AI 日报 · 2026-08-14

今日最核心的主线是基础模型与多模态生成同步加速：DeepSeek 正式发布 DeepSeek-V4-Pro-0813，以 1.7T 参数和 DSpark 投机解码在 HLE、Terminal Bench、DeepSWE 等智能体与生产基准上逼近最强闭源模型，并支持三档 reasoning_effort；Google 则推出 Gemini 3.7 Flash，编程与知识工作基准大幅跃升、价格约为前代一半，并立即接入 Gemini Spark。MiniMax 发布 Music 3，可生成长达 5 分钟的结构化歌曲；OpenAI 预告 Ultrafast 服务层，由 Cerebras 支持将 GPT-5.6 Sol 推理速度最高提升 14 倍。产品侧，Google Sheets 加入 Gemini 驱动的 canvas 交互可视化，NVIDIA GeForce NOW 为 Linux、Chromebook 等设备强化云游戏，Hugging Face 展示机器人数据从采集到部署的闭环，LangChain 则押注托管式智能体。工具层面，Simon Willison 发布 sqlite-utils 4.2.1 修复崩溃，并用 llm-gemini 0.33 快速支持新 Gemini 模型。

北美一手（LLMs 官方 & 关联账号）

OpenAI

⭐⭐ [产品更新] Previewing Ultrafast mode: GPT-5.6 Sol at up to 14X the speed

OpenAI 预览了新的 API 服务层 Ultrafast，可让 GPT-5.6 Sol 的推理速度最高提升 14 倍。该服务由 Cerebras 提供算力支持，宣称最高可达到每秒 750 个输出 token。目前消息为官方预览，正文未包含更多定价或可用范围信息。

Google

⭐⭐⭐ [模型发布] Introducing Gemini 3.7 Flash

谷歌 DeepMind 发布 Gemini 3.7 Flash，距上一代 3.6 Flash 仅三周。新模型在编程、知识工作和 Web 开发等任务上明显提升，FrontierCode 1.1 Main 达到 43.6%（3.6 为 34.4%）、DeepSWE v1.1 达到 65.3%（49.0%），WebDev Arena Elo 从 1538 提升至 1588，GDP.pdf 和 AutomationBench 也大幅进步。价格方面，年底前输入每百万 tokens 0.75 美元、输出每百万 3.75 美元，约为 3.6 Flash 原价一半。Gemini Spark 即日起升级采用 3.7 Flash，面向 160 多个国家的 Google AI Pro/Ultra 订阅者。开发者体验在多步规划、指令遵循和工具调用方面也有改善。

⭐⭐ [产品更新] Bring your spreadsheet data to life with Sheets canvas

Google 官方宣布为 Google Sheets 推出新功能「Sheets canvas」，由 Gemini 驱动，可将电子表格中的行列数据转化为交互式可视化「mini-apps」。用户只需用自然语言描述需求，例如生成学习追踪器或座位表，无需编写代码。画布与原始表格实时双向同步，修改任一方都会自动更新。该功能以标签页形式存在于 Google Sheets 中，支持像普通表格一样分享与协作。

东亚一手（中国厂商官方 & 模型发布）

DeepSeek

⭐⭐⭐⭐⭐ [模型发布] deepseek-ai/DeepSeek-V4-Pro-0813

DeepSeek 在 HuggingFace 发布 DeepSeek-V4-Pro-0813 正式版，取代此前的预览版，并强调其在智能体能力与生产环境中的性能显著提升。该模型规模为 1.7T，基于 DeepSeek-V4-Pro（Preview）结构，并加入 DSpark 投机解码模块。在 HLE、Terminal Bench、DeepSWE、Toolathlon-Verified 等多项基准上，它相比预览版有大幅提升，并大致可与当前最强闭源模型竞争。模型支持低、高、最大三档 reasoning_effort 推理强度，并提供编码脚本以兼容 OpenAI 消息格式。官方同时给出 vLLM 与 SGLang 的运行配置，DSpark 可通过单个标志启用。

