Qwen3.8-Max 发布，前端编程榜排第 4

概览

本期共 8 条，前 3 条为今日重点；正文按板块展开。

热门模型动态

1. 重点 · Qwen3.8-Max 发布，前端编程榜排第 4
2. 重点 · MiniMax 开源 H3，首个登顶视频榜的开放模型
3. 重点 · OpenAI 重构语音栈，GPT-Live 可边听边说
4. Anthropic 详解 Claude 隔离架构，约束 Agent 行为

全球 AI 资讯 5. 白宫拟请 AI 公司自愿提交前沿模型受测 6. F1 用 AWS 智能体把数据接入从数周压到几分钟

区域与早期信号 7. 商汤开源 SenseNova U1.5-Lite 预览版 8. 阿里「千问办公」开启公测

九凤根据本期已引用来源整理。

热门模型动态

Qwen3.8-Max 发布，前端编程榜排第 4

阿里新旗舰在 Arena 文本榜与前端编程逼近闭源前沿，官方称是「迄今最大、最强」的模型。

阿里于 8 月 3 日发布新一代旗舰模型 Qwen3.8-Max。Arena 官方榜单显示，它在文本模型榜上仅次于 Fable 5 及 Anthropic Opus 家族的三款模型；前端编程一项（Frontend Code Arena）以 1668 分列第 4，落后于 Claude Opus 5（Max）与 Kimi K3（Max），与 Claude Opus 5（High）几乎打平。The Verge 报道称，阿里主张该模型性能可与 Anthropic 的 Claude Fable 5、OpenAI 顶级系统竞争。据爱范儿（中文）实测，Qwen3.8-Max 总参数量 2.4 万亿，每次推理激活 950 亿参数，支持 100 万 Tokens 上下文与视觉理解，重点升级编程与专业办公。

局限：Arena 名次为社区投票的相对排名，会随参评模型与打分口径变化，非绝对能力度量。The Decoder 指出，阿里此次以「模型替你干活、你去做爱好」的营销视频，与 OpenAI、Anthropic 的「AI 抢工作」叙事刻意区隔，属营销定位而非技术指标。

来源：The Verge · The Decoder · Arena 榜单 · Qwen 官方

MiniMax 开源 H3，首个登顶视频榜的开放模型

MiniMax 放出 33B 视频模型 H3 权重，在第三方视频榜的「视频编辑」项排名第一。

MiniMax 于 8 月 3 日发布视频模型 H3 的权重。据 The Decoder 报道，这是首个在视频榜单登顶的开放模型；第三方评测机构 Artificial Analysis 将 H3 列为「视频编辑」第一、「文本生视频」第二、「图像生视频」第三。据 HuggingFace 模型卡，H3 参数量为 330 亿，可同时处理文本、图像、视频与音频，生成 4 至 15 秒、带立体声的片段。

局限：Artificial Analysis 榜单为该机构自建评测，排名随参评模型与打分口径变化。本文未核到 H3 的开源许可证条款、训练数据与商用范围，权重虽公开但可用性细节待官方文档确认。

图片来源：huggingface；已转存至九凤 R2。

来源：The Decoder · HuggingFace 模型卡

OpenAI 重构语音栈，GPT-Live 可边听边说

独立音频通道让对话不中断，GPT-5.5 在后台处理推理、搜索与工具调用。

OpenAI 工程师 Justin Uberti 与 Zahan Malkani 于 8 月 3 日撰文，披露对 ChatGPT 语音基础设施历时六个月的重构：GPT-Live 通过专用音频通道，可在其他模型于后台处理搜索、推理与工具调用的同时，实现边听边说（全双工）。据 RuntimeWire，该架构在 OpenAI 于 7 月 8 日将 GPT-Live 全球推送近四周后才公开。

局限：RuntimeWire 将此定位为面向语音智能体开发者的基础设施基线，而非模型推理能力本身的跃升。工程细节以 OpenAI 官方工程博客与 X 帖为准，文章未给出延迟、并发等量化指标。

