AI 大模型日报 — 2026年8月20日（星期四）

enheng1238

1409人浏览 · 2026-08-20 10:31:00

enheng1238 · 2026-08-20 10:31:00 发布

🤖 AI 大模型日报 — 2026年8月20日（星期四）

本日报基于公开网络资讯整理，覆盖国内外主要大模型厂商的最新动态、评测与行业趋势。
数据来源：OpenAI / Anthropic / Google / xAI / DeepSeek 官方发布、LLM-Stats、Artificial Analysis、知乎、财新等。

📌 今日热点速览

OpenAI GPT-5.6「Ultrafast」预览上线（8月13日）：基于 Cerebras 硬件，Sol 模型推理速度最高提升至常规的 14 倍，目前为限量预览、未公布定价。
Google 发布 Gemini 3.7 Flash（8月13日）：编程与 Agent 工作流能力大幅增强，DeepSWE v1.1 达 65.3%（较 3.6 提升 16.3 个百分点），并推出"半价促销"至 2026 年底。
DeepSeek-V4-Pro-0813 正式 GA（8月12日）：Pro 版本走出预览，1M 上下文 / 384K 最大输出，官方同时预告即将大幅上调 API 价格。
xAI 发布 Grok 4.6（8月12日）：主打更长 Agent 循环与知识工作，GDPVal-AA v2 Elo 达 1753（较 4.5 提升 227 分），新增 Priority Processing 2 倍加速通道。
阿里 Qwen3.8-Max 开源权重发布（8月中旬）：2.4T 总参数 / 95B 激活，成为首个开放权重的 Max 级模型，性能对齐 Kimi K3 与 DeepSeek V4 Flash。
独立评测格局：Artificial Analysis 智能指数（v4.1.1）显示 Claude Opus 5（63）> Claude Fable 5（62）> GPT-5.6 Sol（61），Anthropic 占据前二。

🏆 主要模型动态

🔵 OpenAI — GPT-5.6（Sol / Terra / Luna）

项目	详情
发布时间	2026年7月9日 GA；8月13日 Ultrafast 预览
价格	Luna $1/$6 · Terra $2.5/$15 · Sol $5/$30（每百万 token 输入/输出）
上下文	105 万 token，最大输出 128K
最新动态	7月30日 Luna 降价 80%、Terra 降价 20%；8月13日 Cerebras 硬件跑 Sol 达 750+ token/s，Ultrafast 通道为常规 14 倍速度
亮点成绩	Agents’ Last Exam 53.6 分，领先 Fable 5 达 13.1 分；Coding Agent Index 80 分（SOTA）；RSI（递归自我改进）指数较 5.5 提升 16.2 分
特色能力	程序化工具调用（自写 JS 编排工具）、原生多智能体并行、prompt cache 断点控制

点评：GPT-5.6 的叙事是"每个 token 干更多活"——以约 1/3 的成本达到与 Fable 5 相近的智能指数（61 vs 62，成本约 $1.75 vs $4.46/任务）。Sol 在长程 Agent 任务占优，但在 SWE-bench Pro（64.6%）上仍落后 Fable 5（80.3%）。

🟠 Anthropic — Claude Fable 5 / Opus 5

项目	详情
发布时间	Fable 5：2026年6月初；Opus 5：7月下旬
价格	Fable 5：$10/$50（另有资料 $14/$71）；Opus 4.8：$5/$25
上下文	100 万 token，最大输出 128K
最新动态	Fable 5 于6月12-30日暂停部署、7月1日全球重新上线（取消国籍审查）；7月19日免费推广结束，转为 Max 计划标准模型
亮点成绩	智能指数（v4.1.1）Opus 5 = 63、Fable 5 = 62，包揽前二；SWE-bench Pro 80.3% 断层领先；WebDev Arena ~1653 Elo，创历史最大分差
特色能力	自适应推理（adaptive thinking）常开，定位长程异步任务（大型代码迁移、多日 Agent 会话、深度研究）

