AI 日报：阿里开放 Qwen3.8-2.4T-A95B 模型权重：2.4T MoE、激活 95B、原生 256K 上下文

30 秒速读

阿里开放 Qwen3.8-2.4T-A95B 模型权重：2.4T MoE、激活 95B、原生 256K 上下文
xAI 发布 Grok 4.6，强化长时运行智能体能力
NVIDIA 推出 Nemotron 3.5 Lightning，加速本地智能体任务

本日报从公开来源中筛选与独立开发者相关的模型、产品、需求和工作流变化。事实链接用于核对，价值判断是编辑分析。

今天最该知道的 10 条

阿里开放 Qwen3.8-2.4T-A95B 模型权重：2.4T MoE、激活 95B、原生 256K 上下文 原文

具体：Qwen-Max 级模型首次开放权重；总参数 2.4T、每个 token 激活 95B，原生上下文 262,144 token，并称可扩到约 101 万 token。
价值：长上下文、本地部署和专有数据工作流又多了一个候选。别急着做“万能知识库”，先拿一类超长文件任务实测：合同包、投标文件或跨周项目记录，比较召回、延迟和单次成本。

xAI 发布 Grok 4.6，强化长时运行智能体能力 原文

具体：xAI 称 Grok 4.6 强化了长时运行智能体、交互式任务和视觉工作，在 Artificial Analysis Intelligence Index 上追平 GPT-5.6 Sol；Cursor 也同步宣布可用。
价值：模型竞争正从单轮回答转向“把任务跑完”。独立开发者的机会不在再包一层聊天，而在失败恢复、任务验收、人工接管和成本上限这些跨模型都缺的执行层。

NVIDIA 推出 Nemotron 3.5 Lightning，加速本地智能体任务 原文

具体：NVIDIA 发布可定制的开源 30B MoE 模型，面向常驻 agent；官方称 token 生成最高快 4 倍、任务完成时间少 30%，可在 RTX PC、DGX Spark 和 Jetson 等设备运行。
价值：本地 agent 已不只是隐私卖点，也开始有速度和设备覆盖的产品空间。适合做“离线但可交付”的窄场景，如局域网文档巡检、设备日志归因或门店素材整理，而非通用桌面助手。

Claude in Chrome 侧边栏升级为 Claude Cowork 会话 原文

具体：Claude 的 Chrome 侧边栏升级为 Cowork 会话；记录保存进历史，浏览器里可使用技能和连接器，任务能在桌面、网页与移动端之间继续。
价值：浏览器正在成为 agent 的工作台，而非单纯抓网页的工具。可验证的缺口是“网页任务的交接包”：自动留下访问页面、取数依据、文件改动和下一步，给需要复核的人而不是给模型自己看。

OpenRouter 推出实时网页搜索基准测试：如何为智能体选择引擎、深度与模型 原文

具体：其基准同时比较模型、搜索引擎、搜索方法和预算。搜索从 1 轮加到 25 轮，BrowseComp 得分接近翻倍但成本只增 2.5–7 倍；模型选择平均差 15 分，高于引擎的 10 分。
价值：搜索 agent 的难题不是“能不能搜”，而是何时加深、何时停止。一个能按任务失败率和预算自动给出搜索深度建议的小组件，比再做一个带搜索框的问答产品更容易验证付费。

AutoGPT 如何用 AGENTS.md 和技能门控管理 AI 生成的拉取请求 原文

具体：AutoGPT 维护者把指令放到代码目录旁的 AGENTS.md 与技能文件，并用 PR 模板、测试计划、CI 覆盖率和 CLA 签名约束 agent 提交；结果是从“不可用”变为“可用但常偏离路线图”。
价值：团队真正缺的是可执行的验收规则，不是更多提示词。机会在把仓库规则转成每次提交都能跑的检查清单：任务目标、改动范围、测试证据、风险与人工确认点。

Show HN: Decant – Understand how you spend tokens 原文

具体：发布者直接指出，市面工具能告诉你 token 用量和总成本，却说不清 token 究竟花在哪；该项目尝试从请求层解释消耗去向。
价值：这是一条很具体的需求，而不是泛泛“降本”。第一步不必接所有模型，只要对一条 coding 或客服链路标出上下文、重试、工具调用和输出分别花了多少钱，就能帮团队决定该删什么。

Codex for Linux 发布，带来并行 agent、worktree 与浏览器工作流 原文

具体：X feed 显示 Codex 桌面体验已覆盖 Ubuntu、Debian 和 Fedora，并包含并行 agent、worktree、diff、skills、automations 与浏览器工作流。
价值：开发环境从 macOS/Windows 扩到 Linux 后，团队会遇到权限、依赖、长任务留痕和远程机器接管的不一致。不要做另一个 IDE；做一个把失败日志和可复现环境打包给维护者的交接工具更实在。