来源：RuntimeWire · OpenAI 工程博客 · OpenAI 官方 X

Anthropic 详解 Claude 隔离架构，约束 Agent 行为

Anthropic 主张 Agent 安全靠运行环境的确定性边界，而非仅靠模型自身或逐项权限确认。

Anthropic 在工程博客中详解了 Claude 在 Web、开发者与桌面产品中的安全隔离架构。据 InfoQ，Claude.ai 的代码执行环境运行在隔离基础设施上的临时 gVisor 容器中，完全无法访问用户本地文件系统；Claude Code 则运行在开发者本机，macOS 用 Seatbelt、Linux 用 bubblewrap 施加操作系统级沙箱。Anthropic 称，早期逐项授权机制下用户最终批准了约 93% 的权限请求，使持续依赖人工确认的安全价值大打折扣。

局限：Anthropic 强调分类器、系统提示词与模型训练无法提供绝对保证，真正决定 Agent 能访问什么、能外发什么数据的是运行环境本身。该文为厂商自述的设计理念，未提供第三方审计结果。

来源：Anthropic 工程博客 · InfoQ 中文 · InfoQ 英文 · bubblewrap

全球 AI 资讯

白宫拟请 AI 公司自愿提交前沿模型受测

据 SiliconANGLE，白宫网络安全负责人已敲定一份自愿框架的大纲，允许厂商在发布前把前沿模型交政府测试。

据 SiliconANGLE 于 8 月 3 日报道，白宫网络安全官员已敲定一份即将出台框架的大纲：AI 公司可在把最新前沿模型交付客户或公众之前，自愿提交给政府进行测试。报道称，此举出现在包括 Anthropic 在内的公司近期披露安全事件之后。

局限：框架仍处于「据报道敲定大纲」阶段，细节与生效时间未公布，且为自愿而非强制。本条仅 SiliconANGLE 单一来源，尚无官方文本可核。

来源：SiliconANGLE

F1 用 AWS 智能体把数据接入从数周压到几分钟

一级方程式在 Amazon Bedrock AgentCore 上搭建 Data Accelerator，将数据源接入从最长 8 周缩短到分钟级。

据 AWS 机器学习博客，一级方程式（F1）与 AWS 合作，基于 Amazon Bedrock AgentCore 的智能体构建 Data Accelerator，用于改造其 MarTech 数据平台 Customer 360。官方称，新流程把数据源接入（onboarding）从最长 8 周缩短到几分钟。F1 面向全球逾 8 亿粉丝、每两周一场比赛，营销决策需与赛场同速。

局限：该文为 AWS 官方案例，数据由厂商提供，未含独立第三方复核。「从数周到几分钟」为特定数据接入环节的对比，非平台整体性能。

来源：AWS 机器学习博客

区域与早期信号

商汤开源 SenseNova U1.5-Lite 预览版

8B-MoT 原生统一多模态模型面向社区开源，主打 4K 直出与图像编辑。（Chinese-language source）

据量子位（中文），商汤面向社区开源了轻量级原生统一多模态模型 SenseNova U1.5-Lite-Preview（早期预览版）。该模型延续商汤自研 NEO-Unify 架构，把语言、视觉语义与像素生成放进同一套模型，覆盖视觉理解、推理、生成与编辑，参数规模为 8B-MoT，可 4K 直出。量子位援引官方数据，其图像基准较上一代 U1 有提升：Qwen-Image-Bench 47.14→55.20、ImgEdit-Bench 3.90→4.37、GEdit-Bench 英文 7.47→8.17 / 中文 7.42→8.05，自建 WeEdit 总均分 6.44。

局限：本条仅有中文来源（量子位）报道，且为「预览版」；报道未公布开源许可证条款与吞吐、时延等工程指标，商业可用性有待官方正式发布确认。

来源：量子位（中文）

阿里「千问办公」开启公测

企业级 Agent 产品 QwenWork 整合本地操作、云端长任务与协作，底层为 Qwen3.8-Max。（Chinese-language source）

据爱范儿（中文），阿里于 8 月 3 日推出企业级 Agent 产品「千问办公」（QwenWork）并开启公测，由 QoderWork、MuleRun 与「悟空」三款产品整合而来，把本地电脑操作、云端长任务与企业协作收进同一入口，官网 qwenwork.cn 可下载。其 IM 频道除接入阿里自家钉钉外，还支持飞书、微信等；实测底层模型为新旗舰 Qwen3.8-Max。

局限：本条仅有中文来源（爱范儿）实测报道；作者指出产品「会偶尔闹乌龙」，长任务稳定性与企业级可靠性仍需验证。

来源：爱范儿（中文）