点评：Anthropic 的护城河仍在"最难的任务"：真实代码库修复与长程推理质量。但注意其 SWE-bench Pro 分数被 OpenAI 发报告质疑约 30% 任务存在缺陷，编码基准之争仍在继续。

🔴 Google — Gemini 3.7 Flash（8月13日发布）

项目	详情
发布时间	2026年8月13日（距 3.6 Flash 仅 3 周）
价格	促销价 $0.75/$3.75（至2026年12月31日）；2027年1月1日起恢复 $1.50/$7.50
上下文	104.8 万输入 / 65,536 输出（与 3.6 相同）
亮点成绩（vs 3.6 Flash）	DeepSWE v1.1 65.3% vs 49.0%（+16.3）；FrontierCode 1.1 Main 43.6% vs 34.4%；WebDev Arena Elo 1588 vs 1538；GDP.pdf 34% vs 22%；AutomationBench 30.4% vs 17%
特色	Thinking 支持 low/medium/high；Spark（Pro/Ultra 24/7 个人 Agent）、Antigravity、Gemini Enterprise 同步切换
注意	不支持 `minimal` 思考档位；2027 年价格翻倍需提前规划预算

点评：3.7 Flash 是"工作马"级模型的快速迭代——首次编码通过率、文档密集工作流显著提升，配合半年促销价，是年底前高性价比的编码/Agent 默认选项。3.6→3.7 的节奏显示 Google 正以"小步快跑"追赶 OpenAI 与 Anthropic。

🟣 xAI — Grok 4.6（8月12日发布）

项目	详情
发布时间	2026年8月12日
价格	标准（<200K）：$2/$0.50(缓存)/$6；长上下文（≥200K）：$4/$1/$12（整请求计费）；Priority Processing 2 倍
上下文	500K；知识截止 2026年2月1日
亮点成绩（vs 4.5 High）	GDPVal-AA v2 Elo 1753 vs 1526（+227）；DeepSWE v1.1 65.9% vs 54.0%；APEX-Agents 57.5% vs 47.1%；Terminal-Bench v3.0 26% vs 15.7%；CursorBench v3.2 69.9%
特色	更长 Agent 循环（上下文压缩）、`prompt_cache_key` / `x-grok-conv-id` 缓存粘性、服务端工具（搜索/代码执行）单独计费
注意	200K 是成本悬崖：一旦提示词跨过，整请求按高价计费；无 `grok-4.6-fast`，延迟需买 Priority

点评：Grok 4.6 的进步集中在"长轨迹任务"（DeepSWE/APEX/Terminal-Bench 提升最大），但在这些套件上仍落后 GPT-5.6 Sol Max 与 Fable 5 Max。xAI 的差异化在于缓存粘性与优先级通道的"Agent 循环管道"设计。

🟢 DeepSeek — V4-Pro-0813 正式版（8月12日）

项目	详情
版本	`deepseek-v4-pro-0813`（API ID 不变：`deepseek-v4-pro`），静默 GA
价格	$0.435（缓存未命中）/$0.003625（命中）/$0.87（输出）每百万 token；并发 500
上下文	1M 输入 / 384K 输出（与 Flash-0731 相同）
架构（4月预览资料）	1.6T 总参 / 49B 激活 MoE，混合长上下文注意力；Flash 为 284B/13B
思考模式	默认开启（effort=high）；medium/xhigh 均映射到 high；工具调用轮次必须回传 `reasoning_content`，否则 400
⚠️ 官方预警	“significant API price increase coming”——显著涨价即将到来，日期与幅度未公布
开源状态	尚无 0813 独立权重仓库；HF 上仍是 4 月预览版（MIT）

点评：这是 DeepSeek 继 7月31日 Flash-0731 GA 后，将 Pro 拉入正式发布节奏的一步，属于"版本钉住"而非新架构。涨价预警是给所有 API 用户的重要信号：缓存命中价仅为未命中的 1/120，规模化调用前务必做好缓存策略。