Media Sharing：让 AI agents 把截图和视频放进 Pull Request 原文

具体：Product Hunt 上的 Media Sharing 主张让 agent 直接把截图和视频附到 PR；同日 GitHub 的 agent 维护实践也强调，光有代码和文字说明不足以审核自动化改动。
价值：可见证据正在成为 agent 交付的一部分。面向前端、爬虫和浏览器自动化项目，自动生成“前后截图 + 关键步骤录像 + 测试链接”的 PR 附件，边界清晰且能马上找用户。

Google 研究：Recall 是参数化事实性的瓶颈 原文

具体：Google Research 的 WikiProfile 将事实错误拆成编码、回忆与识别等画像；其观察是前沿模型的事实编码接近饱和，很多错误更像“记得住但在需要时取不出来”。
价值：这提醒产品不要把一次答对当作可靠。知识型产品该把关键结论做成可追溯的复核流程：何时需要原文、何时要求引用、何时改用检索，而不是继续堆长提示词。

大模型榜单异动

今天没有 major_surge 或 watch 级别的榜单异动；采集到的 30 项均为 minor_change，例如 Dreamina Seedance 2.0 720p 在图生视频仍为第 1、文生视频仍为第 3。它们没有足够的排名或 Elo 变化，不应单独触发换模型决策。今天该把测试预算放在新开放权重、长时 agent 与具体工作流的成本上。

值得注意的新产品、新方向、新模型

浏览器会话开始承载跨端 agent 工作

具体：Claude Cowork 把浏览器会话、技能、连接器和跨端继续任务放到一个入口；Codex for Linux 则把并行任务、worktree 和浏览器工作流带到开发机。
价值：两条信号共同指向“任务历史可继续、可复核”。垂直产品应保存实际网页操作和中间决定，而不是只保存最后一段模型回答。

模型供应快速增多，路由与可观测性变成基础需求

具体：X feed 提到 OpenRouter 7 月平均每 10 小时新增一个模型；同日 OmniRoute 宣称可在一个端点后路由 290 多家供应商、500 多种模型，并做配额感知备援，压缩率仍需自行实测。
价值：用户不会为模型目录付费，却会为“这次任务该用谁、失败怎么办、钱花在哪”付费。机会是做场景化路由建议和可解释账单，不是再加一个模型下拉框。

视频生成正从单段素材走向可编排产线

具体：LTX-2.5 称 10 秒 720P 带音频视频在特定 GB200 配置下 6.8 秒完成、成本约 0.90 美元；Runway 的 Seedance 2.5 支持 50 个角色参考与最长 30 秒音乐同步片段。
价值：卖点已从“能生成”转为角色一致、镜头衔接和交付速度。最小机会是某一类短视频的镜头清单、角色资产和成片质检，不要从泛用视频编辑器做起。

未被满足的需求

团队不知道 token 到底浪费在什么环节

信号：Decant 的发布者明确说，现有工具能显示 token 数和总价，却不能解释消耗去向；OpenRouter 的基准也表明搜索深度与模型选择都会明显影响成本和成功率。需要的是一次任务级别的成本归因。

长任务完成后，负责人仍缺少可审核的交接物

信号：跨会话工作流要靠历史、会话 ID 和分支探索来衔接；AutoGPT 还需要 PR 模板、测试计划和 CI 门控；Media Sharing 又把截图和视频带进 PR。共同卡点是“结果有人看，但过程没人能快速复核”。

模型更强，却仍会在关键事实和开放式写作上失手

信号：Google 的研究指出事实回忆是瓶颈；AI 教科书作者也反馈模型能编辑局部，但组织长篇非虚构时仍混乱、易错。适合做关键断言检查、引用覆盖与人工复核队列，不适合承诺完全自动写完。

如果今天只有两个小时

做一个“Agent 任务账单 + 交接包”原型：接一份真实的 coding 或网页采集日志，按模型调用、搜索、重试、工具调用和人工等待拆成本，并自动生成一页交接卡，附上结果、截图/链接、失败点和下次继续的位置。第一批用户去 HN 的 Decant 讨论、使用 Codex/Claude Code 的 X 开发者，以及有浏览器自动化 PR 的开源项目维护者中找；先问他们最近一次“跑完了但不敢合并”的任务。

原始信息

以下公开来源链接用于核对本期事实；来源收集数量保留为编辑透明度说明。本次采集 238 条：AI HOT 精选 34、AI 新闻 71、GitHub 趋势 57、Product Hunt 33、X 43；没有抓取异常。