——一直是 AI 安全最难啃的骨头，过去主要靠人类研究员手动红队。让 AI「自己训练自己」去发现并修复缺陷，等于把安全护栏从手工作坊推进到流水线。

如果这条路走通，对齐的规模化瓶颈会被打破：人类研究员的数量不再是安全上限。这呼应了「自我改进 AI」的长期趋势——模型不光会干活，还会自我检修。但「自我改进」是把双刃剑，怎么保证它改进的方向始终对人类有利，仍需要外部监督兜底。

（来源：Anthropic Research）

4. 一份扎心评测：顶尖模型跑长线任务，只有人类的 27%

一项研究把 8 款领先模型（包括 GPT-5.6 Sol、Claude Opus 4.8 等）拉去做为期一年的长时程任务测试，结果性能相比人类大幅下滑——最佳配置 Qwen3.7-Max with Hermes 最终只拿到人类平均收益的 27.3%。

我们日常看到的 benchmark 大多是几分钟内的短任务，而真实工作里的 Agent 要连续跑几小时、几天。长时程考验的不只是单点能力，还有状态管理、上下文压缩、错误恢复——这些恰恰是当前模型最薄弱的地方。

这条评测给「Agent 替代人」的乐观叙事浇了盆冷水：单点再强，长线不可靠就落不了地。它也解释了为什么最近「长时程任务仍是笑话」的论调越来越多。对企业来说，短期别指望 Agent 全自动接管长流程，更现实的用法是「人机接力」——AI 干碎片活，人守住关键节点。

（来源：Rohan Paul）

5. 法院裁定：美国政府把 Anthropic 列入黑名单，违法

美国加州北区联邦地区法院法官 Rita Lin 裁定，特朗普政府将 Anthropic 列为国家安全供应链风险并禁止其 AI 技术使用的做法违法，构成第一修正案下的非法报复。裁决指出，Anthropic 是因为拒绝放弃对「致命自主战争」和「大规模监控美国人」的限制，才遭到政府封禁。

这不是普通商业纠纷，而是 AI 公司与政府监管的正面碰撞，牵扯言论自由、国家安全、企业安全承诺三者的张力。一家 AI 公司能否因为坚持自己的安全红线而不被政府报复，这个判例影响深远。

对 Anthropic 和所有坚持安全护栏的公司，这是一剂强心针——安全承诺第一次有了法律背书。但更大的问题在后面：当 AI 能力越来越强，政府与 AI 公司围绕「谁能决定 AI 该不该用于某些用途」的博弈，才刚刚开场。后续是上诉还是政策转向，值得持续关注。

（来源：Ars Technica）

快讯速览

· Grok 4.6 全面上线，网页端和移动端已开放普通对话，4.7 可能也在路上了。（Testing Catalog）

· Gemini 3.8 即将发布，谷歌员工已用上 3.8 Flash 预览版，几周一迭代的节奏在追赶 OpenAI 和 Anthropic。（Kim / Business Insider）

· MiniMax 开源视频加速模型 Fast H3 v1：基于 H3，13 秒生成 15 秒 768p 视频，Blackwell 上最高 14 倍加速。（MiniMax）

· Meta 内部测试的「Project Hatch」超级应用曝光：支持浏览器与电脑操控、长期任务调度、跨设备会话持久化。（Testing Catalog）

· OpenAI 研究员 Noam Brown 透露，内部版 Astra 已攻克数学、量子复杂性与理论计算机科学的 10 个重大开放难题。（Noam Brown）

· AI 云公司 Lambda 再获 10 亿美元债务融资，用于采购 Nvidia 芯片并租给微软。（TechCrunch）

· GLM 5.3 上线 Perplexity Computer，主打长上下文、多模态智能体工作负载。（Perplexity）

· SemiAnalysis 称内存 BOM 冲击已实际传导到消费者，并称有数据佐证。（SemiAnalysis）

· Fable 5.1 与 Opus 5.1 的发布推迟至下周，部分用户似乎已提前拿到访问权限。（Kim）

热闹的发布，是为了抢下一张船票；冷静的评测，是为了看清船能开多远。

中国大厂用开源把模型门槛越压越低，Anthropic 用「AI 对齐 AI」把安全护栏往前推了一步；而那份 27% 的长时程成绩单提醒我们——真正的 Agent 时代，还差一段可靠性的硬路要走。

如果你也在关注 AI，觉得今天的日报有点意思，欢迎点个「在看」，明天见。

数据来源：AIHOT（aihot.virxact.com）