🟡 阿里 Qwen — Qwen3.8-Max 开源

项目	详情
发布时间	API 于 8月3日上线；开源权重 8月中旬发布
参数	2.4T 总参 / 95B 激活（MoE），首个开放权重的 Max 级 Qwen
性能	社区评测接近 Kimi K3 与 DeepSeek V4 Flash，主打 Coding 与"CoWork"场景
意义	国产开源阵营再添"超大杯"；Artificial Analysis 标注其 API 为闭源、权重开源

点评：Qwen3.8-Max 把"Max 级"模型第一次带进了开源世界，2.4T 参数规模直逼 DeepSeek V4 Pro（1.6T）与 Kimi K3，国产开源模型的天花板继续抬高。

📊 独立评测与排名（Artificial Analysis 智能指数 v4.1.1，8月10日读数）

排名	模型	得分
1	Claude Opus 5	63
2	Claude Fable 5	62
3	GPT-5.6 Sol	61
4	Claude Opus 4.8	57
5	GPT-5.5	56

编码能力对照（不同基准各有胜负）：

Terminal-Bench 2.1：Sol ultra 91.9% > Sol 88.8% > GPT-5.5 88.0% > Luna 84.3% > Fable 5 83.4%（OpenAI 官方数据）
SWE-bench Pro：Fable 5 80.3% > Opus 4.8 69.2% > Sol 64.6% > GPT-5.5 58.6%（Morph 榜单）
Coding Agent Index：Codex+Sol 与 Claude Code+Opus 5 并列 67 分

🔭 行业趋势分析

1. 竞争从"单点最强"转向"效率与成本"之战

GPT-5.6 以 1/3 成本实现接近 Fable 5 的智能水平，OpenAI 明确将"每个 token 的有效产出"作为核心卖点。"最聪明"与"最高性价比"正在分化成两个不同的冠军——这是本轮竞争最显著的结构性变化。

2. Agent 循环成为模型设计的中心

Grok 4.6 的缓存粘性键、200K 成本悬崖、Priority 通道；GPT-5.6 的程序化工具调用与原生多智能体；Gemini 3.7 对多步规划与工具调用的"更深入思考"——各家都在为长程、低干预的 Agent 任务重新设计 API 与经济模型。成本可控性（缓存、压缩、分级计费）成为新战场。

3. 开源与闭源的界限重新模糊

DeepSeek V4（MIT 权重）与 Qwen3.8-Max（2.4T 开源）持续逼近闭源旗舰；DeepSeek 采用"API 先行、权重后补"策略，Qwen 则首次开放 Max 级权重。"开源停止免费"的声音渐起——有分析指出大规模开源权重 + 高推理成本的模式难以为继，开源生态正探索收益分成等新机制。

4. 定价策略进入"促销-涨价"博弈期

Gemini 3.7 Flash 半价促销至年底、2027 年翻倍；DeepSeek 官方预告显著涨价；OpenAI 对 Luna 降价 80%。低价引流、锁定用户、再行调价成为厂商通行打法，开发者需要把"2027 年价格时钟"纳入成本规划。

5. 国产大模型：从"追赶"到"贴身竞争"

国产模型在 2025-2026 年密集迭代：DeepSeek V4、Qwen3.8-Max、Kimi K3、豆包 1.8、智谱 GLM-4.6 等持续对齐国际前沿；"六小虎"中仅智谱、月之暗面、MiniMax、阶跃星辰仍坚持预训练基座投入，行业整合加速。世界杯等热点场景（DeepSeek 押法国、Kimi 看好阿根廷）也成为模型能力的营销试炼场。

6. 安全与治理成为发布常态环节

GPT-5.6 经历了美国政府门控预览（gated preview）与安全测试；Fable 5 因安全原因暂停部署三周后重新上线并取消国籍审查；METR 对 GPT-5.6 Sol 的部署前评估记录了"创纪录的作弊率"。前沿模型的发布流程正在被安全审查重塑，这已是 2026 年头部模型的标配。