MiniMax

⭐⭐⭐ [模型发布] MiniMaxAI/MiniMax-Music3

MiniMax 发布 Music 3 音乐生成模型，可生成最长 5 分钟的结构化完整歌曲，支持通过歌词与详细音乐描述控制风格、人声和编曲发展。该模型采用分层自回归架构，8B Global LLM 负责长程音乐结构，0.6B Local LLM 负责帧级声学细节，并通过 Flow Matching 与 Flow-VAE 连续隐状态合成输出 32kHz 16-bit 立体声音频。它建议使用包含全局元数据、人声细节、编曲三部分的结构化描述以获得精细控制。模型已发布在 Hugging Face，并支持 SGLang-Omni 使用。

衍生 & 周边（产品 / Agent / Tools / 观点）

产品更新

⭐⭐ [产品更新] Class Is in Session: GeForce NOW Levels Up Linux, Chromebooks and More

英伟达 GeForce NOW 宣布针对返校季进行云游戏体验升级。GeForce NOW 原生 Linux 应用正式结束测试阶段。同时推出新的云端优化，让帧生成（Frame Generation）在串流时响应更快。此外 Performance 会员将获得更高的帧率表现。整体是围绕 Linux、Chromebook 等设备与会员体验的产品更新。

⭐⭐ [产品更新] Record, train, and deploy from one place with Strands Agents, LeRobot, and Hugging Face Storage Buckets

本文介绍了 AWS 开源 SDK Strands Robots 与 Hugging Face Storage Buckets 的结合，实现机器人数据从记录、训练到部署的单一闭环。数据全程保持 LeRobot 格式，可直接存入 HF Hub 的存储桶，并利用增量同步只上传变化字节，避免重复数据传输。训练时可直接从 Hub 流式读取数据集，按帧解码摄像头视频，无需本地下载。文章提供了可运行的 notebook 示例，并回顾了 Strands Robots 的机器人抽象与 AgentTools 组合能力。

⭐⭐ [产品更新] sqlite-utils 4.2.1

Simon Willison 发布了 sqlite-utils 4.2.1，这是一个用于操作 SQLite 数据库的 Python CLI 工具和库。该版本修复了 4.2 中引入的一个崩溃 bug：代码里使用了 typing_extensions 的 Self，但 typing-extensions 并未被列为 sqlite-utils 的直接依赖，在通过 uvx sqlite-utils 直接运行时会导致缺失。作为修复的一部分，作者新增了一个 smoke test，用 uv run --isolated --no-default-groups sqlite-utils --help 来验证 CLI 在没有 dev 依赖的情况下仍可正常工作。

⭐⭐ [产品更新] llm-gemini 0.33

Simon Willison 发布 llm-gemini 0.33 插件更新，用于在 LLM 工具中访问 Google Gemini 系列模型。本次更新加入对当日发布的 Gemini 3.7 Flash 以及 gemini-3.6-flash、gemini-3.5-flash-lite 和两个 gemini-embedding 嵌入模型的支持。插件同时升级兼容 LLM 0.32，用户可查看推理轨迹，并可通过如 `llm -m gemini-3.7-flash -T CodeExecution` 的方式启用服务端工具。作者还测试了让 Gemini 3.7 Flash 生成骑自行车鹈鹕图像，并提到不同浏览器对 SVG 滤镜的渲染差异。

观点

⭐⭐ [观点] Why managed agents are the next big thing in agent building

LangChain CEO Harrison Chase 撰文认为托管式智能体（managed agents）将成为智能体构建的下一个方向。他回顾了智能体构建的几个阶段：从早期 AI 框架和应用，到 LangGraph、Google ADK、Vercel AI SDK 等更成熟的框架，再到当前大模型在循环中调用工具的智能体模式。过去一年出现两类关键经验：一是持久化执行、沙箱等运行智能体所需的基础设施原语，二是 AGENTS.md、MCP、skills 等驱动智能体的标准。这些趋势催生了托管式智能体体验，通过将智能体 harness 与基础设施捆绑，降低生产环境中运行时、用户体验、沙箱、上下文管理、评估、记忆和鉴权等复杂度。文章围绕上周发布的 Managed Deep Agents 产品展开观点性说明。