AI 日报 · 2026-08-03

通义千问发布 Qwen3.8-Max，2.4 万亿参数模型在编程与长程自主任务上表现亮眼，下周将开源权重；MiniMax 推出并开源全模态视频生成系统 MiniMax-H3，支持多模态输入和立体声高清视频。LangChain 密集更新了面向代理的数据栈、LLM 网关公测以及编码代理成本治理工具，CEO Harrison Chase 发文主张企业应「拥有自己的智能」以构建持久优势。此外，Simon Willison 发布了 JSON 压缩工具 condense-json 1.0。

东亚一手（中国厂商官方 & 模型发布）

通义千问（Qwen）

⭐⭐⭐⭐⭐ [模型发布] Qwen3.8-Max: A New Bar for Coding and Cowork

通义千问团队正式发布 Qwen3.8-Max，这是 Qwen 家族迄今最强大的模型，参数规模达 2.4 万亿（95B 活跃参数），并计划于下周开源权重。基于 Qwen3.5 架构，它在编程、工作、研究与长程任务上实现全面飞跃，能端到端可靠完成复杂任务。在测试中，模型自主运行超 10 天，从零构建自我进化的工程系统 oh-my-cli，累计产生 265 次提交、127 个 PR 和 151 个 issue；还能重现并改进研究论文「Unified Data Selection for LLM Reasoning」。该模型已通过 QwenCloud API 提供。

MiniMax

⭐⭐⭐⭐ [模型发布] MiniMaxAI/MiniMax-H3

MiniMax 发布全模态生成系统 MiniMax-H3，支持文本、图像、视频、音频多模态输入，可生成最长 15 秒、最高 2K 分辨率的带原生立体声音频的视频。模型包含两个变体：基础首尾帧模式（H3-Base-FL2VA）和全参考模式（H3-Base-Ref2VA），后者支持最多 9 张图片、3 段视频/音频的混合输入。系统由上下文理解模块 H3-Context-IR、768p 生成模块 H3-Base 和 2K 超分模块 H3-Regenerate-2K 三部分组成，已通过 HuggingFace 以 33B 参数开源，并提供在线 API 与桌面/网页应用。

衍生 & 周边（产品 / Agent / Tools / 观点）

产品更新

⭐⭐⭐ [产品更新] How LangChain Built an Agent-First Data Stack

LangChain 将传统 BI 中心的数据栈重构为面向 AI 代理（agent）的数据栈，通过提供清晰的数据模型、指标定义、业务上下文和可信信号，使数据代理能更准确地回答业务问题。该转型使数据代理处理的请求量达到三人数据团队直接处理量的约 40 倍，过去 30 天近 100% 的授权用户使用了数据代理，产生约 2200 次对话。数据团队的角色从此前回答每个问题，转向持续改进数据模型、上下文、护栏和反馈循环，以提升代理回答的实用性。此次架构迁移强调，代理不仅需要访问数据表，更需要了解公司特定定义和业务逻辑才能给出可信结果。

⭐⭐ [产品更新]

LangSmith LLM Gateway 已进入公开测试阶段，它位于代理与模型调用之间，提供集中式的运行时治理层。该网关支持跨模型和供应商的花费上限、速率限制、用户级策略、多租户客户控制以及模型回退，帮助团队避免成本超支和服务中断。同时，它还能在请求发送前检测并屏蔽 PII 和密钥等敏感数据，防止泄露给模型提供商。这些控制不再需要每个代理单独实现，从而降低了供应商锁定的风险。

⭐⭐ [产品更新] Your coding agent bill doubled. Here’s how to fix it.

多个公司编码代理费用暴涨，主要归因于缺乏统一监控与多工具碎片化的成本视图。LangChain 通过 LangSmith 将 Claude Code、Cursor、Copilot Chat 等工具的会话追踪统一到同一模型，实现成本标准化对比。其 Engine 可自动分析会话并推荐具体优化措施，LLM 网关则提供用户/团队/组织级成本上限，并即将支持路由到开源模型以进一步降低成本。

⭐⭐ [产品更新] condense-json 1.0

Simon Willison 发布了 condense-json 1.0，一个用于通过替换字符串来压缩 JSON 的 Python 函数库。该工具可将 JSON 中的重复子串替换为特殊引用格式，从而减少存储占用，并支持反向还原。作者主要用它来压缩 LLM 生成的 SQLite 日志数据，以节省空间。

观点

⭐⭐ [观点] Own Your Intelligence: The Key to Lasting AI Advantage

LangChain CEO Harrison Chase 撰文指出，通用 AI 本身无法创造持久优势，企业必须「拥有自己的智能」——控制模型、代理系统、上下文和记忆，并管理成本、质量、风险与行为。通过保险理赔等场景说明，现成模型无法理解公司内部的特定规则与流程，真正的壁垒在于构建能够随业务反馈持续改进的定制化智能系统。文章主张企业应购买通用基础设施，但牢牢掌握使智能业务化、复合增长的关键部分。